Pemodelan forecasting return saham menggunakan adaptive neural fuzzy inference system = Modelling forecasting of stock returns with adaptive neural fuzzy inference system / Adi Surya

Adi Surya, author

Pemodelan forecasting return saham menggunakan adaptive neural fuzzy inference system = Modelling forecasting of stock returns with adaptive neural fuzzy inference system / Adi Surya

Adi Surya; Zaafri Ananto Husodo, supervisor; Dony Abdul Chalid, examiner; Imo Gandakusuma, examiner ([Publisher not identified] , 2015)

Abstrak

[ABSTRAK

Prediksi pasar saham adalah penting dan sangat menarik karena prediksi return

saham dapat menjanjikan keuntungan yang menarik. Dalam karya akhir ini,

penulis menyelidiki prediktabilitas return pasar saham dengan Adaptive

NetworkFuzzy Inference System (ANFIS). Tujuan dari penelitian ini adalah untuk

menentukan apakah suatu algoritma ANFIS mampu secara akurat memprediksi

return pasar saham dibandingkan dengan model Time Series ARIMA (Automatic

Regression Integrated Moving Average). Penulis mencoba untuk membuat model

dan memprediksi return saham ? saham dari Indeks LQ 45 di Bursa Efek

Indonesia (BEI) menggunaka metode ANFIS. Penulis menggunakan empat

variabel makroekonomi dan tiga indeks sebagai variabel input. Hasil eksperimen

karya akhir ini menunjukkan bahwa model forecasting return saham harian LQ 45

dengan ANFIS memiliki tingkat error lebih kecil bila dbandingkan dengan

metode ARIMA (Automatic Regression Integrated Moving Average). Metode

ANFIS ini diharapkan dapat menjadi pendekatan alternatif yang menjanjikan

untuk prediksi return saham. Sehingga ANFIS dapat menjadi alat yang berguna untuk ahli ekonomi dan praktisi yang berurusan dengan prediksi return dari saham.

ABSTRACT

Stock market prediction is important and of great interest because successful

prediction of stock return may promise attractive benefits. In this paper, we

investigate the predictability of stock market return with Adaptive Network-Based

Fuzzy Inference System (ANFIS). The objective of this study is to determine

whether an ANFIS algorithm is capable of accurately predicting stock market

return than Time Series Model Automatic Regression Integrated Moving Average

(ARIMA). We attempt to model and predict the return on stock of the LQ 45 Index

in Indonesia Stock Exchange (JSE) with ANFIS. We use four macroeconomic

variables and three indices as input variables. The experimental results reveal

that the model forecasts the daily return of LQ 45 stocks with ANFIS have less

error than Auto Regressive Integrated Moving Average Method. ANFIS provides

a promising alternative for stock market return prediction. ANFIS can be a useful

tool for economists and practitioners dealing with the forecasting of stock return, Stock market prediction is important and of great interest because successful