Artificial Neural Network Dengan Pendekatan Cluster Time Series Sebagai Pre-Processing Untuk Peramalan Harga Penutupan Saham-Saham Syariah Di Indonesia

Khairunnisa, Akmarina (2019) Artificial Neural Network Dengan Pendekatan Cluster Time Series Sebagai Pre-Processing Untuk Peramalan Harga Penutupan Saham-Saham Syariah Di Indonesia. Sarjana thesis, Universitas Brawijaya.

Abstract

Analisis data time series bertujuan untuk meramalkan nilai masa mendatang dari deret waktu. Melakukan peramalan dengan metode biasa pada kasus data multivariabel high-dimension sangat tidak sederhana karena membutuhkan waktu pemrosesan yang lebih lama dengan membentuk banyak model, sehingga perlu dilakukan pre-processing data. Penerapan cluster time series merupakan salah satu metode pre-processing data untuk jenis data tersebut. Pemodelan time series untuk masing-masing cluster yang anggotanya dianggap homogen dilakukan dengan menggunakan Artificial Neural Network (ANN). Penelitian ini mempelajari apakah identifikasi terhadap plot PACF dari data yang sudah stasioner dapat dipertimbangkan sebagai cara untuk menentukan input bagi pemodelan ANN, dengan menggunakan data harga penutupan saham Indeks Saham Syariah Indonesia (ISSI) yang memenuhi kondisi multivariable high-dimension dan merupakan perwakilan setiap cluster. Nilai MAPE in sample dan MAPE out sample untuk masing-masing cluster didominasi oleh hasil peramalan yang dikategorikan “sangat baik” dan “baik” sehingga identifikasi plot PACF dapat dipertimbangkan untuk penentuan input bagi pemodelan ANN.

English Abstract

Time series data analysis aims to forecast the future value of a time series. Forecasting using the usual method in the case of high-dimensional multivariable data is not very simple because it requires a longer processing time by forming many models, so it is necessary to pre-process the data. The application of cluster time series is one method of data pre-processing for that type of data. Time series modeling for each cluster whose members are considered homogeneous is done using Artificial Neural Network (ANN). This paper studies whether identification of PACF plots of stationary data can be considered as a way to determine inputs for ANN modeling, using the closing price data of the Indonesian Sharia Stock Index (ISSI) that meets the multivariable high-dimension conditions and is representative of each cluster. MAPE in sample and MAPE out sample values for each cluster are dominated by forecasting results which are categorized as "very good" and "good" so that the identification of PACF plots can be considered for determining the input for ANN modeling.

Other obstract

-

Item Type:	Thesis (Sarjana)
Identification Number:	SKR/MIPA/2019/460/052001615
Uncontrolled Keywords:	Time Series, High-Dimension, Cluster Time Series, Artificial Neural Network (ANN), Harga Penutupan Saham, Time Series, High-Dimension, Cluster Time Series, Artificial Neural Network (ANN), Stock Closing Price
Subjects:	500 Natural sciences and mathematics > 519 Probabilities and applied mathematics > 519.5 Statistical mathematics > 519.55 Time-series analysis
Divisions:	Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika
Depositing User:	Budi Wahyono Wahyono
Date Deposited:	10 Aug 2020 08:12
Last Modified:	29 Aug 2023 00:49
URI:	http://repository.ub.ac.id/id/eprint/179374

Text Akmarina Khairunnisa.pdf Download (3MB)

Actions (login required)

View Item