CANDLESTICK DAN FUZZY LOGIC
SKRIPSI
LAILAN SAHRINA HASIBUAN
051401064
PROGRAM STUDI S-1 ILMU KOMPUTER
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
PENENTUAN STRATEGI PERDAGANGAN FOREIGN EXCHANGE MENGGUNAKAN PENDEKATAN FIBONACCI,
CANDLESTICK DAN FUZZY LOGIC
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Komputer
LAILAN SAHRINA HASIBUAN 051401064
PROGRAM STUDI S1 ILMU KOMPUTER DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : PENENTUAN STRATEGI PERDAGANGAN
FOREIGN EXCHANGE MENGGUNAKAN PENDEKATAN FIBONACCI, CANDLESTICK DAN FUZZY LOGIC
Kategori : SKRIPSI
Nama : LAILAN SAHRINA HASIBUAN
Nomor Induk Mahasiswa : 051401064
Program Studi : SARJANA (S1) ILMU KOMPUTER
Departemen : ILMU KOMPUTER
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN
ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan, November 2010
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Syahriol Sitorus, S.Si, MIT Prof. Dr. Muhammad Zarlis NIP. 197103101997031004 NIP. 195707011986011003
Diketahui/Disetujui oleh
Program Studi S1 Ilmu Komputer Ketua,
PERNYATAAN
PENTUAN STRATEGI PERDAGANGAN FOREIGN EXCHANGE MENGGUNAKAN PEDEKATAN FIBONACCI,
CANDLESTICK DAN FUZZY LOGIC
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, November 2010
PENGHARGAAN
Segala puji bagi Allah SWT, yang segala sesuatu bertasbih kepada-Nya dan segala kekuasaan berada dalam genggaman-Nya. Shalawat dan salam kepada manusia paling agung, Nabi Muhammad SAW, beserta keluarganya, para sahabat dan pengikutnya yang setia meski tak pernah berjumpa.
Ucapan terima kasih yang sebesar-besarnya penulis sampaikan kepada Bapak Prof. Dr. Muhammad Zarlis selaku Dosen Pembimbing I dan Bapak Syahriol Sitorus,S.Si, MIT selaku Dosen Pembimbing II yang telah memberikan bimbingan, saran, dan masukan kepada penulis sehingga dapat menyelesaikan penelitian ini. Selanjutnya kepada Bapak Drs. Sawaluddin, MIT selaku Dosen Penguji I dan Ibu Maya Silvi Lydia, BSc, MSc selaku Dosen Penguji II, terima kasih atas saran dan kritik yang sangat berguna bagi penulis. Ucapan terima kasih juga penulis tujukan kepada Ketua Program Studi S1 Ilmu Komputer dan Sekretaris Program Studi S1 Ilmu Komputer Bapak Prof. Dr. Muhammad Zarlis dan Bapak Syahriol Sitorus, S.Si, MIT, Dekan dan Pembantu Dekan FMIPA USU, dosen-dosen di Program Studi S1 Ilmu Komputer FMIPA USU, dan para pegawai di Program Studi S1 Ilmu Komputer FMIPA USU.
Ucapan terima kasih yang teristimewa penulis sampaikan kepada kedua orangtua, Ayahanda Alm.Ahmad Sayuti Hasibuan, yang telah berjuang dengan keras hingga akhir hayatnya untuk menyekolahkan anak-anaknya dan kepada Ibunda Nurlin Nasution yang selalu bersabar dalam semua kondisi, sesungguhnya doa dari ibunda menjadi pembuka jalan hidup bagi penulis. Semoga Ayahanda dan Ibunda selalu berada dalam naungan cahaya iman. Penulis juga sampaikan terima kasih kepada Kakak terkasih, Linda, yang telah menggantikan posisi ayah untuk menyekolahkan adik-adiknya dan terima kasih juga untuk hal-hal yang telah kakak rencanakan, kakak lebih hebat dari Abdullah Khairul Azzam. Tidak lupa juga untuk Kak Lita dan Adik-adik, Bairuni dan Farabi, terima kasih atas arahan, bantuan dan dukungannya yang tidak ternilai.
Selanjutnya kepada sahabat penulis, Rossy, terima kasih atas doanya yang begitu tulus, untuk Melly dan Titin yang telah sama-sama berjuang untuk menyelesaikan skripsi. Untuk Rena yang bersedia berbagi. Untuk teman-teman dan adik-adik di BKM Al-Khuwarizmi juga UKMI Ad-Da’wah terima kasih atas dukungannya. Terima kasih untuk seorang kakak yang menjadi guru dalam kehidupan penulis, yang telah berbagi ilmu dan pengalaman. Terima kasih juga untuk teman-teman stambuk 2005, abang dan kakak senior, adik-adik junior, adik-adik mentoring dan pihak-pihak yang tidak dapat penulis sebutkan.
ABSTRAK
Perdagangan forex merupakan investasi yang berisiko tinggi dan memiliki prospek yang tinggi. Berbagai kalangan berperan di dalamnya, mulai dari individu hingga perusahaan-perusahaan bertaraf internasional. Nilai transaksi pada pasar forex juga sangat besar, menyentuh harga $USD 2 triliun perharinya. Banyaknya kalangan yang berperan di dalamnya dan besarnya nilai uang yang beredar menjadikan pasar forex sulit untuk dikendalikan oleh kalangan tertentu.
Berbagai analisa telah dikembangkan untuk memprediksi pergerakan harga forex, diantaranya fibonacci dan candlestick. Fibonacci melakukan prediksi pergerakan harga forex berdasarkan level-level fibonacci. Candlestick merupakan salah satu analisa yang dapat digunakan untuk mengetahui batas level fibonacci berdasarkan pola-pola candlestick yang terbentuk pada waktu sebelumnya. Baik fibonacci maupun candlestick menggunakan variable-variabel fuzzy seperti lebih tinggi, lebih rendah, lebih lebar.
DETERMINATION OF FOREIGN EXCHANGE TRADING STRATEGY BY USING FIBONACCI, CANDLESTICK AND
FUZZY LOGIC APPROACH
ABSTRACT
Forex trading is a high risk and high prospects investments. Various people played in it, ranging from individuals to international companies. The value of transactions on the forex market is also very large, the price touched $USD 2 trillion per day. The number of circles that play a role in it and the value of money in circulation makes the forex market is difficult to be controlled by certain circles.
Various analysis have been developed to predict forex price movement, including the Fibonacci and Candlestick. Fibonacci predict forex price movement based on the Fibonacci levels. Candlestick is one of analysis that can be used to determine the limit of Fibonacci levels based on candlestick patterns are formed at an earlier time. Both the Fibonacci and Candlestick using fuzzy variables such as higher, lower, longer.
DAFTAR ISI
BAB I PENDAHULUAN
1.1. Latar Belakang 1
1.2. Rumusan Masalah 2
1.3. Batasan Masalah 2
1.4. Tujuan Penelitian 3
1.5. Manfaat Penelitian 3
1.6. Hipotesis 3
1.7. Tinjauan Pustaka 3
1.8. Metode Penelitian 9
BAB II LANDASAN TEORI
2.1. Fuzzy Logic 10
2.1.1. Himpunan Fuzzy 10
2.1.2. Membership Function (Fungsi Keanggotaan) 12
2.1.3. Operator Himpunan Fuzzy 13
2.1.4. Aturan Fuzzy 14
2.1.5. Fuzzy Inference System 14
2.1.6. Keunggulan Fuzzy Logic 17
2.2. Forex 17
2.3. Analisis Teknikal 18
2.4. Analisis Fibonacci 19
2.4.1. Leonardo Fiboacci 19
2.4.2. Perbandingan Fibonacci 19
2.4.3. Fibonacci dan Pergerakan Pasar 20
2.5. Analisis Candlestick 22
2.5.1. Sejarah Candlestick 22
2.5.2. Dasar Candlestick 23
2.5.3. Pola-Pola Candlestick 23
2.6. Penelitian Terkait 30
3.1. Analisis Masalah 31
3.2. Penyelesaian Masalah 32
3.2.1. Basis Pengetahuan 33
3.2.2. Fuzifikasi 34
3.2.3. Inferensi 38
3.2.4. Defuzifikasi 39
3.3. Analisis Sistem 40
3.3.1. Pemodelan Fungsional 40
3.3.2. Kamus Data 46
3.4. Perancangan 49
3.4.1. Perancangan Arsitektur 49
3.4.2. Perancangan Prosedural 50
BAB IV IMPLEMENTASI DAN PENGUJIAN 52
4.1. Implementasi 52
4.1.1. Expert Advisor 52
4.1.2. Custom Indicator 53
4.2. Pengujian 54
4.2.1. Pengujian dengan Black Box 54
BAB V KESIMPULAN DAN SARAN 56
5.1. Kesimpulan 56
5.2. Saran 56
DAFTAR PUSTAKA 57
Daftar Tabel
Halaman
Tabel 1.1 Persamaan untuk posisi titik C dan D 6
Tabel 2.1 Persamaan untuk posisi titik C dan D 21
Tabel 3.1 Basis Pengetahuan 35
Tabel 3.2 Titik-titik a, b, c dan d untuk representasi kurva trapezium 36
Tabel 3.3 Titik a dan b untuk representasi kurva linear naik 36
Tabel 3.4 Titik a dan b untuk representasi kurva linear turun 37
Tabel 3.5 Titik a dan b untuk representasi kurva tegas 38
Tabel 3.6 Spesifikasi Proses Diagram Konteks Level 0 41
Tabel 3.7 Spesifikasi Proses DFD level 1 Proses P.0 42
Tabel 3.8 Spesifikasi Proses DFD 2 Proses P.2 44
Tabel 3.9 Spesifikasi Proses DFD 2 Proses P.3 45
Tabel 3.10 Kamus Data 46
Daftar Gambar
Halaman
Gambar 1.1 Diagram Sistem Fuzzy 4
Gambar 1.2 Sinyal Beli 6
Gambar 1.3 Level Fibonacci 6
Gambar 1.4 Struktur Candlestick 7
Gambar 2.1 Himpunan Konvensional dan Himpunan Fuzzy 11
Gambar 2.2 Bagian dari Fuzzy Logic 11
Gambar 2.3 Berbagai Jenis Fungsi Keanggotaan 13
Gambar 2.4 Fuzzy Inference System 15
Gambar 2.5 Fuzzification untuk masukan crisp menjadi fuzzy 15
Gambar 2.6 Inferensi fuzzy model Tsukamoto 16
Gambar 2.7 Sinyal Beli 20
Gambar 2.8 Level Fibonacci 20
Gambar 2.9 Perbandingan Fibonacci pada Pergerakan Pasar Forex 21
Gambar 2.10 Candle yang menunjukkan bullish dan bearish 23
Gambar 2.11 Bullish Engulfing Candle 25
Gambar 2.12 Piercing Line 26
Gambar 2.13 Bullish Harami 27
Gambar 2.14 Bearish Engulfing Candle 28
Gambar 2.15 Dark Cloud Cover 29
Gambar 2.16 Bearish Harami 30
Gambar 3.1 Interval harga perdagangan USD/JPY 32
Gambar 3.2 Kurva Trapesium dan Fungsi keanggotaan 34
Gambar 3.3 Kurva Linear Naik dan Fungsi Keanggotaannya 36
Gambar 3.4 Kurva Kurva Tegas (Crisp) dan Fungsi Keanggotaannya 38
Gambar 3.5 Fungsi keanggotaan untuk himpunan fuzzy buy dan sell 39
Gambar 3.6 Hasil akhir sistem fuzzy yang direkomendasikan kepada trader 40
Gambar 3.7 Diagram konteks sistem forex 40
Gambar 3.8 DFD level 1 Proses 0 41
Gambar 3.9 DFD level 2 proses P.2 43
Gambar 3.10 DFD level 2 proses P.3 43
Gambar 3.11 Rancangan arsitektur sistem forex 49
Gambar 4.1 Data masukan pada expert advisor 52
ABSTRAK
Perdagangan forex merupakan investasi yang berisiko tinggi dan memiliki prospek yang tinggi. Berbagai kalangan berperan di dalamnya, mulai dari individu hingga perusahaan-perusahaan bertaraf internasional. Nilai transaksi pada pasar forex juga sangat besar, menyentuh harga $USD 2 triliun perharinya. Banyaknya kalangan yang berperan di dalamnya dan besarnya nilai uang yang beredar menjadikan pasar forex sulit untuk dikendalikan oleh kalangan tertentu.
Berbagai analisa telah dikembangkan untuk memprediksi pergerakan harga forex, diantaranya fibonacci dan candlestick. Fibonacci melakukan prediksi pergerakan harga forex berdasarkan level-level fibonacci. Candlestick merupakan salah satu analisa yang dapat digunakan untuk mengetahui batas level fibonacci berdasarkan pola-pola candlestick yang terbentuk pada waktu sebelumnya. Baik fibonacci maupun candlestick menggunakan variable-variabel fuzzy seperti lebih tinggi, lebih rendah, lebih lebar.
DETERMINATION OF FOREIGN EXCHANGE TRADING STRATEGY BY USING FIBONACCI, CANDLESTICK AND
FUZZY LOGIC APPROACH
ABSTRACT
Forex trading is a high risk and high prospects investments. Various people played in it, ranging from individuals to international companies. The value of transactions on the forex market is also very large, the price touched $USD 2 trillion per day. The number of circles that play a role in it and the value of money in circulation makes the forex market is difficult to be controlled by certain circles.
Various analysis have been developed to predict forex price movement, including the Fibonacci and Candlestick. Fibonacci predict forex price movement based on the Fibonacci levels. Candlestick is one of analysis that can be used to determine the limit of Fibonacci levels based on candlestick patterns are formed at an earlier time. Both the Fibonacci and Candlestick using fuzzy variables such as higher, lower, longer.
BAB 1
PENDAHULUAN
1.1. Latar Belakang
Foreign Exchange, lebih dikenal dengan istilah forex, merupakan salah satu pilihan
investasi yang berkembang di Indonesia. Forex Trading adalah transaksi perdagangan
nilai tukar mata uang asing di pasar uang internasional. Forex berbeda dengan money
changer. Pada money changer, jual beli dilakukan secara fisik (memiliki tempat dan
barang), transaksi forex dilakukan dengan memindahbukukan dana pada rekening
bank antara trader.
Pasar forex sebenarnya adalah pasar uang terbesar di dunia. Banyak sekali
trader yang terlibat di dalamnya, perusahaan bertaraf internasional, bank-bank dunia
maupun individu. Banyaknya trader di pasar ini membuat perputaran uang menjadi
sangat cepat.
Perputaran uang yang begitu cepat, selain diakibatkan oleh banyaknya jumlah
trader, juga dipengaruhi oleh berbagai macam faktor, seperti faktor ekonomi, politik
dan sosial suatu negara. Akibatnya, harga menjadi sangat fluktuatif. Harga yang
sangat fluktuatif merupakan resiko yang harus dihadapi para trader.
Harga suatu mata uang terhadap mata uang lain akan mengalami peningkatan
(bullish) ataupun penurunan (bearish). Jika harga suatu mata uang mengalami bullish
terhadap mata uang lain, maka perdagangan forex diawali dengan open-buy dan akan
diakhiri dengan close-sell. Selisih antara harga beli dan harga jual adalah keuntungan
yang diperoleh trader (Martinez, Jared F, 2007).
Berbagai analisis teknikal telah dikembangkan untuk memprediksi terjadinya
bullish, yang berarti sinyal beli, dan memprediksi terjadinya bearish, yang berarti
sinyal jual. Diantaranya adalah Relative Strength Index (RSI), Stochastic Oschilator,
Analisis Fibonacci menggunakan perbandingan bilangan Fibonacci untuk
menentukan sinyal beli, sinyal jual dan target keuntungan yang dapat dicapai
(Marshall dan Moubray, 2005). Analisis dengan Fibonacci akan semakin akurat jika
digabungkan dengan analisis lainnya yaitu candlstick (Fischer dan Fischer, 2003).
Pola-pola candlestick yang dapat digunakan untuk menentukan keputusan
mengandung variable-variabel fuzzy seperti ‘lebih besar’, ‘lebih kecil’, ‘lebih tinggi’,
‘lebih rendah’. Oleh sebab itu fuzzy logic diperlukan untuk mengukur keakuratan pola
yang muncul.
1.2. Rumusan Masalah
Berdasarkan latar belakang masalah di atas, yang menjadi rumusan masalah adalah:
1. Bagaimana menentukan posisi beli maupun jual menggunakan metode Fibonacci
dan candlestick.
2. Bagaimana mengukur keakuratan pola fibonacci dan candlestick menggunakan
fuzzy logic.
1.3. Batasan Masalah
Dalam suatu penelitian diperlukan batasan masalah agar pembahasan tidak melebar.
Pada penelitian ini yang menjadi batasan masalah adalah :
1. Grafik yang digunakan adalah grafik 5 menit.
2. Perdagangan forex untuk USD/JPY.
3. Pola candlestick terbatas pada bullish/bearish engulfing candle, piercing line, dark
cloud cover dan bullish/bearish harami.
1.4. Tujuan Penelitian
Tujuan dari penelitian ini adalah untuk membangun suatu aplikasi yang dapat
menentukan posisi open-buy, open-sell, close-sell dan close-buy pada perdagangan
forex.
1.5. Manfaat Penelitian
1.6. Hipotesis
Dalam penelitian ini ada beberapa hipotesis yang akan diuji, yaitu
1. Harga pembukaan forex masa lalu dapat memprediksi harga forex yang akan
datang.
2. Harga penutupan forex masa lalu dapat memprediksi harga forex yang akan
datang.
3. Harga tertinggi forex masa lalu dapat memprediksi harga forex yang akan datang.
4. Harga terendah forex masa lalu dapat memprediksi harga forex yang akan datang.
1.7. Tinjauan Pustaka
Landasan teori yang digunakan dalam pembangunan aplikasi yang dapat menentukan
strategi perdagangan forex dengan fuzzy logic.
1.7.1. Himpunan Fuzzy
Fuzzy logic adalah salah satu cara untuk memetakan suatu ruang input ke ruang
output. Ide mengenai fuzzy logic sudah lama dipikirkan oleh para filsuf Yunani kuno.
Plato adalah filsuf pertama yang meletakkan fondasi dasar fuzzy logic. Plato
mengatakan terdapat area ketiga selain benar dan salah. Tetapi, pemikiran mengenai
fuzzy logic menghilang selama dua milinium dan baru muncul kembali pada era
1960-an. Konsep fuzzy logic yang sangat sistematis pertama kali diusulkan oleh Lotfi A.
Zadeh (Suyanto, 2008).
Pada himpunan konvensional himpunan memiliki batasan yang kaku. Sebagai
contoh, suatu himpunan konvensional didefinisikan sebagai
A = {x | x > 6}
ada batasan yang jelas yaitu 6 sehingga jika x lebih besar dari 6 maka x anggota
himpunan A dan jika sebaliknya maka x bukan anggota himpnan A. Berlawanan
dengan himpunan konvensional, himpunan fuzzy merupakan suatu himpunan tanpa
batasan yang kaku. Oleh karena itu transisi dari “anggota himpunan” ke “bukan
anggota himpunan” terjadi secara bertahap dan transisi ini diimplementasikan dengan
Suatu sistem yang berbasis fuzzy logic diawali dengan fuzifikasi yaitu konversi
input crisp menjadi fuzzy berdasarkan fungsi keanggotaan. Proses selanjutnya adalah
inferensi, proses ini akan memperhitungkan semua aturan pada basis aturan dan
menghasilkan himpunan fuzzy. Proses terakhir adalah defuzifikasi, proses ini akan
menentukan nilai crisp untuk himpunan fuzzy yang dihasilkan pada proses inferensi
Gambar 1.1. Diagram Sistem Fuzzy (Jang dan Sun, 1995).
1.7.2. Operator Himpunan Fuzzy
Seperti halnya himpunan konvensional, ada beberapa operasi yang didefinisikan
secara khusus untuk mengkombinasikan dan memodifikasi himpunan fuzzy. Nilai
keanggotaan sebagai hasil dari operasi dua himpunan sering dikenal dengan nama fire
strength atau -predikat. Ada tiga operator dasar yang diciptakan oleh Zadeh, yaitu:
a. Operator AND
Operator ini berhubungan dengan operasi interseksi pada himpunan. -predikat
sebagai hasil operasi dengan operator AND diperoleh dengan mengambil nilai
keanggotaan terkecil antar elemen pada himpunan-himpunan yang bersangkutan.
µA B[x]=min(µA[x], µB[y])
b. Operator OR
Operator ini berhubungan dengan operasi union pada himpunan. -predikat sebagai
hasil operasi dengan operator OR diperoleh dengna mengambil nilai keanggotaan
terbesar antar elemen pada himpunan-himpunan yang bersangkutan.
c. Operator NOT
Operator ini berhubungan dengan operasi komplemen pada himpunan -predikat
sebagai hasil operasi dengan operator NOT diperoleh dengan mengurangkan nilai
keanggotaan elemen pada himpunan yang bersangkutan dari satu
µA’ = 1 - µA[x]
(Kusumadewi dan Hartati, 2006).
1.7.3. Fibonacci
Pada pasar forex, rasio Fibonacci digunakan untuk menentukan posisi pembukaan dan
posisi penutupan untuk suatu perdagangan. Rasio yang digunakan adalah 38.2%, 50%,
61.8%, 78.6%, 100%, 127%, 161.8%, 200%, 261.8%.
(a) (b)
Gambar 1.2 Sinyal beli (a) dan sinyal jual (b)
Sinyal beli terjadi ketika harga bergerak naik dari titik A menuju titik B
kemudian retrace hingga titik C sesuai level Fibonacci. Sinyal jual terjadi ketika harga
begerak turun dari titik A menuju titik B kemudian retrace hingga titik C sesuai level
Fibonacci.
Grafik di atas menunjukkan adanya sinyal beli. Perdagangan forex dimulai
pada titik C dan ditutup pada titik D. Posisi titik C dan titik D dapat dihitung dengan
persamaan di bawah ini:
Tabel 1.1. Persamaan untuk posisi titik C dan D
Target Fibonacci Persamaan titik C dan D
38.2% B - (B-A) * 0.382 = C
50% B - (B-A) * 0.5 = C
61.8% B - (B-A) * 0.618 = C
78.6% B - (B-A) * 0.786 = C
100% (B-A) * 1 + A = D
127% (B-A) * 1.27 + A = D
161.8% (B-A) * 1.618 + A = D
200% (B-A) * 2 + A = D
261.8% (B-A) * 2.618 + A = D
(Martinez, Jared F, 2007).
Posisi titik C dan titik D dapat ditentukan dengan metode lain. Candlestick merupakan
metode yang sangant sesuai digabungkan dengan Fibonacci (Fischer dan Fischer,
2003).
1.7.4. Analisis Candlestick
Candlestick bekerja berdasarkan harga pembukaan, harga tertinggi, harga terendah
dan harga penutupan. Diagram ini mampu mengidentifikasi momentum perubahan
harga dengan membandingkan harga pembukaan dan harga penutupan (Fischer dan
Fischer, 2003).
Pola candlestick yang digunakan sebagai analisis teknikal pada penelitian ini
adalah bullish/bearish engulfing candle, piercing line, dark cloud cover dan
bullish/bearish harami.
a. Bullish Engulfing Candle
Bullish engulfing candle terdiri atas dua candle dengan warna yang berlawanan.
Candle pertama berwarna hitam dan candle kedua berwarna putih. Candle kedua
“menelan” candle pertama, harga pembukaan candle kedua lebih rendah dari harga
penutupan candle pertama dan harga penutupan candle kedua lebih tinggi dari harga
pembukaan candle pertama.. Pola ini menandakan bahwa harga akan mengalami
peningkatan yang artinya sinyal beli.
b. Piercing Line
Pola piercing line terjadi pada trend yang mengalami downtrend. Candle pertama
berwarna hitam dan menunjukkan trend yang sedang terjadi. Candle kedua
mempunyai harga pembukaan lebih rendah harga terendah pada candle sebelumnya
dan harga penutupannya di atas setengah real body candle sebelumnya. Pola ini
menandakan bahwa harga akan mengalami peningkatan yang artinya sinyal beli.
c. Bullish Harami
Bullish harami terjadi pada trend yang mengalami downtrend. Pola ini berkebalikan
dengan bullish engulfing candle. Bullish harami diawali dengan candle pertama yang
memiliki real body yang panjang dan candle ini menunjukkan trend yang sedang
terjadi. Candle kedua memiliki real body yang kecil dan real body ini berada di dalam
real body candle sebelumnya. Pola ini menandakan sinyal beli.
d. Bearish Engulfing Candle
Bearish engulfing candle terdiri atas dua candle dengan warna yang berlawanan.
Candle pertama berwarna putih dan candle kedua berwarna hitam. Candle kedua
“menelan” candle pertama, harga pembukaan candle kedua lebih tinggi dari harga
pembukaan candle pertama.. Pola ini menandakan bahwa harga akan mengalami
penurunan yang berarti sinyal jual.
e. Dark Cloud
Pola dark cloud cover terjadi pada trend yang mengalami uptrend. Pola ini diawali
dengan candle putih yang memiliki real body yang panjang dan candle ini mengikuti
trend yang sedang terjadi. Candle kedua berwarna hitam dengan harga pembukaan
lebih tinggi dari harga tertinggi pada candle sebelumnya dan harga penutupannya di
bawah setengah real body candle sebelumnya. Pola ini menandakan bahwa harga akan
mengalami penurunan yang berarti bahwa sinyal jual
f. Bearish Harami
Bearish harami terjadi pada trend yang mengalami uptrend. Pola ini berkebalikan
dengan bearish engulfing candle. Bearish harami diawali dengan candle pertama yang
memiliki real body yang panjang dan candle ini menunjukkan trend yang sedang
terjadi. Candle kedua memiliki real body yang kecil dan real body ini berada di dalam
real body candle sebelumnya. Pola ini menunjukkan sinyal jual
1.8. Metode Penelitian
Langkah-langkah dalam pengerjaan skripsi:
a. Studi Literatur. Penulisan ini dimulai dengan studi kepustakaan yaitu
mengumpulkan bahan-bahan referensi mengenai perdagangan forex, Metode
Fibonacci, Metode Candlestick, fuzzy logic dari berbagai sumber.
b. Analisis masalah. Pada tahap ini akan dianalisa bagaimana menentukan posisi beli
maupun jual menggunakan metode Fibonacci dan candlestick serta bagaimana
menentukan keakuratan pola candlestick yang muncul dengan fuzzy logic.
c. Perancangan Sistem. Pada tahap ini dilakukan pembuatan diagram konteks, DFD,
perancangan data, perancangan antarmuka, dan perancangan prosedural sistem.
d. Pengkodean. Pada tahap ini sistem yang telah dirancang kemudian
diimplementasikan kedalam bahasa pemrograman.
e. Pengujian. Pada tahap ini dilakukan pengujian program dan mencari kesalahan
f. Penyusunan laporan dan kesimpulan akhir. Menyusun laporan hasil analisis dan
perancangan ke dalam format penulisan tugas akhir dengan disertai kesimpulan
akhir.
BAB 2
LANDASAN TEORI
2.1 Fuzzy logic
Fuzzy logic merupakan suatu sistem cerdas yang digunakan untuk merepresentasikan
ketidakpastian sesuai dengan cara manusia berfikir dan mengambil kesimpulan. Fuzzy
logic secara matematis pertama kali diperkenalkan oleh Lotfi A. Zadeh (Suyanto,
2006).
2.1.1. Himpunan Fuzzy
Himpunan fuzzy merupakan superset dari himpunan konvensional. Pada himpunan
fuzzy derajat keanggotaan berada diantara 0 dan 1. Derajat keanggotaan yang bernilai
1 menyatakan keanggotaan penuh, sedangkan derajat keanggotaan yang bernilai 0
menyatakan bukan anggota sama sekali. Pada himpunan fuzzy dapat terjadi
keanggotaan yang bersifat parsial (Ibrahim, 2003).
Pada himpunan konvensional, himpunan memiliki batasan yang kaku. Sebagai
contoh, suatu himpunan konvensional didefinisikan sebagai
A = {x | x > 6}
ada batasan yang jelas yaitu 6 sehingga jika x lebih besar dari 6 maka x anggota
himpunan A dan jika sebaliknya maka x bukan anggota himpnan A. Berlawanan
dengan himpunan konvensional, himpunan fuzzy merupakan suatu himpunan tanpa
anggota himpunan” terjadi secara bertahap dan transisi ini diimplementasikan dengan
fungsi keanggotaan.
Secara matematis suatu himpunan fuzzy A dalam semesta X dapat dinyatakan
sebagai himpunan pasangan terurut
A={(x, µA(x)) | x ∈ X }
di mana µA adalah fungsi keanggotaan dari himpunan fuzzy A yang merupakan suatu
pemetaan dari himpunan semesta X ke interval tertutup [0,1] (Ibrahim, 2003).
Perbedaan himpunan fuzzy dan himpunan konvensional terlihat pada gambar 2.1
Gambar 2.1. Himpunan konvensional dan himpunan fuzzy
Pada gambar diatas ada tiga himpunan yaitu poors, averages dan richs dalam
himpunan semesta kekayaan. Pada himpunan konvensional terlihat batasan kaku
antara poors, averages dan richs. Pada himpunan fuzzy tidak ada batasan yang kaku,
seseorang dapat menjadi anggota himpunan poors dengan derajat keanggotaan 0.1
sekaligus menjadi anggota himpunan averages dengan derajat keanggotaan 0.7.
Keunggulan utama dari fuzzy logic adalah kemampuannya mengolah ekspresi
kata atau kalimat menggantikan nilai-nilai numeris. Ekspresi tersebut dikenal dengan
istilah variabel linguistik. Sebagai contoh, variabel fuzzy kecepatan dapat dibagi
menjadi tiga variabel linguistik yaitu lambat, sedang dan cepat. Setiap variabel
lingustik dinyatakan dalam fungsi keanggotaan dalam semesta pembicaraan. Nilai dari
fungsi keanggotaan bervariasi antara 0 dan 1. Bentuk kurva fungsi keanggotaan juga
bervariasi seperti bentuk kurva segitiga, kurva bahu atau sigmoid. Tidak ada aturan
pasti yang mengatur pemilihan bentuk kurva, namun keakuratan hasil yang dihasilkan
dari sistem fuzzy berkaitan erat dengan kesesuaian kurva yang dipilih untuk mewakili
Gambar 2.2. Bagian dari fuzzy logic
Dalam sistem fuzzy ada beberapa istilah yang perlu diketahui untuk dapat
memahami sitem, yaitu:
1. Variabel fuzzy
Variabel fuzzy merupakan variabel yang akan dibahas dalam suatu sistem fuzzy.
Contoh: kecepatan.
2. Himpunan fuzzy
Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau keadaan
tertentu dalam suatu variabel fuzzy. Contoh: Pada variabel fuzzy kecepatan dapat
dibagi menjadi tiga himpunan fuzzy yaitu lambat, menengah dan cepat
3. Semesta pembicaraan (universe of discourse)
Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk
dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan
himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri
ke kanan. Nilai semesta pembicaraan dapat berupa bilangan positif maupun
negatif. Adakalanya nilai semesta pembicaraan ini tidak ada batas atasnya. Contoh:
Semesta pembicaraan untuk variabel fuzzy kecepatan [0 120]
4. Domain
Domain himpunan fuzzy adalah keseluruhan nilai yang diijinkan dalam semesta
pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy. Seperti halnya
semesta pembicaraan, domain merupakan himpunan bilangan real yang senantiasa
naik (bertambah) secara monoton dari kiri ke kanan. Nilai domain dapat berupa
bilangan positif dan negatif. Contoh: Domain himpunan fuzzy untuk menengah [40
80]
Setiap variabel linguistik diasosiasikan dengan himpunan fuzzy yang masing-masing
memiliki fungsi keanggotaan yang telah didefinisikan. Fungsi keanggotaan adalah
suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai
keanggotaannya. Salah satu cara yang dapat digunakan untuk mendapatkan nilai
keanggotaan adalah dengan pendekatan fungsi
Terdapat banyak fungsi yang dapat digunakan untuk memetakan titik-titik
input ke dalam nilai keanggotannya. Beberapa diantaranya adalah triangular
membership function, trapezoid membership function, gaussian membership function
dan generalized bell membership function (Surbakti, 2006).
Gambar 2.3. Berbagai jenis fungsi keanggotaan
2.1.3. Operator Himpunan Fuzzy
Seperti halnya himpunan konvensional, ada beberapa operasi yang didefinisikan
secara khusus untuk mengkombinasikan dan memodifikasi himpunan fuzzy. Nilai
keanggotaan sebagai hasil dari operasi dua himpunan sering dikenal dengan nama fire
strength atau -predikat. Ada tiga operator dasar yang diciptakan oleh Zadeh, yaitu:
a. Operator AND
Operator ini berhubungan dengan operasi interseksi pada himpunan. -predikat
sebagai hasil operasi dengan operator AND diperoleh dengan mengambil nilai
keanggotaan terkecil antar elemen pada himpunan-himpunan yang bersangkutan.
µA B[x]=min(µA[x], µB[y])
Operator ini berhubungan dengan operasi union pada himpunan. -predikat sebagai
hasil operasi dengan operator OR diperoleh dengna mengambil nilai keanggotaan
terbesar antar elemen pada himpunan-himpunan yang bersangkutan.
µAUB[x]=max(µA[x], µB[y])
c. Operator NOT
Operator ini berhubungan dengan operasi komplemen pada himpunan -predikat
sebagai hasil operasi dengan operator NOT diperoleh dengan mengurangkan nilai
keanggotaan elemen pada himpunan yang bersangkutan dari satu
µA’ = 1 - µA[x]
(Kusumadewi dan Hartati, 2006).
2.1.4. Aturan Fuzzy
Penalaran pada fuzzy menggunakan aturan fuzzy yang berbentuk IF-THEN. Aturan
fuzzy terdiri atas dua bagian antaseden atau premis dan konsekuen atau konklusi.
Bentuk aturan fuzzy adalah sebagai berikut:
IF x is A THEN y is B
(x is A) adalah antaseden atau premis dan (y is B) adalah konsekuen atau konklusi. A
dan B adalah variabel linguistik yang terdefinisi dalam himpunan fuzzy pada semesta
X dan Y (Jang dan Sun, 1995). Aturan fuzzy sering didapati dalam kehidupan
sehari-hari, misalnya:
a. JIKA tekanan besar MAKA volume kecil
b. JIKA permintaan tinggi MAKA harga naik
c. JIKA jalanan licin MAKA mengemudi berbahaya.
2.1.5. Fuzzy Inference System
Fuzzy Inference System merupakan suatu kerangka komputasi yang didasarkan teori
himpunan fuzzy, aturan fuzzy berbentuk if...then dan penalaran fuzzy. Mekanisme
dengan situasi terkini berdasarkan data yang dimasukkan dan (2) menggambarkan
kesimpulan berdasarkan data masukan dan informasi pada rule-base.
Gambar 2.4 menunjukkan fuzzy inference system, terlihat bahwa fuzzy
inference system terdiri atas lima blok yaitu rule-base yang berisi aturan fuzzy if-then,
database yang menetapkan fungsi keanggotaan untuk himpunan fuzzy yang digunakan
pada aturan fuzzy, decision making unit yang melakukan operasi inferensi pada aturan,
fuzzification interface yang merubah input crisp menjadi fuzzy dengan derajat
keanggotannya dan defuzzification interface yang merubah hasil sistem inferensi yang
berupa fuzzy menjadi crisp sebagai keluaran terakhir. Berikut ini akan dijelaskan lebih
rinci untuk masing-masing proses pada fuzzy inference system
Gambar 2.4. Fuzzy Inference System
Fuzzification
Pada fuzzification, nilai masukan crisp dikonversi menjadi nilai fuzzy. Nilai crisp yang
dimasukkan akan disesuaikan dengan variable linguistik sesuai dengan derajat
keanggotaannya berdasarkan fungsi keanggotaan yang telah ditetapkan
Gambar 2.5. Fuzzification untuk masukan crisp menjadi fuzzy
Decision making unit melakukan operasi inferensi pada aturan fuzzy. Nilai fuzzy dalam
aturan fuzzy digabungkan dengan operator penghubung seperti interseksi (AND),
union (OR) atau komplemen (NOT). Hasil operasi dari dua nilai fuzzy dalam derajat
keanggotaan disebut fire strength atau -predikat. Fire strength menggambarkan
kekuatan aturan fuzzy yang telah dibentuk untuk dibangkitkan.
Defuzzification
Defuzzifikasi merupakan proses akhir dari sistem fuzzy. Pada defuzzifikasi akan
dilakukan konversi dari hasil fuzzy yang dihasilkan pada proses inferensi menjadi hasil
crisp. Ada beberapa metode defuzzfikasi yang dapat digunakan, diantaranya rata-rata
terbobot. Metode ini menggabungkan konsekuen pada aturan fuzzy dengan keluaran
pada sistem inferensi berdasarkan rumus
dimana n merupakan jumlah aturan fuzzy, µi merupakan fire strength untuk aturan ke-i
dan Zi merupakan hasil inferensi aturan ke-i.
Ada beberapa metode inferensi yang dapat digunakan diantaranya adalah
sistem inferensi metode tsukamoto. Sistem inferensi menggunakan metode tsukamoto
memiliki karakteristik yaitu konsekuen direpresentasikan dalam fungsi yang monoton.
Sebagai hasilnya, output hasil inferensi dari tiap-tiap aturan diberikan secara tegas
(crisp) berdasarkan -predikat (fire strength). Hasil akhirnya diperoleh dengan
Gambar 2.6. Inferensi fuzzy model Tsukamoto
2.1.6. Keunggulan Fuzzy logic
Ada beberapa alasan mengapa orang menggunakan fuzzy logic, antara lain:
1. Konsep fuzzy logic mudah dimengerti. Konsep matematis yang mendasari
penalaran fuzzy sangat sederhana dan mudah dimengerti.
2. Fuzzy logic sangat fleksibel.
3. Fuzzy logic memiliki toleransi terhadap data-data yang tidak tepat.
4. Fuzzy logic mampu memodelkan fungsi-fungsi nonlinear yang sangat kompleks.
5. Fuzzy logic dapat membangun dan mengaplikasikan pengalaman-pengalaman
para pakar secara langsung tanpa harus melalui proses pelatihan.
6. Fuzzy logic dapat bekerjasama dengan teknik-teknik kendali secara konvensional.
7. Fuzzy logic didasarkan pada bahasa alami.
8. Sangat mudah digabungkan dengan teknologi lain, misalnya algoritma genetika,
jaringan saraf.
2.2 Forex
Forex merupakan singkatan dari foreign exchange atau dikenal juga dengan valuta
memperdagangkan mata uang suatu negara terhadap mata uang negara lainnya yang
melibatkan pasar internasional.
Nilai transaksi pada pasar forex dapat mencapai $USD 2 triliun per harinya.
Dengan demikian prospek investasi pada perdagangan forex sangat menjanjikan,
disamping itu pergerakan harga forex sulit untuk dipermainkan oleh kalangan tertentu,
karena perputarannya yang sangat cepat.
Forex menjadi alternatif investasi yang populer karena profit yang dapat
diperoleh melebihi rata-rata perdagangan pada umumnya (berkisar 5% - 20% per
bulan, bahkan dapat mencapai lebih dari 100% per bulan). Namun demikian forex
juga memiliki resiko yang tinggi karena perputaran uang di dalamnya yang sangat
cepat.
Tidak semua mata uang diperdagangkan pada pasar forex, hanya mata uang
tertentu yang diperdagangkan seperti USD (US Dollar), JPY (Yen Jepang), GBP
(Great Britain Poundsterling), EUR (Euro), CHF (Swiss franc) dan AUD (Australian
Dollar).
2.3 Analisis Teknikal
Analisis teknikal merupakan suatu metode yang dapat digunakan untuk memprediksi
pergerakan harga dan trend pasar yang akan datang dengan menganalisa grafik pasar
masa lalu. Alat utama untuk analisis teknikal adalah grafik. Grafik menggambarkan
perubahan harga mata uang berdasarkan transaksi-transaksi yang terjadi pada masa
lalu. Berdasarkan perubahan ini dapat diperoleh pola-pola pergerakan harga mata
uang terhadap mata uang lainnya. Pola-pola inilah yang digunakan untuk menentukan
pergerakan harga yang akan datang, karena menurut analisis teknikal pergerakan
harga mata uang akan mengikuti pola pergerakan yang telah terjadi di masa lalu.
Sementara analisis fundamental percaya bahwa pergerakan harga mata uang
dipengaruhi oleh faktor-faktor fundamental seperti ekonomi, politik dan moneter
negara yang bersangkutan. Pada kesempatan ini penulis akan menggunakan analisis
teknikal untuk memprediksi pergerakan harga mata uang yang akan datang karena
analisis teknikal mudah untuk dikomputasi dan analisis teknikal berlaku untuk semua
grafik mata uang.
Analisis teknikal menggunakan beberapa indikator untuk memprediksi
1. Open : merupakan harga pembukaan suatu mata uang pada selang waktu
tertentu
2. High : merupakan harga tertinggi suatu mata uang pada selang waktu tertentu
3. Low : merupakan harga terendah suatu mata uang pada selang waktu tertentu
4. Close : merupakan harga penutupan suatu mata uang pada selang waktu tertentu
5. Volume : merupakan jumlah mata uang yang diperdagangkan pada selang waktu
tertentu
Berbagai analisis teknikal telah dikembangkan untuk memprediksi pergerakan
harga forex, diantaranya adalah Relative Strength Index (RSI), Stochastic Oschilator,
Simple Moving Average, Fibonacci, Candlestick. Analisis Fibonacci menggunakan
perbandingan bilangan Fibonacci untuk menentukan pergerakan harga forex (Marshall
dan Moubray, 2005). Analisis dengan Fibonacci akan semakin akurat jika
digabungkan dengan analisis lainnya yaitu candlstick (Fischer dan Fischer, 2003). Dua
analisis ini yaitu, Fibonacci dan Candlestick akan digunakan untuk memprediksi
pergerakan harga forex.
2.4 Analisis Fibonacci
Bilangan fibonacci diperkenalkan oleh Leonardo Fibonacci, seorang saudagar yang
sangat terkenal di Eropa karena kejeniusannya. Berikut ini adalah deret fibonacci:
1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233, ...
Bilangan berikutnya diperoleh dengan menjumlahkan dua bilangan sebelumnya.
Perbandingan bilangan-bilangan fibonacci ini menjadi dasar untuk memprediksi
pergerakan harga pasar.
2.4.1 Leonardo Fibonacci
Leonardo de Pisa de Fibonacci (1170 - 1250) adalah seorang matematikawan Italia
yang dikenal sebagai penemu bilangannya Fibonacci. Ayahnya,Guilielmo, memimpin
sebuah pos perdagangan untuk Republik Pisa di Bugia, Afrika Utara. Leonardo ikut
bersama ayahnya dan di sana ia mulai mempelajari matematika.
Fibonacci mempelajari sistem bilangan arab yang dilihatnya lebih efisien.
Fibonacci kemudian berkelana ke penjuru daerah Mediterania untuk belajar kepada
matematikawan Arab yang terkenal mada masa itu, dan baru pulang kembali sekitar
buku Liber Abaci, atau Buku Perhitungan. Buku ini menunjukkan kepraktisan sistem
bilangan Arab dengan cara menerapkannya ke dalam pembukuan dagang, konversi
berbagai ukuran dan berat, perhitungan bunga, pertukaran uang dan berbagai aplikasi
lainnya. Buku ini disambut baik oleh kaum terpelajar Eropa, dan menghasilkan
dampak yang penting kepada pemikiran Eropa, meski penggunaannya baru
menyebarluas setelah ditemukannya percetakan sekitar tiga abad berikutnya
(Martinez, 2007).
2.4.2 Perbandingan Fibonacci
Perbandingan Fibonacci merupakan perbandingan bilanga-bilangan fibonacci yang
digunakan untuk memprediksi arah pergerakan pasar forex. Perbandingan fibonacci
yang digunakan adalah 0.236, 0.382, 0.50, 0.782, 1.00, 1.27, 1.618, 2.00 dan 2.618.
Untuk menentukan posisi open akan digunakan perbandingan bilangan
fibonacci 0.236, 0.382, 0.50 dan 0.782. Dan untuk posisi close digunakan
perbandingan bilangan fibonacci 1.00, 1.27, 1.618, 2.00 dan 2.618.
2.4.3 Fibonacci dan Pergerakan pasar
Pada pasar forex, rasio Fibonacci digunakan untuk menentukan posisi pembukaan dan
posisi penutupan untuk suatu perdagangan.
(a) (b)
Gambar 2.7 Sinyal beli (a) dan sinyal jual (b)
Sinyal beli terjadi ketika harga bergerak naik dari titik A menuju titik B
kemudian retrace hingga titik C sesuai level Fibonacci. Sinyal jual terjadi ketika
harga begerak turun dari titik A menuju titik B kemudian retrace hingga titik C sesuai
Gambar 2.8. Level Fibonacci
Grafik di atas menunjukkan adanya sinyal beli. Perdagangan forex dimulai
pada titik C dan ditutup pada titik D. Posisi titik C dan titik D dapat dihitung dengan
persamaan di bawah ini:
Tabel 2.1. Persamaan untuk posisi titik C dan D
Target Fibonacci Persamaan titik C dan D
23.6% B - (B-A) * 0.236 = C
38.2% B - (B-A) * 0.382 = C
50% B - (B-A) * 0.5 = C
61.8% B - (B-A) * 0.618 = C
78.6% B - (B-A) * 0.786 = C
100% (B-A) * 1 + A = D
127% (B-A) * 1.27 + A = D
161.8% (B-A) * 1.618 + A = D
200% (B-A) * 2 + A = D
261.8% (B-A) * 2.618 + A = D
Posisi titik C dan titik D dapat ditentukan dengan metode lain. Candlestick
merupakan metode yang sangant sesuai digabungkan dengan Fibonacci (Fischer dan
Fischer, 2003).
Gambar 2.9. Perbandingan Fibonacci pada pergerakan pasar forex
2.5 Analisis Candlestick
Analisis Candlestick merupakan salah satu teknik analisis teknikal yang banyak
digunakan dan akan terus digunakan karena efektif untuk segala analisis pasar pada
semua interval waktu. Teori Candlestick mengasumsikan bahwa trend pasar dapat
diprediksi dengan mengidentifikasi pola-pola candle tertentu pada grafik Candlestick
(Fischer dan Fischer, 2003).
2.5.1 Sejarah Candlestick
Salah satu orang yang paling terkenal yang menggunakan data-data masa lalu untuk
memprediksi pergerakan harga yang akan datang adalah Munehisa Homma. Dia
mengumpulkan data-data perdagangan yang memberikan keuntungan dari pasar beras
selama tahun 1700-an.
Munehisa Homma lahir pada tahun 1724. Ia terlahir dari keluarga hartawan.
kemudian memulai perdagangan beras di kota Sakata. Ketika ayah Munehisa Homma
meninggal, Homma dipercayakan untuk mengelola asset keluarga meskipun ia masih
sangat muda. Homma kemudian mulai melakukan perdagangan pada pasar beras yang
lebih besar, Dojima Rice Exchange di Osaka.
Homma mengumpulkan berbagai informasi mengenai pasar beras, ia juga
mengumpulkan informasi mengenai kondisi cuaca selama satu tahunan. Ini ia lakukan
untuk mempelajari psikologi para investor, ia juga menganalisa harga beras pada masa
lalu.
Setelah mendominasi pasar di Osaka, Homma mulai berdagang di pasar
regional Edo (sekarang disebut Tokyo). Ia menggunakan wawasannya untuk
menghasilkan kekayaan. Disebutkan bahwa Homma mampu mengendalikan pasar
beras, ketika panen beras di Sakata (asal Homma) bagus, maka harga beras di Dojima
Rice Exchange jatuh dan harga beras di Edo anjlok.
Pada tahun berikutnya Homma menjadi konsultan keuangan untuk
pemerintah. Ia meninggal pada tahun 1803. Dasar-dasar perdagangannya yang telah di
terapkan pada pasar beras, berkembang menjadi metodologi candlestick yang
sekarang ini digunakan (Nison, 1991).
2.5.2 Dasar Candlestick
Candlestick merupakan analisis yang banyak digunakan karena grafik Candlestick
memberikan tampilan pasar secara visual. Investor dapat dengan mengetahui harga
pembukaan, harga penutupan, harga tertinggi dan harga terendah. Investor juga dapat
dengan mudah mengetahui apakah dalam interval waktu tertentu terjadi bullish atau
bearish. Berikut ini merupakan gambar candlestick yang menunjukkan bullish dan
bearish.
Gambar 2.10. Candle yang menunjukkan bullish (a) dan bearish (b)
Bagian tengah candle disebut real body. Real body menunjukkan perbedaan
harga antara pembukaan dan penutupan. Jika harga pembukaan lebih rendah dari
harga penutupan (bullish) maka real body berwarna putih (Gambar 2.10. a), jika harga
pembukaan lebih tinggi dari harga penutupan (bearish) maka real body berwarna
hitam (Gambar 2.10. b).
Garis yang berada di bawah dan diatas real body disebut shadow. Shadow
menunjukkan harga ekstrim. Shadow di atas real body disebut upper shadow, ini
menunjukkan harga tertinggi pada interval waktu tertentu. Shadow di bawah real body
disebut lower shadow, ini menunjukkan harga terendah pada interval waktu tertentu.
Jika suatu candle tidak memiliki upper shadow maka ia disebut shaven head dan jika
suatu candle tidak memiliki lower shadow maka ia disebut shaven buttom.
2.5.3 Pola-Pola Candlestick
Nilai forex dalam perdagangan mengalami fluktuasi, naik dan turun. Trader yang
memulai perdagangannya dengan open buy berharap nilai forex mengalami bullish
yaitu meningkat sehingga pada akhir perdagangan akan ditutup dengan menjual forex
dengan harga yang lebih tinggi. Sebaliknya trader yang memulai perdagangannya
dengan open sell berharap nilai forex mengalami bearish yaitu menurun sehingga
pada akhir perdagangan akan ditutup dengan membeli forex dengan harga yang lebih
rendah.
Arah pergerakan pasar, bullish atau bearish, dapat dilihat dari pola-pola
candlestick yang muncul. Pola-pola candlestick tersusun atas satu atau kombinasi dari
beberapa candle. Dalam penelitian ini penulis akan menggunakan pola candlestick
yang tersusun atas dua candle. Untuk mengidentifikasi terjadinya bullish akan
digunakan tiga pola yaitu bullish engulfing candle, piercing line dan bullish harami.
Dan untuk mengidentifikasi terjadinya bearish akan digunakan tiga pola juga yaitu
bearish engulfing candle, dark cloud cover dan bearish harami. Berikut ini penjelasan
untuk masing-masing pola:
1. Bullish engulfing candle
Bullish engulfing candle terdiri atas dua candle dengan warna yang berlawanan.
“menelan” candle pertama, harga pembukaan candle kedua lebih rendah dari harga
penutupan candle pertama dan harga penutupan candle kedua lebih tinggi dari harga
pembukaan candle pertama. Ada empat kriteria yang menunjukkan pola bullish
engulfing candle, yaitu:
a. Trend pasar adalah downtrend (menurun)
b. Candle kedua harus “menelan” candle pertama
c. Warna candle pertama yaitu hitam menunjukkan trend yang sedang terjadi yaitu
downtrend.
d. warna candle kedua berlawanan dengan candle pertama
Candle pertama mempunyai real body yang kecil sementara candle kedua mempunyai
real body yang panjang, ini menunjukkan kekuatan trend sebelumnya semakin
melemah dan perubahan trend ke arah yang sebaliknya semakin menguat.
Gambar 2.11. Bullish engulfing candle
2. Piercing Line
Pola piercing line terjadi pada trend yang mengalami downtrend. Candle pertama
berwarna hitam dan menunjukkan trend yang sedang terjadi. Candle kedua
mempunyai harga pembukaan lebih rendah harga terendah pada candle sebelumnya
dan harga penutupannya di atas setengah real body candle sebelumnya. Ada tiga
kriteria yang menunjukkan pola piercing line, yaitu:
a. Candle pertama berwarna hitam dengan real body yang panjang dan candle ini
b. Candle kedua berwarna putih dengan harga pembukaan yang lebih rendah dari
harga terendah pada candle sebelumnya.
c. Harga penutupan candle kedua di atas setengah candle sebelumnya.
Candle pertama berwarna hitam dengan real body yang panjang melanjutkan
terjadinya downtrend. Candle kedua memiliki harga pembukaan lebih rendah dari
harga terendah pada candle sebelumnya. Sinyal ini menunjukkan bahwa downtrend
akan berakhir dan diperkuat dengan harga penutupan candle kedua berada di atas
setengah candle pertama.
Gambar 2.12. Piercing line
3. Bullish Harami
Bullish harami terjadi pada trend yang mengalami downtrend. Pola ini berkebalikan
dengan bullish engulfing candle. Bullish harami diawali dengan candle pertama yang
memiliki real body yang panjang dan candle ini menunjukkan trend yang sedang
terjadi. Candle kedua memiliki real body yang kecil dan real body ini berada di dalam
real body candle sebelumnya. Ada tiga kriteria yang menunjukkan pola bullish
harami, yaitu:
a. Candle pertama mempunyai real body yang panjang dan menunjukan trend yang
sedang terjadi yaitu downtrend.
b. Candle kedua memiliki real body yang kecil dan berada diantara rentang body dari
candle sebelumnya.
Gambar 2.13. Bullish harami
4. Bearish Engulfing Candle
Bearish engulfing candle terdiri atas dua candle dengan warna yang berlawanan.
Candle pertama berwarna putih dan candle kedua berwarna hitam. Candle kedua
“menelan” candle pertama, harga pembukaan candle kedua lebih tinggi dari harga
penutupan candle pertama dan harga penutupan candle kedua lebih rendah dari harga
pembukaan candle pertama. Ada empat kriteria yang menunjukkan pola bearish
engulfing candle, yaitu:
a. Trend pasar adalah uptrend (menaik)
b. Candle kedua harus “menelan” candle pertama
c. Warna candle pertama yaitu putih menunjukkan trend yang sedang terjadi yaitu
uptrend.
d. warna candle kedua berlawanan dengan candle pertama
Candle pertama mempunyai real body yang kecil sementara candle kedua mempunyai
real body yang panjang, ini menunjukkan kekuatan trend sebelumnya semakin
Gambar 2.14. Bearish engulfing candle
5. Dark cluod Cover
Pola dark cloud cover terjadi pada trend yang mengalami uptrend. Pola ini diawali
dengan candle putih yang memiliki real body yang panjang dan candle ini mengikuti
trend yang sedang terjadi. Candle kedua berwarna hitam dengan harga pembukaan
lebih tinggi dari harga tertinggi pada candle sebelumnya dan harga penutupannya di
bawah setengah real body candle sebelumnya. Ada tiga kriteria yang menunjukkan
pola dark cloud cover, yaitu:
a. Candle pertama berwarna putih dengan real body yang panjang dan candle ini
melanjutkan trend yang sedang terjadi yaitu uptrend.
b. Candle kedua berwarna hitam dengan harga pembukaan yang lebih tinggi dari
harga tertinggi pada candle sebelumnya.
c. Harga penutupan candle kedua di bawah setengah candle sebelumnya.
Candle pertama berwarna putih dengan real body yang panjang melanjutkan
terjadinya uptrend. Candle kedua memiliki harga pembukaan lebih tinggi dari harga
tertinggi pada candle sebelumnya. Sinyal ini menunjukkan bahwa uptrend akan
berakhir. Sinyal ini diperkuat dengan harga penutupan candle kedua di bawah
Gambar 2.15. Dark cloud cover
6. Bearish Harami
Bearish harami terjadi pada trend yang mengalami uptrend. Pola ini berkebalikan
dengan bearish engulfing candle. Bearish harami diawali dengan candle pertama yang
memiliki real body yang panjang dan candle ini menunjukkan trend yang sedang
terjadi. Candle kedua memiliki real body yang kecil dan real body ini berada di dalam
real body candle sebelumnya. Ada tiga kriteria yang menunjukkan pola bearish
harami, yaitu:
a. Candle pertama mempunyai real body yang panjang dan menunjukan trend yang
sedang terjadi yaitu uptrend.
b. Candle kedua memiliki real body yang kecil dan berada diantara rentang body dari
candle sebelumnya.
Gambar 2.16. Bearish harami
2.6 Penelitian Terkait
Chiung-Hon Leon Lee dan Alan Liu telah melakukan penelitian mengenai sistem
pendukung keputusan keuangan menggunakan pola-pola candlestick yang diproses
dengan sistem fuzzy. Pada sistem ini, pengetahuan pakar mengenai pola candlestick
disimpan pada database. Trader dapat mengambil keputusan sendiri berdasarkan pola
candlestick yang telah diidentifikasi. Pengetahuan mengenai pola candlestick tersedia
pada sistem dan trader dapat merubah, melakukan validasi dan memberikan
BAB 3
ANALISIS DAN PERANCANGAN
3.1. Analisis Masalah
Dalam perkembangan saat ini terdapat banyak pilihan investasi, salah satunya adalah
investasi di bidang perdagangan forex. Pasar forex merupakan pasar terbesar dengan
nilai transaksi yang mencapai $USD 2 triliun per harinya. Banyak kalangan yang
terlibat di dalamnya diantaranya perusahaan-perusahaan bertaraf internasional,
bank-bank dunia ataupun investor-investor pribadi.
Banyaknya kalangan yang terlibat dalam perdagangan forex menjadikan perputaran
uang dalam pasar forex sangat cepat, sehingga harga forex menjadi sangat fluktuatif.
Harga yang sangat fluktuatif merupakan tantangan yang harus dihadapi para trader
yang terlibat dalam perdagangan forex.
Contoh kasus yang akan diangkat dalam penulisan skripsi ini adalah investasi dalam
perdagangan forex untuk mata uang USD/JPY. Trader harus menentukan interval
waktu, ‘awal’ dan ‘akhir’, yang sesuai dengan trend yang sedang terjadi. Sistem akan
melakukan pemeriksaan untuk menentukan trend dan interval harga. Jika trend yang
terjadi adalah uptrend maka interval harga diperoleh dari selisih antara harga tertinggi
pada waktu ‘akhir’ dan harga terendah pada waktu ‘awal’, namun jika trend yang
terjadi adalah downtrend maka interval harga diperoleh dari selisih antara harga
tertinggi pada waktu ‘awal’ dan harga terendah pada waktu ‘akhir’.
Pada contoh kasus ini akan digunakan interval waktu pada tanggal 13 juli 2010 pukul
14:50 sebagai waktu ‘awal’ dan 13 juli 2010 pukul 16:10 sebagai waktu ‘akhir’, garis
Gambar 3.1. Interval waktu perdagangan USD/JPY
3.2. Penyelesaian Masalah
Penyelesaian masalah diawali dengan mengidentifikasi interval waktu yang
dimasukkan oleh trader sebagai masukan. Pada kasus ini interval waktu yang
digunakan adalah 13 juli 2010 pukul 14.50 dan 13 juli 2010 pukul 16.10. Berdasarkan
interval waktu ini diperoleh bahwa trend yang terjadi adalah uptrend dan interval
harga yaitu selisih antara harga terendah di waktu ‘awal’ dan harga tertinggi di waktu
‘akhir’, yaitu 0.312.
Setelah mendapatkan trend dan interval, sistem akan mencari posisi open.
Berdasarkan trend terdapat dua kemungkinan posisi open, yaitu:
a. Jika trend adalah uptrend, maka sistem akan mencari posisi open buy.
b. Jika trend adalah downtrend, maka sistem akan mencari posisi open sell.
Pada kasus ini sistem akan mencari posisi open buy karena trend yang terjadi adalah
uptrend. Untuk mencari posisi open buy, sistem melakukan fuzifikasi, inferensi dan
menjalankan fungsi max yang menghasilkan posisi open buy. Jika sistem menemukan
posisi open buy maka secara otomatis sistem akan mengirim order open buy ke pasar
forex.
Selain mencari posisi open buy, sistem juga mencari posisi close sell, jika sistem
akan ditutup dan sistem tidak akan mencari posisi open buy lagi. Jika belum ada order
yang dilakukan sebelumnya maka trader harus memasukkan interval yang baru untuk
melakukan trading karena interval yang dimasukkan sebelumnya sudah tidak sesuai
dengan trend yang terjadi sekarang.
Selain berdasarkan posisi close, sistem dapat menutup order secara otomatis jika order
telah mencapai keuntungan yang diinginkan oleh trader yaitu take profit. Sistem juga
akan menutup order secara otomatis jika order menyentuh batas kerugian yang
dimasukkan oleh trader yaitu stop loss.
3.2.1. Basis Pengetahuan
Basis pengetahuan berisi aturan fuzzy yang berbentuk “if-then”. Pada penelitian ini
akan digunakan enam aturan fuzzy untuk mengidentifikasi keadaan pasar, yang secara
garis besar terbagi dua yaitu posisi buy dan posisi close. Untuk menentukan posisi buy
sistem akan memeriksa bahwa candle sebelumnya (cd0) adalah bearish dan candle
sekarang (cd1) adalah bullish dan sistem akan memeriksa bahwa selisih harga
pembukan dan penutupan cd0 dan cd1 lebih besar dari 0.002. Untuk menentukan
posisi sell sistem akan memeriksa bahwa cd0 adalah bullish dan cd1 adalah bearish
dan selisih harga pembukaan dan penutupan cd0 dan cd1 lebih besar dari 0.002. Tabel
3.1 menjelaskan basis pengetahuan. Aturan fuzzy yang digunakan adalah:
a. Bullish Engulfung Candle
IF fibo is high AND cd0.body is medium cd1.body AND cd1.open is low cd0.close
AND cd1.close is high cd0.open THEN buy.
b. Piercing Line
IF fibo is high AND cd0.body is long cd1.body AND cd1.open is low cd0.low AND
cd1.close is high cd0.close THEN buy.
c. Bullish Harami
IF fibo is high AND cd0.body is long cd1.body AND cd1.open is equal cd0.close
a b c d
0 1
d. Bearish Engulfung Candle
IF fibo is high AND cd0.body is medium cd1.body AND cd1.open is high cd0.close
AND cd1.close is low cd0.open THEN sell.
e. Dark Cloud Cover
IF fibo is high AND cd0.body is long cd1.body AND cd1.open is high cd0.high AND
cd1.close is low cd0.close THEN sell.
f. Bearish Harami
IF fibo is high AND cd0.body is long cd1.body AND cd1.open is equal cd0.close
AND cd1.close is equal cd0.open THEN sell
3.2.2. Fuzifikasi
Pada proses fuzifikasi sistem akan menerima masukan crisp dan mengubahnya
menjadi nilai fuzzy berdasarkan fungsi keanggotaan. Pada penelitian ini digunakan
empat belas fungsi keanggotaan untuk mendukung basis pengetahuan fuzzy. Fungsi
keanggotaan yang digunakan adalah:
a. Fungsi keanggotaan dengan kurva trapesium
Himpunan fuzzy yang menggunakan fungsi keanggotaan dengan kurva trapesiun
adalah himpunan fuzzy fibonacci untuk posisi open dan close untuk merepresentasikan
variabel lingistik high dan himpunan fuzzy body untuk merepresentasikan variabel
linguistik medium dan long. Tabel 3.2. menunjukkan titik-titik a, b, c dan d untuk
fungsi keanggotaan himpunan fuzzy dengan representasi kurva trapesium.
(a) (b)
Gambar 3.2. Kurva Trapesium (a), Fungsi keanggotaan (b)
Kriteria
cd0 bearish bearish bearish bullish bullish bullish
cd1 bullish bullish bullish bearish bearish bearish
selisih
cd0 : candle sebelumnya cd1 : candle sekarang fibo : harga fibonacci
cd0.body : perbandingan body cd0 terhadap cd1 cd1.open : harga pembukaan candle sekarang cd0.close : harga penutupan candle sebelumnya cd0.low : harga terendah candle sebelumnya cd0.high : harga tertinggi candle sebelumnya cd1.close : harga penutupan candle sekarang cd0.open : harga pembukaan candle sebelumnya
Himpunan Fuzzy Nilai a Nilai b Nilai c Nilai d Keterangan
Fibonacci Open i - 4 i - 2 i + 2 i + 4 i = 23.6, 38.3, 50, 61.8, 78.2
Fibonacci Close i - 8 i - 4 i + 4 i + 8 i = 100, 127, 161.8, 200, 261.8
Body Medium 0.10 0.25 0.75 0.90 nilai x adalah body0 / body1
Body Long 1.00 1.25 7.75 8.50 nilai x adalah body0 / body1
b. Fungsi keanggotaan dengan kurva linear naik
Himpunan fuzzy yang menggunakan fungsi keanggotaan dengan kurva linear naik
adalah himpunan fuzzy untuk menyatakan:
i. cd1.open is high cd0.open (OHC),
ii. cd1.open is high cd0.close (CHO),
iii. cd1.open is high cd0.close (OHH),
iv. cd1.close is high cd0.close (CHC).
Tabel 3.3 menunjukkan titik a dan b untuk fungsi keanggotaan himpunan fuzzy dengan
representasi kurva linear naik.
(a) (b)
Gambar 3.3. Kurva Linear Naik (a) dan Fungsi Keanggotaannya(b)
Tabel 3.3. Titik a dan b untuk representasi kurva linear naik
Himpunan Fuzzy Nilai a Nilai b
OHC cd0.close - 0.1*body0 cd0.close+0.25*body0
CHO cd0.open - 0.1*body0 cd0.open+0.25*body0
OHH cd0.high - 0.25*(cd0.high-cd0.close) cd0.high
CHC cd0.close cd0.close+0.5*body0
c. Fungsi Keanggotaan dengan Kurva Linear Turun
0 1
a b
0
(x-a) /
(b-1
a < x <=
Himpunan fuzzy yang menggunakan fungsi keanggotaan dengan kurva linear turun
adalah himpunan fuzzy untuk menyatakan:
i. cd1.open is low cd0.close (OLC),
ii. cd1.close is low cd0.open (CLO),
iii. cd1.open is low cd0.low (OLL),
iv. cd1.close is low cd0.close (CLC).
Tabel 3.4 menunjukkan titik a dan b untuk fungsi keanggotaan himpunan fuzzy dengan
representasi kurva linear turun
(a) (b)
Gambar 3.4. Kurva Linear Turun (a) dan Fungsi Keanggotaannya (b)
Tabel 3.4. Titik a dan b untuk representasi kurva linear turun
Himpunan Fuzzy Nilai a Nilai b
OLC cd0.close-0.25*body0 cd0.close+0.1*body0
CLO cd0.open-0.25*body0 cd0.open+0.1*body0
OLL cd0.low cd0.low+0.25*(cd0.close-cd0.low)
CLC cd0.close-0.5*body0 cd0.close
d. Representasi Kurva Secara Tegas (Crisp)
Himpunan yang fungsi keanggotaannya dinyatakan denngan fungsi yang tegas (crisp)
adalah
i. cd1.open is equal cd0.close (OEC),
ii. cd1.close is equal cd0.open (CEO).
0 1
a b
0
x) /
(b-1
a < x < b
(a) (b)
Gambar 3.5. Kurva Tegas (Crisp) (a) dan Fungsi Keanggotaannya (b)
Tabel 3.5. Titik a dan b untuk representasi kurva tegas
Himpunan Tegas Nilai a Nilai b Keterangan
OEC cd0.close cd0.open Bullish Harami
CEO cdo.close cd0.open Bullish Harami
OEC cd0.open cd0.close Bearish Harami
CEO cd0.open cdo.close Bearish Harami
Himpunan di atas menggunakan himpunan tegas karena untuk OEC dan CEO untuk
bullish harami, jika x < cd0.close atau x>cd0.open maka pola yang terjadi adalah
bullish engulfing candle. Untuk OEC dan CEO untuk bearish harami, jika x<cd0.open
atau x>cd0.close maka pola yang terjadi adalah bearish engulfing candle
3.2.3. Inferensi
Pada proses inferensi sistem akan melakukan penarikan kesimpulan. Fungsi MIN
digunakan untuk menentukan fire strength atau -predikat untuk setiap aturan.
Berdasarkan contoh kasus di atas, sistem akan melakukan penarikan kesimpulan untuk
tiga aturan yaitu bullish engulfing candle, piercing line dan bullish harami. Titik
pertama yang direkomendasikan sistem untuk posisi open buy. Berikut ini
penjelasannya:
R[1] Bullish Engulfung Candle
IF fibo is high AND cd0.body is medium cd1.body AND cd1.open is low
cd0.close AND cd1.close is high cd0.open THEN buy.
alfa[0] = MIN(0.296, 0.000, 1.000, 0.000)
alfa[0] = 0.296
R[2] Piercing Line
0
1 a <= x <= x<a atau x>
0 1
IF fibo is high AND cd0.body is long cd1.body AND cd1.open is low cd0.low
AND cd1.close is high cd0.close THEN buy.
alfa[1] = MIN(0.296, 0.457, 1.000, 1.000)
alfa[1] = 0.296
R[3] Bullish Harami
IF fibo is high AND cd0.body is long cd1.body AND cd1.open is equal
cd0.close AND cd1.close is equal cd0.open THEN buy
alfa[2] = MIN (0.296, 0.457, 1.000, 1.000)
alfa[2] = 0.296.
Himpunan fuzzy buy direpresentasikan dengan kurva linear naik dengan titik a dan b
adalah nol dan satu, dengan demikian nilai alfa yang dihasilkan adalah nilai crisp dari
masing-masing aturan.
Gambar 3.6. Fungsi keanggotaan untuk himpunan fuzzy buy dan sell
3.2.4. Defuzifikasi
Defuzifikasi merupakan proses penarikan kesimpulan menggunakan fungsi rata-rata
terbobot, berdasarkan nilai alfa dari proses inferensi. Pada kasus ini proses
defuzifikasi tidak dilakukan. Di akhir proses, sistem akan mencari aturan yang paling
kuat berdasarkan nilai alfa. Aturan yang paling kuat adalah aturan yang memiliki nilai
alfa paling tinggi. Nilai alfa tersebut akan menjadi keluaran akhir dari sistem fuzzy.
MAX(0.296, 0.296, 0.296) = 0.296
0 1
0 1
Nilai
Nilai 0
(x-a) /
(b-1
a < x <=
Gambar 3.7. Hasil akhir sistem fuzzy yang direkomendasikan kepada trader
3.3. Analisis Sistem
Analisis sistem merupakan aktivitas pembangunan model. Model dibuat untuk
menggambarkan muatan aliran informasi yang meliputi data dan kontrol. Analisis
sistem yang dilakukan pada penelitian ini dengan pemodelan fungsional menggunakan
Data Flow Diagram (DFD).
3.3.1. Pemodelan Fungsional
Pemodelan fungsional dengan Data Flow Diagram (DFD) bertujuan untuk
menggambarkan pembagian sistem ke modul yang lebih kecil. Analisis dengan DFD
dimulai dengan menggambarkan diagram konteks. Diagram konteks merupakan
diagram yang terdiri dari satu proses dan menggambarkan ruang lingkup dari suatu
sistem. Gambar 3.7. menunjukkan diagram konteks yang menggambarkan sistem
secara garis besar.
Gambar 3.8. Diagram konteks sistem forex P.0
Sistem Forex
Trader Pasar
awal,akhir profit,loss,
slippag,MN strategi
Proses yang terjadi pada diagram konteks di atas dijelaskan dengan menggunakan
spesifikasi proses pada tabel 3.6 berikut :
Tabel 3.6 Spesifikasi Proses Diagram Konteks Level 0
No / Nama Proses Input Keterangan Proses Output
Proses 0 / Sistem Forex
awal, akhir,
profit, loss,
slippage, MN
Pada proses ini sistem akan
menentukan strategi
perdagangan berdasarkan
data masukan
strategi
Dari Diagram Konteks diatas, Proses 0 dijabarkan menjadi proses yang lebih
kecil. Proses 0 dibagi menjadi 3 proses. Proses tersebut dapat dilihat pada gambar 3.8
DFD Level 1 dari Proses P.0. Berikut ini adalah uraian proses yang terjadi pada
program.
Gambar 3.9. DFD level 1 Proses 0
Pasar
open ,close, high, low open ,close,
high, low
high, low
