Escolar Documentos
Profissional Documentos
Cultura Documentos
Abstrak
Peramalan (forecasting) merupakan suatu cara untuk memperkirakan suatu nilai di masa depan dengan
menggunakan data masa lalu. Salah satu metode dalam melakukan peramalan adalah metode Fuzzy Time series
(FTS). Pada penelitian ini dilakukan analisis terhadap metode First Order and Time Invariant Model untuk
melihat efektifitas hasil ramalan data time series . Pada tahap pembagian interval data time series digunakan
metode Frequency Density Based Partitioning (FDBP. Data time series yang digunakan sebagai data untuk uji
coba adalah data harga saham dari 3 perusahaan yaitu Amazon.com, Inc, Bank Mandiri Tbk dan Unilever
Indonesia Tbk. Pengujian yang dilakukan meliputi pengujian efektifitas peramalan (dalam %) yang diukur
menggunakan metode Average Forecasting Error Rate (AFER). Dari hasil pengujian diperoleh rata-rata nilai
AFER dari pengujian peramalan berada dibawah 2,5 %, sehingga dapat dikatakan bahwa peramalan
menggunakan metode tersebut mempunyai akurasi peramalan yang cukup baik. Berdasarkan hasil pengujian
dengan menggunakan data harga saham dari tiga perusahaan tersebut selama 1 tahun, 6 bulan, 3 bulan, 2 bulan
dan 1 bulan dapat disimpulkan bahwa metode First Order and Time Invariant Model memberikan nilai error
yang relatif kecil jika digunakan untuk meramalkan harga saham yang pola datanya relatif konstan atau
stationer.
Kata kunci : Fuzzy Time series, First Order and Time Invariant Model, Saham
1. Pendahuluan
Peramalan (forecasting) memiliki peran yang
cukup penting dalam melakukan pengambilan
keputusan, yaitu bagaimana membuat perencanaan
untuk masa depan yang lebih baik dari sebelumnya
berdasarkan data masa lalu atau berdasarkan
pengalaman seseorang dalam lingkungan perusahaan
maupun pemerintahan.
Peramalan menggunakan data masa lalu (data
historis) dapat dilakukan menggunakan metode
Fuzzy Time series (FTS). FTS adalah metode
peramalan data yang menggunakan prinsip-prinsip
fuzzy sebagai dasarnya. Sistem peramalan dengan
metode FTS bekerja dengan melihat pola dari data
yang telah lalu kemudian digunakan untuk
memproyeksikan data yang akan datang. Prosesnya
juga tidak membutuhkan suatu sistem pembelajaran
dari sistem yang rumit sebagaimana yang ada pada
algoritma genetika dan jaringan syaraf, sehingga
2.3
{ {
1
uij= 0.5
0
if j=i
if j=i1 ataui+1
Yang lainnya
c.
d.
y =
y R( y )
R( y )
(3)
- Dimana y adalah nilai crisp dan _R (y)adalah
derajat keanggotaan dari y [8].
- Hitung hasil peramalan, dengan menambahkan
output variasi peramalan tahun yang akan
diramal n pada tahun sebelumnya n-1.
14. Hitung hasil peramalan dengan menambahkan
output selisih dari data time series peramalan
tahun yang akan diramal n pada tahun
sebelumnya n-1.
3. Implementasi Perangkat Uji Coba
Perangkat uji coba untuk peramalan harga
saham ini berupa sebuah sistem peramalan yang
menerapkan model dari metode FTS yaitu First
Order and Time Invariant Model dan menggunakan
metode Frequency Density Based Partitioning
(FDBP) sebagai metode untuk pembagian interval.
Data masukan untuk melakukan peramalan adalah
data time series dari harga saham, yang selanjutnya
akan diproses dengan perhitungan menggunakan
model dari metode FTS. Untuk lebih jelasnya
gambaran umum sistem dapat dilihat pada Gambar 1
berikut.
5. Kesimpulan
Setelah menyelesaikan serangkaian tahapantahapan dalam menerapkan salah satu model dari
metode FTS yaitu first order and time invariant
model maka dapat ditarik kesimpulan yaitu:
1. Dari hasil pengujian pada perusahaan
Amazon.com, Inc, Bank Mandiri Tbk dan
Unilever Indonesia Tbk maka didapat persentase
error pada umumnya dibawah 2,5% sehingga
dapat dikatakan mempunyai akurasi peramalan
yang cukup baik.
2. Penurunan atau kenaikan harga saham pada
perusahaan yang cukup tinggi dari pada harga
sebelumnya menjadi penyebab selisih yang
cukup besar antara harga saham yang sebenarnya
dengan hasil ramalan.
3. Berdasarkan hasil pengujian dapat disimpulkan
bahwa penggunaan salah satu model dari metode
FTS yaitu first order and time invariant model
dan FDBP untuk pembagian interval akan
memberikan nilai error yang relatif kecil jika
digunakan untuk meramalkan harga saham yang
pola datanya relatif konstan atau tidak terlalu
fluktuatif.
4. Berdasarkan nilai standar deviasi yang didapat
dari data harga saham dapat disimpulkan bahwa
besarnya nilai standar deviasi suatu data harga
saham memiliki hubungan dengan nilai error dari
[3]
[4]
[5]
[6]
[7]
[8]