Electronic Theses and Dissertation

Pasar saham merupakan sistem keuangan yang kompleks dan penuh ketidakpastian. Prediksi harga saham menjadi tantangan tersendiri karena pergerakan harga dipengaruhi oleh berbagai faktor seperti kondisi ekonomi, politik, dan psikologis. Penelitian ini bertujuan untuk memprediksi harga saham PT Aneka Tambang Tbk (ANTM) dengan menggunakan pendekatan sistem inferensi fuzzy Sugeno orde satu. Dua variabel input yang digunakan adalah harga saham dan harga komoditas emas, sedangkan output yang dihasilkan adalah prediksi harga saham pada hari berikutnya. Metode ini terdiri dari beberapa tahapan yaitu fuzzifikasi, pembentukan rule base, inferensi fuzzy, defuzzifikasi, dan estimasi parameter menggunakan metode regresi linier least square. Model kemudian dievaluasi menggunakan Mean Absolute Percentage Error (MAPE) untuk mengukur tingkat akurasi. Hasil evaluasi menunjukkan bahwa nilai MAPE yang diperoleh sebesar 0,76%, yang berarti model memiliki tingkat akurasi yang sangat tinggi. Selanjutnya, dilakukan prediksi lanjutan untuk bulan Maret 2024 menggunakan regresi linier berbasis hasil koefisien least square. Hasil prediksi ini menunjukkan kecenderungan pola konvergen menuju titik keseimbangan (steady state) yang ditandai oleh grafik linier. Dengan demikian, sistem fuzzy Sugeno efektif digunakan untuk prediksi jangka pendek dan dinamis, sedangkan regresi linier lebih tepat untuk prediksi jangka panjang yang stabil.
Kata Kunci: Fuzzy Sugeno, Prediksi Saham, Regresi Linier, Least Square, MAPE, ANTM.

ABSTRACT The stock market is a complex and uncertain financial system. Stock price prediction poses a challenge due to price movements influenced by various factors such as economic, political, and psychological conditions. This study aims to predict the stock price of PT Aneka Tambang Tbk (ANTM) using a first-order Sugeno fuzzy inference system. Two input variables are considered: stock price and gold commodity price, while the output is the predicted stock price for the next day. The methodology involves several stages: fuzzification, rule base formation, fuzzy inference, defuzzification, and parameter estimation using the least square linear regression method. The model is then evaluated using the Mean Absolute Percentage Error (MAPE) to measure prediction accuracy. The evaluation results show that the obtained MAPE value is 0.76%, indicating a very high level of accuracy. Furthermore, an extended prediction for March 2024 is performed using linear regression based on the estimated least square coefficients. The prediction reveals a converging pattern toward a steady-state point, characterized by a linear graph. Therefore, the Sugeno fuzzy system is effective for short-term dynamic predictions, while linear regression is more suitable for stable long-term forecasting. Keywords: Fuzzy Sugeno, Stock Prediction, Linear Regression, Least Square, MAPE, ANTM.