PERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN METODE FUZZY TIME SERIES MARKOV CHAIN

Abstract

Tujuan penelitian ini adalah untuk mengetahui akurasi metode Fuzzy Time Series Markov Chain pada peramalan IHSG dan membuat aplikasi untuk peramalan IHSG menggunakan software MATLAB. Dalam penelitian  ini, data bersumber dari yahoo finance. Data historis diambil dari data Composite Indeks (IHSG) periode Januari 2010 sampai dengan Februari 2014. Dengan mengubah data time series IHSG ke dalam fuzzy logic group untuk menentukan matriks probabilitas transisi, maka hasil peramalan dapat diperoleh. Tahap awal pembuatan aplikasi yaitu perancangan sistem. Aplikasi untuk peramalan IHSG dirancang dengan menggunakan GUI pada MATLAB dengan melakukan coding yang sesuai agar aplikasi bisa berjalan. Setelah dilakukan pengujian sistem diperoleh hasil MSE untuk metode Fuzzy Time Series Markov Chain sebesar 9827.1292 dan MSE untuk  metode Fuzzy Time Series S&C sebesar 15769.7036. Karena  memperoleh nilai MSE yang lebih kecil maka metode Fuzzy Time Series Markov Chain lebih akurat dan memiliki kinerja yang lebih baik untuk peramalan. Aplikasi yang dibuat memiliki persentase akurasi peramalan dengan metode Fuzzy Time Series Markov Chain sebesar 98,03458% dan persentase akurasi peramalan dengan metode Fuzzy Time Series S&C sebesar 97,38003%.

The purpose of  this research were to determine the accuracy of the Markov Chain Fuzzy Time Series method on JCI forecasting and make an application for JCI forecasting using MATLAB software. In this research, the data sourced from Yahoo Finance. Historical data is taken from Data Composite Index (JCI) in the period of January 2010 to February 2014. By transfering time series data into fuzzy logic groups to determine the transition probability matrix, then the forecasting results can be obtained. The initial phase to making the application  is system design. Application for JCI forecasting designed using GUI on MATLAB with appropriate coding in order to run the application. After testing the system then obtained MSE results for the Markov Chain Fuzzy Time Series method was 9827.1292 and MSE for Fuzzy Time Series S & C was15769.7036. Because the MSE values obtained was smaller then the method of Markov Chain Fuzzy Time Series is more accurate and has better performance for forecasting. Application are made have the percentage of forcasting accurary with Markov Chain Fuzzy Time Series method is 98,03458% and the percentage of forcasting accurary with Fuzzy Time Series S & C is 97,38003%.