Electronic Theses and Dissertation

Logika fuzzy merupakan suatu metode pengambilan keputusan yang dikembangkan untuk menangani ketidakpastian. sementara itu, jaringan syaraf tiruan memiliki kemampuan dalam mengenali pola data melalui proses pembelajaran untuk memperbaiki parameter adaptif. metode adaptive neuro fuzzy inference system (anfis) merupakan metode yang menggabungkan sistem inferensi fuzzy dan jaringan syaraf tiruan, di mana fungsi kenggotaan dan aturan fuzzy dari sistem fuzzy akan diperbaiki melalui proses pembelajaran menggunakan jaringan syaraf tiruan. penelitian ini bertujuan untuk menerapkan metode anfis dalam memprediksikan harga penutupan saham di pt m cash integrasi tbk (mcas) berdasarkan data historis. data yang digunakan mencakup harga tertinggi saham, harga terendah saham, harga pembukaan saham, dan harga penutupan saham. data tersebut akan dibagi menjadi data training dan data testing. proses prediksi dilakukan dengan cara mengelompokkan data input training kedalam 3 cluster menggunakan algoritma k-means untuk mendapatkan parameter premis awal. selanjutnya dilakukan proses training anfis dengan menghitung output lapisan 1 hingga lapisan 5. setelah itu dilakukan perbaikan parameter premis menggunakan algoritma gradient descent. pada proses training akan didapatkan parameter premis dan parameter konsekuen yang akan digunakan untuk proses testing. proses testing dilakukan dengan cara menghitung output lapisan 1 hingga lapisan 5. evaluasi kinerja model anfis dilakukan menggunakan mean absolute percentage error (mape). hasil penelitian menunjukkan bahwa prediksi harga penutupan saham di pt mcas dari periode april 2021 hingga maret 2025 menggunakan metode anfis cukup mendekati dengan data aktual, yaitu dengan nilai mape sebesar 3,51%. berdasarkan nilai signifikansi mape dengan kriteria mape

Fuzzy logic is a decision-making method developed to deal with uncertainty. Meanwhile, artificial neural networks have the ability to recognize data patterns through the learning process to correct adaptive parameters. The Adaptive Neuro Fuzzy Inference System (ANFIS) method is a method that combines fuzzy inference systems and artificial neural networks, where the function of fuzzy and fuzzy rules of the fuzzy system will be improved through a learning process using artificial neural networks. This study aims to apply the ANFIS method in predicting the closing price of shares in PT M Cash Integrasi Tbk (MCAS) based on historical data. The data used includes the highest price of the stock, the lowest price of the stock, the opening price of the share, and the closing price of the share. The data will be divided into training data and testing data. The prediction process is carried out by grouping training input data into 3 clusters using the K-Means algorithm to obtain the initial premise parameters. Furthermore, the ANFIS training process is carried out by calculating the output of layers 1 to layer 5. After that, the premise parameters were corrected using the gradient descent algorithm. In the training process, the premise parameters and consequential parameters will be obtained that will be used for the testing process. The testing process is carried out by calculating the output of layers 1 to layer 5. The performance evaluation of the ANFIS model was carried out using Mean Absolute Percentage Error (MAPE). The results of the study show that the prediction of the closing price of shares at PT MCAS from the period April 2021 to March 2025 using the ANFIS method is quite close to the actual data, namely with a MAPE value of 3.51%. Based on the significance value of MAPE with the MAPE criterion