PENERAPAN METODE ADAPTIVE-NETWORK BASED FUZZY INFERENCE SYSTEM (ANFIS) MODEL SUGENO UNTUK MEMPREDIKSI INDEX SAHAM: STUDI KASUS SAHAM LQ45 IDX

Abstract

Prediksi pasar saham sangat menarik karena keberhasilan prediksi harga saham dapat menjanjikan keuntungan yang menarik. Akurasi prediksi yang rendah dapat meningkatkan biaya perdagangan seperti biaya komisi diagnosis buruk dan tidak signifikan. Sistem adaptive-network-based fuzzy inference (ANFIS) mempunyai kemampuan untuk menangani sistem yang komplek, nonlinier dan berubah terhadap waktu melalui algoritma belajar. Tujuan penelitian ini adalah untuk mencari fungsi keanggotaan dengan tingkat prediksi saham yang memiliki akurasi tertinggi dari delapan macam fungsi keanggotaan ANFIS model Sugeno dengan memprediksi harga penutupan (Close) saham indeks LQ45 berdasarkan harga pembukaan dan penawaran. Untuk prediksi, fungsi keanggotaan dan parameter linier dibangkitkan menggunakan MATLAB. Indeks LQ 45 adalah nilai kapitalisasi pasar dari 45 saham yang paling likuid dan memiliki nilai kapitalisasi yang besar. Sistem akan untuk memprediksi titik data (harga closing), berdasarkan tren (pola) yang dikenali. Berdasarkan hasil penelitian, diperoleh nilai galat terendah didapat dari fungsi keanggotaan GAUSS dimana prosentasi rata-rata galat untuk fungsi kurang dari 0,2% (AALI 0,19% untuk fungsi keanggotaan Dsig; ANTM 0,04%; ASII 0,05%; BBCA 0,04% dan ADHI 0,05% untuk fungsi keanggotaan Gauss) dan nilai hasil uji statistik menggunakan t-test menunjukkan penerimaan hipotesis dimana tidak terdapat perbedaan antara rerata harga penutupan saham dengan hasil pengecekan prediksi saham dimana tingkat keakuratannya mencapai 95%.