SIDANG TUGAS AKHIR
PERAMALAN INDEKS HARGA SAHAM GABUNGAN
DENGAN MENGGUNAKAN METODE ADAPTIVE
NEURO-FUZZY INFERENCE SYSTEM
Oleh: Ranny Kumala Dewi Ranny Kumala Dewi 5105 100 113
Dosen pembimbing Dr.Ir.Joko Lianto Buliali,M.Sc
BAB I
Pendahuluan
Indeks harga saham merupakan salah satu indikator yang
menunjukkan pergerakan harga saham. Indeks berfungsi sebagai indikator kecenderungan pasar ke tingkatan tertentu, apakah
cenderung naik atau cenderung turun berdasarkan satu jangkauan waktu tertentu.
Pergerakan indeks harga saham juga merupakan tolok ukur apakah pasar sedang lesu atau sedang aktif. Hal ini akan mempengaruhi
pasar sedang lesu atau sedang aktif. Hal ini akan mempengaruhi keputusan investor apakah mereka akan menjual, menahan atau membeli suatu saham atau beberapa saham tertentu.
Peramalan atau prediksi sangat diperlukan untuk memantau pergerakan indeks harga saham yang akan datang. Sehingga
investor mempunyai pertimbangan yang lebih kuat dengan adanya prediksi ini.
Perumusan Masalah
Permasalahan dalam tugas akhir ini terbagi atas 3(tiga) bagian yaitu:
Bagaimana menerapkan algoritma ANFIS sebagai metode perhitungan untuk peramalan indeks harga saham dengan
perhitungan untuk peramalan indeks harga saham dengan menggunakan MATLAB.
Bagaimana mengolah data-data pelatihan dan data-data pengujian agar dapat diproses oleh algoritma ANFIS.
Batasan Masalah
Sejumlah permasalahan yang dibahas dalam usulan tugas akhir ini akan dibatasi ruang lingkup pembahasannya, antara lain:
Data-data masukan berupa indeks harga saham per bulan selama periode tahun 2001 sampai dengan 2 Juni tahun 2010.
Algoritma yang digunakan sebagai mekanisme peramalan
Algoritma yang digunakan sebagai mekanisme peramalan adalah ANFIS (Adaptive Neuro-Fuzzy Inference System) dengan fungsi keanggotaan Gaussian (gaussmf).
Tujuan
Tujuan yang akan dicapai dari tugas akhir ini
membuat aplikasi atau program computer
dengan
menggunakan
MATLAB
sebagai
implementasi peramalan indeks harga saham
dengan
menggunakan
MATLAB
sebagai
implementasi peramalan indeks harga saham
dengan algoritma ANFIS. Dari penerapan
tersebut
diharapkan
akan
diperoleh
pemahaman
bagaimana
mekanisme
Manfaat dari tugas akhir ini adalah
1. Penelitian ini bermanfaat secara umum bagi para praktisi financial, pelaku pasar modal, selain dapat digunakan sebagai alternatif solusi mekanisme prediksi harga saham, juga dapat digunakan sebagai acuan untuk pengembangan lebih lanjut mengenai teknik peramalan.
mengenai teknik peramalan.
BAB II
LANDASAN TEORI
Saham adalah satuan nilai atau pembukuan dalam berbagai instrumen finansial yang mengacu pada bagian kepemilikan sebuah perusahaan. Dengan menerbitkan saham, memungkinkan perusahaan-perusahaan yang membutuhkan pendanaan jangka panjang untuk ’menjual’ kepentingan dalam bisnis - saham (efek ekuitas) - dengan imbalan uang tunai.
Indeks harga saham adalah indikator atau cerminan pergerakan harga saham. Indeks merupakan salah satu pedoman bagi investor untuk melakukan investasi di pasar modal, khususnya saham.
Dasar perhitungan IHSG adalah jumlah Nilai Pasar dari total saham yang tercatat pada tanggal
Dasar perhitungan IHSG adalah jumlah Nilai Pasar dari total saham yang tercatat pada tanggal 10 Agustus 1982. Jumlah Nilai Pasar adalah total perkalian setiap saham tercatat (kecuali untuk perusahaan yang berada dalam program restrukturisasi) dengan harga di BEJ pada hari tersebut. Formula perhitungan IHSG adalah :
Harga saham yang digunakan untuk menghitung IHSG adalah harga saham di pasar reguler yang didasarkan pada harga yang terjadi berdasarkan sistem lelang. Formula untuk menghitung Nilai Dasar adalah :
LANDASAN TEORI
(Lanjutan)
Untuk memprediksi indeks harga saham di masa yang akan datang menggunakan analisis teknikal, yang dibutuhkan adalah data-data indeks harga saham di waktu sebelumnya. Data-data tersebut merupakan data time-series yang diurutkan berdasarkan waktu dalam interval waktu yang sama. Analisa teknikal antara lain :
dalam interval waktu yang sama. Analisa teknikal antara lain :
1. Moving Average (MA)
2. Moving Average Convergence Divergence (MACD)
3. Relative Strength Index (RSI)
LANDASAN TEORI (Lanjutan)
Moving Average (MA)
Moving average merupakan analisis teknikal yang paling umum dipakai.
Terdapat dua jenis untuk analisa teknikal moving average, yaitu: Simple Moving Average (SMA) dan Exponential Moving Average (EMA).
dimana:
Ft-1 adalah nilai prediksi sebelumnya At-1 adalah nilai aktual sebelumnya
adalah konstantan penghalusan dengan jangkauan antara 0 dan 1.
LANDASAN TEORI (Lanjutan)
Moving Average Convergence Divergence (MACD)
MACD secara garis besar menggunakan EMA dalam perhitungannya. EMA terdiri dari tiga bagian yaitu: trigger line, center line, dan MACD line.
line.
LANDASAN TEORI (Lanjutan)
Relative Strength Index (RSI)
RSI merupakan salah satu indikator yang menunjukkan
kekuatan harga dengan membandingkan
upward
dan
downward
dari harga penutupan.
dimana:
U adalah upward harga penutupan
D adalah downward harga penutupan
EMAn adalah EMA periode n
RSI bernilai antara 0 dan 100
LANDASAN TEORI (Lanjutan)
Stochastic Oscillator (SO)
SO digunakan untuk menunjukkan posisi closing relative terhadap jangkauan transaksi dalam suatu periode tertentu. Pada dasarnya indikator ini digunakan untuk mengukur kekuatan relative harga terakhir terhadap selang harga tertinggi dan terrendahnya selama selang periode terhadap selang harga tertinggi dan terrendahnya selama selang periode tertentu. SO terdiri dari dua garis yaitu %K dan %D. Inti dari indikator ini adalah %K, sedangkan %D adalah SMA dari %K. Berikut ini adalah rumus dari SO:
%D = SMA3dari%K
LANDASAN TEORI (Lanjutan)
Adaptive Neuro Fuzzy Inferrence System (ANFIS)
LANDASAN TEORI (Lanjutan)
Sistem Kesimpulan Fuzzy
Arsitektur ANFIS
LANDASAN TEORI (Lanjutan)
Time series dan prediksi IHSG
Dalam indek harga saham gabungang dapat digolongkan sebagai ata time series karena terdiri dari barisan nilai-nilai dalam deret waktu. Suatu data time series dapat dinotasikan secara sederhana sebagai berikut:
y = h(t) y = h(t)
dimana y dapat merupakan sebagai variable nilai tunggal yang dibangun dalam waktu t dan dalam hal ini y adalah nilai dari indek harga saham gabungan.
BAB III
METODE PENELITIAN
Pada tugas akhir ini, ANFIS diterapkan untuk melakukan prediksi indek harga saham gabungan. Sebagai studi kasus, data time series yang digunakan dalam prediksi adalah data indek harga saham gabungan di bursa efek Indonesia. ANFIS ditujukan untuk memprediksi h(t) menggunakan n kandidat inpu h(t-1), h(t-2), h(t-3), . . ., h(t-n).
Secara umum, dalam pemodelan ANFIS terdapat dua fase, yaitu identifikasi struktur dan identifikasi parameter.
Gambar : diagram alir sistem
BAB IV
ANALISIS DAN PEMBAHASAN
Proses Training
Proses Testing(untuk tahun 2001-2010(2juni))
(a) Epoch 100
(c) epoch 200
proses forcasting (peramalan)
Data stabil tahun 2006 awal
Data tidak stabil tahun 2010 awal
Kesimpulan dan Saran
Kesimpulan
Dari uji coba yang telah dilakukan dalam implementasi metode ANFIS dengan MATLAB untuk proses peramalan didapatkan simpulan sebagai berikut :
1. Pada proses Training dalam metode ANFIS dapat dilihat bahwa semakin besar nilai Epoch maka nilai error yang diperoleh semakin kecil.
2. Pada proses Testing dalam metode ANFIS dapat dilihat bahwa data
2. Pada proses Testing dalam metode ANFIS dapat dilihat bahwa data hasil testing identik dengan data yang sebenarnya.
3. Proses Forecasting menunjukkan bahwa dengan data yang fluktuasinya cenderung stabil diperoleh hasil peramalan yang mendekati data sebenarnya, sedangkan dengan kondisi data yang cenderung kurang stabil karena faktor – faktor tertentu diperoleh hasil peramalan yang kurang begitu akurat.
Saran
Berikut ini adalah beberapa pertimbangan yang dapat dipakai untuk pengembangan dan penelitian kedepan
1.Metode anfis dengan Matlab GUI dengan mengunakan nilai iterasi besar akan membuat proses running program berjalan agak lama
sehingga gunakan iterasi yang cukup karena data hasil anfis tidak terpaut jauh.
2. Pada tugas akhir ini perubahan data ishg pada kondisi krisis
2. Pada tugas akhir ini perubahan data ishg pada kondisi krisis moneter mempengaruhi kestabilan data sehingga akurasi kurang begitu baik .maka pakailah data inputan pada kondisi yang stabil.
DAFTAR PUSTAKA
[1] Abraham. A., Nath, B. and Nath, M (2001). A Neuro-Fuzzy Approach for
Forecasting Electricity Demand in Victoria. Applied Soft Computing Journal,Elsevier Science, 127-138.
[2] Jang Jyh Shing, Roger, Sun, Chuen-Tsai,Mizutani, Eiji, Neuro Fuzzy and Soft Computing:Computational Approach to lerning and Machine Intelligence, Prentice Hall International, 1987
[3] Lin C.T and Lee, “A neuro-fuzzy Synergism to Intelligent System”, Prentice Hall International.Inc., 1996.
[4] Jang, J.-S. R. 1993. ANFIS: Adaptive-networkbased fuzzy inference systems, IEEE Trans. On Systems, Man and Cybernetics, 23(03):665-685.
[5] G. Atsalakis, Ucenic “Time series prediction of water consumption using neuro-fuzzy (ANFIS) approach”. Fariza Arna. M.Kom., “Tesis Hybrid Algorithma Genetika Simulated Annealing untuk peramalan Data Time series” Program Pasca Sarjana Institut Teknologi Sepuluh Nopember Surabaya, Juli 2003.
Institut Teknologi Sepuluh Nopember Surabaya, Juli 2003.
[6] Dwiyanti, Vonny. Wawasan Bursa Saham. Edisi pertama. Yogyakarta: Andi Offset, 1999. Sugeno, M. (1985).
[7] Industrial Applications of Fuzzy Control, Elsevier Science Publication Company.
[8] LiMin Fu (1994), Neural Networks In Computer Intelligence, McGraw Hill International Editions
[9] Mohammad Jamshidi, Nader Vadiee, dan Timothy J. Ross (1993), Fuzzy Logic and Control (Software and Hardware Applications Volume 2), Prentice Hall
[10] Thomas Sri Widodo (2005), Sistem Neuro Fuzzy – Untuk pengolahan informasi, pemodelan, dan kendali, Penerbit Graha Ilmu Yogyakarta
[11] http://www.idx.co.id/MainMenu/Education
