Pengelompokan Harga Saham Perusahaan Sektor Industri dan Konsumen di Indonesia Menggunakan Fuzzy C-Means dan Fuzzy C-Medoids dengan Melibatkan ACF dan PACF

Muda, Muhammad Adlansyah (2023) Pengelompokan Harga Saham Perusahaan Sektor Industri dan Konsumen di Indonesia Menggunakan Fuzzy C-Means dan Fuzzy C-Medoids dengan Melibatkan ACF dan PACF. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6003202020-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 July 2025. Download (7MB) | Request a copy

Abstract

Berbagai pengembangan telah dilakukan pada metode clustering untuk tidak hanya dapat mengelompokkan data cross-section, tetapi juga pada data deret waktu (time series). Salah satu metode pengelompokan yang dapat digunakan untuk data deret waktu adalah Fuzzy Clustering. Fuzzy Clustering merupakan teknik soft clustering yang memungkinkan setiap objek untuk dapat memiliki lebih dari satu cluster dengan derajat keanggotaan yang berbeda. Beberapa metode pengelompokan dalam Fuzzy Clustering meliputi Fuzzy C-Means (FCM) Clustering dan Fuzzy C-Medoids (FCMdd) Clustering. Perbedaan utama pada kedua metode tersebut terdapat pada perhitungan pusat (centroid). Beberapa pendekatan yang dapat digunakan dalam metode Fuzzy Clustering adalah Autocorrelation Function (ACF) dan Partial Autocorrelation Function (PACF). Salah satu penerapan dari time series clustering adalah mengelompokkan harga saham. Meskipun perusahaan berada dalam satu sektor, setiap perusahaan memiliki karakteristik yang berbeda-beda, sehingga dilakukan pengelompokan untuk mengetahui perusahaan yang memiliki karakteristik yang sama dalam beberapa sektor. Pada penelitian ini menggunakan data harga saham perusahaan sektor industri dan konsumen, dikarenakan sektor industri dan konsumen merupakan salah satu sektor terbesar di Indonesia. Variabel yang digunakan pada penelitian ini merupakan harga saham open, close, dan High Minus Low (HML). Berdasarkan nilai Fuzzy Silhouette (FS) tertinggi dapat ditunjukkan bahwa metode terbaik untuk pengelompokan harga saham open, close, dan HML adalah FCM. Hasil pengelompokan harga saham open dan close menggunakan metode FCM memberikan hasil yang sama, sedangkan terdapat perbedaan hasil pengelompokan untuk harga saham HML. Banyak cluster untuk pengelompokan harga saham open dan close menggunakan FCM adalah 3 cluster dengan nilai FS sebesar 0,93 dan banyak cluster untuk pengelompokan harga saham HML menggunakan FCM adalah 4 cluster dengan nilai FS sebesar 0,95.
======================================================================================================================================
Various developments have been made on the clustering method to not only be able to cluster cross-sectional data, but also time series data. One of the clustering methods that can be used for time series data is Fuzzy Clustering. Fuzzy Clustering is a soft clustering technique that allows each object to have more than one cluster with different degrees of membership. Several clustering methods in Fuzzy Clustering include Fuzzy C-Means (FCM) Clustering and Fuzzy C-Medoids (FCMdd) Clustering. The main difference between the two methods is in the calculation of the centroid. Several approaches that can be used in the Fuzzy Clustering method are the Autocorrelation Function (ACF) and Partial Autocorrelation Function (PACF). One of the applications of time series clustering method is clustering stock prices. Even though the companies are in the same sector, each company has different characteristics. So that the clustering is done to find out the stock prices of companies that have the same characteristics in several sectors. This research uses stock price data for industrial and consumer sector companies, because the industrial and consumer sectors are one of the largest sectors in Indonesia. The variables used in this research are open, close, and High Minus Low (HML) stock prices. Based on the highest Fuzzy Silhouette (FS) value, it can be shown that FCM is the best clustering method for clustering open, close, and HML stock prices. The clustering results using FCM are the same for open and close stock prices. Meanwhile, there are different clustering results for HML stock prices. The number of clusters for clustering open and close stock prices using FCM is 3 clusters where the FS value is 0,93 while the number of clusters for clustering HML stock prices using FCM is 4 clusters where the FS value is 0,95.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	ACF, FCM, FCMdd, Harga Saham, PACF
Subjects:	Q Science > Q Science (General) > Q325.5 Machine learning. Q Science > QA Mathematics > QA276 Mathematical statistics. Time-series analysis. Failure time data analysis. Survival analysis (Biometry) Q Science > QA Mathematics > QA278.55 Cluster analysis Q Science > QA Mathematics > QA248_Fuzzy Sets Q Science > QA Mathematics > QA278 Cluster Analysis. Multivariate analysis. Correspondence analysis (Statistics)
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49101-(S2) Master Thesis
Depositing User:	Muhammad Adlansyah Muda
Date Deposited:	17 Feb 2023 10:55
Last Modified:	17 Feb 2023 10:55
URI:	http://repository.its.ac.id/id/eprint/97495

Actions (login required)

View Item