ANALISIS PERAMALAN HARGA EMAS DENGAN METODE AUTOMATIC CLUSTERING AND FUZZY LOGIC RELATIONSHIP

Sunarsan Sitohang

Abstract


      Emas merupakan alternatif yang cenderung dipilih kebanyakan orang untuk berinvestasi karena beberapa alasan seperti alasan keamanan, menguntungkan, mudah dicairkan, resiko rendah, tidak memerlukan dana besar, mudah dipindahkan, kepemilikan dan pengelolaan sendiri. Sulitnya memperkirakan turun naiknya harga emas membuat banyak enggan untuk berinvestasi, khususnya investasi emas. Peramalan atau prediksi adalah sama seperti teka-teki yang dipegang oleh banyak orang oleh karena penasaran dengan masa depan Automatic clustering and fuzzy logic relationship (ACFLR) merupakan salah satu metode dengan konsep fuzzy logic yang digunakan untuk pemodelan data time series. ACFLR diterapkan untuk mengetahui bagaimana tingkat keakuratannya dalam meramal harga emas sehingga dapat digunakan oleh investor untuk membuat perencanaan dalam investasi, alat pendukung keputusan untuk melakukan investasi. Berdasarkan hasil pembahasan, metode ACFLR mampu meramalkan harga emas dengan baik, dimana besarnya MAPE hanya 5,3% saja. Sehingga dapat disimpulakan metode ini layak dijadikan sebagai pendukung keputusan dalam berinvestasi emas.

Kata kunci: peramalan, data runtun, harga emas, ACFLR


 

Full Text:

HAL 104 - 115

References


Comas, D. S. et al. (2017) ‘Interpretable interval type-2 fuzzy predicates for data clustering: A new automatic generation method based on self-organizing maps’, Knowledge-Based Systems. Elsevier B.V., 133, pp. 234–254. doi: 10.1016/j.knosys.2017.07.012.

Endaryati, B. and Kurniawan, R. (2015) ‘Komparasi Metode Peramalan Automatic Clustering Technique And Fuzzy Logical Relationships Dengan Single Exponential Smoothing’, Media Statistika, 8(2), pp. 93–101.

Indrawati, A. and Girsang, A. S. (2016) ‘Electricity Demand Forecasting Using Adaptive Neuro-Fuzzy Inference System and Particle Swarm Optimization’, International Review of Automatic Control (IREACO), 9(6), p. 397. doi: 10.15866/ireaco.v9i6.10810.

Liu, X., Wang, X. and Pedrycz, W. (2015) ‘Fuzzy clustering with semantic interpretation’, Applied Soft Computing. Elsevier B.V., 26, pp. 21–30. doi: 10.1016/j.asoc.2014.09.037.

Megits, N., Reverchuk, S. and Chyzh, L. (2014) ‘Investment Risks And Insurance’, Journal Of Eastern European And Central Asian Research, 1(1), pp. 1–8. Available at: www.ieeca.org/journal.

Sitohang, S., Girsang, A. S. and Suharjito (2017) ‘Prediction of the number of airport passengers using fuzzy C-means and adaptive neuro fuzzy inference system’, International Review of Automatic Control, 10(3), pp. 280–287. doi: 10.15866/ireaco.v10i3.12003.

Wang, W. and Liu, X. (2015) ‘Fuzzy forecasting based on automatic clustering and axiomatic fuzzy set classification’, Information Sciences. Elsevier Inc., 294(2), pp. 78–94. doi: 10.1016/j.ins.2014.09.027.

Widarjono, A. (2013) Ekonometrika - Pengantar dan Aplikasinya disertai Panduan Eviews -4/E. Yogyakarta: Upp Stim Ykpn.


Refbacks

  • There are currently no refbacks.


Department of Information System| Computer Science Faculty | Universitas Pelita Harapan | sistech.medan@uph.edu