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
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 .
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.
A. PENDAHULUAN
Manusia mempunyai kebutuhan yang mutlak harus dipenuhi, karena itu manusia berusaha untuk memenuhi kebutuhan dengan berbagai macam cara. Salah satu usaha manusia adalah dengan bekerja atau istilah populernya adalah berbisnis. Bermacam- macam bisnis dilakoni untuk mendapatkan hal yang menjadi kebutuhan hidupnya.
Berkembangnya teknologi yang pesat memberikan fasilitas yang sangat memudahkan manusia untuk melakukan aktivitas tanpa susah payah. Salah satunya adalah media internet. Internet memudahkan untuk melakukan sesuatu tanpa perlu beranjak dari tempat duduk. Begitu juga dalam dunia bisnis, internet juga bisa dimanfaatkan untuk mengelola bisnis serta usaha dalam mendapatkan kebutuhan. Bisnis menggunakan internet biasa disebut dengan bisnis online.
Dunia bisnis online sekarang telah berkembang pesat dan sangatlah menarik perhatian semua orang untuk bersaing mendapatkan keuntungan yang besar dalam dunia bisnis ini.
Salah satunya adalah bisnis commodity online yang sedang marak diperbincangkan dalam dunia bisnis, karena commodity apalagi emas ini sering digunakan untuk sebuah strategi headging bagi para investor.
analisis teknikal menggunakan beberapa prinsip dasar yaitu pertama sejarah biasanya akan terulang lagi, sehingga pola pergerakan pasar pun dapat diketahui. Kedua, harga pasar mampu merefleksikan kondisi kejadian yang mempengaruhinya, baik secara internal maupun eksternal. Ketiga, harga pasar akan selalu mengikuti trend, baik trend naik maupun trend turun, sehingga harga saham pun akan sangat tergantung oleh isu. Secara ringkas studi teknikal kebanyakan studi dari aksi pasar yaitu efek yang ditimbulkan dari pergerakan pasar. Analisis yang digunakan oleh penulis dalam sistem pendukung keputusan untuk open position ini adalah analisis teknikal.
Banyak strategi dalam analisis teknikal yang digunakan dalam menjalankan commodity ini, pivot point adalah letak suatu level harga secara relatif terhadap situasi dan dinamika pasar yang terjadi, maka bisa menjadi suatu strategi yang cocok bagi semua tipe trading investor. Tetapi strategi menggunakan pivot point jarang digunakan karena investor kurang percaya diri dalam
menentukan strategi sehingga banyak investor menggunakan strategi orang lain yang terlalu rumit bahkan belum tentu cocok bagi investor itu sendiri. Sistem pendukung keputusan untuk open position pada commoditymarket berdasarkan pivot harian dengan naive bayes ini dapat dijadikan sebagai sistem untuk membantu mendukung pengambilan keputusan bagi para investor saat menentukan open position.
B. TINJAUAN PUSTAKA
sesuai dengan kriteria yang dimiliki. Penelitian ini menghasilkan sebuah sistem yang memberikan kemudahan bagi pengusaha yang ingin mencari tempat yang strategis untuk membuka rumah makan.
Yuliana (2010), meneliti tentang perubahan nilai indeks saham di Bursa Efek Indonesia (BEI) karena dipengaruhi oleh beberapa faktor makro ekonomi dalam negeri, antara lain inflasi, nilai tukar rupiah terhadap dollar dan suku bunga SBI (Sertifikat Bank Indonesia). Model Autoregresive Conditional Heteroscedasticity (ARCH) dengan sifat heteroskedastik Index Harga Saham Gabungan (IHSG) dapat menjadi pertimbangan dalam pengambilan keputusan dan kebijakan para pemegang saham. Hasil dari sistem ini berupa prediksi indeks harga saham gabungan dengan menggunakan Autogresive Conditional Heteroscedasticity (ARCH).
Dengan acuan penelitian diatas penulis membuat sebuah sistem pendukung keputusan untuk membantu para investor menentukan
open position pada pasar commodity online dengan menerapkan strategi pivot point dalam menentukan keputusan.
C. METODE PENELITIAN 1. Dokumetasi
Karena penulis menggunakan metode naive bayes, maka perlu data yang sangat banyak untuk menjalankan sistem ini. Pengumpulan data sebagai berkas dengan cara mengumpulkan riwayat trading sebanyak mungkin agar prediksi yang dikeluarkan sistem lebih mendekati kebenaran.
2. Waterfall
Metode waterfall seperti yang diilustrasikan pada Gambar 1.:
berurutan. Disebut dengan waterfall karena tahap demi tahap yang dilalui harus menunggu selesainya tahap sebelumnya dan berjalan berurutan.
Waterfall adalah suatu metodologi pengembangan perangkat lunak yang mengusulkan pendekatan kepada perangkat lunak sistematik dan sekuensial yang mulai pada tingkat kemajuan sistem pada seluruh analisis, design, kode, pengujian dan pemeliharaan.
(http://cisenaextreme99.blogspot.com /2013/06/metode-waterfall- menurut-pressman.html)
3. Naive Bayes
Menyusun struktur Naive bayes akan memudahkan dalam proses pengambilan keputusan. Persoalan yang akan diselesaikan, diuraikan menjadi unsur-unsur, yaitu: kriteria. Penilaian kriteria pada sistem pendukung keputusan ini dilakukan dengan metode langsung (direct), yaitu metode yang digunakan untuk memasukkan data kuantitatif.
Naive bayes Merupakan pengklasifikasian dengan metode probabilitas dan statistik (memprediksi peluang di masa depan
berdasarkan pengalaman di masa sebelumnya).
Tahapan Algoritma:
a) Pada sebuah dataset, setiap baris/dokumen diasumsika n sebagai vektor dari nilai- nila i atribut <x1,x2,...,x3> dimana tiap nilai- nilai menjadi peninjaua n atribut Xi (iЄ[1,n]))
b) Setiap baris mempunyai labe l kelas ci Є {c1,c2,…,ck} sebaga i
nilai variabel kelas C, sehingga untuk melakukan klasifikas i dapat dihitung nila i probabilitas p(C= ci|X= xj)
c) Dikarenakan pada naive bayes diasumsikan setiap atribut saling bebas, maka persamaan yang didapat adalah sebagai berikut : Peluang p(C=ci|X=xj) menunjukkan peluang bersyarat atribut Xi dengan nilai xi diberikan kelas c. Kelas C bertipe kualitatif sedangkan atribut Xi dapat bertipe kualitatif ataupun kuantitatif.
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) n = total responden
Skor (S) = ∑ (Jumlah Responden Pemilih Jawaban x Bobot Jawaban) P rosentase Interpretasi
(P) = Skor (S) x 100% …(3) SMax
Prosentase Interpretasi (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)
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 2. Halaman beranda website ii. Cara Penggunaan
Halaman ini merupakan petunjuk bagaimana cara menggunakan aplikasi yang ada pada web ini sehingga memudahkan user yang belum pernah sama sekali menggunakannya, halaman cara penggunaan dapat dilihat pada Gambar 3. :
Gambar 3. Halaman cara penggunaan iii. Perhitungan P ivot P oint
harus dilakukan user adalah isikan open, low, close dan high. Tampilan halaman dapat dilihat pada Gambar 4. dibawah ini:
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 akan muncul daftar harga yang sesuai dengan range dan rumus yang dimasukkan seperti Gambar 5. berikut ini :
Gambar 5. Hasil perhitungan
angka-angka yang diinputkan dengan rumus yang diprogamkan dalam script. Script selengkapnya dapat dilihat di lampiran.
Jika proses perhitungan sudah selesai maka user harus memasukkan harga yang terjadi pada saat ini, lihat Gambar 6. berikut:
Gambar 6. Halaman input harga saat ini
Gambar 7. Hasil dari memasukkan harga
Lalu setelah user memilih tren yang terjadi maka klik tombol get result dimana tombol ini kana menampilkan keputusan sesuai dengan algoritma naive bayes seperti Gambar 8.:
Gambar 8. Hasil proses
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
dimana admin harus memasukkan username dan pa ssword, tampilan halaman bisa dilihat pada Gambar 9. :
Gambar 9. Login admin
Apabila seorang admin salah dalam memasukkan username dan password maka akan muncul peringatan, tampilan halaman bisa dilihat pada Gambar 10. :
Gambar 10. Salah memasukkan username dan pa ssword
v. Input data Experience
Gambar 11. Berhasil memasukkan data
vi. User Setting
User setting ini digunakan oleh admin untuk memperbaharui username dan password yang dia gunakan, tampilan halaman bisa dilihat pada Gambar 12. :
Gambar 12. UserSetting vii. About
About adalah fasilitas website ini yang digunakan untuk menampilkan profil dari website ini, tampilan halaman bisa dilihat pada Gambar 13. :
Gambar 13. About
Fasilitas ini juga bisa digunakan untuk mengetahui siapa pemilik dari website dan contact yang bisa dihubungi.
Hasil Quisioner
Berdasarkan hasil kuisioner yang dibagikan kepada 20 responden yang terdiri dari user (investor) dan mahasiswa informatika maka dapat dilihat menggunakan grafik seperti pada Gambar 14.
Gambar 14. Grafik hasil kuisioner
keputusan sangat baik (SB), 8 responden menyatakan tampilan baik (B), dan 6 responden menyatakan sedang (S). Dalam Persentase interprestasi sebesar 80%, membuktikan pernyataan ini kuat bahwa tampilan aplikasi sistem pendukung keputusan ini baik atau menarik.
2. Hasil persentase untuk menu yang tersedia dalam sistem yaitu : 6 responden menyatakan menu yang tersedia dari sistem pendukung keputusan ini sangat baik (SB), 12 responden menyatakan baik (B) dan 6 responden menyatakan sedang (S). Dalam Persentase interprestasi sebasar 76% dapat diartikan bahwa menu yang tersedia dalam aplikasi sistem pendukung keputusan ini sudah bagus dengan pernyataan yang kuat.
3. Hasil persentase untuk Informasi pada cara penggunaan yaitu : 3 responden menyatakan untuk informasi pada menu cara penggunaan pada sistem penunjang
keputusan ini sudah sangat baik (SB), 8 responden menyatakan baik (B) dan 9 responden menyatakan sedang (S). Dalam Persentase interprestasi sebasar 74% dapat diartikan bahwa informasi pada menu cara penggunaan pada aplikasi sistem penunjang keputusan ini masih sedang atau belum lengkap dibuktikan dengan pernyataan yang kuat.
4. Hasil persentase penggunaan sistem pendukung keputusan yaitu : 2 responden menyatakan penggunaan sistem pendukung keputusan sangat baik (SB), 9 responden menyatakan baik (B), dan 9 responden menyatakan sedang (S). Dalam Persentase interprestasi sebasar 73% dapat diartikan bahwa penggunaan sistem pendukung keputusan ini masih sedang atau belum lengkap dengan pernyataan yang kuat.
open position pada commodity market ini sangat baik (SB), 9 responden menyatakan baik (B) dan 3 responden menyatakan sedang (S). Dalam Persentase interprestasi sebasar 85% dapat diartikan bahwa tata letak menu di sistem pendukung keputusan ini sudah baik dibuktikan dengan pernyataan yang sangat kuat.
6. Hasil persentase untuk Manfaat sistem yaitu : 5 responden menyatakan sistem penunjang keputusan ini sangat baik (SB), 10 responden menyatakan baik (B) dan 5 responden menyatakan sistem penunjang keputusan ini Sedang (S). Dalam Persentase interprestasi 80%, atau dengan kata lain menyatakan secara kuat bahwa sistem penunjang keputusan ini bermanfaat bagi user (pengguna).
E. KESIMPULAN
Berdasarkan hasil penelitian dan pembahasan yang telah dilakukan, dapat disimpulkan bahwa:
a. Pembuatan aplikasi sistem pendukung keputusan untuk open position pada commodity market menggunakan algoritma Na ive bayes, bahasa pemrogaman P HP , serta MySQL sebagai basis datanya. b. Sistem pendukung keputusan
ini telah di uji coba kepada investor, dan telah terbukti membantu investor dalam mengambil keputusan, dibuktikan dengan menyebar angket yang diisikan oleh responden.
DAFTAR PUSTAKA
Handini, Rosiana.2012.” Sistem P endukung Keputusan Menentukkan Lokasi
Umah Makan Yang Strategis Menggunakan Metode Naive Bayes”.seminar nasional.STMIK Widya Cipta Dharma:Semarang
Rahman, Hidayatul.2013.”Naive Bayes Algorithm”. http://education-programmer.blogspot.com/2013/01/na
ive-bayes-algorithm_22.html.diakses jam 10.50 WIB tanggal 2 juni 2013.
Yuliana, Ina.2010.”P rediksi Indeks Harga Saham Gabungan Dengan Model
Autoregressive Conditional Heteroscedasticity”.skripsi. Universitas Diponegoro:Semarang.
Ruhiat, Ade.2013.”Metode Waterfall Menurut P ressman & Somerfille
