ABSTRAK
Indeks harga saham gabungan (IHSG) merupakan salah satu pedoman bagi investor untuk melakukan investasi pasar modal khususnya saham. Saham merupakan bentuk investasi yang memiliki peluang pendapatan yang lebih besar tetapi juga mempunyai resiko yang besar. Peramalan dilakukan agar investor mempunyai pandangan tentang keadaan IHSG pada masa mendatang. Peramalan IHSG dapat dilakukan menggunakan metode runtun waktu fuzzy. Metode runtun waktu fuzzy merupakan metode peramalan dengan mengubah data historis menjadi himpunan fuzzy.
Model runtun waktu fuzzy dengan melibatkan faktor yang memengaruhi IHSG diterapkan untuk meramalkan IHSG. Faktor yang digunakan ialah IHSG periode sebelumnya, suku bunga dan kurs rupiah. Penelitian ini menerapkan model runtun waktu fuzzy tiga faktor pada peramalan IHSG. Model dengan root mean square (RMSE) terkecil dan memenuhi asumsi uji diagnostik digunakan untuk meramalkan satu periode ke depan.
Berdasarkan penerapan model runtun waktu fuzzy tiga faktor orde satu, dua, dan tiga serta membandingkan model runtun waktu fuzzy tiga faktor menurut Lee et al. (2006) dan Hsu et al. (2010) diperoleh model runtun waktu fuzzy tiga faktor orde satu menurut Lee et al. (2006) memberikan hasil peramalan yang lebih baik dibandingkan model lainnya. Dengan demikian model runtun waktu fuzzy tiga faktor menurut Lee et al. (2006) digunakan untuk peramalan satu periode ke depan bulan Oktober 2015. Dalam hal ini model tiga faktor runtun waktu fuzzy hanya dapat digunakan untuk peramalan satu periode ke depan.
Kata kunci: runtun waktu fuzzy, model runtun waktu fuzzy tiga faktor
ABSTRACT
Composite Stock Price Index (CSPI) is a guideline for the investors to invest capital markets in particular stocks. Shares is a form of investment that has greater income opportunities but also has a big risk. Forecasting is done so that investors have a view about the state of CSPI in the future. CSPI forecasting can be done using fuzzy time series. Fuzzy time series method is a method of forecasting by changing the historical data into fuzzy sets.
Fuzzy time series model involving factors influencing CSPI is applied to predict. Factors used is CSPI previous period, the interest rate and the exchange rate. This research applies three-factors fuzzy time series model in forecasting CSPI. Models with a root mean square (RMSE) of the smallest and meet the assumption of a diagnostic test used to forecasting of one periods foward.
Based on the application of three-factors fuzzy time series model of order one, two, and three, and comparing the three-factors fuzzy time series model of according to Lee et al. (2006) and Hsu et al. (2010) obtained three-factors fuzzy time series model of first order according to Lee et al. (2006) provide better forecasting results than other models. Thus the three-factors fuzzy time series model according to Lee et al. (2006) used for forecasting the next period in October 2015. In this case the three-factor fuzzy time series model can only be used for forecasting of one periods foward.
Keywords: fuzzy time series, three-factor fuzzy time series model