PERAMALAN DENGAN METODE ADAPTIVE NEURAL-BASED FUZZY INFERENCE SYSTEM DAN SUPPORT VECTOR MACHINE (Studi Kasus: Indeks Harga Saham Gabungan) = FORECASTING WITH ADAPTIVE NEURAL-BASED FUZZY INFERENCE SYSTEM AND SUPPORT VECTOR MACHINE (Case Study: Composite Stock Price Index)

ABSTRAK AYU MUTMAINNAH. Peramalan dengan Metode Adaptive Neural-Based Fuzzy Inference System dan Support Vector Machine (Studi Kasus: Indeks Harga Saham Gabungan) (dibimbing oleh Prof. Sri Astuti Thamrin, S.Si., M.Stat., Ph.D dan Prof. Dr. Dr. Georgina Maria Tinungki, M.Si.) Latar Belakang. Peramalan menjadi aspek penting dalam pengambilan keputusan, khususnya untuk data finansial yang kompleks, non-linear, dan tidak stasioner, seperti Indeks Harga Saham Gabungan (IHSG). Metode time series konvensional seperti ARIMA memiliki keterbatasan dalam menangani pola data non-linear. Oleh karena itu, pendekatan berbasis machine learning seperti Adaptive Neural-Based Fuzzy Inference System (ANFIS) dan Support Vector Machine (SVM) digunakan untuk meramalkan pergerakan IHSG dengan pola data yang lebih akurat. Tujuan. Penelitian ini bertujuan untuk memodelkan dan membandingkan kinerja metode ANFIS dan SVM dalam peramalan pergerakan IHSG. Metode. Penelitian ini melibatkan pre-processing data, metode ANFIS dengan fungsi keanggotaan fuzzy (trapezoidal, generalized bell, dan Gaussian), serta metode SVM menggunakan kernel linear, radial basis function, dan sigmoid. Evaluasi dilakukan menggunakan kriteria Root Mean Square Error (RMSE) dan Mean Absolut Percentage error (MAPE). Hasil. Hasil penelitian menunjukkan bahwa metode SVM dengan kernel linear memberikan nilai RMSE dan MAPE yang lebih kecil dibandingkan dengan ANFIS, menunjukkan performa yang lebih baik dalam meramalkan pergerakan IHSG. Kesimpulan. Metode SVM lebih unggul dibandingkan ANFIS dalam memodelkan pergerakan IHSG. Temuan ini mendukung penggunaan SVM sebagai pendekatan yang efektif untuk peramalan data keuangan dengan pola data non-linear.