Perbandingan Metode Prediksi pada Bidang Bisnis dan Keuangan

Aji Prasetya Wibawa, Adiba Qonita, Felix Andika Dwiyanto, Haviluddin Haviluddin

Abstract


Pada era globalisasi ini peran teknologi telah merambah ke berbagai bidang seperti di bidang bisnis dan keuangan. Ekonomi dunia yang selalu berubah-ubah menuntut para investor dan pebisnis untuk dapat mengambil keputusan tepat dan cepat. Peran teknologi diperlukan untuk menghadapi perubahan-perubahan yang terjadi sehingga dapat meminimalisir kekhawatiran investor akan kerugian yang akan dialami. Oleh karena itu, diperlukan suatu pemanfaatan teknologi untuk memprediksi perubahan-perubahan yang akan terjadi dikemudian hari. Salah satu teknologi yang dapat dimanfaatkan adalah dengan menggunakan teknik dan metode data mining. Metode ini memungkinkan untuk melakukan prediksi berdasarkan data sebelumnya pada periode waktu tertentu. Usaha untuk mendapatkan hasil prediksi yang akurat masih terus dilakukan. Maka dari itu perlu adanya pengetahuan mengenai berbagai macam metode yang digunakan dalam prediksi untuk dapat menentukan metode yang tepat dari berbagai kasus dan menghasilkan hasil yang akurat.

Keywords


Metode Prediksi; Bisnis dan Keuangan

Full Text:

PDF

References


I. Suyahya and W. Anggraeni, “Prediksi Nilai Tukar Rupiah Menggunakan Metode MAMDANI,” SOSIO-E-KONS, vol. 8, no. 1, pp. 24–31, 2016.

W. Anggraeni and I. Suyahya, “Prediksi Kurs Rupiah Terhadap Dolar Amerika Menggunakan Metode Fuzzy Time Series CHEN dan HSU,” J. String, vol. 1, no. 1, pp. 19–28, 2016.

A. Cecilya, R. N. Dayawati, and A. T. Wibowo, “Prediksi Nilai Tukar US Dollar terhadap Rupiah Menggunakan Algoritma Genetika Dan Elman Recurrent Neural Network,” Universitas Telkom, 2009.

Y. Mahena, M. Rusli, and E. Winarso, “Prediksi Harga Emas Dunia Sebagai Pendukung Keputusan Investasi Saham Emas Menggunakan Teknik Data Mining,” J. Sains dan Teknol., vol. 2, no. 1, pp. 36–51, 2015.

F. S. Purnomo, “Penggunaan Metode ARIMA (Autoregressive Integrated Moving Average) untuk Prakiraan Beban Konsumsi Listrik Jangka Pendek (Short Term Forecasting),” Universitas Negeri Semarang, 2015.

T. S. Rahayu, “Prediksi Produksi Jagung di Jawa Tengah Dengan ARIMA Dan Bootstrap,” in Prosiding SPMIPA, 2006, pp. 157–162.

A. Setiawan, A. Wibowo, and S. Wijaya, “Aplikasi Peramalan Penjualan Kosmetik dengan Metode ARIMA,” in Konferensi Nasional Sistem Informasi, 2013.

N. G. Hendriana, “Analisis perkembangan dan prediksi tingkat pertumbuhan bank syariah di indonesia,” Universitas Islam Negeri Syarif Hidayatullah, 2011.

J. C. Paul, S. Hoque, and M. M. Rahman, “Selection of best ARIMA Model for Forecasting Average Daily Share Price Index of Pharmaceutical Companies in Bangladesh: A Case Study on Square Pharmaceutical Ltd.,” Glob. J. Manag. Bus. Res., vol. 13, no. 3, pp. 15–26, 2013.

M. L. Tauryawati and M. I. Irawan, “Perbandingan Metode Fuzzy Time Series Cheng dan Metode Box-Jenkins untuk Memprediksi IHSG,” J. Sains dan Seni POMITS, vol. 3, no. 2, pp. 34–39, 2014.

K. A. Ababio, “Comparative Study of Stock Price Forecasting Using ARIMA and ARIMAX Models,” Kwame Nkrumah University of Science and Technology, 2012.

B. Prabawa, N. Jondri, and M. D. Sulistiyo, “Prediksi Harga Saham dengan Menggunakan Metode Autoregressive dan Algoritma Kelelawar,” eProceedings Eng., vol. 2, no. 1, pp. 1–7, 2015.

C. L. Dunis, J. Laws, and U. Schilling, “Currency trading in volatile markets: Did neural networks outperform for the EUR/USD during the financial crisis 2007-2009?,” J. Deriv. Hedge Funds, vol. 18, no. 1, pp. 2–41, 2012.

M. Valipour, M. E. Banihabib, and S. M. R. Behbahani, “Comparison of the ARMA, ARIMA, and the autoregressive artificial neural network models in forecasting the monthly inflow of Dez dam reservoir,” J. Hydrol., vol. 476, pp. 433–441, 2013.

S. C. Nwankwo, “Autoregressive Integrated Moving Average (ARIMA) Model for Exchange Rate (Naira to Dollar),” Acad. J. Interdiscip. Stud., vol. 3, no. 4, pp. 429–434, 2014.

A. A. Adebiyi, A. O. Adewumi, and C. K. Ayo, “Stock Price Prediction Using the ARIMA Model,” in 2014 UKSim-AMSS 16th International Conference on Computer Modelling and Simulation, 2014, pp. 105–111.

N. Fadhilah, “Perbandingan Metode Pemulusan Eksponensial Winter Aditif dan Box-Jenkins (ARIMA) sebagai Metode Peramalan Curah Hujan di Kulon Progo, D.I. Yogyakarta,” Universitas Negeri Yogyakarta, 2009.

D. O. Maru’ao, “Neural Network Implementation in Foreign Exchange Kurs Prediction,” Gunadarma University, 2010.

H. Mulyo, “Statistical Technique Dan Parameter Optimization Pada Neural Network Untuk Forecasting Harga Emas,” J. DISPROTEK, vol. 7, no. 2, pp. 70–79, 2016.

W. Setiawan, “Prediksi Harga Saham menggunakan Jaringan Syaraf Tiruan Multilayer Feedforward Network Dengan Algoritma Backpropagation,” in Konferensi Nasional Sistem dan Informatika, 2008, pp. 108–113.

K. Rachmawansah, “Average-Based Fuzzy Time Series untuk Peramalan Kurs Valuta Asing ( Studi Kasus pada Nilai Tukar USD-IDR dan EUR-USD ),” J. Mhs. Stat., vol. 2, no. 6, p. 413, 2014.

A. A. Anwary, “Prediksi Kurs Rupiah Terhadap Dollar Amerika Menggunakan Fuzzy Time Series,” Universitas Diponegoro, 2011.

A. Fitriah and A. M. Abadi, “T – 2 Aplikasi Model Neuro Fuzzy Untuk Prediksi Tingkat Inflasi Di Indonesia,” no. 1997, 2011.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2018 Prosiding SAKTI (Seminar Ilmu Komputer dan Teknologi Informasi)

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.