BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Model ising berguna untuk melakukan pendekatan sistem kompleks yang

memiliki 2 kemungkinan keadaan +1 dan -1 dengan membandingkan energinya,

maupun probabilitas berubah arahnya sehingga mendapatkan grafik transisi fasa

material, kecenderungan material berubah sifat, serta untuk menentukan berapa

suhu kritis suatu material tersebut. Model ising dapat digunakan di pasar

keuangan, lalu lintas, dan sistem semi-kompleks lainnya. Pada pasar keuangan,

Model ising dapat memodelkan karakteristik statistik pasar keuangan seperti

grafik pengelompokkan volatilitas dan grafik autokorelasi return yang serupa

dengan data aktual pasar saham.

Hasil simulasi pemodelan Ising terhadap suatu sampling data stok dan

membandingkan karakteristiknya dengan data aktual ditunjukkan pada BAB 2.

Model Ising mampu menangkap beberapa perilaku yang ada di pasar keuangan

aktual dan model ini merupakan alat yang berguna untuk memahami bagaimana

setiap variabel mempengaruhi hasil simulasi. Jadi, model ini merupakan model

dengan versi yang sangat sederhana dari sistem yang sangat kompleks, Model

Ising adalah alat yang sangat cocok untuk dilakukan pendekatan secara fisis.

Namun, lebih banyak perilaku/variabel dan fenomena harus diperhitungkan agar

model pasar keuangan lebih akurat. Dasar dari model ini adalah dengan
mengetahui fenomena transisi fasa yang terjadi pada bahan material

ferromagnetik.

Metode-metode apa saja yang biasa digunakan untuk menentukan solusi

transisi fase Model Ising antara lain yaitu; metode analitik dan metode numerik.

Pada metode analitik bisa dengan metode Mean-Field Theory (MFT) maupun

dengan metode onsager, dan masih banyak lagi. Sedangkan untuk metode

numerik dapat menggunakan algortima Monte-Metropolis dan metode-metode

tersebut memiliki kelebihan dan kekurangannya masing-masing.

Cara kerja mendapatkan suhu kritis sebagai solusi transisi fase Model

Ising menggunakan algoritma metode numerik Monte-Metropolis terlampir pada

bab 3 dan 4.

5.2 Saran

Dalam studi literatur ini, saya hanya mempertimbangkan Ising Model dua-

keadaan. Agen trading di pasar saham yang sebenarnya tidak hanya memiliki

pilihan untuk membeli dan menjual, tapi bisa juga pilihan untuk tidak melakukan

apapun (lebih dari 2 keadaan). Menambahkan keadaan lain akan menambahkan

tingkat akurasi pada model yang dijelaskan dalam laporan ini.

Bidang penelitian selanjutnya adalah untuk menghitung secara lebih

lengkap hasil data yang diolah. Dengan membandingkan data yang dihitung

dengan data S & P 500, argumen yang lebih kuat dapat diformulasikan untuk

mencapai keefektifan model komputasi.

 Selain menambahkan tingkat akurasi dengan menambah keadaan (diatas 2

keadaan), saran saya adalah dengan menambah dimensi kisi dalam mencari solusi

transisi fase dengan menggunakan metode analitik MFT (Mean-Field Theory)

untuk jumlah 4 dimensi atau lebih.

Terakhir tentu saja dengan saran untuk menambah variabel yang

mempengaruhi kecenderungan/tren return dan volatilitas sehingga perhitungan

menjadi lebih akurat. Caranya adalah dengan membandingkan Model Ising ini

dengan model-model lainnya yang lebih kompleks, lebih banyak variabel, namun

lebih akurat.