KLASIFIKASI PERUBAHAN HARGA OBLIGASI KORPORASI DI INDONESIA MENGGUNAKAN METODE NAIVE BAYES CLASSIFICATION - Diponegoro University | Institutional Repository (UNDIP-IR)

(1)

KLASIFIKASI PERUBAHAN HARGA OBLIGASI

KORPORASI DI INDONESIA MENGGUNAKAN

METODE

NAIVE BAYES CLASSIFICATION

SKRIPSI

Disusun Oleh :

KHOTIMATUS SHOLIHAH

24010212140078

JURUSAN STATISTIKA

FAKULTAS SAINS DAN MATEMATIKA

UNIVERSITAS DIPONEGORO

(2)

i

KLASIFIKASI PERUBAHAN HARGA OBLIGASI KORPORASI

DI INDONESIA MENGGUNAKAN METODE

NAIVE BAYES

CLASSIFICATION

D su

su

n

Ol

:

KHOTIMATUS SHOLIHAH

24010212140078

D

_{ajukan Sebagai Salah Satu Syarat untuk Memperoleh}

Gelar Sarjana pada Jurusan Statistika

JURUSAN STATISTIKA

FAKULTAS SAINS DAN MATEMATIKA

UNIVERSITAS DIPONEGORO

(3)

(4)

(5)

i

v

Alhamdulillah, segala puji hanya milik Allah SWT, karena hanya limpahan rahmat dan

karuniaNya penulis mampu menyelesaikan Tugas Akhir yang berjudul

H

!"

ve Bayes Classification

.

Pada kesempatan ini penulis ingin mengucapkan terima kasih kepada:

1. Ibu Dra. Dwi Ispriyanti, M.Si, selaku Ketua Jurusan Statistika Fakultas Sains dan Matematika

Universitas Diponegoro.

2. Ibu Di Asih I Maruddani, S.Si, M.Si selaku dosen pembimbing I dan Bapak Abdul Hoyyi,

S.Si., M.Si selaku dosen pembimbing II, yang telah memberikan bimbingan dan pengarahan

dalam penulisan tugas akhir ini.

3. Bapak/Ibu dosen Jurusan Statistika Fakultas Sains dan Matematika yang telah memberikan

ilmu yang bermanfaat.

4. Kedua orang tua yang selalu memberikan dukungan, do a, dan tidak pernah lelah mendidik

serta memberi cinta yang tulus dan iklas semenjak kecil.

5. Semua pihak yang telah memberikan bantuan dalam menyelesaikan tugas akhir ini yang tidak

dapat penulis sebutkan satu per satu.

Penulis menyadari bahwa laporan ini masih jauh dari sempurna. Oleh karena itu, kritik

dan saran yang membangun sangat penulis harapkan.

(6)

*+,- ./0- /1/ ,/2 034/5 35/6. 7/6.8 / 9:6:6./2

-panjang yang dapat dipindahtangankan

berisi janji dari pihak penerbit untuk membayar imbalan berupa bunga pada periode tertentu dan

melunasi pokok utang pada waktu yang telah ditentukan kepada pihak pembeli obligasi. Harga

obligasi yang mengalami perubahan setiap waktu dapat menguntungkan atau merugikan

investor. Investor hendaknya mengetahui kondisi terbaik untuk membeli obligasi dengan harga

diskon, atau menjual obligasi dengan harga premium. Dengan mengklasifikasikan perubahan

harga obligasi dapat membantu investor untuk mendapatkan

return

yang optimal. Salah satu

metode klasifikasi adalah

Naive Bayes.

Secara teori, metode tersebut mempunyai

error

yang

minimum dibandingkan metode klasifikasi yang lain. Bayes

merupakan teknik prediksi berbasis

probabilistik sederhana yang berdasar pada penerapan teorema Bayes dengan asumsi

independensi yang kuat. Sebelum dilakukan klasifikasi, diperlukan

preprocessing data

yang

merupakan tahapan pemilihan fitur. Dalam hal ini dilakukan uji

Mann Whitney

untuk memilih

fitur yang independen tiap kelasnya. Teknik validasi yang digunakan adalah

k-fold cross

validation. Berdasarkan hasil analisis, diperoleh akurasi rata-rata sebesar 78,52% dan

error

21,48%. Dengan akurasi yang cukup tinggi dan

error

yang cukup rendah, hal ini dapat diartikan

bahwa metode

Naive Bayes

bekerja cukup baik dalam mengklasifikasi perubahan harga obligasi

korporasi di Indonesia.

(7)

vi

ABCDE FGHIDE JH

-

K BCLMINHD IOMF IPJNEMEIFQRE PRPG COIFBKDG CDPBCMGE CFGSK ID LITNBH MR I E F F JIN MB SGUECMINIFMTBN G PINM GEC S INEBD G CD NISGUHICM BT M RI S NECPESGK D IOM GM G FSIPETE ID MEHI M B MR I OBCD F O JUIN

.

ABCDF SNE PI PR G CLIF G CU M E HI

,

EM PBJKD OI OICITEPEGK BN LE V I DE FGDVG CMG LIMBE CV IFM BNF

.

WCV IFM BNFFR BJKDX CBQMR IO IFMPBCDE MEBCFMBO J UO BCD FBCGDEFPBJCM

,

BNF IKK MR IHGMGS NIHEJH S NEPI

.

A U PKG F FE TUM R IPRG CLE CL BT O BCD FS NE PI

,

EMPBJKDR IKS ECV IFM BNF M BLGE CBSM E HJHNIMJNCYZ CIH IM R BDE F[GEV IAG UI FPKG FFETEPGMEBCY WCMR IB NU

,

WMRG FMR IHECE H JH INNBN NGM I E C PBHSGNE F BCMBGKK BMR IN PK GF FETE INF

.

A GUI F E F GFEHSK I S NBOGOE KE FM E P

-

OG FID S NIDEPM E BC M IPR CE\ JI QREPR OGF ID BC M R I GSSK E PGME BC BT AGUI F M R IBN IH QEM R FM NBCL E CD ISICDIC PI G FF JHSM E BCF

.

AIT BNI PK GFFET UE CL

,

S NISNBPIFFECL D GMG EF NI\ JE NID G F G FMG L I T IGM JN I FIKIPMEBCY WC MREF PGF I

,

M R I ]G CC ^REMCIUM IFM PG C O ID BC I M B PR BBFI MR I ECD IS ICD ICM TIGM JNIF BT IG PR PK GF F

.

V

GK EDGME BC MIPR CE

que in use is k-fold cross validation. Based on analysis, we gained average

accuracy at 78,52% and 21,8% error. With high accuracy and quite low error, it means that the

Naïve Bayes method works quite well on classifying the corporate bonds price changes in

Indonesia.

(8)

hi

l

i

m

i

n

hjk

A

l

A

mn o pokqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqq `

(9)

(10)

x

BAB V PENUTUP

1.1 Kesimpulan...

55 1.2 Saran ...

56 DAFTAR PUSTAKA ...

57

(11)

(12)

x

i

ÝÞßÞàÞá Úâ ãäâå

1

æç è Þ éêÞ àë ßèêëáÞ ßèì èì ííííííííííííííííííííííííííííííííííííííííííííííííííííííííí îï Úâ ãäâå

2

æðÞáéñÞòÞ ñóôõ ößèéÞì è÷øá éÞáùøêô öÞúÞáÝÞ ê éÞ

(13)

1

ÿÿ ÿ ÿ! "ÿ# $%

&'""(%)*+ +)"""(%)*++++++++++++++++++++++++++ *,

2 Syntax Uji Mann-Whitney

+++++++++++++++++++++++++++++++++++++++++++++++++ -% . / /01ÿ

Mann-Whitney

++++++++++++++++++++++++++++++++++++++++++++++++ -$ 2

Syntax

3" "

Naive Bayes

3" /4

#"4ÿ4

(14)

At discount bond

E FGH ;I ; H ; J KG K LKM NK O KIKM FPQ ; NKI ; QRP;L MRGHKL H K M; G ;Q K;

GFJ;G KQGSK

At premium bond

E FGH ;I ; H ; J KG K LKMNK OKI KM FP Q; NKI ; QRP ;L T ;G NN; HKM; G ;Q K;

GFJ;G KQGSK

Fixed rate bond

URG ; I FP Q; NKI ; SKGN J R JPR M;VKG T;G NVKT I WV W PWG NK T R TKO

IKJO K;OR M;FHRX KTWLTRJ O F

YKM NKOKI KM YKMNK XWKQ ZP RQ ; SKGN PRMQKV W H ; O KIKM KT KW SKGN TRMX KH ; H ; [ WMI K\ ]RV

Issuer

^;L KVSKGNJRGK_ K MV KGFP Q ;NKI ;

E WO FG ` ;G NV KT I WV WP WG NK KT KW ORGH KO KT KGKT KI ORJPR Q ; KG FP Q ;NKI;a H;P K SK MV KGI R T; KOIRJR IT R MKGKT KWTM;_WQKG

Maturity date

` KG NNKQ X KTWL TRJ OF H KG L KMWI H ;QWG KI ;GSK O FVFV H KM; IWMKT

WT KGN

b; QK;G FJ;G KQ YKMNKSKGNH ;PR M;VKGHKGTR MTWQ; IO KH KFP Q ;NKI;KT KWI KL KJ cP Q ;NKI; dWMKT WT KG N XKGNV K JRGRG NKLZO KGX KGN SKGN H KOKT

(15)

g hi jkl fg hmg nojmohpjljpfk jophqrhi f sriftju fg hvu hrng

wriftju f xsv psvjuf

wri ftjuf yjmt l fohi n jvo jm sihk phq hv fmgjk jgj n phvuhvs jm ljijqvjmtojqhqhmnk fu gv nog nvphv qsl ji jm

z hvf mtojg sri ftjuf

xsl hyjmtl frjonojmnmgnoq hmnm{ noojmonjifg juunjgnu nv jg ngjmt yjmt phmhgjpj mm yj l fi jonojm si hk i hqrjtj phq hv fmtojgh |ho

Return

}jr j jgju unjg n f m~hu g juf yjmt rfju jmyj l fm yjgj ojm uhrjt jf

g jvf |phvuhmg juhg jk nmjm

Yield

z hml jpjgjm ohnmgnm tjm jgju f m~ hu g juf yjmt l fghv fqj sihk

fm~ hu gsv

Yield to maturity

fmtojg phml jp jg jm yj mt jojm l fg hv fqj sihk fm~ hu gsv rfi j

(16)

(17)

(18)

(19)

Naive Bayes

m

"

rup

#$#

n

#

l

%&

or

#

tm

y

#%

n

t

"

rm

#

suk

'#

l

#

m

$#

t

"%

or

&

eager

learner,

#&

y

tu

' &' "(# &

n untuk m

"

l

# $)$#

n

*"

m

+#, ##

n

- *".#/ &0# 1-*"2 +".# 3# 4# 1*#'#

'# /# .# /& 0 )1/ )$ '# *# / 2"2"/# $#1 ' "1%# 1 +"1# 4 ( "/ &# * 5 "$/6 4 2# ( )$# 1 $" .# +". $".# ( $". )# 4# 11#

y

("0&1%%# ' & # $0&4 *46 ( "( *" .#/ &0# 17 26' ". ()'# 0 '# *# / 2".# $)$#1*"2 "/ ## 1' "1%# 1+ "1# 4

(

8 4# ("/96 7:;<!

)

=

> ",#4# /"64&7 2 "/6' " $.#( &?& $#( &

Naive Bayes

2 "2 *)1 9#&

error rate

9#1% 2& 1&2 )2 '& +# 1' &1%$# 1 2 "/6' " $.#( &?& $#( & 9# 1% .# & 1

(

@# 1 '# 1

K

# 2 +"47 :;;A

)

=

2. Bagaimana klasifikasi perubahan harga obligasi korporasi di Indonesia

(20)

QR STUTV W TX T YZTY [\T]TX Y ^T_V `V Y T_V aZ \[bTc TX cT\U T db^VU T_V Y d\a d\ T_V eV fXe dXZ _V T] TXUUT^Qghd iZW bZ \jgk P_ Re RklZ _ZWbZ \jgk PWZ XUU[XTY TX WZ]deZ