Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Electron: Jurnal Ilmiah Teknik Elektro
Reinard, Vinsensius
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Sistem Prediksi Pergerakan Harga Valuta Asing Menggunakan Kecerdasan Buatan Metode SARSA Reinard, Vinsensius; Fat, Joni; Suraidi
ELECTRON Jurnal Ilmiah Teknik Elektro Vol 5 No 1: Jurnal Electron, Mei 2024
Publisher : Jurusan Teknik Elektro Fakultas Teknik Universitas Bangka Belitung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33019/electron.v5i1.88

Abstract

Pada era modern komputer dimanfaatkan untuk melakukan komputasi kecepatan tinggi. Tidak terhindar pasar valuta asing juga mengalami transisi tersebut. Sistem yang dibuat menggunakan kecerdasan buatan metode state action reward state action (SARSA) yang memprediksi dengan tepat 52% atau lebih sesuai dengan metode evaluasi. Evaluasi keberhasilan prediksi dilakukan dengan membandingkan prediksi pada state  dan state . State didefinisikan menjadi 3. State 3 adalah harga > sma+k, state 2 adalah sma+k < harga < sma-k, dan state 1 adalah harga < sma-k. Variabel sma adalah rata-rata 200 harga closed terakhir dari periode waktu 5 menit. Konstanta k bernilai 0.0005. Sistem menggunakan bahasa pemrograman Python dan terhubung ke pasar valuta asing. Pengujian dilakukan pada 2023-11-10 22:05:00 sampai 2023-11-18 06:55:00. Metode uji yang digunakan adalah metode forward testing. Forward testing adalah sistem uji menggunakan data live market. Metode kecerdasan buatan SARSA memprediksi dengan rata-rata keberhasilan 63.08% pada sampel data EUR/USD, GBP/USD, USD/CAD, USD/CHF, AUD/USD, dan USD/JPY. Prediksi berhasil paling tinggi adalah pasangan USD/CHF dengan tingkat keberhasilan 72.39%, sedangkan yang paling rendah pada GBP/USD dengan tingkat keberhasilan 59.66%. Sistem prediksi yang dibuat berkemampuan untuk aktif ketika pasar valas aktif. Sistem memprediksi dengan mengeluarkan state selanjutnya.
Co-Authors Fat, Joni Suraidi