Christino, Licho (2024) Penerapan Algoritma KNN Untuk Menentukan Buy Sell pada Trading XAU/USD. Undergraduate thesis, Universitas Bhayangkara Jakarta Raya.
![]() |
Text
201910225276_Licho Christino_Cover-Daftar Isi.pdf Download (2MB) |
![]() |
Text
201910225276_Licho Christino_BAB I.pdf Download (827kB) |
![]() |
Text
201910225276_Licho Christino_BAB II, III, IV.pdf Restricted to Registered users only Download (2MB) | Request a copy |
![]() |
Text
201910225276_Licho Christino_BAB V.pdf Download (803kB) |
![]() |
Text
201910225276_Licho Christino_Daftar Pustaka.pdf Download (908kB) |
![]() |
Text
201910225276_Licho Christino_Lampiran.pdf Restricted to Registered users only Download (14MB) | Request a copy |
Abstract
Perdagangan XAU/USD memerlukan pengetahuan dan pengalaman yang luas untuk menganalisis pasar keuangan dan mengambil keputusan yang tepat. Tujuan penelitian ini adalah untuk menguji apakah algoritma KNN dapat di terapkan atau tidak dalam trading XAU/USD dan juga seberapa efektif serta optimalkah algoritma KNN dalam memberikan suatu rekomendasi buy/sell. Pada penelitian ini, penulis menggunakan algoritma KNN (K-Nearest neighbor). Dimana hasil penelitian ini algoritma k-nn memiliki akurasi tertinggi sebesar 70 persen untuk nilai k sama dengan 5 dan 7, dan 50% jika K sama dengan 3. Hasil pengujian menunjukkan bahwa algoritma KNN dapat memberikan rekomendasi Buy Sell dengan akurasi yang tinggi pada jenis perdagangan tersebut, sehingga dapat membantu trader dalam meminimalkan kerugian dan memaksimalkan keuntungan.
Item Type: | Thesis (Undergraduate) |
---|---|
Additional Information: | Pembimbing: Dian Hartanti, S.Kom., M.M.S.I., Rakhmat Purnomo, S.Pd., S.Kom., M.Kom. |
Subjects: | Teknologi dan Ilmu Terapan > Teknik Informatika |
Divisions: | Fakultas Ilmu Komputer > Informatika |
Depositing User: | Mr. Arif Syamsudin |
Date Deposited: | 06 Feb 2025 08:12 |
Last Modified: | 06 Feb 2025 08:12 |
URI: | http://repository.ubharajaya.ac.id/id/eprint/33094 |
Actions (login required)
![]() |
View Item |
Downloads
Downloads per month over past year