Smart Recommendation pada Robot Trading berbasis Machine Learning berdasarkan Aturan Moving Average

Abstract

Kegiatan trading dengan berbagai macam objek perdagangan seperti Bitcoin memiliki tujuan untuk mendapatkan keuntungan dari perbedaan harga penjualan yang lebih tinggi/mahal dari harga ketika melakukan pembelian. Berbagai macam strategi trading dilakukan untuk memaksimalkan keuntungan salah satunya teknikal analisis. Strategi berbasis teknikal memiliki dampak paling signifikan seperti contoh indikator Moving Average (MA Indicator). Keberhasilkan indikator Moving Average memicu beberapa inovasi untuk melakukan opmitasi dalam trading. Optimasi tersebut dilakukan dengan memanfaatkan algoritma pada trading dan dikemas dalam bentuk robot trading. Namun, dalam penggunaan robot trading user harus memasukan variabel untuk menjalankan algoritma dalam proses transaksi. Hal ini menimbulkan permasalahan untuk user yang memiliki keterbatasan dalam menganalisa secara teknikal dan melibatkan subjektifitas user yang dapat menurunkan performa robot trading tersebut. Oleh karena itu, dibuatlah sebuah fitur untuk mengoptimalisasi robot trading, dimana fitur tersebut dapat menghasilkan rekomendasi variabel masukan, sehingga mengurangi penurunan performa akibat subjektifitas dari user. Fitur tersebut merupakan Smart Recommendation yang didesain berdasarkan algorima machine learning dan indicator moving average. Fitur smart recommendation menggunakan superviced machine learning dengan regresi polinomial untuk menentukan sebuah persamaan garis yang digunakan untuk proses prediksi oleh ML sebagai penentuan trend. Selanjutnya hasil pembacaan trend oleh ML akan dijadikan sebagai ‘key’ untuk kunci pada decision maker menggunakan metode yang dibentuk oleh moving average sebagai penggunaan fitur Smart Recommendation. Hasil keluaran dari Smart Recommendation merupakan API yang dapat diakses dengan method GET yang dapat diintegrasikan pada robot trading salah satunya AI-Gate, sehingga user atau trader dapat secara leluasa memilih untuk sepenuhnya memanfaatkan AI atau mengkolaborasikan dengan analisis secara mandiri. Hal ini akan membuat fitur tidak hanya membantu pengisian variabel untuk mengatur robot trading, melainkan juga fleksibilitas yang dapat dimanfaatkan user. Hasil pengujian machine learning untuk regresi polinomial didapatkan orde terbaik yaitu orde 20 dengan F1 score 75,56%. Sedangkan pengujian aturan MA yang telah dilakukan, menghasilkan return secara keseluruhan sebesar 82% selama periode pengujian. Sehingga dapat disimpulkan bahwa Smart Recommendation berhasil dibuat dan diimplementasikan untuk fitur tambahan dalam membantu penggunaan robot trading.