SI1712499711

Dari widuri
Lompat ke: navigasi, cari

IMPLEMENTASI DASHBOARD BUSINESS INTELLIGENCE

MENGGUNGAKAN PROSES DATA MINING

UNTUK MEMANTAU PASAR FOREX


SKIPSI



Disusun Oleh:


NIM  : 1712499711
NAMA  : HANDY YULIUS


FAKULTAS SAINS DAN TEKNOLOGI

PROGRAM STUDI SISTEM INFORMASI

KONSENTRASI BUSINESS INTELLIGENCE

UNIVERSITAS RAHARJA

TANGERANG

TA. 2020/2021


ABSTRAKSI

Pemantauan pasar valuta asing adalah hal yang biasa dilakukan pelaku pasar valuta asing. Terdapat setidaknya 28 pasang mata uang dalam setiap pemantauan dengan pasangan mata uang utama diantaranya AUD/USD, EUR/USD, GBP/USD, NZD/USD, USD/CAD, USD/CHF dan USD/JPY. Sedikitnya 5 indikator teknis yang banyak digunakan seperti MA, MACD, RSI, Stochastic dan CCI disematkan pada 28 grafik pasangan mata uang untuk rentang waktu perdagangan tertentu, yang digunakan untuk analisa teknis pergerakan harga. Analisa tersebut menghasil pasangan mata uang apa saja untuk diperdagangkan. Namun kenyataannya, walaupun telah melakukan pemantauan secara seksama, pelaku pasar valuta asing seringkali menemukan pergerakan yang salah dan juga mengalami kesalahan analisa. Dimana kesalahan tersebut salah satunya karena hasil analisa pada satu rentang waktu perdagangan saja tanpa membandingkan dengan rentang waktu yang lain. Sehingga hasil analisa menjadi kurang presisi, lambat membuka dan menutup perdagangan, pendapatan keuntungan yang sedikit dan resiko kerugian yang besar. Data Mining atau penggalian data berdasarkan pantauan pasar valuta asing dapat menjadi pemecahan masalah. Dimana penggalian data tersebut dapat memberikan keadaan kondisi pasar terkini, analisa perubahan dan pergerakan harga, hingga memberikan rekomendasi pasangan mata uang untuk diperdagangkan, dalam satu wadah dashboard business intelligence. Penerapan pemantauan pasar valuta asing menggunakan proses data mining berupa dashboard business intelligence, menghasilkan analisa yang lebih presisi, membuka dan menutup perdagangan lebih awal, keuntungan perdagangan lebih besar dan resiko kerugian yang lebih sedikit.

Kata Kunci: Informasi Bisnis, Penggalian Data, Pasar Keuangan, Valuta Asing

ABSTRACT

Forex Market screener is a one of forex trader’s habit. At least 28 currency pairs on every screening which major currency pairs AUD/USD, EUR/USD, GBP/USD, NZD/USD, USD/CAD, USD/CHF dan USD/JPY. Leastwise 5 technical indicators mostly used like MA, MACD, RSI, Stochastic dan CCI attached in each 28 pairs charts on certain time frame, to do technical analysis of price change and movement, that generate which currency pairs to trade. However, the fact, traders faced many false signals and miss analysis. One caused by single time frame analysis without comparing others, which less precision, late entry and exit signal, less profit and more loss risk. Data mining might a solution, where mined data would provide current and recent market condition, price change and movement analysis, the most suggestion pairs to trade, all in one Business Intelligence Dashboard. Implementation Forex Market Screener Data Mining Business Intelligence Dashboard resulting more precision analysis, early entry and exit signal, more profit and less loss risk.

Keywords : Business Intelligence, Data Mining, Forex, Financial Market

DAFTAR PUSTAKA

  1. Wanda, Rizal Loa. (2017). Model Sistem Peramalan Tingkat Kedisiplinan Mahasiswa Pada Perguruan Tinggi Raharja. Source: https://widuri.raharja.info/index.php?title=SI1322476037 (14 March 2020).
  2. Handayani, I., Rahardja, U., Febriyanto, E., Yulius, H., & Aini, Q. (2019, October). Longer Time Frame Concept for Foreign Exchange Trading Indicator using Matrix Correlation Technique. In 2019 Fourth International Conference on Informatics and Computing (ICIC) (pp. 1-5). IEEE.
  3. Hady, H. (2001). Valas Untuk Manajer (Forex for Managers). Penerbit Ghalia Indonesia. Jakarta.
  4. Joesoef, J. R. (2008). Pasar Uang dan Pasar Valuta Asing. Jakarta: Salemba Empat.
  5. Eng, M. V., Lees, F. A., & Mauer, L. J. (1998). Global finance. Addison-Wesley Longman.
  6. Beams, F. A., Anthony, J. H., Clement, R. P., & Lowensohn, S. H. (2009). Akuntansi Lanjutan (judul asli: Advanced Accounting), edisi kesembilan, jilid 2. Penerjemah PA Lestari, SE dan Gina Gania, MBA. Jakarta: Erlangga.
  7. Kuncoro, M. (1996). Manajemen keuangan internasional. Edisi Pertama. BPFE. Yogyakarta.
  8. Madura, J. (2000). Manajemen Keuangan Internasional Jilid 1.
  9. Salvatore, Dominick. (1997). Ekonomi Internasional. Jakarta: Erlangga.
  10. Forex Academy. (2021). Fundamental Analysis vs Technical Analysis. Source: https://www.forex.academy/fundamental-analysis-vs-technical-analysis/ (1 Juni 2021).
  11. HaveTrade. (2018). Dealing Desk and No Dealing Desk Broker. Source: https://havetrade.com/blog/forex-broker/dealing-desk-and-no-dealing-desk-broker/ (14 March 2020).
  12. Hutahaean, J. (2015). Konsep sistem informasi. Deepublish.
  13. Suraya, Ignatius. (2011). Olap Pendukung Sistem Keamanan Data Warehouse. Jurnal Manajemen Dan Teknologi Informatika Vol.2, No.1.
  14. Widyawati, D. K. (2012). Perancangan Struktur Data Warehouse Untuk Mendukung Perencanaan Pemasaran Produk Menggunakan Star Schema. Jurnal Ilmiah ESAI, 6(3).
  15. Djahir, Y., dan Dewi Pratita. (2014). Bahan ajar sistem informasi manajemen. Yogyakarta: Deepublish.
  16. A. S., Rosa dan Shalahuddin, M. (2013). Rekayasa Perangkat Lunak Terstruktur Dan Berorientasi Objek. Bandung: Informatika.
  17. Yasin, V. (2012). Rekayasa Perangkat Lunak Berorientasi Objek. Jakarta: Mitra Wacana Media.
  18. Khosrow-Pour, M. (Ed.). (2006). Dictionary of information science and technology (Vol. 1). IGI Global.
  19. Fakhroutdinov, Kirill. (2015). UML 2.5 Diagrams Overview. Source: https://www.uml-diagrams.org/uml-25-diagrams.html (14 March 2020).
  20. Rini, P. P., Iqbal, M., & Astuti, D. P. (2016). Rancangan Sistem Informasi Konversi Nilai Mahasiswa Pindahan dan Lanjutan (Studi Kasus di STMIK Bina Sarana Global). Jurnal SISFOTEK Global, 6(1).
  21. Dzulhaq, M. I., Tullah, R., & Nugraha, P. S. (2017). Sistem Informasi Akademik Sekolah Berbasis Kurikulum 2013. Jurnal Sisfotek Global, 7(1).
  22. Amrullah, A., Sutedjo, D., Ariyana, R. Y., Hendi, S., & Susanto, E. S. (2016). Kajian Kebutuhan Perangkat Lunak Sistem Informasi Penilaian Prestasi Kerja Pegawai Pada Fakultas Adab Dan Ilmu Budaya Universitas Islam Negri Sunan Kalijaga Yogyakarta. SEMNASTEKNOMEDIA ONLINE, 4(1), 1-4.
  23. Prastomo, A. (2015). Prototipe Sistem E-Learning dengan pendekatan Elisitasi dan Framework Codeigniter: Studi Kasus SMP Yamad Bekasi. Faktor Exacta, 7(2), 165-175.
  24. Nofriansyah, D., Kom, S., & Kom, M. (2015). Konsep Data Mining Vs Sistem Pendukung Keputusan. Deepublish.
  25. Berry M., Linoff G. (1997). Data Mining Techniques: for marketing, sales, and customer support, John Wiley & Sons, Inc., New York, NY.
  26. Fayyad, U., Shapiro, G. P., and Smyth, P. (1996). Data Mining to Knowledge Discovery in Databases. Source: https://infovis-wiki.net/wiki/Knowledge_Discovery_in_Databases_(KDD) (14 Maret 2020).
  27. Prasetyo, E. (2012). Data Mining - Konsep dan Aplikasi menggunakan Matlab, Nikodemus WK, Ed. Yogyakarta, Indonesia: ANDI OFFSET.
  28. Boetticher, G. D. (2006). Teaching financial data mining using stocks and futures contracts. Journal of Systemic, Cybernetics and Informatics, 3(3), 26-32.
  29. Hajizadeh, E., Ardakani, H. D., & Shahrabi, J. (2010). Application of data mining techniques in stock markets: A survey. Journal of Economics and International Finance, 2(7), 109-118.
  30. Priyadi, I., Santony, J., & Na'am, J. (2019). Data mining predictive modeling for prediction of gold prices based on dollar exchange rates, BI rates and world crude oil prices. Indonesian Journal of Artificial Intelligence and Data Mining, 2(2), 93-100.
  31. Baasher, A. A., & Fakhr, M. W. (2011, October). Forex trend classification using machine learning techniques. In Proceedings of the 11th WSEAS international conference on Applied computer science (pp. 41-47). World Scientific and Engineering Academy and Society (WSEAS).
  32. Thomas, J. D., & Sycara, K. (1999, July). The importance of simplicity and validation in genetic programming for data mining in financial data. In Proceedings of the joint AAAI-1999 and GECCO-1999 Workshop on Data Mining with Evolutionary Algorithms.
  33. Zhang, D., & Zhou, L. (2004). Discovering golden nuggets: data mining in financial application. IEEE Transactions on Systems, Man, and Cybernetics, Part C (Applications and Reviews), 34(4), 513-522.
  34. Hi'ovská, K., & Koncz, P. (2012). Application of Artificial Intelligence and Data Mining Techniques to Financial Markets. Economic Studies & Analyses/Acta VSFS, 6(1).
  35. Rahardja, U., Aini, Q., & Faradilla, F. (2018). Implementasi Viewboard Berbasis Interaktif Javascript Charts Pada Sistem Penilaian Perkuliahan. Jurnal Ilmiah Teknologi Informasi Asia, 12(2), 91-102.
  36. Rahardja, U., Aini, Q., & Enay, N. (2017). Optimalisasi Dashboard pada Sistem Penilaian Sebagai Media Informasi di Perguruan Tinggi. Sisfotenika, 7(2), 167-176.
  37. Aini, Q., Sunarya, P. A., & Bein, A. S. (2019). The Implementation Of Viewboard Of The Head Of Department As A Media For Student Information Is Worth Doing Final Research. IAIC Transactions on Sustainable Digital Innovation (ITSDI), 1(1), 18-25.
  38. Rahardja, U., Handayani, I., & Syoifana, Y. (2019). Penerapan Viewboard Status Validasi Berbasis Yii Framework Pada PESSTA+ Di Perguruan Tinggi. Creative Information Technology Journal, 4(4), 297-305.
  39. Rahardja, U., Handayani, I., & Setiani, L. (2017). Viewboard Sebagai Laporan Jumlah Keseluruhan Artikel Pada iLearning Raharja Ask and News. CogITo Smart Journal, 3(1), 42-55.
  40. Henderi, H., Handayani, I., & Dewi, M. A. (2012). Business Intelligence Development Model Using Star Schema Methodology. Creative Communication and Innovative Technology Journal, 5(3), 233-250.
  41. Rahardja, U., Handayani, I., & Wijaya, R. (2018). Penerapan Viewboard Technomedia Journal menggunakan sistem iLearning Journal Center pada Perguruan Tinggi. Technomedia Journal, 2(2), 81-93.
  42. Handayani, I., Febriyanto, E., & Solichin, K. R. P. (2018). Penerapan Viewboard Sebagai Media Informasi Sidang Skripsi Pada PESSTA+ di Perguruan Tinggi. Technomedia Journal, 2(2), 55-65.
  43. Rahardja, U., & Harahap, E. P. (2019, July). Implementation of Information Planning and Strategies Industrial Technology 4.0 to Improve Business Intelligence Performance on Official Site APTISI. In Journal of Physics: Conference Series (Vol. 1179, No. 1, p. 012111). IOP Publishing.
  44. Rahardja, U., Sholeh, O., & Nursetianingsih, F. (2015). Penggunaan Dashboard untuk Mengontrol Kinerja Absensi Pegawai Guna Meningkatkan Profesionalisme Pegawai pada PT. Sinarmas Land property. SEMNASTEKNOMEDIA ONLINE, 3(1).
  45. Rahardja, U., Lutfiani, N., & Yolandari, A. (2019). Penerapan Viewboard Informatif Pada Asosiasi Perguruan Tinggi Swasta Indonesia Dalam Era Industri 4.0. Technomedia Journal, 3(2), 224-234.
  46. Saputra, D., Soleh, O., & Dewi, M. A. (2013). Dashboard Marketing System for Student’S Enrollment Case Study: Unis Tangerang. In Information Systems International Conference (ISICO) (pp. 294-299).
  47. Henderi, H., Junaidi, J., & Kusuma, T. A. H. (2012). Dashboard Monitoring System Penjualan Dan Reward Mobile Kios PT. Telekomunikasi Seluler. Semantik, 2(1).
  48. PT. Global Kapital Investama Berjangka. (2021). Tentang gkInvest. Source: https://www.gkinvest.co.id/about-us (3 March 2021).
  49. Prasetyo, E. (2014). DATA MINING - Mengolah Data Menjadi Informasi Menggunakan Matlab. Yogyakarta: CV. Andi Offset.



Contributors

Admin, Handy.yulius

Diperoleh dari "https://widuri.raharja.info/index.php?title=SI1712499711&oldid=396043"