<![CDATA[Pasar valuta asing (forex) merupakan pasar keuangan terbesar di dunia yang sangat dipengaruhi oleh berbagai faktor ekonomi dan geopolitik, sehingga membuat pergerakan nilai tukarnya sangat fluktuatif dan kompleks. Salah satu strategi prediksi yang umum digunakan adalah analisis teknikal seperti Relative Strength Index (RSI). Namun, metode ini memiliki keterbatasan dalam menangkap pola non-linier dari data pasar. Oleh karena itu, penelitian ini bertujuan untuk mengevaluasi perbedaan profitabilitas secara statistik antara strategi RSI dengan dua model deep learning, Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU). Penelitian ini menggunakan data historis pasangan mata uang EUR/USD dari Januari 2021 hingga Oktober 2024 yang dibagi ke dalam 46 kelompok data bulanan sebagai data uji. Masing-masing strategi diuji melalui simulasi trading, dan profitabilitas diukur berdasarkan nilai akhir equity pada setiap bulan. Untuk menjawab rumusan masalah, dilakukan uji statistik menggunakan metode Independent Samples T-test. Hasil pengujian menunjukkan bahwa meskipun model GRU dan LSTM menghasilkan rata-rata nilai equity final yang lebih tinggi dibandingkan strategi RSI, serta GRU sedikit lebih tinggi dari LSTM, namun tidak terdapat perbedaan yang signifikan secara statistik antara ketiga model atau strategi yang diuji. Dengan demikian, penelitian ini menyimpulkan bahwa tidak ada bukti kuat secara statistik yang mendukung keunggulan salah satu metode atas metode lainnya dalam hal profitabilitas trading.]]>
Copyrights © 2025
