Model Hibrida Fuzzy C-Means dan Fuzzy Time Series untuk Prediksi Harga Emas
DOI:
https://doi.org/10.59395/bgxheq88Keywords:
Fuzzy C-Means, Fuzzy Time Series, Prediksi, ClusteringAbstract
Harga emas harian cenderung fluktuatif dan dipengaruhi oleh berbagai faktor eksternal yang tidak pasti. Penelitian ini bertujuan untuk meningkatkan akurasi peramalan harga emas harian. Metode yang digunakan adalah Fuzzy C-Means untuk clustering dan Fuzzy Time Series untuk prediksi. Fuzzy C-Means digunakan untuk mengelompokkan data harga emas berdasarkan pola fluktuasi yang serupa, sementara Fuzzy Time Series diterapkan untuk memprediksi harga masa depan dalam setiap kelompok. Data harga emas harian selama periode tertentu digunakan untuk membangun model. Hasil penelitian menunjukkan bahwa kombinasi Fuzzy C-Means dan Fuzzy Time Series dapat memberikan peramalan yang lebih akurat dibandingkan metode tradisional. Model ini berhasil menangani ketidakpastian harga dan mengidentifikasi pola yang lebih halus dalam data harga emas. Secara keseluruhan, metode ini efektif dalam meningkatkan prediksi harga emas di pasar yang sangat dinamis. Hal tersebut sesuai dengan hasil evaluasi model menggunakan MAPE dan RMSE. Nilai MAPE sebesar 1.92% yang menunjukan bahwa model akurat. Hasil RMSE sebesar 2.25% menunjukan bahwa model yang digunakan akurat. Penelitian ini memberikan kontribusi dalam pengembangan model peramalan harga emas yang lebih robust dan tepat.
Downloads
References
[1] S. Upa, M. Garonga, and R. Pabutungan, “Prediksi Harga Emas Menggunakan Metode Fuzzy Time Series.”
[2] A. Fachrur Rozy, Solimun, and N. W. S. Wardhani, “Peningkatan Akurasi Metode Weighted Fuzzy Time Series Forecasting Menggunakan Algoritma Evolusi Differensial dan Fuzzy C-Means,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 10, no. 5, p. 10471054, Oct. 2023.
[3] Suhardin, A. H. Hiariey, and D. Upuy, “PENERAPAN METODE FUZZY C-MEANS UNTUK MEMPREDIKSI PERSEDIAAN OBAT,” Jurnal Matematika, Statistika dan Terapannya, no. 2, Oct. 2023.
[4] K. A. Ngii, D. Sabrina, and R. Adi Saputra, “IMPLEMENTASI ALGORITMA FUZZY C-MEANS (FCM) DALAM MEMPREDIKSI HASIL TANGKAPAN IKAN DI KOTA KENDARI,” Jurnal Manajemen Informatika dan Komputasi Akutansi, Oct. 2023.
[5] R. Nainggolan, R. Perangin-angin, E. Simarmata, and A. F. Tarigan, “Improved the Performance of the K-Means Cluster Using the Sum of Squared Error (SSE) optimized by using the Elbow Method,” J Phys Conf Ser, vol. 1361, no. 1, p. 012015, Nov. 2019, doi: 10.1088/1742-6596/1361/1/012015.
[6] D. Marutho, S. Hendra Handaka, E. Wijaya, and Muljono, “The Determination of Cluster Number at k-Mean Using Elbow Method and Purity Evaluation on Headline News,” in 2018 International Seminar on Application for Technology of Information and Communication, IEEE, Sep. 2018, pp. 533–538. doi: 10.1109/ISEMANTIC.2018.8549751.
[7] M. Kurniawan, R. R. Muhima, and S. Agustini, “Comparison of Clustering K-Means, Fuzzy C-Means, and Linkage for Nasa Active Fire Dataset,” International Journal of Artificial Intelligence & Robotics (IJAIR), vol. 2, no. 2, pp. 34–41, Dec. 2020, doi: 10.25139/ijair.v2i2.3030.
[8] N. Van Tinh and N. C. Dieu, “A NEW HYBRID FUZZY TIME SERIES FORECASTING MODEL BASED ON COMBINING FUZZY C-MEANS CLUSTERING AND PARTICLE SWAM OPTIMIZATION,” Journal of Computer Science and Cybernetics, vol. 35, no. 3, pp. 267–292, Aug. 2019, doi: 10.15625/1813-9663/0/0/13496.
[9] T. D. Khang, N. D. Vuong, M.-K. Tran, and M. Fowler, “Fuzzy C-Means Clustering Algorithm with Multiple Fuzzification Coefficients,” Algorithms, vol. 13, no. 7, p. 158, Jun. 2020, doi: 10.3390/a13070158.
[10] Q. Song and B. S. Chissom, “Fuzzy time series and its models,” Fuzzy Sets Syst, vol. 54, no. 3, pp. 269–277, Mar. 1993, doi: 10.1016/0165-0114(93)90372-O.
[11] A. Fakhru Rosyad, Farikhin, and J. E. Suseno, “Information Systems of Forecasting Incidence Rates of Dengue Fever Disease Using Multivariate Fuzzy Time Series,” in E3S Web of Conferences, EDP Sciences, Nov. 2020. doi: 10.1051/e3sconf/202020214005.
[12] I. B. G. A. Ni Luh Wiwik Sri Rahayu Ginantra, “Penerapan Metode Single Exponential Smoothing dalam Peramalan Penjualan Benang,” Smart Comp: Jurnalnya Orang Pintar Komputer, vol. 10, no. 3, pp. 154–159, 2021, doi: 10.30591/smartcomp.v10i3.2887.
[13] I. D. Kurniawan, A. Mhm, and S. J. Legowo, “STUDI PERBANDINGAN ESTIMASI KESALAHAN PADA LINEAR MODEL DAN INSTANTANEOUS MODEL DALAM MENGESTIMASI WAKTU PERJALANAN BERBASIS KECEPATAN SESAAT ( LOKASI STUDI : RING ROAD UTARA SURAKARTA ),” pp. 1264–1272, 2016.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Yuli Wijayanti, Ummu Wachidatul Latifah, Victoria Angela Sugianto, Ranti Geotalia
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.