SISTEM PENDUKUNG KEPUTUSAN UNTUK OPEN POSITION PADA COMMODITY MARKET BERDASARKAN PIVOT HARIAN Sistem Pendukung Keputusan Untuk Open Position Pada Commodity Market Berdasarkan Pivot Harian Dengan Metode Naive Bayes.
SISTEM PENDUKUNG KEPUTUSAN UNTUK OPEN POSITION
PADA COMMODITY MARKET BERDASARKAN PIVOT HARIAN
DENG AN METODE NAIVE BAYES
Makalah
Program Studi Teknik Informatika
Fakultas Komunikasi dan Informatika
Diajukan Oleh :
Ichsan Nur Ghofur
Umi Fadillah, S.T.,M.Eng.
Agus Supardi, S.T.,M.T.
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS KOMUNIKASI DAN INFORMATIKA
UNIVERSITAS MUHAMMADIYAH SURAKAR TA
OKTOBER, 2013
SISTEM PENDUKUNG KEPUTUSAN UNTUK OPEN POSITION PADA
COMMODITY MARKET BERDASARKAN PIVOT HARIAN DENGAN
METODE NAIVE BAYES
Ichsan Nur Ghofur, Umi Fadillah, Agus Supardi
Department of Informatics, Faculty of Communications and Informatics,
Muhammadiyah University of Surakarta
Email: ichsan.ing@gmail.com
ABSTRACT
Running an online commodity business with the right strategy then
someone will get a great income, using pivot points strategy can be seen where the
price will move the line making it easier for investors to make decisions for the
open position. The purpose of decision -making support system for the open
position on the commodity market with a daily pivot based Naive Bayes method is
to help support decision making for investors when determining the open position.
Naive Bayes method which will be used as the theoretical basis for the calculation
of the weighting of each factor and the criteria that have been provided. The
system is built with PHP and MySQL as database. This decision support system
successfully built and tested in accordance with the draft that has been made.
Based on the results of experiments performed by 25 % obtained results are
expressed strongly agree and 40 % agree in terms of the benefits program. It is
proved that the system can meet the needs of potential users of the decis ion
support system .
Keywords : Commodity, Decision Support Systems, Naive Bayes,
Open Position, Pivot Point
SISTEM PENDUKUNG KEPUTUSAN UNTUK OPEN POSITION PADA
COMMODITY MARKET BERDASARKAN PIVOT HARIAN DENGAN
METODE NAIVE BAYES
Ichsan Nur Ghofur, Umi Fadillah, Agus Supardi
Teknik Informatika, Fakultas Komunikasi dan Informatika,
Universitas Muhammadiyah Surakarta
Email: ichsan.ing@gmail.com
ABSTRAKSI
Menjalankan bisnis commodity online dengan strategi yang benar maka
seseorang akan mendapatkan penghasilan yang besar, dengan menggunakan
strategi pivot point dapat diketahui garis dimana harga akan bergerak sehingga
memudahkan investor untuk mengambil keputusan untuk open position. Tujuan
dari pembuatan sistem pendukung keputusan untuk open position pada commodity
market berdasarkan pivot harian dengan metode naive bayes ini adalah untuk
membantu mendukung pengambilan keputusan bagi investor saat menentukan
open position. Metode naive bayes yang akan digunakan sebagai teori dasar untuk
melakukan perhitungan pembobotan dari tiap faktor dan kriteria yang telah
disediakan. Sistem ini dibangun dengan bahasa pemrograman PHP dan MySQL
sebagai basis data. Sistem pendukung keputusan ini berhasil dibangun dan diuji
coba sesuai dengan rancangan yang telah dibuat. Berdasarkan hasil uji coba yang
dilakukan diperoleh hasil sebesar 25% yang menyatakan sangat setuju dan 40%
menyatakan setuju dari segi manfaat progam. Hal ini membuktikan bahwa sistem
ini dapat memenuhi kebutuhan dari calon pengguna sistem pendukung keputusan
ini.
Kata kunci : Commodity, Naive Bayes, Open Position, Pivot Point ,
Sistem Pendukung Keputusan
A. PENDAHULUAN
Manusia
kebutuhan
Salah
mempunyai
yang
mutlak
satunya
adalah
bisnis
commodity online yang sedang marak
harus
diperbincangkan dalam dunia bisnis,
dipenuhi, karena itu manusia berusaha
karena commodity apalagi emas ini
untuk memenuhi kebutuhan dengan
sering
berbagai macam cara. Salah satu
strategi headging bagi para investor .
usaha manusia adalah dengan bekerja
atau
istilah
populernya
adalah
berbisnis. Bermacam- macam bisnis
dilakoni untuk mendapatkan hal yang
menjadi kebutuhan hidupnya.
Berkembangnya
digunakan
untuk
Dalam bisnis
melakukan
open
sebuah
ini
investor
untuk
position
menentukan posisi mereka sesuai
dengan
pergerakan
harga
pada
market . Jika investor melakukan open
teknologi
position dengan tepat sesuai arah
yang pesat memberikan fasilitas yang
trend
sangat memudahkan manusia untuk
membuahkan
melakukan
susah
Untuk menentukan pergerakan market
payah. Salah satunya adalah media
ada dua jenis analisis yang digunakan
internet. Internet memudahkan untuk
yaitu
melakukan
analisis
aktivitas
sesuatu
tanpa
tanpa
perlu
pada
market ,
profit
analisis
maka
yang
besar.
fundamental
teknikal.
akan
dan
Analisis
beranjak dari tempat duduk. Begitu
fundamental adalah analisis yang
juga dalam dunia bisnis, internet juga
didasarkan pada situasi dan kondisi
bisa dimanfaatkan untuk mengelola
ekonomi, politik dan keamanan secara
bisnis serta usaha dalam mendapatkan
global dan juga tiap-tiap negara yang
kebutuhan.
mengeluarkan indeks saham. Pada
Bisnis
menggunakan
internet biasa disebut dengan bisnis
prinsipnya
online.
membutuhkan
kelihaian
tersendiri
memperhitungkan
Dunia bisnis online sekarang
telah berkembang pesat dan sangatlah
menarik perhatian semua orang untuk
bersaing
mendapatkan keuntungan
yang besar dalam dunia bisnis ini.
analisis
untuk
fundamental
penting tidaknya suatu
menjadi
faktor
yang
seni
informasi
akan
berpengaruh terhadap fluktuasi nilai
tukar suatu mata uang, sedangkan
analisis
teknikal
menggunakan
menentukan strategi sehingga banyak
beberapa prinsip dasar yaitu pertama
investor menggunakan strategi orang
sejarah biasanya akan terulang lagi,
lain yang terlalu rumit bahkan belum
sehingga pola pergerakan pasar pun
tentu cocok bagi investor itu sendiri.
dapat diketahui. Kedua, harga pasar
Sistem pendukung keputusan untuk
mampu
open position pada commodity market
merefleksikan
kejadian
yang
kondisi
mempengaruhinya,
berdasarkan
baik secara internal maupun eksternal.
naive
Ketiga,
sebagai
harga pasar akan selalu
harian
pivot
dengan
ini dapat dijadikan
bayes
sistem
untuk
membantu
mengikuti trend, baik trend naik
mendukung pengambilan keputusan
maupun trend turun, sehingga harga
bagi para investor saat menentukan
saham pun akan sangat tergantung
open position.
oleh isu. Secara ringkas studi teknikal
kebanyakan studi dari aksi pasar yaitu
efek
yang
pergerakan
ditimbulkan
pasar.
Analisis
dari
yang
digunakan oleh penulis dalam sistem
pendukung keputusan untuk open
position ini adalah analisis teknikal.
Banyak strategi dalam analisis
teknikal
yang
(2012),
meneliti
tentang sistem pendukung keputusan
menentukkan lokasi rumah makan
yang strategis. Tujuan aplikasi ini
adalah membuat sistem yang dapat
melakukan
penilaian
untuk
mendapatkan suatu keputusan bagi
tempat
menjalankan commodity ini, pivot
untuk
makan
point adalah letak suatu level harga
berdasar
secara relatif terhadap situasi dan
tempat itu. Metode na ive bayes
dinamika pasar yang terjadi, maka
digunakan
bisa menjadi suatu strategi yang
statistik untuk melakukan inferensi
cocok
trading
induksi pada persoalan klasifikasi,
investor . Tetapi strategi menggunakan
metode ini menggunakan probabilitas
pivot point jarang digunakan karena
bersyarat sebagai dasarnya. Hasil dari
investor kurang percaya diri dalam
sistem berupa nilai rekomendasi yang
semua
tipe
dalam
Handini
pengguna dalam memilih
bagi
digunakan
B. TINJAUAN PUSTAKA
membuka
rumah
strategis
sebagai
atau
tidaknya
pendekatan
sesuai dengan kriteria yang dimiliki.
open position pada pasar commodity
Penelitian ini menghasilkan sebuah
online dengan menerapkan strategi
sistem yang memberikan kemudahan
pivot
bagi pengusaha yang ingin mencari
keputusan.
dalam
point
menentukan
tempat yang strategis untuk membuka
C. METODE PENELITIAN
rumah makan.
1. Dokumetasi
Yuliana
(2010),
meneliti
Karena penulis menggunakan
tentang perubahan nilai indeks saham
metode naive bayes, maka perlu data
di Bursa Efek Indonesia (BEI) karena
yang
dipengaruhi oleh beberapa
faktor
menjalankan sistem ini. Pengumpulan
makro ekonomi dalam negeri, antara
data sebagai berkas dengan cara
lain inflasi, nilai tukar rupiah terhadap
mengumpulkan
dollar dan suku bunga SBI (Sertifikat
sebanyak mungkin agar prediksi yang
Bank
dikeluarkan sistem lebih mendekati
Indonesia).
Autoregresive
Model
Conditional
Heteroscedasticity (ARCH) dengan
sangat
Gabungan
menjadi
(IHSG)
pertimbangan
dapat
untuk
riwayat
trading
kebenaran.
2. Waterfall
sifat heteroskedastik Index Harga
Saham
banyak
Metode waterfall seperti yang
diilustrasikan pada Gambar 1.:
dalam
pengambilan keputusan dan kebijakan
para pemegang saham. Hasil dari
sistem ini berupa prediksi indeks
harga
saham
gabungan
menggunakan
Conditional
dengan
Autogresive
Heteroscedasticity
Gambar 1. Metode waterfall
(ARCH).
Model waterfall adalah model
Dengan
acuan
penelitian
klasik
yang
diatas penulis membuat sebuah sistem
berurutan
pendukung
software.
keputusan
untuk
membantu para investor menentukan
bersifat
dalam
Model
sistematis,
membangun
ini
melakukan
pendekatan secara sistematis dan
berurutan. Disebut dengan waterfall
berdasarkan pengalaman di masa
karena tahap demi tahap yang dilalui
sebelumnya).
harus menunggu selesainya tahap
sebelumnya dan berjalan berurutan.
Waterfall
adalah
suatu
Tahapan Algoritma:
a) Pada
sebuah
dataset,
baris/dokumen
setiap
diasumsika n
metodologi pengembangan perangkat
sebagai vektor dari nilai- nila i
lunak yang mengusulkan pendekatan
atribut dimana tiap
kepada perangkat lunak sistematik
nilai- nilai
dan sekuensial yang mulai pada
atribut Xi (iЄ[1,n]))
menjadi peninjaua n
tingkat kemajuan sistem pada seluruh
b) Setiap baris mempunyai labe l
analisis, design, kode, pengujian dan
kelas ci Є {c1 ,c2 ,…,ck} sebaga i
pemeliharaan.
nilai variabel kelas C, sehingga
(http://cisenaextreme99.blogspot.com
untuk
/2013/06/metode-waterfall- menurut-
dapat
pressman.html)
probabilitas p(C= ci|X= xj)
bayes
proses
akan
klasifikas i
dihitung
nila i
c) Dikarenakan pada naive bayes
3. Naive Bayes
Menyusun
melakukan
struktur
Naive
diasumsikan setiap atribut saling
memudahkan
dalam
bebas, maka persamaan yang
keputusan.
didapat adalah sebagai berikut :
pengambilan
Persoalan yang akan diselesaikan,
Peluang
diuraikan menjadi unsur-unsur, yaitu:
menunjukkan peluang bersyarat
kriteria. Penilaian kriteria pada sistem
atribut
pendukung keputusan ini dilakukan
diberikan kelas c. Kelas C bertipe
dengan metode langsung (direct ),
kualitatif sedangkan atribut Xi
yaitu metode yang digunakan untuk
dapat bertipe kualitatif ataupun
memasukkan data kuantitatif.
kuantitatif.
Naive
bayes
pengklasifikasian
probabilitas
Merupakan
dengan
dan
p(C=ci|X=xj)
Xi
dengan
nilai
(http://education-programmer.
metode
blogspot.com/2013/01/naive-bayes-
statistik
algorithm_22.html)
(memprediksi peluang di masa depan
xi
4. Quisioner
Perhitungan
quisioner
menggunakan rumus persamaan:
Skor Ideal / Skor Maksimum
(SMax) = 5 x n = 5n (SS) …(1)
Skor Minimum
(SMin) = 1 x n = n (STS) …(2)
Gambar 2. Halaman beranda website
n = total responden
ii. Cara Penggunaan
Skor (S) = ∑ (Jumlah Responden
Halaman
ini
merupakan
Pemilih Jawaban x Bobot Jawaban)
petunjuk
Prosentase Interpretasi
menggunakan aplikasi yang ada pada
(P) = Skor (S) x 100% …(3)
web ini sehingga memudahkan user
SMax
Prosentase Interpretasi
bagaimana
cara
yang belum pernah sama sekali
(P)
Skor
adalah sebagai berikut:
a. 81 – 100
(sangat kuat)
b. 61 - 80
(kuat)
c. 41 - 60
(cukup)
d. 21 – 40
(lemah)
e. 0 - 20
(sangat lemah)
menggunakannya,
penggunaan
dapat
halaman
cara
dilihat
pada
Gambar 3. :
D. HASIL DAN PEMBAHASAN
i. Beranda User
Beranda user adalah halaman
pertama web ketika web baru saja
dibuka, ketika web tersebut dibuka
maka akan tampil seperti Gambar 2.
di bawah ini :
Gambar 3. Halaman cara
penggunaan
iii. Perhitungan P ivot Point
Kalkulasi
adalah
proses
penggunaan program ini mulai, yang
harus dilakukan user adalah isikan
angka-angka yang diinput kan
open, low, close dan high. Tampilan
dengan rumus yang diprogamkan
halaman dapat dilihat pada Gambar 4.
dalam script. Script selengkapnya
dibawah ini:
dapat dilihat di lampiran.
Jika proses perhitungan sudah
selesai maka user harus memasukkan
harga yang terjadi pada saat ini, lihat
Gambar 6. berikut:
Gambar 4. Halaman perhitungan
pivot point
Gambar 4.
adalah contoh
harga yang diisikan oleh user dan jika
sudah diisikan maka kemudian klik
tombol calculate, Setelah di klik maka
Gambar 6. Halaman input harga saat
ini
akan muncul daftar harga yang sesuai
dengan
range
dan
rumus
yang
Apabila sudah di masukkan
dimasukkan seperti Gambar 5. berikut
maka klik
ini :
dimana setelah itu akan muncul lagi
lagi tombol calculate
sebuah proses baru dimana terdapat
status dn posisi harga yang telah
diketahui, disini user hanya perlu
memilih trend yang yang terjadi,
tampilan dapat dilihat pada Gambar 7.
dibawah ini:
Gambar 5. Hasil perhitungan
dimana admin harus memasukkan
username dan pa ssword, tampilan
halaman bisa dilihat pada Gambar 9. :
Gambar 7. Hasil dari memasukkan
harga
Lalu setelah user memilih tren
Gambar 9. Login admin
yang terjadi maka klik tombol get
result
dimana
menampilkan
tombol
ini
keputusan
kana
Apabila seorang admin salah
sesuai
dalam memasukkan username dan
dengan algoritma naive bayes seperti
password
Gambar 8.:
peringatan, tampilan halaman bisa
maka
akan
muncul
dilihat pada Gambar 10. :
Gambar 10. Salah memasukkan
username dan pa ssword
Gambar 8. Hasil proses
v. Input data Experience
Gambar 8.
adalah bentuk
tampilan hasil dari perhitungan yang
dilakukan oleh sistem dan dapat
dijadikan
keputusan
bagi
para
pebisnis online untuk menentukan
langkahnya
iv. Input data admin
Input data admin merupakan
hak akses yang di lakukan oleh admin
Input data experince merupakan
hak akses dari admin dimana admin
bisa menambah data untuk history
dan
pengolahan
sistem
caranya
dengan isikan semua field yang ada di
form experience setelah itu klik
submit maka akan tambil peringatan
data telah masuk seperti Gambar 11.
di bawah:
Fasilitas
ini
juga
bisa
digunakan untuk mengetahui siapa
pemilik dari website dan contact yang
bisa dihubungi.
Hasil Quisioner
Gambar 11. Berhasil memasukkan
data
yang dibagikan kepada 20 responden
yang terdiri dari user ( investor ) dan
vi. User Setting
User setting ini digunakan oleh
untuk
admin
memperbaharui
username dan password yang dia
gunakan,
tampilan
Berdasarkan hasil kuisioner
halaman
mahasiswa informatika maka dapat
dilihat menggunakan grafik seperti
pada Gambar 14.
bisa
dilihat pada Gambar 12. :
Gambar 14. Grafik hasil kuisioner
Gambar 12. User Setting
Berdasarkan hasil dari Gambar
vii. About
14. untuk mengetahui persentase lebih
About adalah fasilitas website
ini
yang
digunakan
detail tentang hasil kuisioner terhadap
untuk
responden. Pengisian kuisioner dari
menampilkan profil dari website ini,
20 responden yang meliputi investor
tampilan halaman bisa dilihat pada
dan mahasiswa mendapatkan hasil
Gambar 13. :
persentase interprestasi berdasarkan
persamaan 1,2, dan 3 sebagai berikut :
1. Hasil
persentase
untuk
interface/tampilan sistem yaitu :
6
Gambar 13. About
responden
tampilan
sistem
menyatakan
pendukung
keputusan sangat baik (SB), 8
keputusan ini sudah sangat baik
responden menyatakan tampilan
(SB), 8 responden menyatakan
baik (B), dan 6 responden
baik
menyatakan sedang (S). Dalam
menyatakan sedang (S). Dalam
Persentase interprestasi sebesar
Persentase interprestasi sebasar
80%, membuktikan pernyataan
74% dapat diartikan bahwa
ini
informasi
kuat
aplikasi
bahwa
tampilan
sistem
keputusan
ini
pendukung
baik
atau
menarik.
(B) dan 9
penggunaan
yang tersedia dalam sistem
menu
pada
cara
aplikasi
sistem penunjang keputusan ini
masih
2. Hasil persentase untuk menu
pada
responden
sedang
lengkap
atau
dibuktikan
belum
dengan
pernyataan yang kuat.
yaitu : 6 responden menyatakan
4. Hasil persentase penggunaan
menu yang tersedia dari sistem
sistem pendukung keputusan
pendukung keputusan ini sangat
yaitu : 2 responden menyatakan
baik
responden
penggunaan sistem pendukung
menyatakan baik (B) dan 6
keputusan sangat baik (SB), 9
responden menyatakan sedang
responden menyatakan baik (B),
(S).
dan 9
(SB),
12
Dalam
Persentase
responden menyatakan
interprestasi sebasar 76% dapat
sedang (S). Dalam Persentase
diartikan bahwa menu yang
interprestasi sebasar 73% dapat
tersedia dalam aplikasi sistem
diartikan bahwa
pendukung keputusan ini sudah
sistem pendukung keputusan ini
bagus dengan pernyataan yang
masih
kuat.
lengkap
3. Hasil
persentase
untuk
pada
cara
Informasi
sedang
penggunaan
atau
dengan
belum
pernyataan
yang kuat.
5. Hasil persentase untuk Tata
penggunaan yaitu : 3 responden
letak
menyatakan
informasi
pendukung keputusan yaitu : 8
pada menu cara penggunaan
responen menyatakan Sistem
pada
pendukung
untuk
sistem
penunjang
menu
pada
keputusan
sistem
untuk
open position pada commodity
aplikasi
sistem
market ini sangat baik (SB), 9
pendukung keputusan untuk
responden menyatakan baik (B)
open position pada commodity
dan 3 responden menyatakan
market
sedang (S). Dalam Persentase
algoritma Na ive bayes, bahasa
interprestasi sebasar 85% dapat
pemrogaman
diartikan bahwa tata letak menu
MySQL sebagai basis datanya.
di sistem pendukung keputusan
b. Sistem pendukung keputusan
ini
sudah
baik
menggunakan
PHP,
serta
dibuktikan
ini telah di uji coba kepada
dengan pernyataan yang sangat
investor, dan telah terbukti
kuat.
membantu
6. Hasil persentase untuk Manfaat
investor
mengambil
dalam
keputusan,
sistem yaitu : 5 responden
dibuktikan dengan menyebar
menyatakan sistem penunjang
angket yang diisikan oleh
keputusan ini sangat baik (SB),
responden.
10 responden menyatakan baik
(B)
dan
5
responden
c. Sistem ini merupakan aplikasi
berbasis web sehingga dapat
menyatakan sistem penunjang
diakses
secara
keputusan
kapanpun
dan
ini
Sedang
(S).
online
dimanapun.
Dalam Persentase interprestasi
Investor dengan mudah dapat
80%, atau dengan kata lain
mengakses sistem pendukung
menyatakan secara kuat bahwa
keputusan
sistem penunjang keputusan ini
mengetahui sebuah keputusan
bermanfaat
dari posisi harga, status dan
bagi
user
(pengguna).
Berdasarkan
pembahasan
ini
tren yang di hadapi.
E. KESIMPULAN
dan
a. Pembuatan
hasil penelitian
yang
telah
dilakukan, dapat disimpulkan bahwa:
untuk
DAFTAR PUSTAKA
Handini, Rosiana.2012.” Sistem Pendukung Keputusan Menentukkan Lokasi
Umah Makan Yang Strategis Menggunakan Metode Naive Bayes”.seminar
nasional.STMIK Widya Cipta Dharma:Semarang
Rahman,
Bayes
Hidayatul.2013.”Naive
Algorithm”.http://education-
programmer.blogspot.com/2013/01/na ive-bayesalgorithm_22.html.diakses jam 10.50 WIB tanggal 2 juni 2013.
Yuliana, Ina.2010.”Prediksi Indeks Harga Saham Gabungan Dengan Model
Autoregressive
Conditional
Heteroscedasticity”.skripsi.
Universitas
Diponegoro:Semarang.
Ruhiat,
Ade.2013.”Metode
Waterfall
Menurut
Pressman
&
Somerfille
2010“.http://cisenaextreme99.blogspot.com/2013/06/metode-waterfall-
menurut-pressman.html.diakses jam 08.59 WIB tanggal 12 oktober 2013.
PADA COMMODITY MARKET BERDASARKAN PIVOT HARIAN
DENG AN METODE NAIVE BAYES
Makalah
Program Studi Teknik Informatika
Fakultas Komunikasi dan Informatika
Diajukan Oleh :
Ichsan Nur Ghofur
Umi Fadillah, S.T.,M.Eng.
Agus Supardi, S.T.,M.T.
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS KOMUNIKASI DAN INFORMATIKA
UNIVERSITAS MUHAMMADIYAH SURAKAR TA
OKTOBER, 2013
SISTEM PENDUKUNG KEPUTUSAN UNTUK OPEN POSITION PADA
COMMODITY MARKET BERDASARKAN PIVOT HARIAN DENGAN
METODE NAIVE BAYES
Ichsan Nur Ghofur, Umi Fadillah, Agus Supardi
Department of Informatics, Faculty of Communications and Informatics,
Muhammadiyah University of Surakarta
Email: ichsan.ing@gmail.com
ABSTRACT
Running an online commodity business with the right strategy then
someone will get a great income, using pivot points strategy can be seen where the
price will move the line making it easier for investors to make decisions for the
open position. The purpose of decision -making support system for the open
position on the commodity market with a daily pivot based Naive Bayes method is
to help support decision making for investors when determining the open position.
Naive Bayes method which will be used as the theoretical basis for the calculation
of the weighting of each factor and the criteria that have been provided. The
system is built with PHP and MySQL as database. This decision support system
successfully built and tested in accordance with the draft that has been made.
Based on the results of experiments performed by 25 % obtained results are
expressed strongly agree and 40 % agree in terms of the benefits program. It is
proved that the system can meet the needs of potential users of the decis ion
support system .
Keywords : Commodity, Decision Support Systems, Naive Bayes,
Open Position, Pivot Point
SISTEM PENDUKUNG KEPUTUSAN UNTUK OPEN POSITION PADA
COMMODITY MARKET BERDASARKAN PIVOT HARIAN DENGAN
METODE NAIVE BAYES
Ichsan Nur Ghofur, Umi Fadillah, Agus Supardi
Teknik Informatika, Fakultas Komunikasi dan Informatika,
Universitas Muhammadiyah Surakarta
Email: ichsan.ing@gmail.com
ABSTRAKSI
Menjalankan bisnis commodity online dengan strategi yang benar maka
seseorang akan mendapatkan penghasilan yang besar, dengan menggunakan
strategi pivot point dapat diketahui garis dimana harga akan bergerak sehingga
memudahkan investor untuk mengambil keputusan untuk open position. Tujuan
dari pembuatan sistem pendukung keputusan untuk open position pada commodity
market berdasarkan pivot harian dengan metode naive bayes ini adalah untuk
membantu mendukung pengambilan keputusan bagi investor saat menentukan
open position. Metode naive bayes yang akan digunakan sebagai teori dasar untuk
melakukan perhitungan pembobotan dari tiap faktor dan kriteria yang telah
disediakan. Sistem ini dibangun dengan bahasa pemrograman PHP dan MySQL
sebagai basis data. Sistem pendukung keputusan ini berhasil dibangun dan diuji
coba sesuai dengan rancangan yang telah dibuat. Berdasarkan hasil uji coba yang
dilakukan diperoleh hasil sebesar 25% yang menyatakan sangat setuju dan 40%
menyatakan setuju dari segi manfaat progam. Hal ini membuktikan bahwa sistem
ini dapat memenuhi kebutuhan dari calon pengguna sistem pendukung keputusan
ini.
Kata kunci : Commodity, Naive Bayes, Open Position, Pivot Point ,
Sistem Pendukung Keputusan
A. PENDAHULUAN
Manusia
kebutuhan
Salah
mempunyai
yang
mutlak
satunya
adalah
bisnis
commodity online yang sedang marak
harus
diperbincangkan dalam dunia bisnis,
dipenuhi, karena itu manusia berusaha
karena commodity apalagi emas ini
untuk memenuhi kebutuhan dengan
sering
berbagai macam cara. Salah satu
strategi headging bagi para investor .
usaha manusia adalah dengan bekerja
atau
istilah
populernya
adalah
berbisnis. Bermacam- macam bisnis
dilakoni untuk mendapatkan hal yang
menjadi kebutuhan hidupnya.
Berkembangnya
digunakan
untuk
Dalam bisnis
melakukan
open
sebuah
ini
investor
untuk
position
menentukan posisi mereka sesuai
dengan
pergerakan
harga
pada
market . Jika investor melakukan open
teknologi
position dengan tepat sesuai arah
yang pesat memberikan fasilitas yang
trend
sangat memudahkan manusia untuk
membuahkan
melakukan
susah
Untuk menentukan pergerakan market
payah. Salah satunya adalah media
ada dua jenis analisis yang digunakan
internet. Internet memudahkan untuk
yaitu
melakukan
analisis
aktivitas
sesuatu
tanpa
tanpa
perlu
pada
market ,
profit
analisis
maka
yang
besar.
fundamental
teknikal.
akan
dan
Analisis
beranjak dari tempat duduk. Begitu
fundamental adalah analisis yang
juga dalam dunia bisnis, internet juga
didasarkan pada situasi dan kondisi
bisa dimanfaatkan untuk mengelola
ekonomi, politik dan keamanan secara
bisnis serta usaha dalam mendapatkan
global dan juga tiap-tiap negara yang
kebutuhan.
mengeluarkan indeks saham. Pada
Bisnis
menggunakan
internet biasa disebut dengan bisnis
prinsipnya
online.
membutuhkan
kelihaian
tersendiri
memperhitungkan
Dunia bisnis online sekarang
telah berkembang pesat dan sangatlah
menarik perhatian semua orang untuk
bersaing
mendapatkan keuntungan
yang besar dalam dunia bisnis ini.
analisis
untuk
fundamental
penting tidaknya suatu
menjadi
faktor
yang
seni
informasi
akan
berpengaruh terhadap fluktuasi nilai
tukar suatu mata uang, sedangkan
analisis
teknikal
menggunakan
menentukan strategi sehingga banyak
beberapa prinsip dasar yaitu pertama
investor menggunakan strategi orang
sejarah biasanya akan terulang lagi,
lain yang terlalu rumit bahkan belum
sehingga pola pergerakan pasar pun
tentu cocok bagi investor itu sendiri.
dapat diketahui. Kedua, harga pasar
Sistem pendukung keputusan untuk
mampu
open position pada commodity market
merefleksikan
kejadian
yang
kondisi
mempengaruhinya,
berdasarkan
baik secara internal maupun eksternal.
naive
Ketiga,
sebagai
harga pasar akan selalu
harian
pivot
dengan
ini dapat dijadikan
bayes
sistem
untuk
membantu
mengikuti trend, baik trend naik
mendukung pengambilan keputusan
maupun trend turun, sehingga harga
bagi para investor saat menentukan
saham pun akan sangat tergantung
open position.
oleh isu. Secara ringkas studi teknikal
kebanyakan studi dari aksi pasar yaitu
efek
yang
pergerakan
ditimbulkan
pasar.
Analisis
dari
yang
digunakan oleh penulis dalam sistem
pendukung keputusan untuk open
position ini adalah analisis teknikal.
Banyak strategi dalam analisis
teknikal
yang
(2012),
meneliti
tentang sistem pendukung keputusan
menentukkan lokasi rumah makan
yang strategis. Tujuan aplikasi ini
adalah membuat sistem yang dapat
melakukan
penilaian
untuk
mendapatkan suatu keputusan bagi
tempat
menjalankan commodity ini, pivot
untuk
makan
point adalah letak suatu level harga
berdasar
secara relatif terhadap situasi dan
tempat itu. Metode na ive bayes
dinamika pasar yang terjadi, maka
digunakan
bisa menjadi suatu strategi yang
statistik untuk melakukan inferensi
cocok
trading
induksi pada persoalan klasifikasi,
investor . Tetapi strategi menggunakan
metode ini menggunakan probabilitas
pivot point jarang digunakan karena
bersyarat sebagai dasarnya. Hasil dari
investor kurang percaya diri dalam
sistem berupa nilai rekomendasi yang
semua
tipe
dalam
Handini
pengguna dalam memilih
bagi
digunakan
B. TINJAUAN PUSTAKA
membuka
rumah
strategis
sebagai
atau
tidaknya
pendekatan
sesuai dengan kriteria yang dimiliki.
open position pada pasar commodity
Penelitian ini menghasilkan sebuah
online dengan menerapkan strategi
sistem yang memberikan kemudahan
pivot
bagi pengusaha yang ingin mencari
keputusan.
dalam
point
menentukan
tempat yang strategis untuk membuka
C. METODE PENELITIAN
rumah makan.
1. Dokumetasi
Yuliana
(2010),
meneliti
Karena penulis menggunakan
tentang perubahan nilai indeks saham
metode naive bayes, maka perlu data
di Bursa Efek Indonesia (BEI) karena
yang
dipengaruhi oleh beberapa
faktor
menjalankan sistem ini. Pengumpulan
makro ekonomi dalam negeri, antara
data sebagai berkas dengan cara
lain inflasi, nilai tukar rupiah terhadap
mengumpulkan
dollar dan suku bunga SBI (Sertifikat
sebanyak mungkin agar prediksi yang
Bank
dikeluarkan sistem lebih mendekati
Indonesia).
Autoregresive
Model
Conditional
Heteroscedasticity (ARCH) dengan
sangat
Gabungan
menjadi
(IHSG)
pertimbangan
dapat
untuk
riwayat
trading
kebenaran.
2. Waterfall
sifat heteroskedastik Index Harga
Saham
banyak
Metode waterfall seperti yang
diilustrasikan pada Gambar 1.:
dalam
pengambilan keputusan dan kebijakan
para pemegang saham. Hasil dari
sistem ini berupa prediksi indeks
harga
saham
gabungan
menggunakan
Conditional
dengan
Autogresive
Heteroscedasticity
Gambar 1. Metode waterfall
(ARCH).
Model waterfall adalah model
Dengan
acuan
penelitian
klasik
yang
diatas penulis membuat sebuah sistem
berurutan
pendukung
software.
keputusan
untuk
membantu para investor menentukan
bersifat
dalam
Model
sistematis,
membangun
ini
melakukan
pendekatan secara sistematis dan
berurutan. Disebut dengan waterfall
berdasarkan pengalaman di masa
karena tahap demi tahap yang dilalui
sebelumnya).
harus menunggu selesainya tahap
sebelumnya dan berjalan berurutan.
Waterfall
adalah
suatu
Tahapan Algoritma:
a) Pada
sebuah
dataset,
baris/dokumen
setiap
diasumsika n
metodologi pengembangan perangkat
sebagai vektor dari nilai- nila i
lunak yang mengusulkan pendekatan
atribut dimana tiap
kepada perangkat lunak sistematik
nilai- nilai
dan sekuensial yang mulai pada
atribut Xi (iЄ[1,n]))
menjadi peninjaua n
tingkat kemajuan sistem pada seluruh
b) Setiap baris mempunyai labe l
analisis, design, kode, pengujian dan
kelas ci Є {c1 ,c2 ,…,ck} sebaga i
pemeliharaan.
nilai variabel kelas C, sehingga
(http://cisenaextreme99.blogspot.com
untuk
/2013/06/metode-waterfall- menurut-
dapat
pressman.html)
probabilitas p(C= ci|X= xj)
bayes
proses
akan
klasifikas i
dihitung
nila i
c) Dikarenakan pada naive bayes
3. Naive Bayes
Menyusun
melakukan
struktur
Naive
diasumsikan setiap atribut saling
memudahkan
dalam
bebas, maka persamaan yang
keputusan.
didapat adalah sebagai berikut :
pengambilan
Persoalan yang akan diselesaikan,
Peluang
diuraikan menjadi unsur-unsur, yaitu:
menunjukkan peluang bersyarat
kriteria. Penilaian kriteria pada sistem
atribut
pendukung keputusan ini dilakukan
diberikan kelas c. Kelas C bertipe
dengan metode langsung (direct ),
kualitatif sedangkan atribut Xi
yaitu metode yang digunakan untuk
dapat bertipe kualitatif ataupun
memasukkan data kuantitatif.
kuantitatif.
Naive
bayes
pengklasifikasian
probabilitas
Merupakan
dengan
dan
p(C=ci|X=xj)
Xi
dengan
nilai
(http://education-programmer.
metode
blogspot.com/2013/01/naive-bayes-
statistik
algorithm_22.html)
(memprediksi peluang di masa depan
xi
4. Quisioner
Perhitungan
quisioner
menggunakan rumus persamaan:
Skor Ideal / Skor Maksimum
(SMax) = 5 x n = 5n (SS) …(1)
Skor Minimum
(SMin) = 1 x n = n (STS) …(2)
Gambar 2. Halaman beranda website
n = total responden
ii. Cara Penggunaan
Skor (S) = ∑ (Jumlah Responden
Halaman
ini
merupakan
Pemilih Jawaban x Bobot Jawaban)
petunjuk
Prosentase Interpretasi
menggunakan aplikasi yang ada pada
(P) = Skor (S) x 100% …(3)
web ini sehingga memudahkan user
SMax
Prosentase Interpretasi
bagaimana
cara
yang belum pernah sama sekali
(P)
Skor
adalah sebagai berikut:
a. 81 – 100
(sangat kuat)
b. 61 - 80
(kuat)
c. 41 - 60
(cukup)
d. 21 – 40
(lemah)
e. 0 - 20
(sangat lemah)
menggunakannya,
penggunaan
dapat
halaman
cara
dilihat
pada
Gambar 3. :
D. HASIL DAN PEMBAHASAN
i. Beranda User
Beranda user adalah halaman
pertama web ketika web baru saja
dibuka, ketika web tersebut dibuka
maka akan tampil seperti Gambar 2.
di bawah ini :
Gambar 3. Halaman cara
penggunaan
iii. Perhitungan P ivot Point
Kalkulasi
adalah
proses
penggunaan program ini mulai, yang
harus dilakukan user adalah isikan
angka-angka yang diinput kan
open, low, close dan high. Tampilan
dengan rumus yang diprogamkan
halaman dapat dilihat pada Gambar 4.
dalam script. Script selengkapnya
dibawah ini:
dapat dilihat di lampiran.
Jika proses perhitungan sudah
selesai maka user harus memasukkan
harga yang terjadi pada saat ini, lihat
Gambar 6. berikut:
Gambar 4. Halaman perhitungan
pivot point
Gambar 4.
adalah contoh
harga yang diisikan oleh user dan jika
sudah diisikan maka kemudian klik
tombol calculate, Setelah di klik maka
Gambar 6. Halaman input harga saat
ini
akan muncul daftar harga yang sesuai
dengan
range
dan
rumus
yang
Apabila sudah di masukkan
dimasukkan seperti Gambar 5. berikut
maka klik
ini :
dimana setelah itu akan muncul lagi
lagi tombol calculate
sebuah proses baru dimana terdapat
status dn posisi harga yang telah
diketahui, disini user hanya perlu
memilih trend yang yang terjadi,
tampilan dapat dilihat pada Gambar 7.
dibawah ini:
Gambar 5. Hasil perhitungan
dimana admin harus memasukkan
username dan pa ssword, tampilan
halaman bisa dilihat pada Gambar 9. :
Gambar 7. Hasil dari memasukkan
harga
Lalu setelah user memilih tren
Gambar 9. Login admin
yang terjadi maka klik tombol get
result
dimana
menampilkan
tombol
ini
keputusan
kana
Apabila seorang admin salah
sesuai
dalam memasukkan username dan
dengan algoritma naive bayes seperti
password
Gambar 8.:
peringatan, tampilan halaman bisa
maka
akan
muncul
dilihat pada Gambar 10. :
Gambar 10. Salah memasukkan
username dan pa ssword
Gambar 8. Hasil proses
v. Input data Experience
Gambar 8.
adalah bentuk
tampilan hasil dari perhitungan yang
dilakukan oleh sistem dan dapat
dijadikan
keputusan
bagi
para
pebisnis online untuk menentukan
langkahnya
iv. Input data admin
Input data admin merupakan
hak akses yang di lakukan oleh admin
Input data experince merupakan
hak akses dari admin dimana admin
bisa menambah data untuk history
dan
pengolahan
sistem
caranya
dengan isikan semua field yang ada di
form experience setelah itu klik
submit maka akan tambil peringatan
data telah masuk seperti Gambar 11.
di bawah:
Fasilitas
ini
juga
bisa
digunakan untuk mengetahui siapa
pemilik dari website dan contact yang
bisa dihubungi.
Hasil Quisioner
Gambar 11. Berhasil memasukkan
data
yang dibagikan kepada 20 responden
yang terdiri dari user ( investor ) dan
vi. User Setting
User setting ini digunakan oleh
untuk
admin
memperbaharui
username dan password yang dia
gunakan,
tampilan
Berdasarkan hasil kuisioner
halaman
mahasiswa informatika maka dapat
dilihat menggunakan grafik seperti
pada Gambar 14.
bisa
dilihat pada Gambar 12. :
Gambar 14. Grafik hasil kuisioner
Gambar 12. User Setting
Berdasarkan hasil dari Gambar
vii. About
14. untuk mengetahui persentase lebih
About adalah fasilitas website
ini
yang
digunakan
detail tentang hasil kuisioner terhadap
untuk
responden. Pengisian kuisioner dari
menampilkan profil dari website ini,
20 responden yang meliputi investor
tampilan halaman bisa dilihat pada
dan mahasiswa mendapatkan hasil
Gambar 13. :
persentase interprestasi berdasarkan
persamaan 1,2, dan 3 sebagai berikut :
1. Hasil
persentase
untuk
interface/tampilan sistem yaitu :
6
Gambar 13. About
responden
tampilan
sistem
menyatakan
pendukung
keputusan sangat baik (SB), 8
keputusan ini sudah sangat baik
responden menyatakan tampilan
(SB), 8 responden menyatakan
baik (B), dan 6 responden
baik
menyatakan sedang (S). Dalam
menyatakan sedang (S). Dalam
Persentase interprestasi sebesar
Persentase interprestasi sebasar
80%, membuktikan pernyataan
74% dapat diartikan bahwa
ini
informasi
kuat
aplikasi
bahwa
tampilan
sistem
keputusan
ini
pendukung
baik
atau
menarik.
(B) dan 9
penggunaan
yang tersedia dalam sistem
menu
pada
cara
aplikasi
sistem penunjang keputusan ini
masih
2. Hasil persentase untuk menu
pada
responden
sedang
lengkap
atau
dibuktikan
belum
dengan
pernyataan yang kuat.
yaitu : 6 responden menyatakan
4. Hasil persentase penggunaan
menu yang tersedia dari sistem
sistem pendukung keputusan
pendukung keputusan ini sangat
yaitu : 2 responden menyatakan
baik
responden
penggunaan sistem pendukung
menyatakan baik (B) dan 6
keputusan sangat baik (SB), 9
responden menyatakan sedang
responden menyatakan baik (B),
(S).
dan 9
(SB),
12
Dalam
Persentase
responden menyatakan
interprestasi sebasar 76% dapat
sedang (S). Dalam Persentase
diartikan bahwa menu yang
interprestasi sebasar 73% dapat
tersedia dalam aplikasi sistem
diartikan bahwa
pendukung keputusan ini sudah
sistem pendukung keputusan ini
bagus dengan pernyataan yang
masih
kuat.
lengkap
3. Hasil
persentase
untuk
pada
cara
Informasi
sedang
penggunaan
atau
dengan
belum
pernyataan
yang kuat.
5. Hasil persentase untuk Tata
penggunaan yaitu : 3 responden
letak
menyatakan
informasi
pendukung keputusan yaitu : 8
pada menu cara penggunaan
responen menyatakan Sistem
pada
pendukung
untuk
sistem
penunjang
menu
pada
keputusan
sistem
untuk
open position pada commodity
aplikasi
sistem
market ini sangat baik (SB), 9
pendukung keputusan untuk
responden menyatakan baik (B)
open position pada commodity
dan 3 responden menyatakan
market
sedang (S). Dalam Persentase
algoritma Na ive bayes, bahasa
interprestasi sebasar 85% dapat
pemrogaman
diartikan bahwa tata letak menu
MySQL sebagai basis datanya.
di sistem pendukung keputusan
b. Sistem pendukung keputusan
ini
sudah
baik
menggunakan
PHP,
serta
dibuktikan
ini telah di uji coba kepada
dengan pernyataan yang sangat
investor, dan telah terbukti
kuat.
membantu
6. Hasil persentase untuk Manfaat
investor
mengambil
dalam
keputusan,
sistem yaitu : 5 responden
dibuktikan dengan menyebar
menyatakan sistem penunjang
angket yang diisikan oleh
keputusan ini sangat baik (SB),
responden.
10 responden menyatakan baik
(B)
dan
5
responden
c. Sistem ini merupakan aplikasi
berbasis web sehingga dapat
menyatakan sistem penunjang
diakses
secara
keputusan
kapanpun
dan
ini
Sedang
(S).
online
dimanapun.
Dalam Persentase interprestasi
Investor dengan mudah dapat
80%, atau dengan kata lain
mengakses sistem pendukung
menyatakan secara kuat bahwa
keputusan
sistem penunjang keputusan ini
mengetahui sebuah keputusan
bermanfaat
dari posisi harga, status dan
bagi
user
(pengguna).
Berdasarkan
pembahasan
ini
tren yang di hadapi.
E. KESIMPULAN
dan
a. Pembuatan
hasil penelitian
yang
telah
dilakukan, dapat disimpulkan bahwa:
untuk
DAFTAR PUSTAKA
Handini, Rosiana.2012.” Sistem Pendukung Keputusan Menentukkan Lokasi
Umah Makan Yang Strategis Menggunakan Metode Naive Bayes”.seminar
nasional.STMIK Widya Cipta Dharma:Semarang
Rahman,
Bayes
Hidayatul.2013.”Naive
Algorithm”.http://education-
programmer.blogspot.com/2013/01/na ive-bayesalgorithm_22.html.diakses jam 10.50 WIB tanggal 2 juni 2013.
Yuliana, Ina.2010.”Prediksi Indeks Harga Saham Gabungan Dengan Model
Autoregressive
Conditional
Heteroscedasticity”.skripsi.
Universitas
Diponegoro:Semarang.
Ruhiat,
Ade.2013.”Metode
Waterfall
Menurut
Pressman
&
Somerfille
2010“.http://cisenaextreme99.blogspot.com/2013/06/metode-waterfall-
menurut-pressman.html.diakses jam 08.59 WIB tanggal 12 oktober 2013.