Institutional Repository | Satya Wacana Christian University: Moving Average dan Fuzzy Time Series Using Percentage Change dalam Simulasi Peramalan Data Indeks Harga Saham Gabungan (IHGS)

ABSTRAK
Permasalahan peramalan data fuzzy time series telah banyak dikaji menggunakan berbagai
metode, antara lain metode Fuzzy Time Series Forecasting Using Percentage Change untuk
meramalkan model data jumlah pendaftar di Universitas Alabama pada tahun 1971-1992, tanpa
meramalkan jumlah pendaftar pada tahun berikutnya. Peramalan model data yang dilakukan
didasarkan pada perubahan persentase antara 2 (dua) data yang berturutan. Data time series yang
terbentuk diubah menjadi data fuzzy time series dengan fungsi keanggotaan triangular. Data fuzzy time
series inilah yang diramalkan berdasarkan persentase perubahan datanya hingga diperoleh ramalan
model datanya.
Pada penelitian ini Metode Fuzzy Time Series Forecasting Using Percentage Change
diterapkan untuk meramalkan model data IHSG dan meramalkan nilai data IHSG pada waktu t+ 1
pada data IHSG mulai tanggal 1 Maret sampai dengan 30 April 2012. Dalam hal ini akan dilakukan
peramalan terlebih dahulu terhadap data IHSG untuk mendapatkan data IHSG pada t+ 1 yaitu nilai
data pada 1 Mei 2012 menggunakan Moving Average (MA). Penerapan Metode Fuzzy Time Series
Forecasting Using Percentage Change pada data aktual ditambah data hasil peramalan menunjukkan
MAPE yang cukup kecil yaitu 0,075% dan nilai error data t+ 1 adalah 0,642%. Dalam simulasi
diambil sampel sebesar 100 data yang dibangkitkan secara random serta diulang sebanyak 25, 100 dan
1000 kali kemudian dibandingkan rata-rata errornya dengan rata-rata error peramalan model data dan
nilai data untuk waktu t+ 1 berdasarkan persentase perubahan data IHSG tanggal 1 Mei sampai 27
September 2012. Rata-rata error pada simulasi sebesar 0.0174% sedangkan rata-rata error pada
peramalan data IHSG sebesar 0.0105% . Karena data yang diambil random, maka ditentukan interval

kepercayaan untuk rata-rata error tersebut yaitu
.
Keywords: Fuzzy Time Series, Forecasting, Percentage Change, IHSG, Simulasi
ABSTRACT
Problems of data forecasting fuzzy time series have been widely studied using a variety of
methods, including Fuzzy Time Series Forecasting Using Percentage Change for forecasting of
enrollments at the University of Alabama in 1971-1992, without forecasting of enrollments for the
next year. That forecasting based on the percentage change between the 2 (two) consecutive data.
Time series data are transformed into fuzzy time series with triangular membership function. That
Fuzzy time series data are predicted based on that percentage change to obtain the model forecast
data.
In
this paper, Fuzzy Time Series Forecasting Using Percentage Change is applied to forecast the Jakarta
Composite Index (JCI) and to predict value of data in t +1 based on data of JCI from 1 March to 30
April 2012. In this case the prediction of t +1 is the value of the data on 1 May 2012 using Moving
Average (MA). Application of Fuzzy Time Series Forecasting Using Percentage Change on the actual
data plus the forecasting results show a small MAPE is 0.075% and the error of t +1 is 0.642%. In the
simulation of 100 samples are taken randomly and repeated at 25, 100 and 1000 times then compared
to the average the error with the average error of forecasting data model and data values of t +1 based
on the percentage change in the data of JCI from 1 May until 27 September 2012. The average error

of the simulation is 0.0174% and the average error of the forecasting data of JCI is 0.0105%. Since
the data are taken randomly, then the specified confidence interval for the average error is
.
Keywords: Fuzzy Time Series, Forecasting, Percentage Change, IHSG, Simulation