Rumusan Masalah Batasan Masalah Tujuan Penelitian

Prediksi berdasarkan data time series merupakan salah satu teknik prediksi kuantitatif yang menghimpun pengamatan yang dibangun secara berurutan dalam waktu tertentu, dapat berupa data harian, mingguan, bulanan dan tahunan Halim, 2006. Prediksi data time series telah banyak dikembangkan belakangan ini seperti metode backpropagation, metode hybrid, jaringan syaraf tiruan, metode fuzzy dan algortima genetic. Penelitian mengenai prediksi yang sebelumnya pernah dilakukan adalah dengan menggunakan metode Autogressive Integrated Moving Average ARIMA oleh Suprapto pada tahun 2005. Setiawan 2008 menggunakan Multilayer Feedforward Network dan Anwary 2011 menggunakan Fuzzy Time Series. Selain itu padaa tahun 2012 Yuliandar menggunakan Feedforward Neural Network dengan Algoritma Genetika. Dalam tugas akhir ini, sistem prediksi dikembangkan dengan menggunakan metode jaringan syaraf tiruan backpropagation yang merupakan salah satu metode softcomputing dan termasuk dalam sistem pembelajaran terawasi, biasanya digunakan oleh perceptron dengan banyak lapisan untuk mengubah bobot yang terhubung dengan neuron yang ada pada lapisan tersembunyi. Pada penelitian ini algoritma backpropagation menggunakan error keluaran untuk mengubah nilai bobot dalam satu arah mundur backward. Untuk mendapatkan error ini tahap perambatan maju forward harus dikerjakan terlebih dahulu. Saat perambatan maju, neuron diaktifkan dengan menggunakan fungsi aktivasi sigmoid biner. Pada setiap lapisan data akan dilatih dan diuji, hasil pelatihan merupakan output peramalan. Metode backpropagation sendiri telah digunakan dalam beberapa penelitian seperti perbandingan backpropagasi dengan metode ARIMA Mahater, 2010 dan pengenalan sidik jari Fanindia, 2013 dan penentuan kelulusan siding skripsi Zeson, 2013.

1.2 Rumusan Masalah

Dalam melakukan online trading, trader harus memiliki pemahaman yang baik mengenai keadaan pasar dan pergerakan harga forex guna menghindari terjadinya transaksi yang memiliki resiko kerugian. Salah satu cara untuk menganalisis resiko tersebut adalah dengan menggunakan analisis teknikal yaitu memprediksi pola fluktuasi harga forex berdasarkan data market dimasa lalu. Oleh karena itu dibutuhkan Universitas Sumatera Utara sebuah pendekatan untuk memprediksi trend harga forex berdasarkan data fluktuasi dimasa lalu sehingga menghasilkan suatu sistem prediksi forex.

1.3 Batasan Masalah

Ada beberapa batasan masalah dalam penelitian ini agar pembahasan lebih fokus dan sesuai dengan tujuan yang akan dicapai, antara lain : 1. Penentuan prediksi forex yang akan dibuat merupakan perkiraan End Of Day EOD atau harga closing berdasarkan pada beberapa variabel data forex. 2. Penelitian ini tidak mempertimbangkan news di pasar forex yang mungkin dapat mempengaruhi hasil prediksi. 3. Data histori yang digunakan adalah data pergerakan valuta asing euro terhadap dollar Amerika dari tanggal 3 Januari 2005 s.d. 31 Desember 2013 yang meliputi tanggal dan waktu, harga pembukaan, harga tertinggi, harga terendah, harga penutupan dan volume. Data tersebut diperoleh dari website Forex Historical Data www.histdata.com. 4. Data yang digunakan dibagi menjadi dua yakni data pelatihan dan data pengujian. 5. Data pelatihan yang digunakan adalah data histori pergerakan valuta asing euro terhadap dollar Amerika dari tanggal 3 Januari 2005 s.d. 31 Desember 2010. 6. Data pengujian yang digunakan adalah data histori pergerakan valuta asing euro terhadap dollar Amerika dari tanggal 1 Januari 2011 s.d. 31 Desember 2013. Universitas Sumatera Utara

1.4 Tujuan Penelitian

Tujuan dari penelitian ini adalah membuat prediksi trend forex mata uang euro terhadap dollar Amerika berdasarkan data runtun waktu dimasa lalu dengan menggunakan metode backpropagation.

1.5 Manfaat Penelitian