PERAMALAN PERSENTASE PERUBAHAN DATA INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN FUZZY TIME SERIES
|
|
- Agus Jayadi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PERAMALAN PERSENTASE PERUBAHAN DATA INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN FUZZY TIME SERIES Endah Puspitasari 1, Lilik Linawati 2, Hanna Arini Parhusip 3 1,2,3 Progam Studi Matematika Fakultas Sains dan Matematika Universitas Kristen Satya Wacana, Salatiga korespondensi : endah.puspita17@gmail.com 1, lina.utomo@yahoo.com 2, hannaariniparhusip@yahoo.co.id 3 Pendahuluan Para investor dalam menginvestasikan sahamnya perlu mengetahui peramalan IHSG agar dapat membuat keputusan yang tepat dalam investasi portofolionya. Data IHSG merupakan data time series. Beberapa teknik peramalan untuk data time series telah diterapkan untuk meramalkan IHSG antara lain : ARIMA, dimana metode tersebut mencari pola yang cocok dalam sekelompok data serta merupakan model gabungan antara Autoregressive (AR) dan Moving Average (MA) atau ARCH/GARCH yang mengasumsikan variansi error nya menjadi sebuah fungsi [3][7]. Himpunan dan logika fuzzy dapat digunakan untuk mengubah data time series menjadi data bernilai linguistic, data/informasi kuantitatif misalkan besaran laju kendaraan dapat diekspresikan dengan kata-kata: pelan, agak cepat, cepat, dan sangat cepat yang selanjutnya dapat dianalisis dengan metode metode fuzzy. Sejak diperkenalkannya logika fuzzy oleh Zadeh, aplikasi logika fuzzy berkembang pada berbagai bidang, termasuk untuk meramalkan data time series [5][9]. Song dan Chissom mengembangkan logika fuzzy untuk menyelesaikan permasalahan berbasis data time series [1]. Penggunaan logika fuzzy dalam permasalahan berbasis data time series juga dikembangkan oleh Chen untuk meramalkan model jumlah pendaftar di Universitas Albama untuk suatu kurun waktu tertentu [1]. Pada permasalahan yang sama Tahseen A.Jilani mengembangkan metode sebelumnya menjadi metode Fuzzy Time Series Frequency Density Based Partionting dengan menggunakan partisi kepadatan frekuensi dan relasi logika fuzzy [4]. Kemudian, Meredith Stevenson dan John E.Porter mengembangkan metode lain yaitu Fuzzy Time Series Forecasting Using Percentage Change, dimana metode ini menggunakan persentase perubahan jumlah pendaftar dan ternyata menghasilkan rata-rata error terkecil dibanding beberapa metode sebelumnya [8]. 223
2 Dari beberapa penelitian Fuzzy Time Series yang telah disebut diatas, peramalan yang dihasilkan adalah peramalan model data selama kurun waktu data yang diteliti dan bukan meramalkan data pada periode/tahun berikutnya. Pada penelitian ini, metode Fuzzy Time Series Using Percentage Change akan diterapkan untuk meramalkan model data IHSG, namun data IHSG yang digunakan terlebih dahulu dikembangkan dengan meramalkan nilai IHSG pada waktu berikutnya, yaitut+1. Fuzzy Time Series Data FuzzyTime Series pada dasarnya dibentuk dari data time series. Jilani [4] mendefinisikan FuzzyTime Series sebagai berikut: Definisi 1 :Ketidaktepatan data pada time point diskrit dalam jarak waktu yang sama dimodelkan sebagai variabel fuzzy. Himpunan fuzzy data diskrit membentuk fuzzy time series. Definisi 2 : Data fuzzy yang berurutan secara kronologis dianggap sebagai time series data fuzzy. Time series dengan data fuzzy tersebut disebut fuzzytime series. Definisi 3 : Ditentukan sebagai himpunan semesta dengan dan didefinisikan himpunan fuzzy, 1,2,, pada, maka yang merupakan himpunan dari, 1,2,, disebut sebagai Fuzzy Time Series dari, t = 1,2,3,.[4] Metode Fuzzy Time Series Berbasis Persentase Perubahan Metode Fuzzy Time Series using Percentage Change ini diperkenalkan oleh Meredith Stevenson dan John E.Porter yaitu untuk meramalkan model data jumlah pendaftar di Universitas Alabama berdasarkan persentase perubahan jumlah pendaftar pada suatu kurun waktu [8]. Metode ini merupakan pengembangan dari metode sebelumnya yaitu Fuzzy Time SeriesFrequency Density Based Partionting yang dikemukakan oleh Jilani dengan membuat partisi frekuensi kepadatan [4] serta Song dan Chissom yang menggunakan Fuzzy Relationship Group pada data yang sama yaitu jumlah pendaftar di Universitas Alabama pada tahun [1][2]. Metode Fuzzy Time Series using Percentage Change untuk meramalkan model data time series dimana membutuhkan input data,,.., dan yang akan diramalkan adalah persentase perubahan antara 2 data yang berturutan, yaitu,,, kemudian dibuat Fuzzy Time Series, 1,2,, dengan menggunakan fungsi keanggotaan triangular. Fuzzy Time Seriesyang terbentuk akan diramalkan persentase perubahan datanya. Secara rinci, langkah-langkah peramalan Fuzzy Time Series using Percentage Change seperti disajikan pada Gambar 1. Data Time Series Menentukan Persentase Perubahan Data Menentukan Himpunan Semesta Fuzzy Membuat Fuzzy Time Series Meramalkan Persentase Perubahan Data Menentukan nilai data berdasarkan hasil ramalan Gambar 1. Diagram Alir Proses Peramalan Fuzzy Time Series Using Percentage Change Diagram Alir pada Gambar 1 dapat dijelaskan sebagai berikut : 1) Data yang akan diramalkan model datanya adalah data time series,,..,. 2) Menentukan himpunan persentase perubahan data,, dengan : 2,, %, Dimana adalah nilai pada saat t dan adalah nilai pada saat t
3 3) Ditentukan Himpunan Semesta,dengan BB adalah suatu bilangan yang dekat dan lebih kecil dari minimumsedangkan BA adalah suatu bilangan yang dekat dan lebih besar dari maksimum. 4) Fuzzy Time Series dapat dibentuk dengan langkah-langkah sebagai berikut: a. Himpunan Semesta U dibagi menjadi minterval yang sama. b. Kelompokkan dalam interval yang sesuai, tentukan frekuensi masing-masing interval. c. Tentukan cacah frekuensi yang berbeda dan lebih besar dari nol (frekuensi yang sama dihitung sekali) misalkan terdapat h frekuensi yang berbeda, kemudian pada frekuensi terbanyak pertama dibagi menjadi h interval yang sama. Berikutnya, frekuensi terbanyak kedua dibagi atas h-1 interval yang sama, interval pada frekuensi terbanyak ketiga dibagi menjadi h-2 interval yang sama. Hal ini dilakukan sampai pada interval dengan frekuensi yang tidak dapat dibagi lagi. d. Misal terdapat,,, subinterval, maka akan ada sebanyak khimpuan fuzzy dengan masingmasing sub-interval sebagai domain himpunan fuzzy. e. Mendefinisikan himpunan fuzzy, 1,2,, berdasarkan subinterval yang terbentuk dan menggunakan fungsi keanggotaan triangular[4]. f. Menentukan setiap, berada pada himpunan fuzzy, dengan melihat terletak pada domain. 5) Meramalkan nilai data ke-tdengan rumus (2) berdasarkan fungsi keanggotaan triangular [4][8] :......, 1, 2 1..,...(2) Dimana t = 2,3,, n dan j = 1,2,,k atau secara umum dapat ditulis sebagai berikut : d μ μ μ μ.3 Dimana adalah titik tengah dari interval, adalah titik tengah dari interval dan adalah titik tengah dari interval. 6) Menentukan nilai data berdasarkan hasil ramalan Dimana adalah persentase perubahan data hasil peramalan dengan menggunakan rumus sebagai berikut :.4 Metode Penelitian. Dalam penelitian ini akan diramalkan model data IHSG yang terlebih dahulu akan diramalkan untuk data IHSG pada t+1. Peramalan model data IHSG yang akan dilakukan berdasarkan data IHSG mulai tanggal 1 Maret samapai dengan 30 April Data tersaji pada Tabel 3, kolom 1 dan 2 dengant=1 sampai dengan t=41. Keluaran yang diharapkan adalah model data IHSG sampai dengan tanggal 1 Mei 2012, dengan kata lain dari penelitian ini juga akan didapatkan ramalan nilai data IHSG pada tanggal 1 Mei 2012 (t+1). Adapun langkah langkah penyelesaian untuk meramalkan data IHSG menggunakan Fuzzy Time Series Using Percentage Change sebagai berikut : a. Meramalkan data IHSG untuk t+1, yaitu, berdasarkan data,,..,. Apabila data tersebut digambar grafiknya, dapat dilihat bahwa data tidak membentuk 225
4 suatu tren tertentu, maka digunakan Moving Average (MA) untuk meramalkan nilai data t+1 dengan rumus sebagai berikut :...(5) Dimana n adalah lag yang digunakan dalam Moving Average (MA). Pemilihan lag dilakukan dengan mencari error yang terkecil sehingga diperoleh data time series X x,x,..,x b. Meramalkan model data Fuzzy Time Series using Percentage Changeberdasarkan diagram alir pada Gambar 1 (Langkah 1-6) pada, hingga diperoleh nilai peramalan data IHSG (). c. Buatlah grafik untuk mendapat gambaran secara cepat perbedaan antara data aktual dengan hasil ramalan. d. Menghitung MAPE (Mean Absolute Percentage Error) antara data aktual dan hasil ramalan dengan rumus: / 100%...(6) Dimana adalah nilai actual atau nilai sebenarnya sedangkan adalah nilai hasil ramalan. Analisis dan Pembahasan Untuk meramalkan data digunakan metode Moving Average. Dalam penelitian ini lag yang memiliki error terkecil adalah lag 2. Grafik data IHSG dari tanggal 1 Maret sampai dengan 30 April 2012 dapat dilihat pada Gambar 2. Hasil peramalan dapat dilihat pada Tabel 3 (kolom 1 dan 2), data ke t = 42 yaitu pada nilai (1 Mei 2012) dengan 4172,355. Didapat data time series dari tanggal 1 Maret sampai dengan 1 Mei Kemudian dicari perubahan persentase datanya dan hasilnya dapat dilihat pada Tabel 3, kolom 3. Selanjutnya, ditentukan himpunan semesta U. Dari persentase perubahan data dapat dilihat bahwa nilai minimum adalah sehingga BB (Batas Bawah) yang diambil adalah -2 sedangkan maksimum adalah sehingga BA (Batas Atas) yang diambil adalah 1.5, jadi 2, 1.5 menjadi 7 interval yang sama dengan lebar masing-masing 0.5. Himpunan semesta U dibagi dan ditentukan frekuensi masing-masing interval. Tabel 1. Frekuensi Persentase Perubahan Data IHSG Interval Banyaknya Data [-2, -1.5] 1 [-1.5, -1] 0 [-1, -0.5] 2 [-0.5, 0] 16 [0, 0.5] 13 [0.5, 1] 4 [1, 1.5] 5 Terdapat 6 frekuensi yang berbeda, yaitu 16, 13, 5, 4, 2 dan 1, sehingga interval dengan frekuensi terbanyak pertama, yaitu 16 dibagi menjadi 6 sub-interval yang sama, interval dengan frekuensi terbanyak kedua, yaitu 13 akan dibagi menjadi 5 sub-interval yang sama, interval dengan frekuensi terbanyak ketiga, yaitu 5 dibagi menjadi 4 sub-interval yang sama, interval dengan frekuensi terbanyak keempat, yaitu 4 dibagi menjadi 3 sub-interval yang sama, begitu juga dengan interval dengan frekuensi terbanyak kelima, yaitu 2 dibagi menjadi 2 sub-interval yang sama. Pada akhirnya terdapat 22 sub-interval yang akan menjadi domain dari himpunan fuzzy yang dibentuk, jadi terdapat 22 himpunan fuzzy, seperti tersaji pada Tabel 2. Gambar 2. Grafik Data IHSG Maret - April
5 Tabel 2. Himpunan Fuzzy dengan Domainnya Himp.Fuzzy Interval/Domain Titik Tengah Interval A1 [-2, -1.5) A2 [-1.5, -1) A3 [-1, -0.75) A4 [-0.75, -0.5) A5 [-0.5, ) A6 [ , ) A7 [ , -0.25) A8 [-0.25, ) A9 [ , ) A10 [ , 0) A11 [0, 0.1) 0.05 A12 [0.1, 0.2) 0.15 A13 [0.2, 0.3) 0.25 A14 [0.3, 0.4) 0.35 A15 [0.4, 0.5) 0.45 A16 [0.5, ) A17 [0.6667, ) 0.75 A18 [0.8333, 1) A19 [1, 1.125) A20 [1.125, 1.25) A21 [1.25, 1.375) A22 [1.375, 1.5) Hasil penentuan himpunan fuzzy bagi setiap d t disajikan pada Tabel 3, kolom 4. Berdasarkan rumus (2) dicari prediksi setiap persentase perubahan harga IHSG dan hasilnya dapat dilihat pada Tabel 3, kolom 5. Sedangkan pada Tabel 3 kolom 6 dapat dilihat hasil peramalan nilai IHSG. Grafik nilai IHSG aktual dan hasil peramalan disajikan pada Gambar 3 begitu pula dengan hasil perhitungan MAPE tersaji pada Tabel 3 kolom 7. Gambar 3.Grafik Nilai IHSG Aktual dan Ramalan 227
6 Tabel 3. Hasil Peramalan t HARGA IHSG PERUBAHAN PERSENTASE HIMP. FUZZY PREDIKSI PERSENTASE PERUBAHAN PREDIKSI HARGA IHSG Error(%) A A A A A A A A A A A A A A A A A A A A A A A A A A A A A A A A A A A A A A A A A MAPE =
7 Kesimpulan Untuk meramalkan data time series ternyata dapat menggunakan Metode Fuzzy Time Series. Salah satu metode yang dapat digunakan adalah Fuzzy Time Series using Percentage Change yang diperkenalkan oleh Meredith Stevenson dan John E.Porter. Pada penelitian sebelumnya hanya meramalkan model data tanpa meramalkan data pada t+1. Dengan menggunakan Metode Moving Average lag 2 untuk meramalkan data pada t+1 yaitu tanggal 1 Mei 2012 yang kemudian bersama-sama dengan data IHSG pada tanggal 1 Maret sampai dengan 30 April 2012 diolah dengan menggunakan Metode Fuzzy Time Series using Percentage Change menghasilkan rata-rata MAPE yang cukup kecil. Hasil peramalan terhadap model data IHSG pada tanggal 1 Maret sampai dengan 30 April 2012 menunjukkan MAPE sebesar 0,075% dan error untuk hasil peramalan nilai data untuk t+1 yaitu pada tanggal 1 Mei 2012 adalah 0,642%. [6] Kusumadewi,S dan Purnomo,S Aplikasi Logika Fuzzy untuk Pendukung Keputusan.Yogyakarta : Graha Ilmu [7] Sadeq, A Analisis Prediksi Indeks Harga Saham Gabungan Dengan Metode Arima. Tesis. Program Magister Manajemen Pascasarjana Universitas Diponegoro. [8] Stevenson,M dan Porter,J.E Fuzzy Time Series Forcesting Using Percentage as the Universe of Discourse. Prosiding World Academy of Science,Engineering and Technology. [9] Susilo,F Pengantar Himpunan dan Logika Kabur serta Aplikasinya. Yogyakarta: Universitas Sanata Dharma. Daftar Pustaka [1] Chen,S.M Forecasting Enrollment based on Fuzzy Time Series. Jurnal.Chaoyang University of Technology. [2] Chen,S.M A New Method to Forecast Enrollments Using Fuzzy Time Series. Prosiding The Seventh Conference on Artificial Intelligence and Applications, Taichung, Taiwan. Hal : [3] Gunanjar,B.2006.Penerapan Model ARCH/GARCH dan Model MSAR(Markov-Awitching Autoregresion) Pada Nilai Tukar Rupiah Terhadap Dolar Amerika dan IHSG.Skripsi.Fakultas MIPA Institut Pertanian Bogor. Hal.1 [4] Jilani, T.A dan S.M.A. Burney Fuzzy Metric Approach for Fuzzy Time Series Forecasting based on Frequency Density Based Partitioning. Prosiding World Academy of Science,Engineering and Technology. Hal : [5] Kusumadewi, Sri Analisis dan Desain Sistem Fuzzy Menggunakan Toolbox Matlab. Yogyakarta : Graha Ilmu. 229
PERAMALAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN RUNTUN WAKTU FUZZY DENGAN PARTISI INTERVAL BERDASARKAN FREKUENSI DENSITAS
PERAMALAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN RUNTUN WAKTU FUZZY DENGAN PARTISI INTERVAL BERDASARKAN FREKUENSI DENSITAS Sylvia Swidaning Putri, Winita Sulandari dan Muslich Program Studi Matematika
Lebih terperinciPeramalan Menggunakan Metode Fuzzy Time Series Cheng. Forecasting Using Fuzzy Time Series Cheng Method
Jurnal EKSPONENSIAL Volume 8, Nomor, Mei 07 ISSN 085-789 Peramalan Menggunakan Metode Fuzzy Time Series Cheng Forecasting Using Fuzzy Time Series Cheng Method Sumartini, Memi Nor Hayati, dan Sri Wahyuningsih
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Produk Domestik Regional Bruto (PDRB) merupakan salah satu indikator penting untuk mengetahui kondisi ekonomi di suatu daerah dalam suatu periode tertentu, baik atas
Lebih terperinciANALISIS METODE FIRST ORDER AND TIME INVARIANT MODEL UNTUK PERAMALAN HARGA SAHAM
ANALISIS METODE FIRST ORDER AND TIME INVARIANT MODEL UNTUK PERAMALAN HARGA SAHAM Reny Fitri Yani 1, Luh Kesuma Wardhani 2, Febi Yanto 3 Jurusan Teknik Informatika, Fakultas Sains dan Teknologi Universitas
Lebih terperinciABSTRAK. Kata kunci: IHSG, runtun waktu fuzzy, partisi interval berdasarkan frekuensi densitas. iii
ABSTRAK Sylvia Swidaning Putri. 2016. PERAMALAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN RUNTUN WAKTU FUZZY DENGAN PARTISI INTERVAL BERDASARKAN FREKUENSI DENSITAS. Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kemajuan ilmu pengetahuan dan teknologi dewasa ini dapat membantu teknik peramalan suatu kejadian berdasarkan faktor faktor yang sudah diketahui sebelumnya. Hasil peramalan
Lebih terperinciBAB 1 PENDAHULUAN. Sebagai pembuka dari penulisan skripsi, pada bab ini berisikan hal-hal yang
BAB 1 PENDAHULUAN Sebagai pembuka dari penulisan skripsi, pada bab ini berisikan hal-hal yang langsung berkaitan dengan penelitian meliputi latar belakang masalah, rumusan masalah, pembatasan masalah,
Lebih terperinciOleh : Rahanimi Pembimbing : Dr. M Isa Irawan, M.T
PERAMALAN JUMLAH MAHASISWA PENDAFTAR PMDK JURUSAN MATEMATIKA MENGGUNAKAN METODE AUTOMATIC CLUSTERING DAN RELASI LOGIKA FUZZY (STUDI KASUS di INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA) Oleh : Rahanimi
Lebih terperinciPERAMALAN KONSUMSI GAS INDONESIA MENGGUNAKAN ALGORITMA FUZZY TIME SERIES STEVENSON PORTER Muh. Hasbiollah 1, RB. Fajriya Hakim 2
PERAMALAN KONSUMSI GAS INDONESIA MENGGUNAKAN ALGORITMA FUZZY TIME SERIES STEVENSON PORTER Muh. Hasbiollah 1, RB. Fajriya Hakim 2 1 Mahasiswa Jurusan Statistika Fakultas MIPA Universitas Islam Indonesia
Lebih terperinciPENGGUNAAN METODE FUZZY TIME SERIES UNTUK MERAMALKAN HASIL PRODUKSI PADI KABUPATEN MAJALENGKA
PENGGUNAAN METODE FUZZY TIME SERIES UNTUK MERAMALKAN HASIL PRODUKSI PADI KABUPATEN MAJALENGKA Khanty Intan Lestari 1, Tine Soemartini 2, Resa Septiani Pontoh 3. Mahasiswa Program Studi Statistika Universitas
Lebih terperinciPenerapan Logika Samar dalam Peramalan Data Runtun Waktu
Penerapan Logika Samar dalam Peramalan Data Runtun Waktu Seng Hansun Program Studi Teknik Informatika, Universitas Multimedia Nusantara, Tangerang, Indonesia hansun@umn.ac.id Abstract Recently, there are
Lebih terperinciKata kunci: perubahan harga bahan bakar minyak, IHSG, fuzzy time series, soft computing, MAPE
IMPLEMENTASI METODE FUZZY TIME SERIES TERHADAP DAMPAK PERUBAHAN HARGA BAHAN BAKAR MINYAK (BBM) PADA INVESTASI SAHAM (STUDI PERISTIWA: SAHAM PADA IHSG DI BURSA EFEK INDONESIA) Budi Karyo Utomo Sistem Informasi,
Lebih terperinciPERBANDINGAN METODE RUNTUN WAKTU FUZZY-CHEN DAN DI INDONESIA
PERBANDINGAN METODE RUNTUN WAKTU FUZZY-CHEN DAN FUZZY-MARKOV CHAIN UNTUK MERAMALKAN DATA INFLASI DI INDONESIA SKRIPSI Disusun Oleh : LINTANG AFDIANTI NURKHASANAH NIM. 24010211120004 JURUSAN STATISTIKA
Lebih terperinciJURNAL TEKNIK DINTEK, Vol. 10 No. 02, September 2017 : 21-31
ANALISIS PERBANDINGAN TINGKAT AKURASI METODE AVERAGE BASED FTS MARKOV CHAIN DENGAN AUTOMATIC CLAUSTERING FTS MARKOV CHAIN DALAM PERAMALAN DATA TIMESERIES Junaidi Noh Dosen Program Study Teknik Informatika
Lebih terperinciKata Kunci : Fuzzy Time Series, Dasboard Analysis, SAP, Forecasting
Jurnal Ilmiah Solusi Vol.1 No. 3 September - Nopember 2014: 1-7 INTEGRASI DASHBOARD DENGAN FUZZY TIME SERIES DALAM MEMPREDIKSI KESEHATAN MASYARAKAT Jajam Haerul Jaman dan Oman Komarudin Fakultas Ilmu Komputer
Lebih terperinciSistem Informasi, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro 1,2
52 Pengukuran Kinerja Pelayanan Implementasi Metode Fuzzy Time Series Terhadap Dampak Perubahan Harga Bahan Bakar Minyak pada Investasi Saham (Studi Peristiwa : Saham pada IHSG di Bursa Efek Indonesia)
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) A-31
JURNAL SAINS DAN SENI ITS Vol 4, No2, (2015) 2337-3520 (2301-928X Print) A-31 Perbandingan Performansi Metode Peramalan Fuzzy Time Series yang Dimodifikasi dan Jaringan Syaraf Tiruan Backpropagation (Studi
Lebih terperinciPerbandingan Metode Fuzzy Time Series Cheng dan Metode Box-Jenkins untuk Memprediksi IHSG
JURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Print) A-34 Perbandingan Metode Fuzzy Time Series Cheng dan Metode Box-Jenkins untuk Memprediksi IHSG Mey Lista Tauryawati
Lebih terperinciBAB 3 METODE PENELITIAN
10 BAB 3 METODE PENELITIAN 3.1 Metode Fuzzy Time Series yang dikembangkan oleh Song dan Chissom Song dan Chissom merupakan orang yang pertama kali memperkenalkan teori fuzzy time series yaitu dalam peramalan
Lebih terperinciMETODE FUZZY TIME SERIES STEVENSON PORTER DALAM MERAMALKAN KONSUMSI BATUBATA DI INDONESIA. Margiansyah Fitra 1, RB.
METODE FUZZY TIME SERIES STEVENSON PORTER DALAM MERAMALKAN KONSUMSI BATUBATA DI INDONESIA Margiansyah Fitra 1, RB. Fajriya Hakim 2 1 Mahasiswa JurusanStatistikaFakultas MIPA Universitas Islam Indonesia
Lebih terperinciPERBANDINGAN METODE PEMULUSAN EKSPONENSIAL TUNGGAL DAN FUZZY TIME SERIES UNTUK MEMPREDIKSI INDEKS HARGA SAHAM GABUNGAN
PERBANDINGAN METODE PEMULUSAN EKSPONENSIAL TUNGGAL DAN FUZZY TIME SERIES UNTUK MEMPREDIKSI INDEKS HARGA SAHAM GABUNGAN SKRIPSI Oleh : TAUFAN FAHMI J2E008056 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Metode Peramalan Peramalan (forecasting) adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Sedangkan ramalan adalah situasi atau kondisi yang
Lebih terperinciPERAMALAN MENGUNAKAN FUZZY TIME SERIES CHEN (STUDI KASUS: CURAH HUJAN KOTA SAMARINDA)
PERAMALAN MENGUNAKAN FUZZY TIME SERIES CHEN (STUDI KASUS: CURAH HUJAN KOTA SAMARINDA) 1 Normalita Fauziah, 2 Sri Wahyuningsih, 3 Yuki Novia Nasution 2 1,2 Program Studi Statistika, Fakultas Matematika
Lebih terperinciKata Kunci: Peramalan; metode Automatic Clustering And Fuzzy Logic Relationship Markov Chain;MAPE. 1. PENDAHULUAN
ISSN: 2528-463 PERAMALAN JUMLAH PENDAFTAR MAHASISWA BARU STMIK DUTA BANGSA SURAKARTA MENGGUNAKAN METODE AUTOMATIC CLUSTERING AND FUZZY LOGIC RELATIONSHIP MARKOV CHAIN Nurmalitasari¹ ), Sri Sumarlinda²
Lebih terperinciPERAMALAN CADANGAN DEVISA INDONESIA MENGGUNAKAN METODE GRUP VARIASI FUZZY
PERAMALAN CADANGAN DEVISA INDONESIA MENGGUNAKAN METODE GRUP VARIASI FUZZY oleh MARISA RAMDHAYANTI M0110054 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Relasi antara himpunan barisan dari data lalu diukur berdasarkan waktu untuk meramal nilai masa depan, di investigasi dengan peramalan time series, banyak alat statistika
Lebih terperinciBAB I PENDAHULUAN. pada waktu yang akan datang berdasarkan data empiris. Data empiris(terhitung)
BAB I PENDAHULUAN 1.1 Latar Belakang Peramalan merupakan proses perkiraan tentang sesuatu yang terjadi pada waktu yang akan datang berdasarkan data empiris. Data empiris(terhitung) merupakan data yang
Lebih terperinciPeramalan Data IHSG Menggunakan Metode Backpropagation
Peramalan Data IHSG Menggunakan Metode Backpropagation Seng Hansun Program Studi Teknik Informatika, Universitas Multimedia Nusantara, Tangerang, Indonesia hansun@umn.ac.id Diterima 31 Agustus 2012 Disetujui
Lebih terperinciKOMPARASI KINERJA FUZZY TIME SERIES DENGAN MODEL RANTAI MARKOV DALAM MERAMALKAN PRODUK DOMESTIK REGIONAL BRUTO BALI
E-Jurnal Matematika Vol 3 (3), Agustus 04, pp. - ISSN: 303-75 KOMPARASI KINERJA FUZZY TIME SERIES DENGAN MODEL RANTAI MARKOV DALAM MERAMALKAN PRODUK DOMESTIK REGIONAL BRUTO BALI I Made Arya Antara, I Putu
Lebih terperinciPeramalan Suku Bunga Acuan (BI Rate) Menggunakan Metode Fuzzy Time Series dengan Percentage Change Sebagai Universe of Discourse
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 11, November 2017, hlm. 1285-1294 http://j-ptiik.ub.ac.id Peramalan Suku Bunga Acuan (BI Rate) Menggunakan Metode
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Bab ini membahas teori penunjang yang berhubungan dengan penerapan metode average-based fuzzy time series pada sistem peramalan jumlah penjualan distributor telur. 2.1 Peramalan Peramalan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Peramalan (Forecasting) Peramalan merupakan suatu usaha untuk meramalkan keadaan di masa mendatang melalui pengujian keadaan masa lalu. Esensi peramalan adalah perkiraan peristiwa-peristiwa
Lebih terperinciPERAMALAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN RUNTUN WAKTU FUZZY DENGAN PARTISI INTERVAL BERDASARKAN FREKUENSI DENSITAS
PERAMALAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN RUNTUN WAKTU FUZZY DENGAN PARTISI INTERVAL BERDASARKAN FREKUENSI DENSITAS Oleh SYLVIA SWIDANING PUTRI M0111079 SKRIPSI ditulis dan diajukan untuk memenuhi
Lebih terperinciJurnal MIPA 38 (2) (2015): Jurnal MIPA.
Jurnal MIPA 38 (2) (2015): 186-196 Jurnal MIPA http://journal.unnes.ac.id/nju/index.php/jm PERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN METODE FUZZY TIME SERIES MARKOV CHAIN Y Aristyani 1 E Sugiharti
Lebih terperinciAnalisis Perbandingan Logika Fuzzy Time Series Sebagai Metode Peramalan Hafiz Riyadli STMIK Palangkaraya
Analisis Perbandingan Logika Fuzzy Time Series Sebagai Metode Peramalan Hafiz Riyadli STMIK Palangkaraya hafiz.riyadli@gmail.com Abstract - Fuzzy method in the world of information and communication technology
Lebih terperinciBAB 3 METODE FUZZY TIME SERIES BERDASARKAN SELISIH DATA HISTORIS PADA METODE CHEN DENGAN PENENTUAN INTERVAL BERBASIS RATA-RATA
BAB 3 METODE FUZZY TIME SERIES BERDASARKAN SELISIH DATA HISTORIS PADA METODE CHEN DENGAN PENENTUAN INTERVAL BERBASIS RATA-RATA 3.1 Konsep Dasar Peramalan Peramalan merupakan bagian awal dari suatu proses
Lebih terperinciFORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA
FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA 1) Nurul Latifa Hadi 2) Artanti Indrasetianingsih 1) S1 Program Statistika, FMIPA, Universitas PGRI Adi Buana Surabaya 2)
Lebih terperinciModel Hibrida ARIMA dan Fuzzy Time Series Markov Chain
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Model Hibrida ARIMA dan Fuzzy Time Series Markov Chain Dennis Frisca Ayudya, Dewi Retno Sari Saputro Program Studi Matematika Universitas Sebelas Maret
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
53 BAB 4 HASIL DAN PEMBAHASAN Pembahasan pada bab ini menjelaskan mengenai hasil pengumpulan data, hasil analisis data, pembahasan dan hasil perancangan layar. Setelah hasil perancangan layar juga terdapat
Lebih terperinciPERAMALAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN FUZZY TIME SERIES TERBOBOT. 1. Pendahuluan
PERAMALAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN FUZZY TIME SERIES TERBOBOT Dennis Frisca Ayudya, Dewi Retno Sari Saputro, Santoso Budi Wiyono Program Studi Matematika FMIPA UNS Abstrak. Indeks harga
Lebih terperinciFUZZY LINEAR PROGRAMMING DENGAN FUNGSI KEANGGOTAAN KURVA-S UNTUK PENILAIAN KINERJA KARYAWAN
FUZZY LINEAR PROGRAMMING DENGAN FUNGSI KEANGGOTAAN KURVA-S UNTUK PENILAIAN KINERJA KARYAWAN Astuti Irma Suryani ), Lilik Linawati 2) dan Hanna A. Parhusip 2) ) Mahasiswa Program Studi Matematika FSM UKSW
Lebih terperinciModel Peramalan Jumlah Pernikahan Menggunakan Metode Fuzzy Time Series dengan Algoritma Average Based Length pada KUA
Model Peramalan Jumlah Pernikahan Menggunakan Metode Fuzzy Time Series dengan Algoritma Average Based Length pada KUA Solikhin 1, Martono 2, Puji Nugroho 3) 1,3 Program Studi Sistem Informasi, STMIK Himsya
Lebih terperinciSaintia Matematika ISSN: Vol. 2, No. 2 (2014), pp
Saintia Matematika ISSN: 2337-9197 Vol. 2, No. 2 (2014), pp. 115 126. PERENCANAAN JUMLAH PRODUKSI MIE INSTAN DENGAN PENEGASAN (DEFUZZIFIKASI)CENTROID FUZZY MAMDANI (Studi Kasus: Jumlah Produksi Indomie
Lebih terperinciPREDIKSI TINGKAT SUKU BUNGA BANK INDONESIA (BI RATE) BERDASARKAN DATA FUZZY TIME SERIES
PREDIKSI TINGKAT SUKU BUNGA BANK INDONESIA (BI RATE) BERDASARKAN DATA FUZZY TIME SERIES PREDIKSI TINGKAT SUKU BUNGA BANK INDONESIA (BI RATE) BERDASARKAN DATA FUZZY TIME SERIES ABSTRAK Oleh : Wulan Anggraeni
Lebih terperinciPERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN Oleh: Norma Endah Haryati ( )
TUGAS AKHIR PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN Oleh: Norma Endah Haryati (1207 100 031) Dosen Pembimbing: Drs. I G Ngurah Rai Usadha, M.Si Dra. Nuri
Lebih terperinciPengujian Metode Fuzzy Time Series Chen dan Hsu Untuk Meramalkan Nilai Indeks Bursa Saham Syariahh Di Jakarta J Islamic Index (JII)
Pengujian Metode Fuzzy Time Series Chen dan Hsu Untuk Meramalkan Nilai Indeks Bursa Saham Syariahh Di Jakarta J Islamic Index (JII) Rizkaa Zulfikar, Prihatini Ade`Mayvita 1,2) Universitas Islam Kalimantan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Pendahuluan. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Pendahuluan Peramalan merupakan upaya memperkirakan apa yang terjadi pada masa mendatang berdasarkan data pada masa lalu, berbasis pada metode ilmiah dan kualitatif yang dilakukan
Lebih terperincioleh LILIS SETYORINI NIM. M SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
PERAMALAN JUMLAH PEMINAT PROGRAM STUDI MATEMATIKA FMIPA UNS MENGGUNAKAN RUNTUN WAKTU FUZZY PADA PENENTUAN INTERVAL DENGAN METODE BERBASIS RATA-RATA DAN PENGELOMPOKAN OTOMATIS oleh LILIS SETYORINI NIM.
Lebih terperinciPERAMALAN PENJUALAN PRODUKSI TEH BOTOL SOSRO PADA PT. SINAR SOSRO SUMATERA BAGIAN UTARA TAHUN 2014 DENGAN METODE ARIMA BOX-JENKINS
Saintia Matematika ISSN: 2337-9197 Vol. 02, No. 03 (2014), pp. 253 266. PERAMALAN PENJUALAN PRODUKSI TEH BOTOL SOSRO PADA PT. SINAR SOSRO SUMATERA BAGIAN UTARA TAHUN 2014 DENGAN METODE ARIMA BOX-JENKINS
Lebih terperinciJURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: A-403
JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 201-9271 A-0 Implementasi Fuzzy Neural Network untuk Memperkirakan Jumlah Kunjungan Pasien Poli Bedah di Rumah Sakit Onkologi Surabaya Ani Rahmadiani dan Wiwik
Lebih terperinciDAFTAR ISI. ABSTRAK...ii. KATA PENGANTAR...iv. DAFTAR TABEL...xi. DAFTAR GAMBAR...xiii BAB I PENDAHULUAN Latar Belakang...
DAFTAR ISI ABSTRAK...ii KATA PENGANTAR...iv DAFTAR TABEL...xi DAFTAR GAMBAR...xiii BAB I PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...4 1.3 Batasan Masalah...5 1.4 Tujuan Penelitian...6
Lebih terperinciPERBANDINGAN METODE FUZZY TIME SERIES DAN HOLT DOUBLE EXPONENTIAL SMOOTHING PADA PERAMALAN JUMLAH MAHASISWA BARU INSTITUT PERTANIAN BOGOR STEVEN
PERBANDINGAN METODE FUZZY TIME SERIES DAN HOLT DOUBLE EXPONENTIAL SMOOTHING PADA PERAMALAN JUMLAH MAHASISWA BARU INSTITUT PERTANIAN BOGOR STEVEN DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciBAB I PENDAHULUAN. berbagai bidang kehidupan, misalnya perekonomian (Siregar, 2005).
BAB I PENDAHULUAN 1.1. Latar Belakang Dewasa ini, perkembangan teknologi informasi dan komunikasi sudah menjadi tren yang tidak terlepas dari kehidupan sehari-hari termasuk pada berbagai bidang kehidupan,
Lebih terperinciJARINGAN FUNGSI BASIS RADIAL UNTUK MENENTUKAN RELASI FUZZY PADA PERAMALAN RUNTUN WAKTU FUZZY ORDE TINGGI
JARINGAN FUNGSI BASIS RADIAL UNTUK MENENTUKAN RELASI FUZZY PADA PERAMALAN RUNTUN WAKTU FUZZY ORDE TINGGI Winita Sulandari 1, Titin Sri Martini 1, Nughthoh Arfawi Kurdhi 1, Hartatik 2, Yudho Yudhanto 2
Lebih terperinciPrediksi Jumlah Kunjungan Pasien Poli Bedah di Rumah Sakit Onkologi Surabaya Menggunakan Fuzzy Time Series
Prediksi Jumlah Kunjungan Pasien Poli Bedah di Rumah Sakit Onkologi Surabaya Menggunakan Fuzzy Time Series Arfinda Setiyoutami a, Wiwik Anggraeni b, Renny Pradina Kusumawardani c Jurusan Sistem Informasi
Lebih terperinciPERAMALAN DATA PRODUK DOMESTIK BRUTO DENGAN FUZZY TIME SERIES MARKOV CHAIN
PERAMALAN DATA PRODUK DOMESTIK BRUTO DENGAN FUZZY TIME SERIES MARKOV CHAIN Maria Titah Jatipaningrum Jurusan Statistika, Fakultas Sains Terapan Institut Sains & Teknologi AKPRIND Yogyakarta titahjp@akprind.ac.id
Lebih terperinciPREDIKSI HARGA SAHAM PT. BRI, Tbk. MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average)
PREDIKSI HARGA SAHAM PT. BRI, MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average) Greis S. Lilipaly ), Djoni Hatidja ), John S. Kekenusa ) ) Program Studi Matematika FMIPA UNSRAT Manado
Lebih terperinciPREDIKSI TINGKAT SUKU BUNGA BANK INDONESIA (BI RATE) BERDASARKAN DATA FUZZY TIME SERIES
PREDIKSI TINGKAT SUKU BUNGA BANK INDONESIA (BI RATE) BERDASARKAN DATA FUZZY TIME SERIES Oleh : Wulan Anggraeni Pendidikan Matematika, Wulangussetiyo@gmail.com ABSTRAK Tujuan dari penelitian ini adalah
Lebih terperinciAplikasi Sistem Informasi Forecasting pada PD. Maha Jaya. Teknik Informatika 1 Teknik Industri 2 Universitas Kristen Petra Surabaya
Aplikasi Sistem Informasi Forecasting pada PD. Maha Jaya Rudy Adipranata 1, Tanti Octavia 2, Andi Irawan 1 Teknik Informatika 1 Teknik Industri 2 Universitas Kristen Petra Surabaya Pendahuluan Pentingnya
Lebih terperinciANALISIS DAN PERAMALAN PRODUKSI TANAMAN TEH DENGAN MENGGUNAKAN METODE INDEKS MUSIM
ANALISIS DAN PERAMALAN PRODUKSI TANAMAN TEH DENGAN MENGGUNAKAN METODE INDEKS MUSIM Alfa Kenedi Mainassy ), Sri Yulianto Joko Prasetyo 2), Alz Danny Wowor 3),2,3) Fakultas Teknologi Informasi Universitas
Lebih terperinciBAB 3 METODE FUZZY TIME SERIES DENGAN FAKTOR PENDUKUNG UNTUK MERAMALKAN DATA SAHAM
BAB 3 METODE FUZZY TIME SERIES DENGAN FAKTOR PENDUKUNG UNTUK MERAMALKAN DATA SAHAM 3.1 Pengertian Dasar Peramalan Peramalan (forecasting) adalah suatu kegiatan yang memperkirakan apa yang akan terjadi
Lebih terperinciPeramalan Time Invariant Fuzzy Time Series Mahasiswa FT dan FKIP UMP
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Peramalan Time Invariant Fuzzy Time Series Mahasiswa FT dan FKIP UMP Harjono 1, Malim Muhammad 2, Lukmanul Akhsani 3 Universitas Muhammadiyah Purwokerto
Lebih terperinciPERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR)
PERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR) SKRIPSI Oleh : PRISKA RIALITA HARDANI 24010211120020 DEPARTEMEN STATISTIKA FAKULTAS
Lebih terperinciPENERAPAN MODEL ARIMA UNTUK MEMPREDIKSI HARGA SAHAM PT. TELKOM Tbk. APPLICATION OF ARIMA TO FORECASTING STOCK PRICE OF PT. TELOKM Tbk.
PENERAPAN MODEL ARIMA UNTUK MEMPREDIKSI HARGA SAHAM PT. TELKOM Tbk. Djoni Hatidja ) ) Program Studi Matematika FMIPA Universitas Sam Ratulangi, Manado 955 email: dhatidja@yahoo.com ABSTRAK Penelitian ini
Lebih terperinciBab IV. Pembahasan dan Hasil Penelitian
Bab IV Pembahasan dan Hasil Penelitian IV.1 Statistika Deskriptif Pada bab ini akan dibahas mengenai statistik deskriptif dari variabel yang digunakan yaitu IHSG di BEI selama periode 1 April 2011 sampai
Lebih terperinciBab 2 LANDASAN TEORI
Bab 2 LANDASAN TEORI Pada Bab 2 ini akan diuraikan teori-teori yang berhubungan dengan peramalan menggunakan Metode Automatic Clustering-Relasi Logika Fuzzy. Teori-teori tersebut diantaranya ialah metode
Lebih terperinciBAB I PENDAHULUAN. yang merupakan keuntungan perusahaan yang dibagikan kepada semua pemegang
BAB I PENDAHULUAN 1.1 Latar Belakang Ekspektasi atau motivasi setiap investor adalah mendapatkan keuntungan dari transaksi investasi yang dilakukan. Para investor yang bertransaksi di pasar modal, khususnya
Lebih terperinciPERBANDINGAN MODEL CHEN DAN MODEL CHENG PADA ALGORITMA FUZZY TIME SERIES UNTUK PREDIKSI HARGA BAHAN POKOK
PERBANDINGAN MODEL CHEN DAN MODEL CHENG PADA ALGORITMA FUZZY TIME SERIES UNTUK PREDIKSI HARGA BAHAN POKOK Arif Fadhillah Mahasiswa Jurusan Teknik Informatika, Fakultas Teknik, Universitas Maritim Raja
Lebih terperinciTESIS PERAMALAN HARGA SAHAM PADA LIMA EMITEN TERBAIK VERSI FORBES TAHUN 2012 MENGGUNAKAN FUZZY MODEL
TESIS PERAMALAN HARGA SAHAM PADA LIMA EMITEN TERBAIK VERSI FORBES TAHUN 2012 MENGGUNAKAN FUZZY MODEL Ana Hartanti No. Mhs.: 125001754/PS/MM PROGRAM STUDI MAGISTER MANAJEMEN PROGRAM PASCASARJANA UNIVERSITAS
Lebih terperinciJurnal String Vol. 1 No. 1 Tahun 2016 ISSN:
PREDIKSI KURS RUPIAH TERHADAP DOLAR AMERIKA MENGGUNAKAN METODE FUZZY TIME SERIES CHEN dan HSU Wulan Anggraeni 1, Indra Suyahya 2 1 Program Studi Pendidikan Matematika, Universitas Indraprasta PGRI E-mail:
Lebih terperinciPENDAHULUAN A. LATAR BELAKANG MASALAH
PENDAHULUAN A. LATAR BELAKANG MASALAH Dalam pelaksanaan pembelajaran selalu ditemui evaluasi-evaluasi untuk menguji tingkat pemahaman terhadap suatu bahan yang dipelajari. Evaluasi-evaluasi ini tidak boleh
Lebih terperinciPREDIKSI LUAS PANEN DAN PRODUKSI PADI DI KABUPATEN BANYUMAS MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)
PREDIKSI LUAS PANEN DAN PRODUKSI PADI DI KABUPATEN BANYUMAS MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) Supriyanto 1, Sudjono 2, Desty Rakhmawati 3 ( 1,2. UNSOED Purwokerto, 3. STMIK
Lebih terperinciPrediksi Harga Saham dengan ARIMA
Prediksi Harga Saham dengan ARIMA Peramalan harga saham merupakan sesuatu yang ditunggu-tunggu oleh para investor. Munculnya model prediksi yang baru yang bisa meramalkan harga saham secara tepat merupakan
Lebih terperinciFITTING MODEL PADA DATA JUMLAH MAHASISWA BARU INSTITUT PERTANIAN BOGOR MENGGUNAKAN METODE FUZZY TIME SERIES CHEN DAN HSU DIAN PERMANA
FITTING MODEL PADA DATA JUMLAH MAHASISWA BARU INSTITUT PERTANIAN BOGOR MENGGUNAKAN METODE FUZZY TIME SERIES CHEN DAN HSU DIAN PERMANA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Lebih terperinciBAB II MAKALAH Makalah 1 :
BAB II MAKALAH Makalah 1 : Analisis penilaian kinerja karyawan menggunakan Fuzzy Linear Programming (FLP). Dipresentasikan dalam Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA 2013 yang diselenggarakan
Lebih terperinciPENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI)
PENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI) Liana Kusuma Ningrum dan Winita Sulandari, M.Si. Jurusan Matematika,
Lebih terperinciPERAMALAN NILAI TUKAR RUPIAH TERHADAP DOLAR AMERIKA MENGGUNAKAN MODEL RUNTUN WAKTU FUZZY -RANTAI MARKOV
PERAMALAN NILAI TUKAR RUPIAH TERHADAP DOLAR AMERIKA MENGGUNAKAN MODEL RUNTUN WAKTU FUZZY -RANTAI MARKOV oleh ERIKHA AJENG CHISWARI NIM. M0111028 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perdagangan saham merupakan salah satu motor penggerak ekonomi suatu negara. Sekuritas (saham) merupakan surat yang menunjukkan hak pemodal (yaitu pihak yang memiliki
Lebih terperinciPERAMALAN KURS RUPIAH TERHADAP DOLAR DENGAN METODE BERBASIS RATA-RATA FUZZY TIME SERIES MARKOV CHAIN FUJI KURNIA NINGSIH
PERAMALAN KURS RUPIAH TERHADAP DOLAR DENGAN METODE BERBASIS RATA-RATA FUZZY TIME SERIES MARKOV CHAIN FUJI KURNIA NINGSIH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciPENERAPAN METODE AUTOMATIC CLUSTERING DAN HIGH ORDER FUZZY TIME SERIES PADA PERAMALAN CURAH HUJAN. Muhammad Irsyad 1, Sonya Metarice 2
PENERAPAN METODE AUTOMATIC CLUSTERING DAN HIGH ORDER FUZZY TIME SERIES PADA PERAMALAN CURAH HUJAN Muhammad Irsyad 1, Sonya Metarice 2 Jurusan Teknik Informatika, Universitas Islam Negeri Sultan Syarif
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Indeks harga saham merupakan suatu indikator yang menunjukkan pergerakan harga saham dalam suatu periode, dengan adanya indeks maka dapat diketahui tren yang
Lebih terperinciMODEL HEURISTIC TIME INVARIANT FUZZY TIME SERIES DAN METODE ANALISIS REGRESI UNTUK PREDIKSI LABA DAN ANALISIS VARIABEL YANG MEMPENGARUHI
MODEL HEURISTIC TIME INVARIANT FUZZY TIME SERIES DAN METODE ANALISIS REGRESI UNTUK PREDIKSI LABA DAN ANALISIS VARIABEL YANG MEMPENGARUHI Tesis untuk memenuhi sebagian persyaratan mencapai derajat Sarjana
Lebih terperinciPERBANDINGAN METODE RUNTUN WAKTU FUZZY-CHEN DAN FUZZY- MARKOV CHAIN UNTUK MERAMALKAN DATA INFLASI DI INDONESIA
ISSN: 339-541 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 015, Halaman 917-96 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN METODE RUNTUN WAKTU FUZZY-CHEN DAN FUZZY- MARKOV CHAIN
Lebih terperinciAnalisis dan Peramalan Produksi Tanaman Teh Dengan Menggunakan Metode Indeks Musim (Studi Kasus : Propinsi Jawa Barat)
Analisis dan Peramalan Produksi Tanaman Teh Dengan Menggunakan Metode Indeks Musim (Studi Kasus : Propinsi Jawa Barat) Laporan Penelitian Peneliti : Alfa Kenedi Mainassy (672012704) Dr. Sri Yulianto. J.
Lebih terperinciBAB IV ANALISA DAN PERANCANGAN PROSES
BAB IV ANALISA DAN PERANCANGAN 4.1 Gambaran Umum Sistem Implementasi sistem secara keseluruhan akan merancang sebuah sistem yang memprediksikan harga emas dengan menggunakan metode Automatic Clustering
Lebih terperinciKajian model Automatic Clustering-Fuzzy Time Series-Markov Chain dalam memprediksi data historis jumlah kecelakaan lalu lintas di kota Malang
J Sains Dasar 2() () 6-7 Kajian model Automatic Clustering-Fuzzy Time Series-Markov Chain dalam memprediksi data historis jumlah kecelakaan lalu lintas di kota Malang (Study of the Automatic Clustering-Fuzzy
Lebih terperinciPENGEMBANGAN SISTEM INFORMASI PERAMALAN PENJUALAN DI PT. TRIMITRA BUANA ENGINEERING MENGGUNAKAN METODE FUZZY TIME SERIES
PENGEMBANGAN SISTEM INFORMASI PERAMALAN PENJUALAN DI PT. TRIMITRA BUANA ENGINEERING MENGGUNAKAN METODE FUZZY TIME SERIES Gebyar Faisyal Beni Pranata 1, Indra Dharma 2, Erfan Rohadi 3 1,2,3 Program Studi
Lebih terperinciBab II LANDASAN TEORI
Bab II LANDASAN TEORI Bab ini terdiri dari 3 bagian. Pada bagian pertama berisi tinjauan pustaka dari penelitian-penelitian sebelumnya. Pada bagian kedua diberikan teori penunjang untuk mencapai tujuan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dijelaskan teori-teori yang menjadi dasar dan landasan dalam penelitian sehingga membantu mempermudah pembahasan selanjutnya. Teori tersebut meliputi arti dan peranan
Lebih terperinciSPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ
SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ P.A Teknik Informatika Universitas Ahmad Dahlan Yogyakarta Kampus 3 UAD, Jl. Prof. Soepomo rochmahdyah@yahoo.com Abstrak Perkembangan teknologi
Lebih terperinciPERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 110 117 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH
Lebih terperinciBAB 2 LANDASAN TEORI
1 BAB 2 LANDASAN TEORI Bab ini membahas tentang teori penunjang dan penelitian sebelumnya yang berhubungan dengan metode ARIMA box jenkins untuk meramalkan kebutuhan bahan baku. 2.1. Peramalan Peramalan
Lebih terperinciPeramalan Beban Listrik Jangka Pendek pada Sistem Kelistrikan Jawa Timur dan Bali Menggunakan Fuzzy Time Series
Peramalan Beban Listrik Jangka Pendek pada Sistem Kelistrikan Jawa Timur dan Bali Menggunakan Fuzzy Time Series BAGUS HANDOKO 2206 100 125 Jurusan Teknik Elektro, Fakultas Teknologi Industri, ITS Surabaya
Lebih terperinciJURNAL GAUSSIAN, Volume 2, Nomor 3, Tahun 2013, Halaman Online di:
JURNAL GAUSSIAN, Volume 2, Nomor 3, Tahun 2013, Halaman 197-207 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN ARIMA DENGAN FUZZY AUTOREGRESSIVE (FAR) DALAM PERAMALAN INTERVAL
Lebih terperinciAplikasi Metode Fuzzy pada Peramalan Jumlah Wisatawan Australia ke Bali
Aplikasi Metode Fuzzy pada Peramalan Jumlah Wisatawan Australia ke Bali I Putu Eka Nila Kencana 1, IBK. Puja Arimbawa K. 2 1 Laboratorium Fuzzy Jurusan Matematika FMIPA UNUD, i.putu.enk@gmail.com 2 Program
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Tenaga listrik merupakan kebutuhan yang sangat penting bagi manusia dalam melakukan aktifitasnya sehari-hari. Peralatan rumah tangga maupun industri hampir semuanya
Lebih terperinciESTIMASI VOLATILITY (σ) DARI MODEL AR(p) MENGGUNAKAN METODE MARKOV CHAIN MONTE CARLO (MCMC)
ESTIMASI VOLATILITY (σ) DARI MODEL AR(p) MENGGUNAKAN METODE MARKOV CHAIN MONTE CARLO (MCMC) Radite Astana Murti 1), Bambang Susanto 2), dan Hanna Arini Parhusip 3) 1) Mahasiswa Program Studi Matematika
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN Pembahasan pada bab ini menjelaskan gambaran umum nilai tukar mata uang rupiah terhadap dolar amerika, metode penelitian, perancangan program aplikasi, rancangan perangkat lunak
Lebih terperinciBAB I PENDAHULUAN. atau memprediksi nilai suatu perolehan data di masa yang akan datang
BAB I PENDAHULUAN 1.1 Latar Belakang Time Series atau deret waktu merupakan barisan suatu nilai pengamatan yang diukur dalam rentang waktu tertentu dalam interval waktu yang sama. Analisis data deret waktu
Lebih terperinciAPLIKASI LOGIKA FUZZY PADA PERAMALAN KEBUTUHAN ENERGI LISTRIK JANGKA PANJANG DI PROVINSI SUMATERA BARAT SAMPAI TAHUN 2018 TUGAS AKHIR
APLIKASI LOGIKA FUZZY PADA PERAMALAN KEBUTUHAN ENERGI LISTRIK JANGKA PANJANG DI PROVINSI SUMATERA BARAT SAMPAI TAHUN 2018 TUGAS AKHIR Sebagai Salah Satu Syarat Untuk Menyelesaikan Program Stratum-1 (S1)
Lebih terperinci