METODE FUZZY TIME SERIES DENGAN FAKTOR PENDUKUNG UNTUK MERAMALKAN DATA SAHAM

Pada skripsi ini dipaparkan metode baru dengan menggunakan fuzzy time series untuk sebuah peramalan data. Metode baru ini diperkenalkan oleh Chao-Dian Chen dan Shyi-Ming Chen pada tahun 2009. Pada skripsi ini metode yang digunakan akan diaplikasikan pada data saham di Indonesia Stock Exchange dengan...

Full description

Saved in:
Bibliographic Details
Main Author: Imami, Adi Ihsan (Author)
Format: Book
Published: 2013-11-06.
Subjects:
Online Access:Link Metadata
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:Pada skripsi ini dipaparkan metode baru dengan menggunakan fuzzy time series untuk sebuah peramalan data. Metode baru ini diperkenalkan oleh Chao-Dian Chen dan Shyi-Ming Chen pada tahun 2009. Pada skripsi ini metode yang digunakan akan diaplikasikan pada data saham di Indonesia Stock Exchange dengan faktor pendukung bursa saham singapura (STI) dan bursa saham di amerika serikat (DOW JONES). Langkah awal metode ini adalah mefuzzifikasi data utama dari faktor utama menjadi sebuah himpunan fuzzy dengan interval tertentu, untuk menentukan relasi logika fuzzy. Lalu membentuk relasi logika fuzzy menjadi grup relasi logika fuzzy. Kemudian membentuk grup relasi logika fuzzy antara variasi data historik utama dengan data historik pendukung untuk meramalkan data saham IDX. Kata Kunci : himpunan fuzzy, fuzzy time series, relasi logika fuzzy, fuzzy varias In this papper represented a new forecasting method for the Indonesia Stock Exchange with using fuzzy time series. This new method are introduced by Chao-Dian Chen and Shyi-Ming Chen at 2009. In this papper the method that used will be applied to Indonesia Stock Exchange with the secondary factor STI and Dow Jones. First, we fuzzify the historical data of the main factor into fuzzy sets with a fixed length of intervals to form fuzzy logical relationships. Then, we group the fuzzy logical relationships into fuzzy logical relationship groups. Then, we evaluate the leverage of fuzzy variations between the main factor and the secondary factor to forecast the IDX. Keywords-fuzzy sets, fuzzy time series, fuzzy logical relationships, fuzzy variation
Item Description:http://repository.upi.edu/2876/1/S_MTK_0800452_TITLE.pdf
http://repository.upi.edu/2876/2/S_MTK_0800452_ABSTRACT.pdf
http://repository.upi.edu/2876/3/S_MTK_0800452_TABLE%20OF%20CONTENT.pdf
http://repository.upi.edu/2876/4/S_MTK_0800452_CHAPTER1.pdf
http://repository.upi.edu/2876/5/S_MTK_0800452_CHAPTER2.pdf
http://repository.upi.edu/2876/6/S_MTK_0800452_CHAPTER3.pdf
http://repository.upi.edu/2876/7/S_MTK_0800452_CHAPTER4.pdf
http://repository.upi.edu/2876/8/S_MTK_0800452_CHAPTER5.pdf
http://repository.upi.edu/2876/9/S_MTK_0800452_BIBLIOGRAPHY.pdf
http://repository.upi.edu/2876/10/S_MTK_0800452_APPENDIX.pdf