Pencarian Metode Eliminasi Pencilan Terbaik Untuk Memperbaiki Kinerja Fuzzy Time Series Pada Peramalan Harga Saham Bursa Efek Indonesia

Tholaby Ms, Akhmad Tajuddin (2017) Pencarian Metode Eliminasi Pencilan Terbaik Untuk Memperbaiki Kinerja Fuzzy Time Series Pada Peramalan Harga Saham Bursa Efek Indonesia. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 5113202007-Master Thesis.pdf - Published Version Restricted to Repository staff only Download (946kB) | Request a copy

Abstract

Metode peramalan Fuzzy Time Series (FTS) merupakan salah satu metode
peramalan yang paling banyak digunakan terutama untuk mengolah data dengan
tingkat variasi tinggi dan tidak linier terhadap waktu. Namun, peluang untuk
mengembangkan dan memperbaiki kinerja peramalan dengan menggunakan
metode FTS masih terbuka lebar. Kinerja suatu metode peramalan dapat dilihat
dari distribusi kesalahannya. FTS tidak melihat dan tidak memilah jenis data
masukan seperti apa yang akan di prosesnya menjadi suatu nilai peramalan,
apakah data masukannya memiliki variasi kecil atau besar, atau memiliki data
pencilan (outlier), semuanya diproses untuk menjadi nilai peramalan. Tentu saja
jika data masukan memiliki pencilan, maka pencilan itu dapat merusak distribusi
kesalahan sehingga dapat menjadikan kinerja peramalan menjadi tidak bagus.
Salah satu upaya untuk meningkatkan kinerja peramalan FTS adalah
dengan melakukan filterisasi data pencilan. Dalam penelitian ini dilakukan
perbandingan hasil filterisasi pencilan dengan metode Cook’s distance, Leverage
value, DFiTs dan Boxplot untuk meningkatkan kinerja peramalan FTS. Langkah
berikutnya adalah melakukan observasi dan perhitungan untuk menentukan
metode filterisasi pencilan yang paling baik untuk meningkatkan kinerja
peramalan FTS, yaitu yang menghasilkan nilai kesalahan MSE dan MAPE paling
kecil.
Dari hasil penelitian dapat dilihat bahwa kinerja FTS yang menggunakan
metode filterisasi DFiTs dan Cook’s Distance memberikan hasil peramalan yang
lebih baik dibandingkan tanpa filterisasi pencilan. Pada uji coba 1 DFiTs
menghasilkan distribusi kesalahan paling baik yaitu dengan nilai MSE
20,40701411 dan MAPE 2,4797393%. Sedangkan pada uji coba 2 Cook’s
Distance menghasilkan distribusi kesalahan paling baik, yaitu dengan nilai MSE
23,92471475 dan MAPE 2,887437375%.
============================================================================================
Fuzzy time series (FTS) is one of forecasting methods that is usually used
to compute high variation and time invariant data. The performance of FTS can
be enhanced. The performance of FTS can be seen from the error distribution.
FTS proceeds all kind of input data, low or high variance data, data with outlier
and other. If there are outliers in data, then it will make the error distribution to
become larger and the forecast performance becomes worse.
One way that can enhance the performance of FTS is filtering the outliers
before the forecast process. The methods that is used to identify outlier in this
reserch are Cook's Distance, Leverage Value, DfFITS and Boxplot. After
computing and finding outliers from the methods, then the next step is finding the
lowest MSE and MAPE values that show the best outlier identifier method.
The research results that DfFITS and Cook's Distance produce error
distribution of forecast value better than without filtering of outliers. In the first
observation, DfFITS produces the best error distribution with MSE 20,40701411
and MAPE 2,4797393%. While in the second observation, Cook’s Distance
produces the best error distribution with MSE 23,92471475 and MAPE
2,887437375%.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Fuzzy Time Series, pencilan, peramalan harga saham
Subjects:	Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression Q Science > QA Mathematics > QA248_Fuzzy Sets
Divisions:	Faculty of Information Technology > Informatics Engineering > 55101-(S2) Master Thesis
Depositing User:	Mr. Tondo Indra Nyata
Date Deposited:	31 May 2017 06:56
Last Modified:	18 Dec 2017 01:57
URI:	http://repository.its.ac.id/id/eprint/41440

Actions (login required)

View Item