Penerapan Data Mining Algoritma Decision Tree C5.0 Untuk Peramalan Forex

Perdagangan forex merupakan investasi yang berisiko tinggi dan memiliki prospek yang tinggi. Banyaknya kalangan yang berperan di dalamnya dan besarnya nilai uang yang beredar menjadikan pasar forex sulit untuk dikendalikan oleh kalangan tertentu sehingga diperlukan sistem prediksi dalam menetukan kebijakan yang diambil untuk mencapai profit yang tinggi. Pada penelitian ini bertujuan untuk mengimplementasi algoritma Decision Tree. C5.0 yang memperlakukan variabel kontinyu dan pemilihan atribut yang akan diproses menggunakan information gain tertinggi dalam pembentukan tree yang akan memberikan hasil prediksi. Adapun pre-processing, data history akan diproses menggunakan indikator MACD dan RSI dengan nilai close sebagai inputan sehingga menghasilkan data training. Selain itu pada pre- rocessing terdapat proses kondisi dengan inputan open, high, dan low yang digunakan sebagai parameter asumsi dalam menentukan keputusan buy atau sell pada saat pergerakan naik ataupun turun. Tingkat keberhasilan prediksi forex dengan metode C5.0 secara optimal diperoleh dari time frame M15 (per-15-menit) untuk pair mata uang EUR/USD dengan akurasi buy 84,49 %, akurasi sell 83,69 %, dan nilai profit yang dicapai yaitu 2,31 $