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). Metode ini bekerja dengan melihat pola dari data yang telah lalu kemudian digunakan untuk
memproyeksikan data yang akan datang. Pada penelitian ini menggunakan salah satu model dari metode FTS
yaitu First Order and Time Invariant Model dan menggunakan metode Frequency Density Based Partitioning
(FDBP) untuk pembagian interval di metode FTS. Pada penelitian ini dalam melakukan peramalan hanya
menggunakan data time series harga saham saja. Data harga saham yang digunakan untuk pengujian diambil dari
situs finance.yahoo.com yaitu dari perusahaan Amazon.com, Inc, Bank Mandiri Tbk dan Unilever Indonesia
Tbk. Pengujian yang akan dilakukan meliputi pengujian dari aspek keakuratan data berupa persentase error
ramalan. Hasil dari sistem peramalan yang akan dibangun adalah ramalan terhadap semua harga saham, harga
saham hari berikutnya, persentase error hasil ramalan dan grafik. Rata-rata persentase error (AFER) dari hasil
pengujian peramalan berada dibawah 2,5 % sehingga dapat dikatakan mempunyai akurasi peramalan yang cukup
baik. Dan berdasarkan hasil pengujian dengan menggunakan data harga saham dari tiga perusahaan selama 1
tahun, 6 bulan, 3 bulan, 2 bulan dan 1 bulan dapat disimpulkan bahwa model dari metode FTS yang digunakan
pada penelitian ini akan 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, Metode Peramalan Time Series,
Peramalan Harga 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 (historis) atau
berdasarkan
pengalaman
seseorang
dalam
lingkungan perusahaan maupun pemerintahan.
Contohnya peramalan sangat berguna bagi seorang
investor dalam mengelola saham-saham yang
dimilikinya, karena dalam aktivitas perdagangan
saham sehari-hari mengakibatkan harga-harga saham
mengalami fluktuasi, baik berupa kenaikan maupun
Autoregressive
Integrated
Moving
Average
(ARIMA), Artificial Neural Network dengan Akaike
Information Criterion, Fuzzy Clustering dengan
Fuzzy C-Means dan Fuzzy Time Series (FTS).
Penelitian ini akan menggunakan salah satu model
dari metode Fuzzy Time Series (FTS) untuk
melakukan peramalan terhadap harga saham. 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
mudah
untuk
dikembangkan [2]. Kelebihan lainnya dari metode ini
adalah dapat menyelesaikan masalah peramalan
yang mana data historis berupa nilai-nilai linguistik
Berbagai
penelitian
terhadap
masalah
peramalan dengan menggunakan metode FTS telah
banyak dipelajari dan dikembangkan oleh beberapa
peneliti diantaranya adalah: Song dan Chissom [7]
menggunakan metode fuzzy time series untuk
mengatasi masalah peramalan terhadap data historis
yang berupa nilai-nilai linguistik, Jilani dkk [3]
menggunakan metode baru dalam pembagian
interval yaitu frequency density based partitioning
yang menghasilkan hasil peramalan yang lebih
akurat dibandingkan dengan menggunakan metode
pembagian interval biasa pada metode fuzzy time
series, Lazim Abdullah dkk [1] membandingkan dua
metode untuk pembagian interval yaitu Randomly
Chosen Length of Interval (RCLI) dengan
Frequency Density Based Partitioning (FDBP)
untuk meramal composite index yang memberikan
kesimpulan
bahwa
pembagian
interval
menggunakan FDBP menghasilkan peramalan yang
lebih akurat dibandingkan dengan RCLI, dan Melike
Sah dkk [6] menggunakan metode baru pada model
first order and time invariant fuzzy time series
dengan metode pembagian interval biasa yang
menghasilkan hasil ramalan lebih akurat dibanding
metode time invariant fuzzy time series biasa.
Berdasarkan penelitian sebelumnya, maka
penulis mengimplementasikan salah satu dari modelmodel fuzzy time series yang telah dikembangkan
yaitu first-order and time invariant model yang
sebelumnya telah digunakan untuk meramalkan
jumlah mahasiswa yang mendaftar di Universitas
Alabama. Selain itu, penulis menggunakan metode
pembagian interval Frequency Density Based
Partitioning (FDBP) yang memberikan hasil
ramalan lebih akurat [3]. Metode ini akan diterapkan
untuk peramalan harga saham dengan menggunakan
jumlah data time series yang berbeda-beda yaitu dari
jumlah data selama 1 tahun, 6 bulan, 3 bulan , 2
bulan dan 1 bulan. Adapun tujuan dari penggunaan
jumlah data yang berbeda adalah untuk melihat
apakah ada perbedaan persentase error dari AFER
{ {
1
uij= 0.5
0
if j=i
if j=i1 ataui+1
Yang lainnya
y=
y R( y )
R( y )
(3)
-
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 hasil peramalan yaitu semakin tinggi nilai
standar deviasi yang dihasilkan maka nilai error dari
hasil ramalan juga akan semakin tinggi dan
sebaliknya.
5. Semakin besar atau semakin kecil jumlah
interval yang diinputkan tidak mempunyai pengaruh
dengan semakin besar atau semakin kecil persentase
error (AFER) dari hasil peramalan.
6. Nilai persentase error (AFER) paling kecil
dari data-data harga saham yang telah diuji terdapat
pada data harga saham perusahaan Amazon.com
dengan jumlah data selama 1 bulan yaitu pada bulan
Agustus 2012 dikarenakan selisih antar harga saham
perharinya cukup kecil.
7. Nilai persentase error (AFER) paling besar
dari data-data harga saham yang telah diuji terdapat
pada data harga saham perusahaan Bank Mandiri
Tbk dengan jumlah data selama 1 tahun yaitu tahun
2011 dikarenakan selisih antar harga saham
perharinya cukup besar.
Daftar Pustaka:
[1]
[2]
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]
[4]
[5]
[6]
[7]
[8]
Forecasting enrollments with fuzzy time seriesPart I, Fuzzy Sets and Systems, 54: 1-9.
Suyanto. Artificial Intelligence. Informatika,
Bandung, 2007.