ADAPTIVE NEURO FUZZY INFERENCE SYSTEM
(ANFIS)
SKRIPSI
UMI HANI
081402032
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
PREDIKSI HARGA SAHAM SYARIAH MENGGUNAKAN METODE
ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS)
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Teknologi Informasi
UMI HANI 081402032
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : PREDIKSI HARGA SAHAM SYARIAH MENGGUNAKAN METODE ADAPTIVE
NEURO FUZZY INFERENCE SYSTEM (ANFIS)
Kategori : SKRIPSI Nama : UMI HANI Nomor Induk Mahasiswa : 081402032
Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI Departemen : TEKNOLOGI INFORMASI
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI (FASILKOM-TI) UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan, Januari 2014 Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Sarah Purnamawati, S.T, M.Sc. Dr. Erna Budhiarti Nababan, M.IT NIP 19830226 201012 2 003 NIP -
Diketahui/Disetujui oleh
Program Studi S1 Teknologi Informasi Ketua,
iii
PERNYATAAN
PREDIKSI HARGA SAHAM SYARIAH MENGGUNAKAN METODE
ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS)
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Januari 2014
UCAPAN TERIMA KASIH
Puji dan syukur penulis sampaikan kehadirat Allah SWT yang telah memberikan rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan skripsi ini sebagai syarat untuk memperoleh gelar Sarjana Teknologi Informasi, Program Studi S1 Teknologi Informasi Universitas Sumatera Utara.
Ucapan terima kasih penulis sampaikan kepada Ibu Dr. Erna Budhiarti Nababan, M.IT selaku pembimbing satu dan Sarah Purnamawati, S.T, M.Sc. selaku pembimbing dua yang telah banyak meluangkan waktu dan pikirannya, memotivasi dan memberikan kritik dan saran kepada penulis. Ucapan terima kasih juga ditujukan kepada Bapak Romi Fadillah Rahmat, B.Comp.Sc., M.Sc. dan Bapak Mohammad Fadly Syahputra, B.Sc, M.Sc.IT yang telah bersedia menjadi dosen pembanding. Ucapan terima kasih juga ditujukan kepada Ketua dan Sekretaris Program Studi Teknologi Informasi, Prof. Dr. Opim Salim Sitompul, M.Sc. dan Drs. Sawaluddin, M.IT, Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara, semua dosen serta pegawai di Program Studi S1 Teknologi Informasi.
v
ABSTRAK
Indonesia, sebagai negara berpenduduk beragama Islam terbesar di dunia, memiliki potensi yang sangat besar untuk pengembangan saham syariah. Pelaku pasar pada saham syariah dituntut untuk memahami investasi saham dan analisis manajemen resiko serta analisis pergerakan transaksi saham. Analisis pergerakan transaksi saham digunakan untuk melihat pergerakan saham dan membantu para investor untuk memprediksi harga saham. Salah satu analisis pergerakan transaksi saham yang biasa dilakukan adalah analisis teknikal dimana saham diprediksi berdasarkan data fluktuasi saham di masa lalu. Dalam tugas akhir ini digunakan metode Adaptive Neuro Fuzzy
Inference System (ANFIS) untuk memprediksi indeks saham syariah berdasarkan
data-data saham sebelumnya. ANFIS adalah salah satu sistem hybrid dimana metode pembelajaran jaringan syaraf tiruan digunakan untuk mengimplementasikan metode
Fuzzy Inference System. Pengukuran tingkat akurasi hasil prediksi dilakukan dengan
nilai MAPE (Mean Absolute Percentage Error). Hasil prediksi yang dilakukan menggunakan ANFIS dengan parameter laju penbelajaran 0.6, momentum 0.1, max
epoch 400 dan kriteria penghentian 0.000001 pada indeks harga saham Jakarta Islamic
Index (JII) priode 1 Januari 2011 sampai dengan 31 Desember 2012 menghasilkan
error rata-rata sebesar 0.97583%.
Kata kunci: adaptive neuro fuzzy inference system, neuro fuzzy, neural
network, fuzzy inference system, prediksi, saham syariah, jakarta islamic
SHARIA STOCK PRICE PREDICTION USING ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS)
ABSTRACT
Indonesia as the biggest Muslim country in the world has a huge potential for the development of sharia stock market. The investor of sharia stock market are required to understand the stock investment and risk management analysis and stock movement transactions analysis. Analysis of stock movement transactions used to monitor at the movement of stocks and helping investors to predict the value of the stock. One of stock movement transactions common used is technical analysis where the data is predicted based on past stock fluctuations. In this study Adaptive Neuro Fuzzy Inference System (ANFIS) is used to predict the value of sharia stock index based on previous stock data. ANFIS is a hybrid system where neural networks are used to implement the Fuzzy Inference System. The accuracy of the prediction results is measured by the value of MAPE (Mean Absolute Percentage Error). The results of prediction using ANFIS with parameter learning rate 0.6, momentum 0.1, max epoch 400 and stoping criterion 0.000001 on stock indices Jakarta Islamic Index ( JII ) from January 1st, 2011 to December 31st, 2012 yield average error of 0.97583%.
Keyword: adaptive neuro fuzzy inference system, neuro fuzzy, neural network,
vii
DAFTAR ISI
Hal.
Persetujuan ii
Pernyataan iii
Ucapan Terima Kasih iv
Abstrak v
1.4 Tujuan Penelitian 3
1.5 Manfaat Penelitian 4
1.6 Metode Penelitian 4
1.7 Sistematika Penulisan 5
Bab 2 Tinjauan Pustaka 7
2.1 Saham Syariah 7
2.2 Analisis Harga Saham 9
2.3 Normalisasi Data 11
2.4 Fuzzy System 12
2.4.1 Fuzzifikasi 12
2.4.1.1 Fungsi Keanggotaan 13 2.4.1.2 FuzzyClustering 16
2.4.2 Inferensi 18
2.4.2.1 Operasi Himpunan Fuzzy 18 2.4.2.2 Metode Inferensi Sugeno 19
2.4.3 Defuzzifikasi 20
2.5 Jaringan Saraf Tiruan 21 2.6 Prediksi Menggunakan ANFIS 21 2.7 Teknik Prediksi Harga Saham Terdahulu 28
3.4.4 Activity Diagram 45 3.4.5 Model Entity-Relationship 50 3.4.6 Rancangan Menu Sistem 50 3.4.7 Perancangan Antarmuka 51 3.4.7.1 Rancangan Halaman Login 51 3.4.7.2 Rancangan Halaman Utama 52 3.4.7.3 Rancangan Halaman Tutorial Aplikasi 53 3.4.7.4 Rancangan Halaman Profil 53 3.4.7.5 Rancangan Halaman Pengguna 54 3.4.7.6 Rancangan Halaman Catatan 55 3.4.7.7 Rancangan Halaman Data Saham 56 3.4.7.8 Rancangan Halaman Prediksi Saham 57
Bab 4 Implementasi dan Pengujian Sistem 58 4.1 Implementasi Sistem 58 4.1.1 spesifikasi perangkat keras dan lunak yang digunakan 58 4.1.2 Implementasi perancangan antarmuka 58 4.1.3 Implementasi data 65
4.2 Pengujian Sistem 65
4.2.1 Rencana pengujian sistem 66 4.2.2 Kasus dan hasil pengujian sistem 66 4.2.3 Pengujian kinerja sistem 71
4.2.4 Data training 76
4.2.5 Pengujian data 79
Bab 5 Kesimpulan dan Saran 81
5.1 Kesimpulan 81
5.2 Saran 82
Daftar Pustaka 83
ix
DAFTAR TABEL
Hal. Tabel 2.1 Penelitian Sebelumnya 31 Table 3.1 Rangkuman Data Saham Jakarta Islamic Index 34 Tabel 3.2 Use Case Spesifikasi untuk Use Case Profil 41 Tabel 3.3 Use Case Spesifikasi untuk Use Case Pengaturan Pengguna 42 Tabel 3.4 Use Case Spesifikasi untuk Use Case Tutorial Aplikasi 42 Tabel 3.5 Use Case Spesifikasi untuk Use Case Edit Catatan 43 Tabel 3.6 Use Case Spesifikasi untuk Use Case Prediksi 43 Tabel 3.7 Use Case Spesifikasi untuk Use Case Pengaturan Data Saham 44 Table 4.1 Data Saham Jakarta Islamic Index 65 Tabel 4.2 Rencana Pengujian 66
Tabel 4.3 Hasil Pengujian 67
DAFTAR GAMBAR
Hal. Gambar 2.1 Harga Saham United Traktors Mei-Juni 2002 10 Gambar 2.2 Harga Saham Telkom 1-15 Mei 2009 10 Gambar 2.3 Proses Fuzzy Inference System (Effendi, 2009) 12 Gambar 2.4 Kurva Segitiga (Irawan, 2007) 13 Gambar 2.5 Kurva Trapesium (Irawan, 2007) 14 Gambar 2.6 Kurva Generalized Bell (Irawan, 2007) 14 Gambar 2.7 Kurva Gaussian (Irawan, 2007) 15 Gambar 2.8 Blok diagram ANFIS (Rosyadi, 2011) 23 Gambar 3.1 Grafik HargaSaham Jakarta Islamic Index (JII) 35 Gambar 3.2 Algoritma ANFIS pada Sistem 36 Gambar 3.3 Sistem ANFIS dengan Lima Input dan Dua Aturan 37 Gambar 3.4 Use Case Diagram Sistem Prediksi 40 Gambar 3.5 Class Diagram Sistem Prediksi 45 Gambar 3.6 Diagram Aktivitas untuk Mengubah Profil 46 Gambar 3.7 Diagram Aktivitas untuk Mengubah Pengguna 46 Gambar 3.8 Diagram Aktivitas untuk Pengaturan Tutorial Aplikasi 47 Gambar 3.9 Diagram Aktivitas untuk Prediksi Saham 48 Gambar 3.10 Diagram Aktivitas untuk Pengaturan Data Saham 48 Gambar 3.11 Diagram Aktivitas untuk Catatan 49 Gambar 3.12 Model Diagram E-R 50 Gambar 3.13 Struktur Menu Sistem 51 Gambar 3.14 Rancangan Halaman Login 51 Gambar 3.15 Rancangan Halaman Utama 52 Gambar 3.16 Rancangan Halaman Tutorial Aplikasi 53 Gambar 3.17 Rancangan Halaman Profil 54 Gambar 3.18 Rancangan Halaman Pengguna 54 Gambar 3.19 Rancangan Halaman Catatan 55 Gambar 3.20 Rancangan Halaman Data Saham 56 Gambar 3.21 Rancangan Halaman Prediksi Saham 57
Gambar 4.1 Halaman Login 59
Gambar 4.2 Halaman Tutorial Aplikasi 60
Gambar 4.3 Halaman Profil 60
