ANALISIS PERAMALAN INDEKS SAHAM SYARIAH INDONESIA (ISSI) MENGGUNAKAN FUZZY TIME SERIES CHEN DAN FUZZY TIME SERIES CHENG

Fikri Rizky Mahendra, Darvi Mailisa Putri, Ilham Dangu Rianjaya

Abstract


Penelitian ini bertujuan untuk mengetahui tingkat akurasi dalam memprediksi Indeks Saham Syariah Indonesia (ISSI) dengan menggunakan metode Fuzzy Time Series Chen dan Fuzzy Time Series Cheng. Fuzzy Time Series (FTS) merupakan konsep yang dapat digunakan untuk meramalkan masalah, dengan menggunakan data historis. Kedua metode ini menggunakan prinsip-prinsip logika fuzzy. Hasil penelitian menunjukkan bahwa akurasi peramalan menggunakan Mean Absolute Percentage Error (MAPE) untuk metode FTS Chen yaitu, 0,048% dan FTS Cheng yaitu, 0,031%. Maka disimpulkan kedua metode memiliki nilai MAPE kurang dari 10% dan dapat dikatakan Model FTS Chen dan FTS Cheng tergolong sangat baik. Metode ini juga memiliki urgensi yang besar dalam berbagai bidang, terutama yang berkaitan dengan analisis deret waktu dan peramalan dalam kondisi ketidakpastian atau data yang tidak pasti. Kedua metode ini memiliki kelebihan masing-masing sebagai contoh FTS Chen dapat memberikan peramalan yang lebih akurat, terutama dalam peramalan jangka panjang atau dalam situasi yang memiliki fluktuasi tinggi dalam data. Sedangkan FTS Cheng sangat efektif ketika digunakan pada data yang relatif stabil.


Keywords


Fuzzy Time Series Chen, Fuzzy Time Series Cheng, MAPE

Full Text:

PDF

References


W. Sawidji, Pasar Modal Indonesia: Pengantar & Studi Kasus. 2009.

S. Sumartini, M. N. Hayati, and S. Wahyuningsih, “Peramalan Menggunakan Metode Fuzzy Time Series Cheng,” EKSPONENSIAL, vol. 8, no. 1, pp. 51–56, 2017.

D. M. Putri, A. Afrimayani, L. H. Hasibuan, F. R. Ul Hasanah, and M. Jannah, “Comparison of Double Exponential Smoothing and Fuzzy Time Series Markov Chain in Forecasting Foreign Tourist Arrivals,” BAREKENG J. Ilmu Mat. dan Terap., vol. 18, no. 3, pp. 1817–1828, 2024, doi: 10.30598/barekengvol18iss3pp1817-1828.

S. Kusumadewi and H. Purnomo, Aplikasi logika fuzzy : untuk pendukung keputusan / Sri Kusumadewi, Hari Purnomo. Yogyakarta : Graha Ilmu, 2013.

R. Auliyah and A. Hamzah, “Analisa Karakteristik Perusahaan, Industri dan Ekonomi Makro Terhadap Return dan Beta Saham Syariah di Bursa Efek Jakarta,” Simp. Nas. Akunt., vol. 9, pp. 23–26, 2006.

A. B. Elfajar, B. D. Setiawan, and C. Dewi, “Peramalan Jumlah Kunjungan Wisatawan Kota Batu Menggunakan Metode Time Invariant Fuzzy Time Series,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 1, no. 2, pp. 85–94, 2017.

A. Sukarna, “Analisis Deret Waktu: Teori dan Aplikasinya,” Makasar Andira Publ., 2006.

M. S. W. SC and V. E. McGee, “Metode dan Aplikasi Peramalan (Jakarta: Binarupa Aksara),” Bin. Aksara, 1999.

P. Thakur, A. Kaczynska, N. Gandotra, N. Saini, and W. Salabun, “The Application of the New Pythagorean Fuzzy Entropy to Decision-Making using Linguistic Terms,” Procedia Comput. Sci., vol. 207, pp. 4525–4534, 2022, doi: 10.1016/j.procs.2022.09.516.

N. Fauziah, S. Wahyuningsih, and Y. N. Nasution, “Peramalan Mengunakan Fuzzy Time Series Chen (Studi Kasus: Curah Hujan Kota Samarinda),” J. Stat. Univ. Muhammadiyah Semarang, vol. 4, no. 2, 2016.

A. Afrimayani and D. M. Putri, “Analisis Pergerakan Harga Emas Berjangka Menggunakan Model Fuzzy Time Series Markov Chain,” JOSTECH J. Sci. Technol., vol. 3, no. 2, pp. 144–155, 2023, doi: 10.15548/jostech.v3i2.6994.

N. Afnisah and F. Marpaung, “A Comparison of The Fuzzy Time Series Methods of Chen, Cheng and Markov Chain in Predicting Rainfall in Medan,” in Journal of Physics: Conference Series, 2020, vol. 1462, no. 1, p. 12044.

C.-H. Cheng, T.-L. Chen, H. J. Teoh, and C.-H. Chiang, “Fuzzy time-series based on adaptive expectation model for TAIEX forecasting,” Expert Syst. Appl., vol. 34, no. 2, pp. 1126–1132, 2008.

I. J. Thira, N. A. Mayangky, D. N. Kholifah, I. Balla, and W. Gata, “Peramalan Data Kunjungan Wisatawan Mancanegara ke Indonesia menggunakan Fuzzy Time Series,” J. Edukasi dan Penelit. Inf., vol. 5, no. 1, pp. 18–23, 2019.

K. Nugroho, “Model analisis prediksi menggunakan metode fuzzy time series,” J. Ilm. Infokam, vol. 12, no. 1, 2016.

S. S. Berutu, E. Sediyono, and P. S. Sasongko, “Peramalan Penjualan Dengan Metode Fuzzy Time Series Ruey Chyn Tsaur,” HimsyaTech, vol. 11, no. 1, pp. 1–11, 2013.

C.-H. Cheng, G.-W. Cheng, and J.-W. Wang, “Multi-attribute fuzzy time series method based on fuzzy clustering,” Expert Syst. Appl., vol. 34, no. 2, pp. 1235–1242, 2008.

R.-C. Tsaur, “A fuzzy time series-Markov chain model with an application to forecast the exchange rate between the Taiwan and US dollar,” Int. J. Innov. Comput. Inf. Control, vol. 8, no. 7, pp. 4931–4942, 2012.




DOI: https://doi.org/10.15548/map.v6i2.10151

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

 

Lisensi Creative Commonsis licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.