Prediksi Pergerakan Mata Uang dengan Convolutional Neural Network pada Trading Forex: Studi Kasus EUR/USD

Abstract

Prediksi pergerakan pasar di forex trading merupakan tantangan besar karena ketidakstabilan dan sifat non-linear pasar. Kecerdasan Buatan (AI), khususnya pembelajaran mendalam, telah menarik perhatian sebagai alat bantu dalam pengambilan keputusan trading, mengingat keberhasilannya dalam berbagai aplikasi lain. Penelitian ini bertujuan untuk menguji efektivitas jaringan saraf konvolusional (Convolutional Neural Network - CNN) dalam memprediksi pergerakan pasar forex. Penelitian ini menggunakan metode pembelajaran terawasi dengan algoritma propagasi balik untuk melatih CNN. Data yang digunakan diperoleh dari platform MetaTrader, mencakup nilai tukar harian EUR/USD selama dua tahun (2018-2019). CNN dirancang dengan tiga jenis lapisan: konvolusi, sub-sampling, dan terhubung penuh, dengan tujuan untuk mengidentifikasi pola dalam data dan menghasilkan prediksi yang akurat. Hasil eksperimen menunjukkan peningkatan marginal dalam kinerja CNN dibandingkan dengan model neural network lainnya, terutama dalam hal kesalahan prediksi dan ketepatan sasaran. Walaupun demikian, CNN memerlukan waktu dan sumber daya yang lebih banyak untuk pelatihan. CNN menunjukkan potensi dalam meningkatkan akurasi prediksi pergerakan pasar forex dibandingkan dengan model jaringan saraf lainnya, terutama karena kemampuannya dalam preprocessing data dan mengurangi noise. Namun, tantangan terkait waktu dan sumber daya pelatihan perlu ditangani untuk penerapan yang lebih efisien.