BAB 2 LANDASAN TEORI

20

f. Penyusunan laporan dan kesimpulan akhir. Menyusun laporan hasil analisis dan perancangan ke dalam format penulisan tugas akhir dengan disertai kesimpulan akhir.

BAB 2

LANDASAN TEORI

2.1

Fuzzy logic

Fuzzy logic merupakan suatu sistem cerdas yang digunakan untuk merepresentasikan ketidakpastian sesuai dengan cara manusia berfikir dan mengambil kesimpulan. Fuzzy logic secara matematis pertama kali diperkenalkan oleh Lotfi A. Zadeh (Suyanto, 2006).

2.1.1. Himpunan Fuzzy Himpunan fuzzy merupakan superset dari himpunan konvensional. Pada himpunan fuzzy derajat keanggotaan berada diantara 0 dan 1. Derajat keanggotaan yang bernilai 1 menyatakan keanggotaan penuh, sedangkan derajat keanggotaan yang bernilai 0 menyatakan bukan anggota sama sekali. Pada himpunan fuzzy dapat terjadi keanggotaan yang bersifat parsial (Ibrahim, 2003). Pada himpunan konvensional, himpunan memiliki batasan yang kaku. Sebagai contoh, suatu himpunan konvensional didefinisikan sebagai A = {x | x > 6} ada batasan yang jelas yaitu 6 sehingga jika x lebih besar dari 6 maka x anggota himpunan A dan jika sebaliknya maka x bukan anggota himpnan A. Berlawanan dengan himpunan konvensional, himpunan fuzzy merupakan suatu himpunan tanpa batasan yang kaku. Oleh karena itu transisi dari “anggota himpunan” ke “bukan

Universitas Sumatera Utara

21

anggota himpunan” terjadi secara bertahap dan transisi ini diimplementasikan dengan fungsi keanggotaan. Secara matematis suatu himpunan fuzzy A dalam semesta X dapat dinyatakan sebagai himpunan pasangan terurut A={(x, µ A(x)) | x ∈ X } di mana µ A adalah fungsi keanggotaan dari himpunan fuzzy A yang merupakan suatu pemetaan dari himpunan semesta X ke interval tertutup [0,1] (Ibrahim, 2003). Perbedaan himpunan fuzzy dan himpunan konvensional terlihat pada gambar 2.1

Gambar 2.1. Himpunan konvensional dan himpunan fuzzy

Pada gambar diatas ada tiga himpunan yaitu poors, averages dan richs dalam himpunan semesta kekayaan. Pada himpunan konvensional terlihat batasan kaku antara poors, averages dan richs. Pada himpunan fuzzy tidak ada batasan yang kaku, seseorang dapat menjadi anggota himpunan poors dengan derajat keanggotaan 0.1 sekaligus menjadi anggota himpunan averages dengan derajat keanggotaan 0.7. Keunggulan utama dari fuzzy logic adalah kemampuannya mengolah ekspresi kata atau kalimat menggantikan nilai-nilai numeris. Ekspresi tersebut dikenal dengan istilah variabel linguistik. Sebagai contoh, variabel fuzzy kecepatan dapat dibagi menjadi tiga variabel linguistik yaitu lambat, sedang dan cepat. Setiap variabel lingustik dinyatakan dalam fungsi keanggotaan dalam semesta pembicaraan. Nilai dari fungsi keanggotaan bervariasi antara 0 dan 1. Bentuk kurva fungsi keanggotaan juga bervariasi seperti bentuk kurva segitiga, kurva bahu atau sigmoid. Tidak ada aturan pasti yang mengatur pemilihan bentuk kurva, namun keakuratan hasil yang dihasilkan dari sistem fuzzy berkaitan erat dengan kesesuaian kurva yang dipilih untuk mewakili variabel linguistik yang dimaksud.


22

Gambar 2.2. Bagian dari fuzzy logic

Dalam sistem fuzzy ada beberapa istilah yang perlu diketahui untuk dapat memahami sitem, yaitu: 1. Variabel fuzzy Variabel fuzzy merupakan variabel yang akan dibahas dalam suatu sistem fuzzy. Contoh: kecepatan. 2. Himpunan fuzzy Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy. Contoh: Pada variabel fuzzy kecepatan dapat dibagi menjadi tiga himpunan fuzzy yaitu lambat, menengah dan cepat 3. Semesta pembicaraan (universe of discourse) Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai semesta pembicaraan dapat berupa bilangan positif maupun negatif. Adakalanya nilai semesta pembicaraan ini tidak ada batas atasnya. Contoh: Semesta pembicaraan untuk variabel fuzzy kecepatan [0 120] 4. Domain Domain himpunan fuzzy adalah keseluruhan nilai yang diijinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy. Seperti halnya semesta pembicaraan, domain merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai domain dapat berupa bilangan positif dan negatif. Contoh: Domain himpunan fuzzy untuk menengah [40 80]

2.1.2. Membership Function (Fungsi Keanggotaan)


23

Setiap variabel linguistik diasosiasikan dengan himpunan fuzzy yang masing-masing memiliki fungsi keanggotaan yang telah didefinisikan. Fungsi keanggotaan adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya. Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan pendekatan fungsi Terdapat banyak fungsi yang dapat digunakan untuk memetakan titik-titik input ke dalam nilai keanggotannya. Beberapa diantaranya adalah triangular membership function, trapezoid membership function, gaussian membership function dan generalized bell membership function (Surbakti, 2006).

Gambar 2.3. Berbagai jenis fungsi keanggotaan

2.1.3. Operator Himpunan Fuzzy Seperti halnya himpunan konvensional, ada beberapa operasi yang didefinisikan secara khusus untuk mengkombinasikan dan memodifikasi himpunan fuzzy. Nilai keanggotaan sebagai hasil dari operasi dua himpunan sering dikenal dengan nama fire strength atau -predikat. Ada tiga operator dasar yang diciptakan oleh Zadeh, yaitu: a. Operator AND Operator ini berhubungan dengan operasi interseksi pada himpunan.

-predikat

sebagai hasil operasi dengan operator AND diperoleh dengan mengambil nilai keanggotaan terkecil antar elemen pada himpunan-himpunan yang bersangkutan. µ A B[x]=min(µ A[x], µ B[y]) b. Operator OR


24

Operator ini berhubungan dengan operasi union pada himpunan. -predikat sebagai hasil operasi dengan operator OR diperoleh dengna mengambil nilai keanggotaan terbesar antar elemen pada himpunan-himpunan yang bersangkutan. µAUB[x]=max(µA[x], µB[y])

c. Operator NOT Operator ini berhubungan dengan operasi komplemen pada himpunan

-predikat

sebagai hasil operasi dengan operator NOT diperoleh dengan mengurangkan nilai keanggotaan elemen pada himpunan yang bersangkutan dari satu µA’ = 1 - µA[x] (Kusumadewi dan Hartati, 2006).

2.1.4. Aturan Fuzzy Penalaran pada fuzzy menggunakan aturan fuzzy yang berbentuk IF-THEN. Aturan fuzzy terdiri atas dua bagian antaseden atau premis dan konsekuen atau konklusi. Bentuk aturan fuzzy adalah sebagai berikut: IF x is A THEN y is B (x is A) adalah antaseden atau premis dan (y is B) adalah konsekuen atau konklusi. A dan B adalah variabel linguistik yang terdefinisi dalam himpunan fuzzy pada semesta X dan Y (Jang dan Sun, 1995). Aturan fuzzy sering didapati dalam kehidupan seharihari, misalnya: a.

JIKA tekanan besar MAKA volume kecil

b.

JIKA permintaan tinggi MAKA harga naik

c.

JIKA jalanan licin MAKA mengemudi berbahaya.

2.1.5. Fuzzy Inference System Fuzzy Inference System merupakan suatu kerangka komputasi yang didasarkan teori himpunan fuzzy, aturan fuzzy berbentuk if...then dan penalaran fuzzy. Mekanisme inferensi memiliki dua tugas utama yaitu: (1) menentukan aturan yang paling sesuai


25

dengan situasi terkini berdasarkan data yang dimasukkan dan (2) menggambarkan kesimpulan berdasarkan data masukan dan informasi pada rule-base. Gambar 2.4 menunjukkan fuzzy inference system, terlihat bahwa fuzzy inference system terdiri atas lima blok yaitu rule-base yang berisi aturan fuzzy if-then, database yang menetapkan fungsi keanggotaan untuk himpunan fuzzy yang digunakan pada aturan fuzzy, decision making unit yang melakukan operasi inferensi pada aturan, fuzzification interface yang merubah input crisp menjadi fuzzy dengan derajat keanggotannya dan defuzzification interface yang merubah hasil sistem inferensi yang berupa fuzzy menjadi crisp sebagai keluaran terakhir. Berikut ini akan dijelaskan lebih rinci untuk masing-masing proses pada fuzzy inference system

Gambar 2.4. Fuzzy Inference System

Fuzzification Pada fuzzification, nilai masukan crisp dikonversi menjadi nilai fuzzy. Nilai crisp yang dimasukkan akan disesuaikan dengan variable linguistik sesuai dengan derajat keanggotaannya berdasarkan fungsi keanggotaan yang telah ditetapkan

Gambar 2.5. Fuzzification untuk masukan crisp menjadi fuzzy

Inference


26

Decision making unit melakukan operasi inferensi pada aturan fuzzy. Nilai fuzzy dalam aturan fuzzy digabungkan dengan operator penghubung seperti interseksi (AND), union (OR) atau komplemen (NOT). Hasil operasi dari dua nilai fuzzy dalam derajat keanggotaan disebut fire strength atau

-predikat. Fire strength menggambarkan

kekuatan aturan fuzzy yang telah dibentuk untuk dibangkitkan.

Defuzzification Defuzzifikasi merupakan proses akhir dari sistem fuzzy. Pada defuzzifikasi akan dilakukan konversi dari hasil fuzzy yang dihasilkan pada proses inferensi menjadi hasil crisp. Ada beberapa metode defuzzfikasi yang dapat digunakan, diantaranya rata-rata terbobot. Metode ini menggabungkan konsekuen pada aturan fuzzy dengan keluaran pada sistem inferensi berdasarkan rumus

dimana n merupakan jumlah aturan fuzzy, µ i merupakan fire strength untuk aturan ke-i dan Zi merupakan hasil inferensi aturan ke-i. Ada beberapa metode inferensi yang dapat digunakan diantaranya adalah sistem inferensi metode tsukamoto. Sistem inferensi menggunakan metode tsukamoto memiliki karakteristik yaitu konsekuen direpresentasikan dalam fungsi yang monoton. Sebagai hasilnya, output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan

-predikat (fire strength). Hasil akhirnya diperoleh dengan

menggunakan rata-rata terbobot.


27

Gambar 2.6. Inferensi fuzzy model Tsukamoto

2.1.6. Keunggulan Fuzzy logic Ada beberapa alasan mengapa orang menggunakan fuzzy logic, antara lain: 1. Konsep fuzzy logic mudah dimengerti. Konsep matematis yang mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti. 2. Fuzzy logic sangat fleksibel. 3. Fuzzy logic memiliki toleransi terhadap data-data yang tidak tepat. 4. Fuzzy logic mampu memodelkan fungsi-fungsi nonlinear yang sangat kompleks. 5. Fuzzy logic dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan. 6. Fuzzy logic dapat bekerjasama dengan teknik-teknik kendali secara konvensional. 7. Fuzzy logic didasarkan pada bahasa alami. 8. Sangat mudah digabungkan dengan teknologi lain, misalnya algoritma genetika, jaringan saraf.

2.2

Forex

Forex merupakan singkatan dari foreign exchange atau dikenal juga dengan valuta asing. Perdagangan forex adalah suatu jenis perdagangan atau transakasi yang


28

memperdagangkan mata uang suatu negara terhadap mata uang negara lainnya yang melibatkan pasar internasional. Nilai transaksi pada pasar forex dapat mencapai $USD 2 triliun per harinya. Dengan demikian prospek investasi pada perdagangan forex sangat menjanjikan, disamping itu pergerakan harga forex sulit untuk dipermainkan oleh kalangan tertentu, karena perputarannya yang sangat cepat. Forex menjadi alternatif investasi yang populer karena profit yang dapat diperoleh melebihi rata-rata perdagangan pada umumnya (berkisar 5% - 20% per bulan, bahkan dapat mencapai lebih dari 100% per bulan). Namun demikian forex juga memiliki resiko yang tinggi karena perputaran uang di dalamnya yang sangat cepat. Tidak semua mata uang diperdagangkan pada pasar forex, hanya mata uang tertentu yang diperdagangkan seperti USD (US Dollar), JPY (Yen Jepang), GBP (Great Britain Poundsterling), EUR (Euro), CHF (Swiss franc) dan AUD (Australian Dollar).

2.3

Analisis Teknikal

Analisis teknikal merupakan suatu metode yang dapat digunakan untuk memprediksi pergerakan harga dan trend pasar yang akan datang dengan menganalisa grafik pasar masa lalu. Alat utama untuk analisis teknikal adalah grafik. Grafik menggambarkan perubahan harga mata uang berdasarkan transaksi-transaksi yang terjadi pada masa lalu. Berdasarkan perubahan ini dapat diperoleh pola-pola pergerakan harga mata uang terhadap mata uang lainnya. Pola-pola inilah yang digunakan untuk menentukan pergerakan harga yang akan datang, karena menurut analisis teknikal pergerakan harga mata uang akan mengikuti pola pergerakan yang telah terjadi di masa lalu. Sementara analisis fundamental percaya bahwa pergerakan harga mata uang dipengaruhi oleh faktor-faktor fundamental seperti ekonomi, politik dan moneter negara yang bersangkutan. Pada kesempatan ini penulis akan menggunakan analisis teknikal untuk memprediksi pergerakan harga mata uang yang akan datang karena analisis teknikal mudah untuk dikomputasi dan analisis teknikal berlaku untuk semua grafik mata uang. Analisis teknikal menggunakan beberapa indikator untuk memprediksi pergerakan harga mata uang yang akan datang, diataranya adalah:


29

1. Open

: merupakan harga pembukaan suatu mata uang pada selang waktu tertentu

2. High

: merupakan harga tertinggi suatu mata uang pada selang waktu tertentu

3. Low

: merupakan harga terendah suatu mata uang pada selang waktu tertentu

4. Close

: merupakan harga penutupan suatu mata uang pada selang waktu tertentu

5. Volume : merupakan jumlah mata uang yang diperdagangkan pada selang waktu tertentu

Berbagai analisis teknikal telah dikembangkan untuk memprediksi pergerakan harga forex, diantaranya adalah Relative Strength Index (RSI), Stochastic Oschilator, Simple Moving Average, Fibonacci, Candlestick. Analisis Fibonacci menggunakan perbandingan bilangan Fibonacci untuk menentukan pergerakan harga forex (Marshall dan Moubray, 2005). Analisis dengan Fibonacci akan semakin akurat jika digabungkan dengan analisis lainnya yaitu candlstick (Fischer dan Fischer, 2003). Dua analisis ini yaitu, Fibonacci dan Candlestick akan digunakan untuk memprediksi pergerakan harga forex. 2.4

Analisis Fibonacci

Bilangan fibonacci diperkenalkan oleh Leonardo Fibonacci, seorang saudagar yang sangat terkenal di Eropa karena kejeniusannya. Berikut ini adalah deret fibonacci: 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233, ... Bilangan berikutnya diperoleh dengan menjumlahkan dua bilangan sebelumnya. Perbandingan bilangan-bilangan fibonacci ini menjadi dasar untuk memprediksi pergerakan harga pasar.

2.4.1

Leonardo Fibonacci

Leonardo de Pisa de Fibonacci (1170 - 1250) adalah seorang matematikawan Italia yang dikenal sebagai penemu bilangannya Fibonacci. Ayahnya,Guilielmo, memimpin sebuah pos perdagangan untuk Republik Pisa di Bugia, Afrika Utara. Leonardo ikut bersama ayahnya dan di sana ia mulai mempelajari matematika. Fibonacci mempelajari sistem bilangan arab yang dilihatnya lebih efisien. Fibonacci kemudian berkelana ke penjuru daerah Mediterania untuk belajar kepada matematikawan Arab yang terkenal mada masa itu, dan baru pulang kembali sekitar tahun 1200-an. Pada 1202, di usia 27, ia menuliskan apa yang telah dipelajari dalam


30

buku Liber Abaci, atau Buku Perhitungan. Buku ini menunjukkan kepraktisan sistem bilangan Arab dengan cara menerapkannya ke dalam pembukuan dagang, konversi berbagai ukuran dan berat, perhitungan bunga, pertukaran uang dan berbagai aplikasi lainnya. Buku ini disambut baik oleh kaum terpelajar Eropa, dan menghasilkan dampak yang penting kepada pemikiran Eropa, meski penggunaannya baru menyebarluas setelah ditemukannya percetakan sekitar tiga abad berikutnya (Martinez, 2007).

Perbandingan Fibonacci

2.4.2

Perbandingan Fibonacci merupakan perbandingan bilanga-bilangan fibonacci yang digunakan untuk memprediksi arah pergerakan pasar forex. Perbandingan fibonacci yang digunakan adalah 0.236, 0.382, 0.50, 0.782, 1.00, 1.27, 1.618, 2.00 dan 2.618. Untuk menentukan posisi open akan digunakan perbandingan bilangan fibonacci

0.236, 0.382, 0.50 dan 0.782. Dan untuk posisi close digunakan

perbandingan bilangan fibonacci 1.00, 1.27, 1.618, 2.00 dan 2.618.

2.4.3 Fibonacci dan Pergerakan pasar Pada pasar forex, rasio Fibonacci digunakan untuk menentukan posisi pembukaan dan posisi penutupan untuk suatu perdagangan.

(a)

(b)

Gambar 2.7 Sinyal beli (a) dan sinyal jual (b)

Sinyal beli terjadi ketika harga bergerak naik dari titik A menuju titik B kemudian retrace hingga titik C sesuai level Fibonacci. Sinyal jual terjadi ketika harga begerak turun dari titik A menuju titik B kemudian retrace hingga titik C sesuai level Fibonacci.


31

Gambar 2.8. Level Fibonacci

Grafik di atas menunjukkan adanya sinyal beli. Perdagangan forex dimulai pada titik C dan ditutup pada titik D. Posisi titik C dan titik D dapat dihitung dengan persamaan di bawah ini:

Tabel 2.1. Persamaan untuk posisi titik C dan D Target Fibonacci

Persamaan titik C dan D

23.6%

B - (B-A) * 0.236 = C

38.2%

B - (B-A) * 0.382 = C

50%

B - (B-A) * 0.5 = C

61.8%

B - (B-A) * 0.618 = C

78.6%

B - (B-A) * 0.786 = C

100%

(B-A) * 1 + A = D

127%

(B-A) * 1.27 + A = D

161.8%

(B-A) * 1.618 + A = D

200%

(B-A) * 2 + A = D

261.8%

(B-A) * 2.618 + A = D

(Martinez, Jared F, 2007).


32

Posisi titik C dan titik D dapat ditentukan dengan metode lain. Candlestick merupakan metode yang sangant sesuai digabungkan dengan Fibonacci (Fischer dan Fischer, 2003).

Gambar 2.9. Perbandingan Fibonacci pada pergerakan pasar forex

2.5

Analisis Candlestick

Analisis Candlestick merupakan salah satu teknik analisis teknikal yang banyak digunakan dan akan terus digunakan karena efektif untuk segala analisis pasar pada semua interval waktu. Teori Candlestick mengasumsikan bahwa trend pasar dapat diprediksi dengan mengidentifikasi pola-pola candle tertentu pada grafik Candlestick (Fischer dan Fischer, 2003).

2.5.1

Sejarah Candlestick

Salah satu orang yang paling terkenal yang menggunakan data-data masa lalu untuk memprediksi pergerakan harga yang akan datang adalah Munehisa Homma. Dia mengumpulkan data-data perdagangan yang memberikan keuntungan dari pasar beras selama tahun 1700-an. Munehisa Homma lahir pada tahun 1724. Ia terlahir dari keluarga hartawan. Pada tahun 1750 Homma diberi jabatan untuk mengontrol bisnis keluarganya. Homma


33

kemudian memulai perdagangan beras di kota Sakata. Ketika ayah Munehisa Homma meninggal, Homma dipercayakan untuk mengelola asset keluarga meskipun ia masih sangat muda. Homma kemudian mulai melakukan perdagangan pada pasar beras yang lebih besar, Dojima Rice Exchange di Osaka. Homma mengumpulkan berbagai informasi mengenai pasar beras, ia juga mengumpulkan informasi mengenai kondisi cuaca selama satu tahunan. Ini ia lakukan untuk mempelajari psikologi para investor, ia juga menganalisa harga beras pada masa lalu. Setelah mendominasi pasar di Osaka, Homma mulai berdagang di pasar regional Edo (sekarang disebut Tokyo). Ia menggunakan wawasannya untuk menghasilkan kekayaan. Disebutkan bahwa Homma mampu mengendalikan pasar beras, ketika panen beras di Sakata (asal Homma) bagus, maka harga beras di Dojima Rice Exchange jatuh dan harga beras di Edo anjlok. Pada tahun berikutnya Homma menjadi konsultan keuangan untuk pemerintah. Ia meninggal pada tahun 1803. Dasar-dasar perdagangannya yang telah di terapkan pada pasar beras, berkembang menjadi metodologi candlestick yang sekarang ini digunakan (Nison, 1991).

2.5.2

Dasar Candlestick

Candlestick merupakan analisis yang banyak digunakan karena grafik Candlestick memberikan tampilan pasar secara visual. Investor dapat dengan mengetahui harga pembukaan, harga penutupan, harga tertinggi dan harga terendah. Investor juga dapat dengan mudah mengetahui apakah dalam interval waktu tertentu terjadi bullish atau bearish. Berikut ini merupakan gambar candlestick yang menunjukkan bullish dan bearish.

(a)

(b)


34

Gambar 2.10. Candle yang menunjukkan bullish (a) dan bearish (b)

Bagian tengah candle disebut real body. Real body menunjukkan perbedaan harga antara pembukaan dan penutupan. Jika harga pembukaan lebih rendah dari harga penutupan (bullish) maka real body berwarna putih (Gambar 2.10. a), jika harga pembukaan lebih tinggi dari harga penutupan (bearish) maka real body berwarna hitam (Gambar 2.10. b). Garis yang berada di bawah dan diatas real body disebut shadow. Shadow menunjukkan harga ekstrim. Shadow di atas real body disebut upper shadow, ini menunjukkan harga tertinggi pada interval waktu tertentu. Shadow di bawah real body disebut lower shadow, ini menunjukkan harga terendah pada interval waktu tertentu. Jika suatu candle tidak memiliki upper shadow maka ia disebut shaven head dan jika suatu candle tidak memiliki lower shadow maka ia disebut shaven buttom.

2.5.3

Pola-Pola Candlestick

Nilai forex dalam perdagangan mengalami fluktuasi, naik dan turun. Trader yang memulai perdagangannya dengan open buy berharap nilai forex mengalami bullish yaitu meningkat sehingga pada akhir perdagangan akan ditutup dengan menjual forex dengan harga yang lebih tinggi. Sebaliknya trader yang memulai perdagangannya dengan open sell berharap nilai forex mengalami bearish yaitu menurun sehingga pada akhir perdagangan akan ditutup dengan membeli forex dengan harga yang lebih rendah. Arah pergerakan pasar, bullish atau bearish, dapat dilihat dari pola-pola candlestick yang muncul. Pola-pola candlestick tersusun atas satu atau kombinasi dari beberapa candle. Dalam penelitian ini penulis akan menggunakan pola candlestick yang tersusun atas dua candle. Untuk mengidentifikasi terjadinya bullish akan digunakan tiga pola yaitu bullish engulfing candle, piercing line dan bullish harami. Dan untuk mengidentifikasi terjadinya bearish akan digunakan tiga pola juga yaitu bearish engulfing candle, dark cloud cover dan bearish harami. Berikut ini penjelasan untuk masing-masing pola: 1. Bullish engulfing candle Bullish engulfing candle terdiri atas dua candle dengan warna yang berlawanan. Candle pertama berwarna hitam dan candle kedua berwarna putih. Candle kedua


35

“menelan” candle pertama, harga pembukaan candle kedua lebih rendah dari harga penutupan candle pertama dan harga penutupan candle kedua lebih tinggi dari harga pembukaan candle pertama. Ada empat kriteria yang menunjukkan pola bullish engulfing candle, yaitu: a. Trend pasar adalah downtrend (menurun) b. Candle kedua harus “menelan” candle pertama c. Warna candle pertama yaitu hitam menunjukkan trend yang sedang terjadi yaitu downtrend. d. warna candle kedua berlawanan dengan candle pertama Candle pertama mempunyai real body yang kecil sementara candle kedua mempunyai real body yang panjang, ini menunjukkan kekuatan trend sebelumnya semakin melemah dan perubahan trend ke arah yang sebaliknya semakin menguat.

Gambar 2.11. Bullish engulfing candle

2. Piercing Line Pola piercing line terjadi pada trend yang mengalami downtrend. Candle pertama berwarna hitam dan menunjukkan trend yang sedang terjadi. Candle kedua mempunyai harga pembukaan lebih rendah harga terendah pada candle sebelumnya dan harga penutupannya di atas setengah real body candle sebelumnya. Ada tiga kriteria yang menunjukkan pola piercing line, yaitu: a. Candle pertama berwarna hitam dengan real body yang panjang dan candle ini melanjutkan trend yang sedang terjadi yaitu downtrend.


36

b. Candle kedua berwarna putih dengan harga pembukaan yang lebih rendah dari harga terendah pada candle sebelumnya. c. Harga penutupan candle kedua di atas setengah candle sebelumnya. Candle pertama berwarna hitam dengan real body yang panjang melanjutkan terjadinya downtrend. Candle kedua memiliki harga pembukaan lebih rendah dari harga terendah pada candle sebelumnya. Sinyal ini menunjukkan bahwa downtrend akan berakhir dan diperkuat dengan harga penutupan candle kedua berada di atas setengah candle pertama.

Gambar 2.12. Piercing line

3. Bullish Harami Bullish harami terjadi pada trend yang mengalami downtrend. Pola ini berkebalikan dengan bullish engulfing candle. Bullish harami diawali dengan candle pertama yang memiliki real body yang panjang dan candle ini menunjukkan trend yang sedang terjadi. Candle kedua memiliki real body yang kecil dan real body ini berada di dalam real body candle sebelumnya. Ada tiga kriteria yang menunjukkan pola bullish harami, yaitu: a. Candle pertama mempunyai real body yang panjang dan menunjukan trend yang sedang terjadi yaitu downtrend. b. Candle kedua memiliki real body yang kecil dan berada diantara rentang body dari candle sebelumnya. c. Warna candle kedua berlawanan dengan candle sebelumnya


37

Gambar 2.13. Bullish harami

4. Bearish Engulfing Candle Bearish engulfing candle terdiri atas dua candle dengan warna yang berlawanan. Candle pertama berwarna putih dan candle kedua berwarna hitam. Candle kedua “menelan” candle pertama, harga pembukaan candle kedua lebih tinggi dari harga penutupan candle pertama dan harga penutupan candle kedua lebih rendah dari harga pembukaan candle pertama. Ada empat kriteria yang menunjukkan pola bearish engulfing candle, yaitu: a. Trend pasar adalah uptrend (menaik) b. Candle kedua harus “menelan” candle pertama c. Warna candle pertama yaitu putih menunjukkan trend yang sedang terjadi yaitu uptrend. d. warna candle kedua berlawanan dengan candle pertama Candle pertama mempunyai real body yang kecil sementara candle kedua mempunyai real body yang panjang, ini menunjukkan kekuatan trend sebelumnya semakin melemah dan perubahan trend ke arah yang sebaliknya semakin menguat.


38

Gambar 2.14. Bearish engulfing candle

5. Dark cluod Cover Pola dark cloud cover terjadi pada trend yang mengalami uptrend. Pola ini diawali dengan candle putih yang memiliki real body yang panjang dan candle ini mengikuti trend yang sedang terjadi. Candle kedua berwarna hitam dengan harga pembukaan lebih tinggi dari harga tertinggi pada candle sebelumnya dan harga penutupannya di bawah setengah real body candle sebelumnya. Ada tiga kriteria yang menunjukkan pola dark cloud cover, yaitu: a. Candle pertama berwarna putih dengan real body yang panjang dan candle ini melanjutkan trend yang sedang terjadi yaitu uptrend. b. Candle kedua berwarna hitam dengan harga pembukaan yang lebih tinggi dari harga tertinggi pada candle sebelumnya. c. Harga penutupan candle kedua di bawah setengah candle sebelumnya. Candle pertama berwarna putih dengan real body yang panjang melanjutkan terjadinya uptrend. Candle kedua memiliki harga pembukaan lebih tinggi dari harga tertinggi pada candle sebelumnya. Sinyal ini menunjukkan bahwa uptrend akan berakhir. Sinyal ini diperkuat dengan harga penutupan candle kedua di bawah setengah candle pertama.


39

Gambar 2.15. Dark cloud cover

6. Bearish Harami Bearish harami terjadi pada trend yang mengalami uptrend. Pola ini berkebalikan dengan bearish engulfing candle. Bearish harami diawali dengan candle pertama yang memiliki real body yang panjang dan candle ini menunjukkan trend yang sedang terjadi. Candle kedua memiliki real body yang kecil dan real body ini berada di dalam real body candle sebelumnya. Ada tiga kriteria yang menunjukkan pola bearish harami, yaitu: a. Candle pertama mempunyai real body yang panjang dan menunjukan trend yang sedang terjadi yaitu uptrend. b. Candle kedua memiliki real body yang kecil dan berada diantara rentang body dari candle sebelumnya. c. Warna candle kedua berlawanan dengan candle sebelumnya


40

Gambar 2.16. Bearish harami

2.6

Penelitian Terkait

Chiung-Hon Leon Lee dan Alan Liu telah melakukan penelitian mengenai sistem pendukung keputusan keuangan menggunakan pola-pola candlestick yang diproses dengan sistem fuzzy. Pada sistem ini, pengetahuan pakar mengenai pola candlestick disimpan pada database. Trader dapat mengambil keputusan sendiri berdasarkan pola candlestick yang telah diidentifikasi. Pengetahuan mengenai pola candlestick tersedia pada sistem dan trader dapat merubah, melakukan validasi dan memberikan kekaburan pola candlestick melalui graphical interface (Lee dan Liu, 2006).


BAB 2 LANDASAN TEORI

Recommend Documents