Prediksi Fluktuasi Imbal Hasil Obligasi Pemerintah Indonesia Menggunakan Algoritma CN2 Berbasis Rough Set dan Fuzzy-Rough Set

Safitri, Dewi (2023) Prediksi Fluktuasi Imbal Hasil Obligasi Pemerintah Indonesia Menggunakan Algoritma CN2 Berbasis Rough Set dan Fuzzy-Rough Set. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06111940000047-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (3MB) | Request a copy

Abstract

Investasi merupakan salah satu faktor penting terhadap pertumbuhan dan pembangunan ekonomi suatu negara. Salah satu instrumen investasi adalah obligasi. Obligasi yang diterbitkan oleh pemerintah untuk membiayai anggaran pendapatan dan belanja negara (APBN) disebut juga dengan obligasi pemerintah Indonesia. Dalam investasi obligasi, tingkat pengembalian obligasi pada saat obligasi dijual pertama kali ke masyarakat disebut dengan yield obligasi atau imbal hasil obligasi. Sebagai instrumen investasi, yield obligasi pemerintah Indonesia mengalami perubahan seiring dengan berjalannya waktu. Prediksi fluktuasi yield obligasi pemerintah Indonesia berguna untuk menentukan strategi investasi obligasi pada waktu yang akan datang. Beberapa konsep atau teori dalam matematika yang dapat diintegrasikan dalam berbagai task data mining yang bisa digunakan untuk prediksi fluktuasi yield obligasi, antara lain fuzzy set, soft set, dan rough set. Teori Rough Set untuk menangani data yang tidak tepat dan tidak pasti. Teori Rough Set mampu mengelompokkan objek dan berguna dalam analisis dataset mengenai klasifikasi. Fuzzy-Rough Set merupakan pengembangan dari Fuzzy Set dan Rough Set. Fuzzy Set lebih menitikberatkan pada vagueness sedangkan Rough Set lebih menitikberatkan pada indiscernibility dimana Fuzzy-Rough Set dapat menangani dataset yang mempunyai atribut diskret maupun dataset dengan atribut kontinu serta dapat mendeteksi derajat keanggotaan dari setiap objek yang ekuivalen. Algoritma CN2 adalah salah satu metode pembelajaran mesin yang digunakan untuk menemukan aturan-aturan dalam data. Pada penelitian ini, dilakukan prediksi berupa klasifikasi harga penutupan yield obligasi pemerintah Indonesia akan mengalami kenaikan, penurunan, atau cenderung konstan pada hari berikutnya. Rough Set digunakan sebagai alat reduksi atribut. Algoritma CN2 digunakan untuk rule generation pada set atribut yang direduksi. Konsep ini diperluas untuk Fuzzy-Rough Set dengan peningkatan performa. Data yang digunakan untuk uji nilai akurasi diperoleh dari data imbal hasil obligasi Indonesia dengan tenor 10 tahun dalam kurun waktu 2017-2022. Berdasarkan nilai akurasi yang diperoleh, prediksi fluktuasi yield obligasi menggunakan algoritma CN2 berbasis Fuzzy-Rough Set bekerja lebih baik dibandingkan Rough Set dengan nilai akurasi sebesar 81.81818%.
======================================================================================================================================
Investment is one of the most important factors in the growth and development of a country’s economy. One of the investment instruments is bonds. Bonds issued by the government to finance the state budget known as Indonesian government bonds. In bond investment, the return on bonds when the bonds are first sold to the public is called the bond yield. As an investment instrument, the yield of Indonesian government bonds changes over time. Indonesian government bond yield fluctuation prediction is useful for determining bond investment strategies in the future. Some concepts or theories in mathematics that can be integrated in data mining tasks that can be used to predict bond yield fluctuations, including fuzzy sets, soft sets, and rough sets. Rough Set theory can handle imprecise and uncertain data. Rough Set theory is able to categorize objects and is useful in analyzing datasets regarding classification. Fuzzy-Rough Set is a development of Fuzzy Set and Rough Set. Fuzzy Set focuses more on vagueness while Rough Set focuses more on indiscernibility where FuzzyRough Set can deal with datasets that have discrete attributes as well as datasets with continuous attributes and can detect the membership degree of each equivalent object. CN2 algorithm is one of machine learning method used to find rules in data. In this research, predictions are made in the form of classification of the closing price of Indonesian government bond yields will increase, decrease, or tend to be constant on the next day. Rough Set is used as an attribute reduction tool. CN2 algorithm is used for rule generation on the reduced attribute set. This concept is extended to Fuzzy-Rough Set with improved performance. The data used to test the accuracy value is obtained from Indonesian bond yield data with a tenor of 10 years in the period 2017-2022. Based on the accuracy value obtained, the Fuzzy-Rough Set based model works better than the Rough Set based model for predicting fluctuations in Indonesian government bond yields with an accuracy value of 81.81818%.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Bond, Yield, Prediction, Classification, Rough Set, Fuzzy-Rough Set, CN2 Algorithm, Obligasi, Yield, Prediksi, Klasifikasi, Rough Set, Fuzzy-Rough Set, Algoritma CN2.
Subjects:	Q Science > QA Mathematics > QA76.9.D343 Data mining. Querying (Computer science)
Divisions:	Faculty of Mathematics, Computation, and Data Science > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	Dewi Safitri
Date Deposited:	25 Jan 2024 04:47
Last Modified:	25 Jan 2024 04:47
URI:	http://repository.its.ac.id/id/eprint/102736

Actions (login required)

View Item