Aplikasi Hidden Markov Model pada Perpindahan Trader terhadap Broker Forex Online

Suharleni, Farida (2012) Aplikasi Hidden Markov Model pada Perpindahan Trader terhadap Broker Forex Online. Magister thesis, Universitas Brawijaya.

Abstract

Hidden Markov Model merupakan pengembangan dari rantai markov, yang dapat diterapkan dalam kasus yang tidak dapat diamati secara langsung. Pada penelitian ini, Hidden Markov Model dapat digunakan untuk mengetahui perpindahan trader terhadap broker forex online. Dalam Hidden Markov Model bagian yang diamati disebut dengan observed state sedangkan bagian yang tersembunyi disebut hidden state . Hidden Markov Model memungkinkan pemodelan sistem yang mengandung observed state dan hidden state yang saling berkaitan. Sebagai observed state untuk perpindahan trader terhadap broker forex online adalah kategori 1, kategori 2, kategori 3, kategori 4, kategori 5 dengan syarat setiap broker forex online , sedangkan sebagai hidden state -nya adalah broker forex online Marketiva, Masterforex, Instaforex, FBS dan Others . Langkah pertama aplikasi Hidden Markov Model pada penelitian ini adalah membuat konstruksi model λ = ( π, A, B ) dengan cara terlebih dahulu membentuk matriks peluang transisi ( A ) dari setiap broker forex online . Langkah selanjutnya adalah membentuk matriks peluang observasi ( B ) dengan membentuk peluang bersyarat lima kategori, yaitu: kategori 1, kategori 2, kategori 3, kategori 4, kategori 5 dengan syarat setiap broker forex online serta perlu juga ditentukan peluang awal ( π ) dari setiap broker forex online . Langkah terakhir adalah penggunaan algoritma Viterbi untuk mendapatkan barisan hidden state yaitu barisan broker forex online yang paling mungkin berdasarkan model λ = ( π, A, B ) dan observasi state berupa lima kategori di atas. Aplikasi dari Hidden Markov Model telah dilakukan melalui pembuatan program dengan Algoritma Viterbi dalam bentuk software Delphi 7.0 dengan observed state berupa data simulasi. Misalnya: jumlah pengamatan T = 5 dan barisan observed state O = (2,4,3,5,1) didapatkan barisan hidden state yang paling mungkin dengan observed state O berikut ini : X = ( X 1 = 4, X 2 = 2, X 3 = 1, X 4 = 5, X 5 = 3) , dimana X 1 = FBS, X 2 = Masterforex, X 3 = Marketiva, X 4 = Others , X 5 = Instaforex.

English Abstract

Hidden Markov Model is elaboration of Markov chain, which is applicable to cases that can`t directly observe. In this research, Hidden Markov Model is used to know trader`s transition to broker forex online. In Hidden Markov Model, observed state is observable part and hidden state is hidden part. Hidden Markov Model allows modeling system that contains interrelated observed state and hidden state. As observed state in trader`s transition to broker forex online is category 1, category 2, category 3, category 4, category 5 by condition of every broker forex online, whereas as hidden state is broker forex online Marketiva, Masterforex, Instaforex, FBS and Others . First step on application of Hidden Markov Model in this research is making construction model λ = ( π, A, B ) by making a probability of transition matrix ( A ) from every broker forex online. Next step is making a probability of observation matrix ( B ) by making conditional probability of five categories, that is category 1, category 2, category 3, category 4, category 5 by condition of every broker forex online and also need to determine an initial state probability ( π ) from every broker forex online. The last step is using Viterbi algorithm to find hidden state sequences that is broker forex online sequences which is the most possible based on model λ = ( π, A, B ) and observed state that is the five categories. Application of Hidden Markov Model is done by making program with Viterbi algorithm using Delphi 7.0 software with observed state based on simulation data. Example: By the number of observation T = 5 and observed state sequences O = (2,4,3,5,1) is found hidden state sequences which the most possible with observed state O as following : X = ( X 1 = 4, X 2 = 2, X 3 = 1, X 4 = 5, X 5 = 3) where X 1 = FBS, X 2 = Masterforex, X 3 = Marketiva, X 4 = Others , X 5 = Instaforex.

Item Type: Thesis (Magister)
Identification Number: TES/519.233/SUH/a/041204218
Subjects: 500 Natural sciences and mathematics > 519 Probabilities and applied mathematics > 519.2 Probabilities
Divisions: S2/S3 > Magister Matematika, Fakultas MIPA
Depositing User: Endro Setyobudi
Date Deposited: 04 Apr 2013 12:47
Last Modified: 04 Apr 2013 12:47
URI: http://repository.ub.ac.id/id/eprint/157475
Full text not available from this repository.

Actions (login required)

View Item View Item