Input Data Perdagangan Saham
Penelitian ini menggunakan data perdagangan saham tahun 2007 sampai 2008. Saham perusahaan yang digunakan adalah saham PT. Bayu Buana Tbk dengan kode saham (BAYU) yang mewakili saham dengan kapitalisasi kecil dan PT Bumi Resource Tbk dengan kode saham (BUMI) yang mewakili saham berkapitalisasi besar. Penggunaan data tahun 2007-2008 dikarenakan pada tahun tersebut terjadi krisis finansial global dimana hampir seluruh indeks saham diseluruh dunia mengalami penurunan harga, setelah sebelumnya mengalami kenaikan harga saham. Data perdagangan saham ini digunakan sebagai data
training dan data testing. Data diperoleh dari Bursa Efek Indonesia. Adapun
komponen data yang diambil adalah pergerakan harga penutupan saham harian.
Pemodelan
Data yang telah diperoleh pada tahapan awal kemudian diolah dengan melakukan pemodelan terlebih dahulu. Pemodelan terdiri dari dua bagian, yaitu implementasi berdasarkan penelitian yang dilakukan oleh Hirabayashi (2009) dan implementasi model aturan perdagangan saham modifikasi terhadap model Hirabayashi. Modifikasi dilakukan dengan penambahan indikator teknis dan penambahan persamaan kondisional.
Model Hirabayashi (2009)
Hirabayashi (2009) menggunakan empat indikator teknis dalam pengoptimalan aturan perdagangan. Dalam penelitiannya indikator teknis digunakan dalam area mata uang asing. Indikator teknis ini adalah Relative
Strength Index, Percent Difference, Range Rate, dan RSI Moving Average.
Pemodelan Hirabayashi dilakukan melalui beberapa tahapan. Tahapan-tahapan tersebut tercakup didalamnya pemodelan dengan GA untuk menentukan generasi terbaik. Tahapan tersebut adalah sebagai berikut:
1. Pembuatan Individu
Individu dalam GA direpresentasikan dalam kromosom berbentuk biner. Jumlah individu yang dihasilkan adalah 375 individu, dengan susunan kromosom yang terdiri atas 135 bit, seperti yang disajikan pada Gambar 4. Terdapat 3 kelompok dalam kromosom tersebut. Kelompok pertama adalah berisi aturan jual dan aturan beli untuk tiap indikator teknis. Adapun komponen aturan jual dan beli adalah nilai batas atas dan batas bawah yang berlaku untuk indikator teknis tersebut. Batas tiap indikator teknis disajikan pada Tabel 2.
Tabel 2 Nilai batasan indikator teknis
Indikator Teknis Nilai Batas Atas Nilai Batas Bawah
RSI 3.125 100
PD -0.8 0.75
RR -0.8 0.75
RSI MA 3.125 100
Referensi Waktu RSI 3 34
Alpha 0.03 1
Referensi Waktu MA 3 34
Profit Cash 1.2 10
Loss Cutting -1.2 -10
Tiap nilai batas atas dan batas bawah pada kromoson direpresentaskan dalam 5 bit. Untuk perhitungan komputasi maka tiap nilai batas atas dan batas bawah tersebut tersebar dalam 32 nilai. Secara rinci nilai batas atas dan batas bawah dengan representasi nilai masing-masing bit disajikan pada lampiran 1.
Representasi bit untuk kelompok kedua adalah operator AND dan operator OR. Adapun representasi bit tersebut adalah 0 untuk OR dan 1 untuk AND. Untuk kelompok ketiga yaitu classifier. Classifier merupakan persamaan kondisional yang tersaji pada Tabel 1. Persamaan kondisional yang sesuai dihasilkan berdasarkan evaluasi pada aturan jual dan beli. Aturan jual dan beli menerima inputan nilai tiap indikator teknis.
Berdasarkan representasi bit biner pada kelompok individu, maka satu individu atau kromosom dapat mempunyai representasi sebagai berikut :
000000111100000101010101010000000000000000
Proses pembangkitan individu dilakukan dengan pengacakan aturan jual dan beli, operator, serta urutan indikator teknis pada persamaan kondisional. Pengacakan aturan jual dan beli dilakukan pada 32 nilai yang dihasilkan sesuai rentang pada tiap indikator teknis. Terdapat 375 individu untuk tiap generasi dengan kemungkinan dihasilkan individu yang sama sangat kecil.
2. Perhitungan nilai fitness
Nilai fitness tiap individu hitung berdasarkan keuntungan yang diperoleh. Periode yang digunakan adalah enam (6) bulan data pelatihan. Perhitungan nilai fitness melalui proses perdagangan yang dapat dideskripsikan pada
pseudocode berikut ini :
Proses perdagangan diawali dengan memberikan modal awal sebesar Rp.10.000.000 (Sepuluh Juta Rupiah). Proses dilanjutkan untuk tiap individu selama periode perdagangan. Adapun evaluasi yang dilakukan adalah untuk tiap waktu ke-t, tiap individu akan menghasilkan keputusan jual atau beli berdasarkan persamaan kondisional yang inisialisasi modal awal
for individu =1 to 375
for t = 1 to akhir periode perdangan 6 bulan if (keputusan jual/beli != beli)
continue;
if (keputusan jual/beli == beli)
lembar saham = modal/harga saham else if (keputusan jual/beli == jual)
modal akhir = lembar saham*harga saham else
hold end for
end for
dihasilkan. Terdapat tiga kemungkinan keputusan, yaitu jual, beli atau tidak melakukan perdagangan/hold.
Jika keputusan adalah beli maka akan diperoleh jumlah lembar saham berdasarkan modal awal dibagi harga saham. Jika keputusan adalah jual maka akan diperoleh modal sekarang berdasarkan lembar saham yang ada dikalikan dengan harga saham. Jika tidak ada keputusan maka proses perdagangan akan di-hold. Hal ini berarti tidak ada kegiatan perdagangan dan dilanjutkan dengan waktu berikutnya.
Terdapat dua aturan khusus dalam proses perdangangan saham. Aturan tersebut adalah :
1. Keputusan pertama dalam waktu ke-t adalah keputusan beli.
2. Keputusan akhir pada periode perdagangan adalah keputusan jual. Apabila dihasilkan keputusan bukan jual maka yang dilakukan adalah membuat keputusan menjadi jual. Dalam istilah perdagangan saham hal ini dikenal dengan istilah force sale.
Nilai fitness diperoleh dengan membandingkan modal akhir yang diperoleh dengan modal awal. Seorang trader akan mendapat untung bila modal akhir lebih besar dari modal awal. Sebaliknya kerugian akan dialami oleh trader apabila modal akhir lebih kecil dari modal awal. Hasil akhir tahapan ini adalah 375 nilai fitness untuk kemudian dilakukan seleksi, penyilangan dan mutasi untuk penentuan individu terbaik.
3. Seleksi
Proses seleksi dilakukan dengan menetukan 3 bagian kelompok individu yang dipisahkan berdasarkan rangking nilai fitness. Adapun 3 kelompok individu adalah sebagai berikut :
a. Kelompok 1 adalah kelompok individu yang mempunyai 4 nilai
fitness tertinggi.
b. Kelompok 2 adalah kelompok individu yang mempunyai 258 nilai
fitness tertinggi berikutnya
c. Kelompok 3 adalah kelompok individu yang mempunyai 113 nilai
Pemisahan ketiga kelompok ini berdasarkan ketentuan yang digunakan pada model Hirabayashi (Gambar 6).
Tiap kelompok akan diberi perlakuan yang berbeda untuk proses berikutnya. Kelompok 1 akan menjadi kelompok individu yang secara otomatis diambil untuk dilakukan proses mutasi. Kelompok 2 akan diberi perlakuan seleksi dengan turnamen, penyilangan dan mutasi. Sedangkan kelompok 3 akan secara otomatis dibuang untuk tidak dijadikan indukan dan akan dicari individu baru sejumlah 113 untuk generasi berikutnya. Secara skematik, perlakuan kelompok individu dijabarkan dalam Gambar 6.
Gambar 6 Pengelompokkan individu untuk generasi baru (Hirabayashi 2009)
Adapun proses seleksi untuk kelompok 2 adalah sebagai berikut : Seleksi dilakukan dengan mengambil 50 secara acak dari 258 individu. Perangkingan dilakukan terhadap 50 individu. Satu individu terbaik diambil dan dijadikan calon pasangan indukan (indukan) untuk masuk ke dalam tahapan penyilangan dan mutasi.
Proses ini dilakukan sehingga jumlah indukan yang berpasangan terpenuhi untuk dilakukan proses penyilangan, yaitu sejumlah 258 indukan. Secara skematik proses ini disajikan pada Gambar 7.
4. Penyilangan dan Mutasi
Penyilangan dilakukan terhadap 258 indukan yang dihasilkan dari kelompok 2. Penyilangan yang dilakukan adalah penyilangan dua titik untuk mendapatkan indukan baru .
Berdasarkan proses penyilangan maka diperoleh child (anakan) sejumlah 258. Untuk selanjutnya dilakukan proses mutasi dengan menggabungkan 1% individu terbaik (4 individu) dan 258 anak hasil proses penyilangan. Proses mutasi yang dilakukan dideksripsikan pada Gambar 8.
Gambar 7 Diagram alir proses seleksi
Proses pembangkitan generasi berikutnya adalah individu hasil mutasi dan 30% individu yang dibuat kembali representasinya sesuai
Mulai i = 0
Random untuk mengambil 50 individu dari 258 individu
i=i+1
i== 516 ? Tidak
Crossover dan mutasi terhadap 258
pasangan parent Ya
Parent[i] = satu individu hasil random Sorting 50 individu untuk mengambil
satu individu terbaik
dengan representasi kromosom pada tahap awal. Pemodelan terus dilakukan hingga dua puluh empat (24) generasi. Individu dengan nilai
fitness terbaik pada generasi ke-24 digunakan ke dalam tahapan uji.
5. Tahapan Uji
Uji sistem dilakukan menggunakan data tiga bulan ke depan melalui data pelatihan 6 bulan sebelumnya. Untuk proses berikutnya data pelatihan yang digunakan adalah data 3 bulan hasil uji dengan 3 bulan sebelumnya. Ilustrasi proses tersebut digambarkan pada Gambar 9.
Mulai
Gabungkan 258 individu anak hasil crossover dengan 1% individu terbaik hasil proses elitishm
Jumlah bit = 135 bit * 262 individu
Peluang mutasi = 1%
Jumlah mutasi =peluang Mutasi * jumlah Bit
i=1
Tentukan posisi bit secara acak
Ubah nilai bit pada posisi yang diperoleh
i == Jumlah mutasi ?
Individu sebagai generasi berikutnya
Selesai
Data training 6 Bulan Data uji 3 Bulan
Data training 6 Bulan Data Uji 3 Bulan
Gambar 9 Ilustrasi Uji sistem
Model Modifikasi
Pada model modifikasi dilakukan pengembangan terhadap model Hirabayashi. Pengembangan yang dilakukan adalah dengan penambahan dua indikator teknis yaitu ADX dan William%R. Kedua indikator teknis ini dimasukkan ke dalam struktur kromosom atau individu dengan ukuran bit tiap indikator teknis adalah sebesar 5 bit. Dengan modifikasi yang dilakukan, jumlah bit dalam individu atau kromosom menjadi 195 bit. Komponen kromosom lain distrukturkan sama dengan model Hirabayashi. Persamaan kondisional yang ada juga bertambah menjadi 15 persamaan kondisional sesuai dengan kombinasi pada komponen aturan jual dan aturan beli. Komponen aturan perdagangan untuk model modifikasi Hirabayashi adalah sebagai berikut :
Indikator teknis : RSI, PD, RR, MA, ADX, William %R Batas : Batas atas dan batas bawah tiap indikator
Koefisien : Referensi waktu RSI, Referensi waktu MA, Referensi
William%R (referensi waktu mulai dari 3 sampai dengan
34), Referensi ADX (referensi waktu mulai 3 sampai dengan 34) dan Alpha untuk RSI 2, Profit Cashing dan
Loss Cutting.
Operator : 5 operator AND dan OR
Struktur kromosom pada model modifikasi Hirabayashi disajikan pada Gambar 10. Representasi kromosom dalam string bit secara lengkap disajikan pada Lampiran 2.
Pada model Modifikasi, persamaan kondisional yang dihasilkan adalah sebanyak 15 persamaan kondisional dengan operator logika sebanyak 5 operator. Secara lengkap persamaan kondisional untuk model modifikasi disajikan pada Tabel 3.
Gambar 10 Struktur kromosom model modifikasi 1 hirabayashi
Tabel 3 Persamaan kondisional modifikasi
A c1<RSI<c2 Op1 c3<PD<c4 Op2 c5<RR<c6 Op3 c7<RSI2<c8 Op4 c9<ADX<c10 Op5 c11<WILL<c12 B c1<RSI<c2 Op1 c3<PD<c4 Op2 c5<RR<c6 Op3 C9<ADX<c10 Op4 c7<RSI2<c8 Op5 c11<WILL<c12 C c1<RSI<c2 Op1 c3<PD<c4 Op2 c5<RR<c6 Op3 c11<WILL<c12 Op4 c7<RSI2<c8 Op5 c9<ADX<c10 D c1<RSI<c2 Op1 c5<RR<c6 Op2 c3<PD<c4 Op3 c7<RSI2<c8 Op4 c9<ADX<c10 Op5 c11<WILLc12 E c1<RSI<c2 Op1 c5<RR<c6 Op2 c3<PD<c4 Op3 c9<ADX<c10 Op4 c7<RSI2<c8 Op5 c11<WILL<c12 F c1<RSI<c2 Op1 c5<RR<c6 Op2 c3<PD<c4 Op3 c11<WILL<c12 Op4 c7<RSI2<c8 Op5 c9<ADX<c10 G c1<RSI<c2 Op1 c7<RSI2<c8 Op2 c5<RR<c6 Op3 c3<PD<c4 Op4 c9<ADX<c10 Op5 c11<WILL<c12 H c1<RSI<c2 Op1 c7<RSI2<c8 Op2 c5<RR<c6 Op3 C9<ADX<c10 Op4 c9<PD<c10 Op5 c11<WILL<c12 I c1<RSI<c2 Op1 c3<RSI2<c4 Op2 c5<RR<c6 Op3 c7<WILL<c8 Op4 c3<PD<c4 Op5 c11<ADX<c12 J c1<RSI<c2 Op1 c11<ADX<c12 Op2 c5<RR<c6 Op3 c3<PD<c4 Op4 c7<RSI2<c8 Op5 c11<WILL<c12 K c1<RSI<c2 Op1 c9<ADX<c10 Op2 c5<RR<c6 Op3 c11<WILL<c12 Op4 c7<RSI2<c8 Op5 c3<PD<c4 L c1<RSI<c2 Op1 c9<ADX<c10 Op2 c5<RR<c6 Op3 c7<RSI2<c8 Op4 c3<PD<c4 Op5 c11<WILL<c12 M c1<RSI<c2 Op1 c11<WILL<c12 Op2 c5<RR<c6 Op3 c3<PD<c4 Op4 c7<RSI2<c8 Op5 c11<ADX<c12 N c1<RSI<c2 Op1 c11<WILL<c12 Op2 c5<RR<c6 Op3 c7<RSI2<c8 Op4 c3<PD<c4 Op5 c11<ADX<c12 O c1<RSI<c2 Op1 c11<WILL<c12 Op2 c5<RR<c6 Op3 C9<ADX<c10 Op4 c7<RSI2<c8 Op5 C3<PD<c12
Hasil Percobaan
Percobaan untuk melakukan optimasi aturan perdagangan dilakukan menggunakan spesifikasi komputer Processor Intel Xeon 12 core processor 2,5 GHz, Memory 8 GB, Operating System Windows 7 64 Bit. Adapun tools pengembangan aplikasi yang digunakan adalah MS Visul Basic.Net 2010 dengan
Database Management System MySQL serta fungsi matematika pada aplikasi spreadsheet.
Percobaan dilakukan pada data saham selama 2 tahun untuk PT Bayu Buana Tbk dan PT Bumi Resources Tbk. Pembangkitan dan pemrosesan 375
individu untuk 24 generasi dalam data tersebut membutuhkan waktu 30 jam untuk pemrosesan secara paralel masing-masing 6 bulan periode tiap model. Oleh karena itu kebutuhan akan sumberdaya komputer dan optimasi algoritma dibutuhkan untuk mengurangi kompleksitas waktu.
Berdasarkan hasil pelatihan data saham maka diperoleh aturan perdagangan dengan nilai fitness terbaik. Pada Gambar 11 dan 12 disajikan salah satu contoh grafik proses optimasi dengan algoritme genetika menggunakan data 6 bulan data pada saham PT. Bayu Buana Tbk (BAYU). Grafik proses optimasi disajikan untuk masing-masing model Hirabayashi dan model modifikasi. Grafik proses optimasi secara lengkap disajikan pada Lampiran 2.
Gambar 11 Optimasi aturan perdagangan saham PT. Bayu Buana Tbk dengan Model Hirabayashi
Gambar 12 Optimasi aturan perdagangan saham PT. Bayu Buana Tbk dengan Model Modifikasi Generasi P r o f i t (Rp.) P r o f i t (Rp.) Generasi
Pada Gambar 11 terlihat bahwa pada generasi ke-12 nilai fitness yang diperoleh dari proses GA telah konstan. Pada model modifikasi (Gambar 12) meskipun terlihat bahwa pada generasi ke-4 telah konstan, tetapi masih memberikan peluang peningkatan nilai fitness pada generasi ke-24.
Berdasarkan hasil yang diperoleh pada hasil training 6 bulan data awal tersebut, kemudian diambil individu teratas dengan fitness terbaik pada generasi ke-24, untuk diuji dengan data 3 bulan ke depan. Pada proses uji coba individu terbaik yang diperoleh pada proses 6 bulan training diperoleh hasil perbandingan berdasarkan ujicoba individu terbaik tersebut. Hasil uji masing-masing periode 3 bulan dilakukan terhadap saham PT. Bayu Buana Tbk. yang mewakili saham dengan kapitalisasi kecil dan saham PT. Bumi Resources Tbk sebagai salah satu saham berkapitalisasi besar. Hasil uji tersebut kemudian dibandingkan dengan model buy and hold.
Keterkaitan antara pergerakan saham dan keuntungan dapat dilihat pada Gambar 13 dan Gambar 14.
Gambar 13 Grafik pergerakan harga PT. Bayu Buana Tbk (BAYU) 0 50 100 150 200 250 6/2 7/20 07 7/2 7/20 07 8/2 7/20 07 9/2 7/20 07 10 /27/2 007 11 /27/2 007 12 /27/2 007 1/2 7/20 08 2/2 7/20 08 3/2 7/20 08 4/2 7/20 08 5/2 7/20 08 6/2 7/20 08 7/2 7/20 08 8/2 7/20 08 9/2 7/20 08 10 /27/2 008 11 /27/2 008 12 /27/2 008 H ar ga
-200 -100 0 100 200 300 20-6 sd 12-9 13-9 sd 6-12 7-12 sd 29-2 3-3 sd 28-5 29-5 sd 26-8 27-8 sd 30-12 % Pr o fi t/ Loss Periode Uji
Saham PT. Bayu Buana Tbk. (BAYU)
Buy&Hold Hirabayashi Modifikasi
Gambar 14 Hasil uji saham PT. Bayu Buana Tbk. (BAYU)
Pada data saham PT. Bayu Buana Tbk yang diperoleh pada Tahun 2007-2008 (Gambar 13) terlihat pergerakan harga saham yang fluktuatif pada pergerakan harian. Hal ini merupakan salah satu ciri saham berkapitalisasi kecil. Grafik pergerakan saham memiliki arti perubahan harga saham pada periode tertentu. Pada periode ke-1 (periode 3 bulan pertama) model Modifikasi memberikan profit tertinggi sebesar 77%. Pada model Hirabayashi profit yang diberikan sebesar 22% sama seperti pada model buy and hold. Apabila dibandingkan dengan periode ke-1 Gambar 14, maka terlihat terjadi kenaikan keuntungan untuk model modifikasi, sementara dua model terlihat tetap. Jika dibandingkan dengan model buy and hold maka kedua model optimasi memberikan hasil yang lebih baik. Pada periode ke-1 Gambar 13, dapat terlihat pada pergerakan harga terjadi kenaikan diakhir periode. Apabila dilihat keterkaitan antara grafik perubahan harga saham dan grafik perolehan profit (Gambar 14) maka dapat dilihat bahwa ketika harga bergerak naik maka model modifikasi juga mengikuti kenaikan tersebut.
Pada uji periode ke-3 terjadi penurunan profit untuk semua model. Bahkan
pada model Hirabayashi dan buy and hold terjadi kerugian sebesar 0.1% dan -20%. Pada grafik perubahan harga saham dapat dilihat bahwa penurunan harga
saham akan diikuti oleh penurunan perolehan profit pada semua model.
Hal yang berbeda terjadi pada periode ke-5. Pada periode ini terjadi penurunan harga saham yang diikuti penurunan keuntungan yang diperoleh pada model modifikasi. Pada periode terakhir, yaitu periode ke-6 (Gambar 13)
pergerakan harga saham terlihat berfluktuasi. Dalam keadaan seperti ini para investor biasanya akan melakukan hold untuk tidak melakukan perdagangan. Berdasarkan hasil tersebut terlihat bahwa model modifikasi mampu beradaptasi mengikuti tren.
Dalam pemodelan aturan perdagangan maka akan dihasilkan aturan perdagangan yang optimal. Optimasi aturan perdagangan dimaksudkan untuk mendapatkan keuntungan yang paling besar. Aturan perdagangan periode ke-1 menghasilkan bentuk seperti yang disajikan pada Tabel 4 dan Tabel 5.
Tabel 4 Aturan perdagangan yang optimal periode ke-1 model Hirabayashi
Parameter Aturan Beli Aturan Jual
Aturan ((31.25%<RSI<62.5%)OR(0.7%<RR <0.75%)) AND ((-0.4%<PD<0%) OR (62.5%<RSI MA<78.125%)) ((40.625%<RSI<87.5%) OR(0.6%<RR<0.55%)) AND ((0.1%<PD<0.55%) OR (9.375%<RSI MA<84.375%))
RSI Ref. Time 12 6
MA Ref. Time 34 17
Alpha 0.8125 0.34375
Profit Cash 9.71875 6.625
Loss Cutting 1.5625 -2.96875
Tabel 5 Aturan perdagangan yang optimal periode ke-1 model Modifikasi
Parameter Aturan Beli Aturan Jual
Aturan ((87.5%<RSI<75%) AND(65.625%<RSI MA<87.5%)) OR ((0.6%<RR<0.75%) AND (40.625%<ADX<68.75%)) OR ((0%<PD<0.25%) OR(-81.25%<WILL<-40.625%)) ((34.375%<RSI<50%) AND (6.25%<RSI MA<56.25%)) OR ((0.2%<RR<0%) AND (46.875%<ADX<56.25%)) OR ((0.2%<PD<0.35%) OR (-50%<WILL<-90.625%))
RSI Ref. Time 33 10
MA Ref. Time 7 26
ADX Ref. Time 24 26
William Ref. Time 26 20 Alpha 0.125 0.75 Profit Cash 6.90625 4.09375 Loss Cutting -3.25 -6.625
Pada aturan perdagangan (jual atau beli) yang dihasilkan untuk model Hirabayashi dan modifikasi dapat diartikan bahwa trader dapat melakukan tindakan beli atau jual sesuai dengan hasil BENAR yang diberikan oleh evaluasi persamaan kondisional. Untuk selanjutnya, trader perlu memeriksa kembali
apakah nilai profit cash dan loss cutting yang ada pada data riil lebih besar dari nilai profit dan loss yang ditetapkan oleh sistem.
Pada aturan perdagangan (baik aturan jual mapun beli) yang dihasilkan terdapat indikator teknis yang dapat diabaikan. Hal ini berdasarkan nilai kebenaran yang dihasilkan oleh persamaan kondisional. Melalui Tabel 5 terlihat bahwa pengabaian indikator teknis terjadi pada model modifikasi untuk aturan beli. Indikator teknis tersebut adalah RSI dan RSI MA. Hal ini dikarenakan persamaan kondisional memberikan nilai kebenaran SALAH (0). Operator AND yang diberikan kepada nilai tersebut tidak pernah memberikan nilai BENAR (1). Berdasarkan hal tersebut, maka evaluasi terhadap indikator RR, ADX, PD dan WILL salah satunya harus bernilai 1. Hal ini didasari pada karakteristik operator OR yang akan menghasilkan nilai 1 apabila terdapat salah satu yang bernilai 1.
Hal yang berbeda berlaku pada aturan jual. Indikator teknis yang dapat diabaikan adalah RR dan WILL. Hal ini dikarenakan evaluasi terhadap indikator teknis RR akan selalu bernilai 0 dan operator AND yang menggabungkan evaluasi dengan indikator teknis ADX akan selalu menghasilkan nilai 0. Indikator teknis lain yang dapat diabaikan adalah indikator WILL. Oleh karena itu, untuk mendapatkan keputusan jual maka evaluasi terhadap indikator teknis RSI, RSI MA dan PD harus bernilai 1. Pada model Hirabayashi tidak terdapat indikator teknis yang diabaikan. Hal ini dikarenakan semua evaluasi terhadap indikator teknis dapat menghasilkan nilai 0 atau nilai 1.
Pengabaian indikator teknis juga berlaku di periode ke-5 untuk kedua model. Hasil aturan perdagangan optimasi untuk periode ke-5 disajikan pada Tabel 6 dan Tabel 7. Pada periode ke-5 di model Hirabayashi ditunjukkan bahwa pada aturan beli terdapat indikator teknis yang dapat diabaikan yaitu RSI. Pada persamaan kondisional ini nilai yang dihasilkan selalu bernilai 0. Oleh karena itu, untuk menghasilkan keputusan beli pada model Hirabayashi, evaluasi terhadap indikator teknis RSI MA, RR dan PD harus bernilai 1. Pada aturan jual terdapat indikator teknis yang selalu bernilai 0, yaitu PD dan RSI MA. Pada RSI MA operator yang digunakan adalah AND. Melalui operator AND, evaluasi indikator teknis ini dengan indikator RR dapat diabaikan karena selalu bernilai 0. Oleh karena itu nilai persamaan untuk indikator RSI harus bernilai 1.
Tabel 6 Aturan perdagangan yang optimal periode ke-5 model Hirabayashi
Parameter AturanBeli Aturan Jual
Aturan ((90.625%<RSI<75%) OR (-0.5%<PD<0.05%)) OR ((0.2%<RR<0.35%) AND (18.75%<RSI MA<78.125%)) ((50%<RSI<84.375%) OR (0.35%<PD<-0.35%)) OR ((0%<RR<0.2%) AND (78.125%<RSI MA<65.625))
RSI Ref. Time 20 6
MA Ref. Time 28 5
Alpha 0.4375 0.78125
Profit Cash 4.65625 8.59375
Loss Cutting -8.03125 -1.5625
Tabel 7 Aturan perdagangan yang optimal periode ke-5 model Modifikasi
Paremeter AturanBeli Aturan Jual
Aturan ((59.375%<RSI<87.5%) OR (78.125%<ADX<31.25%)) AND ((-0.3%<RR<-0.75%) AND (3.125%<RSI MA<81.25%)) OR (0.7%<PD<-0.25%) OR (-71.875%<WILL<-100%)) ((81.25%<RSI<59.375%) OR (25%<ADX<71.875%)) AND ((- 0.0499999999999999%<RR<-0.2%) AND (46.75%<RSI MA<68.75%)) OR ((0.15%<PD<0.75%) OR (-43.75%<WILL<-84.375%))
RSI Ref. Time 16 28
MA Ref. Time 4 25
ADX Ref. Time 23 30
William Ref. Time 31 22 Alpha 0.75 0.90625 Profit Cash 1.84375 10 Loss Cutting -4.65625 -3.53125
Pada model Modifikasi (Tabel 7) terdapat indikator yang selalu bernilai 0, baik pada aturan beli maupun aturan jual. Pada aturan beli, indikator yang pasti bernilai 0 adalah ADX, RR, dan WILL. Adapun operator yang digunakan adalah AND. Oleh karena itu untuk menghasilkan keputusan jual maka evaluasi terhadap indikator RSI harus bernilai 1. Pada aturan jual terdapat tiga indikator yang selalu bernilai salah, yaitu RSI, RR dan WILL. Oleh karena itu evaluasi pada indikator teknis yang lain harus bernilai 1.
Pada periode ke-6 seperti yang terlihat pada Gambar 14 terjadi peningkatan profit pada model Hirabayashi. Aturan perdagangan yang optimal pada periode ini untuk model Hirabayashi dan Modifikasi disajikan pada Tabel 8 dan Tabel 9.
Tabel 8 Aturan perdagangan yang optimal periode ke-6 model Hirabayashi