DETEKSI POLA CANDLESTICK MENGGUNAKAN YOLOV8 UNTUK ANALISIS TEKNIKAL BERBASIS CITRA

Abstract

Perkembangan teknologi computer vision dan deep learning telah meningkatkan analisis data keuangan, khususnya dalam pengenalan pola candlestick untuk pengambilan keputusan investasi. Namun, identifikasi pola secara manual cenderung subjektif, tidak konsisten, dan rentan terhadap kesalahan, terutama pada pola dengan kemiripan visual tinggi. Penelitian ini bertujuan mengevaluasi kinerja model YOLOv8 dalam mendeteksi pola candlestick secara otomatis serta menganalisis kemampuannya dalam membedakan pola yang memiliki kemiripan morfologis tinggi. Metode yang digunakan adalah pendekatan kuantitatif eksperimental dengan dataset sebanyak 4.435 citra yang diperoleh dari Roboflow. Model dilatih menggunakan konfigurasi standar YOLOv8 selama 100 epochs. Evaluasi dilakukan menggunakan metrik precision, recall, F1-score, dan mean Average Precision (mAP) pada rentang IoU 0.5–0.95. Hasil penelitian menunjukkan bahwa model mencapai precision 0.877, recall 0.898, F1-score 0.88, dan mAP sebesar 0.903. Model mampu mendeteksi pola dengan baik, namun performa menurun pada pola dengan kemiripan visual tinggi. Dengan demikian, YOLOv8 dinilai efektif untuk pengembangan sistem analisis teknikal berbasis citra yang lebih objektif dan efisien.