Optimasi Fungsi Keanggotaan Fuzzy Tsukamoto Dengan Algoritme Genetika Pada Peramalan Harga Emas Untuk Stock Trading

Fathurrachman, Ficry Agam (2018) Optimasi Fungsi Keanggotaan Fuzzy Tsukamoto Dengan Algoritme Genetika Pada Peramalan Harga Emas Untuk Stock Trading. Sarjana thesis, Universitas Brawijaya.

Abstract

Investor dan pedagang saham memerlukan pengetahuan tentang peramalan kapan harga emas akan naik atau akan turun agar dapat meminimalkan risiko dalam berinvestasi. Peramalan ini membutuhkan sebuah metode yang tepat agar dapat memberikan hasil yang baik. FIS Tsukamoto digunakan untuk meramalkan harga emas berdasarkan data kurs mata uang yang ada. Parameter yang digunakan oleh FIS Tsukamoto adalah kurs mata uang USD/GBP, CHF/USD, JPY/USD, EUR/USD berdasarkan tiga hari sebelumnya dan harga emas berdasarkan satu hari sebelumnya. Untuk memaksimalkan performa FIS Tsukamoto maka fungsi keanggotaan FIS Tsukamoto akan dioptimasi menggunakan Algoritme Genetika. Representasi kromosom yang digunakan adalah real-coded dengan tipe data double. Pada reproduksi metode crossover yang digunakan adalah one-cut point, sedangkan untuk metode mutasi yang digunakan adalah random mutation. Pada proses seleksi, metode yang digunakan adalah elitism selection untuk mendapatkan individu yang terbaik. Berdasarkan pengujian parameter yang dilakukan dengan 10 kali percobaan setiap parameter didapatkan ukuran populasi terbaik sebanyak 180, kombinasi cr=0.9 dan mr=0.1, serta jumlah generasi terbaik sebesar 325 nilai fitness terbaik sebesar 8,6870. Nilai Root-Mean Squared Error (RMSE) yang didapatkan sebelum optimasi adalah 13,3611, sedangkan setelah dilakukan optimasi didapatkan nilai RMSE yang lebih kecil yaitu sebesar 12,5801. Hasil tersebut menunujukkan adanya peningkatan nilai akurasi pada FIS Tsukamoto setelah dioptimasi dengan menggunakan Algoritme Genetika.

English Abstract

Investors and stock traders need knowledge of forecasting when the price of gold will rise or will decline to minimize the risk in investing. This forecasting requires an appropriate method in order to give good results. FIS Tsukamoto is used to forecast the price of gold based on existing exchange rate data. The parameters used by Tsukamoto FIS are the currency rates of USD / GBP, CHF / USD, JPY / USD, EUR / USD based on the previous three days and the price of gold based on the previous day. To maximize Tsukamoto FIS performance, Tsukamoto FIS membership function will be optimized using Genetic Algorithm. The chromosome representation used is real-coded with a double data type. The reproduction of the crossover method used is one-cut point, while the mutation method used is random mutation. In the selection process, the method used is elitism selection to get the best individuals. Based on parameter testing carried out with 10 experiments each parameter, the best population size is 180, combination of cr = 0.9 and mr = 0.1, and the best number of generations is 325, the best fitness value is 8.6972. The Root-Mean Squared Error (RMSE) value obtained before optimization is 13.3611, while after optimization it is obtained that the smaller RMSE value is 12.5801. These results indicate an increase in the value of accuracy in Tsukamoto FIS after being optimized using Genetic Algorithm.

Item Type:	Thesis (Sarjana)
Identification Number:	SKR/FTIK/2018/1062/051901263
Uncontrolled Keywords:	Optimasi, Peramalan, Harga Emas, Algoritme Genetika, FIS Tsukamoto-Optimazion, Forecasting, Gold Prices, Genetic Algorithm, Tsukamoto FIS
Subjects:	300 Social sciences > 381 Commerce (Trade) > 381.092 Salesmen, Traders
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	soegeng Moelyono
Date Deposited:	15 Apr 2020 10:13
Last Modified:	18 May 2022 02:25
URI:	http://repository.ub.ac.id/id/eprint/166991

Text Ficry Agam Fathurrachman.pdf Download (11MB)

Actions (login required)

View Item