# Next price predictor using Neural Network > Download: Prediksi Harga Masa Depan dengan Kecerdasan Buatan: Membedah MT4 Indikator "Next Price Predictor" Pernahkah kamu membayangkan sebuah alat yang bisa "menebak" pergerakan harga selanjutnya di pasar forex? Mungkin terdengar seperti sihir, tapi **URL:** https://metatrader.id/MT4+Indikator/next-price-predictor-using-neural-network --- **Download:** [BPNN_Predictor_with_Smoothing.mq4](https://www.mql5.com/en/code/download/9002/BPNN_Predictor_with_Smoothing.mq4) ![Next price predictor using Neural Network](https://c.mql5.com/18/20/NN1__1.gif) ![Next price predictor using Neural Network](https://c.mql5.com/18/20/af__1.gif) ![Next price predictor using Neural Network](https://c.mql5.com/18/20/ind_3_small.gif) ![Next price predictor using Neural Network](https://c.mql5.com/18/20/ind2_5_small.gif) ![Next price predictor using Neural Network](https://c.mql5.com/18/20/NN3_2.gif) ![Next price predictor using Neural Network](https://c.mql5.com/18/20/NN4.gif) Prediksi Harga Masa Depan dengan Kecerdasan Buatan: Membedah MT4 Indikator "Next Price Predictor" Pernahkah kamu membayangkan sebuah alat yang bisa "menebak" pergerakan harga selanjutnya di pasar forex? Mungkin terdengar seperti sihir, tapi di dunia trading, kecerdasan buatan (AI) mulai merambah ke ranah ini. Salah satu contohnya adalah indikator MT4 bernama "Next Price Predictor" yang memanfaatkan kekuatan *Neural Network* atau Jaringan Saraf Tiruan. Bagi kamu yang baru terjun ke dunia trading dan penasaran bagaimana teknologi ini bekerja, yuk kita bedah bersama. ## Apa Itu "Next Price Predictor" dan Bagaimana Cara Kerjanya? Intinya, indikator ini mencoba memprediksi harga penutupan (open price) di masa depan menggunakan model matematis canggih yang terinspirasi dari cara kerja otak manusia. Namanya "Next Price Predictor", dan fokus utamanya adalah memprediksi pergerakan harga yang akan datang. Kerennya lagi, ada versi lain yang menambahkan smoothing pada data harga menggunakan Exponential Moving Average (EMA) sebelum prediksi dilakukan, namanya "BPNN Predictor with Smoothing". ### Mengintip Dunia Neural Network: Otak Tiruan di Balik Prediksi Sebelum jauh membahas indikatornya, mari kita kenali dulu "otak" di balik prediksi ini, yaitu Neural Network. Bayangkan sebuah jaringan yang terdiri dari banyak titik (disebut neuron) yang saling terhubung. Setiap koneksi antar neuron punya "kekuatan" atau bobot tertentu, yang menentukan seberapa besar pengaruh data yang mengalir melaluinya. * **Lapisan-lapisan Informasi:** Jaringan saraf tiruan ini biasanya tersusun dalam beberapa lapisan: lapisan input, lapisan tersembunyi (bisa satu atau lebih), dan lapisan output. Data masuk dari lapisan input, diproses di lapisan tersembunyi, dan akhirnya menghasilkan prediksi di lapisan output. * **Alur Data:** Dalam tipe yang disebut *Feed-Forward Neural Network* (FFNN) yang digunakan indikator ini, data bergerak maju dari input ke output, tanpa ada siklus balik. Jadi, data tidak akan kembali ke lapisan sebelumnya. * **Neuron Beraksi:** Setiap neuron dalam jaringan melakukan dua tugas utama. Pertama, ia menjumlahkan semua sinyal yang masuk dari neuron sebelumnya, dikalikan dengan bobot masing-masing koneksi. Kedua, hasil penjumlahan ini kemudian dilewatkan ke sebuah "fungsi aktivasi". ### Fungsi Aktivasi: Memberikan "Rasa" Non-Linear pada Prediksi Nah, fungsi aktivasi inilah yang bikin Neural Network jadi istimewa. Tanpa fungsi ini, jaringan saraf tiruan hanya akan menjadi model linear sederhana, mirip dengan indikator Moving Average yang kamu kenal. Fungsi aktivasi inilah yang memberikan kemampuan pada jaringan untuk mengenali pola-pola yang lebih kompleks dan tidak linear, yang sangat umum terjadi di pasar keuangan. Ada beberapa pilihan fungsi aktivasi yang bisa digunakan, seperti sigmoid, tanh, atau fungsi lainnya yang memberikan "ambang batas" aktivasi. Tambahan "bias input" pada setiap neuron juga memungkinkan pergeseran ambang batas ini, memberikan fleksibilitas lebih pada model. ### Proses "Belajar" Neural Network: Latihan Keras untuk Hasil Akurat Bagaimana Neural Network bisa memprediksi? Jawabannya adalah melalui proses pelatihan (training). Ibarat seorang siswa yang belajar, jaringan ini diberikan banyak sekali data historis harga (input) beserta hasil yang diharapkan (output). Melalui algoritma yang disebut *back-propagation*, jaringan ini terus-menerus menyesuaikan bobot koneksinya agar semakin akurat dalam mencocokkan output prediksi dengan output yang diharapkan dari data latih. Proses penyesuaian bobot ini bertujuan untuk meminimalkan kesalahan (error) antara prediksi jaringan dan kenyataan data historis. Metode *Improved Resilient back-Propagation Plus (iRProp+)* adalah salah satu teknik canggih yang digunakan di sini. Meskipun begitu, perlu diingat bahwa pasar keuangan seringkali bersifat *chaotic* atau kacau. Permukaan kesalahan dalam pelatihan untuk data semacam ini bisa sangat kompleks dengan banyak "lembah" (local minima). Dalam kasus seperti ini, metode lain seperti algoritma genetika terkadang lebih disukai untuk menemukan bobot yang optimal. ## Membongkar Fungsi Indikator "Next Price Predictor" di MT4 Sekarang, mari kita fokus pada bagaimana indikator ini diaplikasikan di platform MetaTrader 4 (MT4). Indikator ini memiliki dua fungsi utama yang disediakan oleh file DLL yang disertakan: 1. **`Train()`:** Fungsi ini digunakan untuk melatih jaringan saraf tiruan. Kamu memberikan data input historis dan data output yang diharapkan, lalu fungsi ini akan menghitung dan menyimpan bobot terbaik untuk jaringan. 2. **`Test()`:** Setelah jaringan terlatih, fungsi ini digunakan untuk melakukan prediksi. Kamu memberikan data input baru, dan fungsi ini akan menggunakan bobot yang sudah dilatih untuk menghitung dan mengeluarkan hasil prediksi. ### Parameter Penting yang Perlu Kamu Ketahui Saat kamu memasang indikator ini di chart MT4, ada beberapa parameter yang bisa kamu atur. Memahami parameter ini penting agar kamu bisa mengoptimalkan kinerjanya: * **`lastBar`:** Menentukan bar terakhir dalam data historis yang akan digunakan untuk pelatihan atau prediksi. * **`futBars`:** Berapa banyak bar ke depan yang ingin kamu prediksi pergerakan harganya. * **`numLayers`:** Jumlah total lapisan dalam jaringan saraf tiruan, termasuk lapisan input, lapisan tersembunyi, dan lapisan output. Rentangnya biasanya antara 2 hingga 6. * **`numInputs`:** Jumlah input yang akan diberikan ke jaringan. Dalam indikator ini, inputnya adalah perubahan harga relatif terhadap harga beberapa periode sebelumnya, di mana jedanya dihitung menggunakan deret Fibonacci (1, 2, 3, 5, 8, dst.). * **`numNeurons1`, `numNeurons2`, `numNeurons3`, dst.:** Menentukan jumlah neuron di setiap lapisan tersembunyi (atau lapisan output). Kamu bisa menentukan hingga lima lapisan tersembunyi. * **`ntr`:** Jumlah set data yang digunakan untuk pelatihan. Semakin banyak data, semakin baik jika datanya relevan. * **`nep`:** Jumlah maksimum "epoch" atau siklus pelatihan. Ini menentukan seberapa lama jaringan akan terus belajar untuk meminimalkan kesalahan. * **`maxMSEpwr`:** Mengatur batas kesalahan kuadrat rata-rata (Mean Squared Error/MSE) maksimum. Pelatihan akan berhenti jika kesalahan mencapai tingkat yang ditentukan oleh 10 pangkat `maxMSEpwr`. * **`AFT`:** Tipe fungsi aktivasi yang akan digunakan di lapisan tersembunyi. Ada tiga pilihan: sigmoid (0), tanh (1), atau x/(1+x) (2). * **`smoothPer` (khusus untuk versi BPNN Predictor with Smoothing):** Periode Exponential Moving Average (EMA) yang digunakan untuk menghaluskan data harga sebelum prediksi dilakukan. ### Tampilan Indikator di Chart Indikator ini biasanya akan menampilkan tiga garis di chart MetaTrader 4 kamu: 1. **Garis Prediksi Asli:** Menunjukkan prediksi pergerakan harga berdasarkan data mentah. 2. **Garis Prediksi yang Dihaluskan (jika menggunakan versi smoothing):** Menunjukkan prediksi setelah data harga dihaluskan terlebih dahulu dengan EMA. 3. **Garis Harga Aktual:** Garis ini mungkin ditampilkan untuk perbandingan, menunjukkan pergerakan harga sebenarnya. Penting untuk diperhatikan bahwa dalam indikator "Next Price Predictor", fungsi aktivasi **tidak diaktifkan di lapisan output (OAF=0)**. Ini karena outputnya adalah prediksi harga, yang merupakan nilai kontinyu, bukan klasifikasi biner. Jika outputnya adalah klasifikasi (misalnya, naik atau turun), maka fungsi aktivasi di lapisan output akan diaktifkan. ## Rekomendasi dan Pertimbangan Penting Penggunaan Neural Network untuk prediksi harga memiliki potensi besar, namun juga ada tantangan. * **Overfitting:** Hati-hati terhadap fenomena *overfitting*. Jaringan yang terlalu "pintar" atau terlalu banyak memiliki bobot bisa saja menghafal data historis dengan sempurna, termasuk noise atau kebetulan acak di dalamnya. Akibatnya, ketika digunakan untuk memprediksi data baru, prediksinya bisa sangat meleset karena ia terlalu terpaku pada detail data lama yang mungkin tidak relevan lagi. Ibaratnya, ia menghafal setiap tikungan jalan, tapi lupa arah tujuan utama. * **Data Pelatihan:** Kualitas dan kuantitas data pelatihan sangat krusial. Data yang relevan dan cukup banyak akan membantu jaringan belajar pola yang sebenarnya, bukan hanya kebetulan statistik. * **Uji Coba:** Selalu uji coba indikator ini secara mendalam di akun demo sebelum menggunakannya di akun live. Perhatikan bagaimana prediksinya bekerja pada berbagai kondisi pasar dan pasangan mata uang. Indikator seperti "Next Price Predictor" ini adalah contoh menarik bagaimana teknologi AI dapat diintegrasikan ke dalam alat trading. Bagi trader pemula, memahaminya mungkin terasa rumit di awal, tapi dengan sedikit kesabaran dan eksplorasi, kamu bisa mulai merasakan potensi teknologi canggih ini dalam membantu menganalisis pasar.