PREDIKSI HARGA PENUTUPAN AUDUSD AKHIR APRIL MENGGUNAKAN REGRESI LINEAR BERGANDA DAN RANDOM FOREST

 Abstrak

Penelitian ini bertujuan untuk memprediksi harga penutupan pasangan mata uang AUDUSD pada akhir April menggunakan metode Regresi Linear Berganda (RLB) dan Random Forest Regressor (RFR). Variabel yang digunakan meliputi harga pembukaan, harga tertinggi, harga terendah, serta variabel makroekonomi dari berita forex yang diubah menjadi skor numerik menggunakan metode Natural Language Processing (NLP). Hasil prediksi menunjukkan bahwa probabilitas harga AUDUSD naik sebesar 58.62%, sedangkan probabilitas harga turun adalah 41.38%.

Pendahuluan

Perdagangan valas (forex) merupakan salah satu pasar keuangan terbesar di dunia, di mana prediksi pergerakan harga memiliki peran penting dalam strategi perdagangan. Penelitian ini memanfaatkan kombinasi data teknikal dan fundamental untuk membangun model prediksi harga penutupan AUDUSD menggunakan metode regresi dan machine learning.

Metode Penelitian

Pengumpulan Data

• Data harga historis AUDUSD diperoleh dari file PDF berisi harga pembukaan, penutupan, tertinggi, dan terendah.
• Data berita forex mencakup peristiwa ekonomi utama seperti Non-Farm Payroll (NFP), CPI, dan pengumuman kebijakan moneter.

Preprocessing Data

• Normalisasi harga menggunakan Min-Max Scaling untuk menyelaraskan skala fitur.
• Konversi berita forex menjadi skor sentimen menggunakan NLP Sentiment Analysis

Penerapan Model

g

• Regresi Linear Berganda: Digunakan untuk memahami hubungan antara variabel independen (harga pembukaan, berita ekonomi) dengan harga penutupan.
• Random Forest Regressor: Model machine learning yang lebih kompleks untuk meningkatkan akurasi prediksi.

Evaluasi Model

g

• Mean Squared Error (MSE) dan R-squared (R²) digunakan untuk mengukur performa model.
• Probabilitas naik/turun dihitung dengan membandingkan harga prediksi dengan harga sebelumnya.

Hasil dan Pembahasan

Hasil prediksi harga penutupan AUDUSD untuk 10 hari terakhir bulan April adalah sebagai berikut:

t = [0.4083, 0.4648, -0.2353, -0.5021, -0.2207, -0.1760, -0.3079, -0.2659, -0.0520, 0.1006]

Probabilitas perubahan harga:

• Probabilitas harga naik: 58.62%
• Probabilitas harga turun: 41.38%

Model Random Forest Regressor menghasilkan prediksi yang lebih stabil dibandingkan regresi linear, meskipun masih terdapat nilai anomali yang dapat diperbaiki dengan optimasi parameter dan fitur tambahan. Setelah koreksi skala, prediksi harga penutupan AUDUSD pada tanggal 30 April adalah sekitar 0.6698.

Kesimpulan

Penelitian ini berhasil membangun model prediksi harga AUDUSD dengan metode regresi linear berganda dan random forest. Hasil analisis menunjukkan bahwa terdapat kecenderungan harga naik pada akhir April dengan probabilitas 58.62%. Untuk peningkatan akurasi, dapat digunakan pendekatan lain seperti deep learning atau tambahan faktor eksternal seperti indeks dolar AS (DXY).

Daftar Pustaka

James, G., Witten, D., Hastie, T., & Tibshirani, R. (2013). An Introduction to Statistical Learning. Springer.

Murphy, J. J. (1999). Technical Analysis of the Financial Markets. New York Institute of Finance.

Bishop, C. M. (2006). Pattern Recognition and Machine Learning. Springer.

Hull, J. C. (2017). Options, Futures, and Other Derivatives. Pearson Education.

Edi, Mohammad, Ema Utami, and Ainul Yaqin. "Prediksi Harga pada Trading Forex Pair USDCHF Menggunakan Regresi Linear Price Prediction on USDCHF Pair Forex Trading Using Linear Regression.