Claim Missing Document
Check
Articles

Found 7 Documents
Search

Optimalisasi Prediksi Harga Ihsg Menggunakan Hybrid Weighted Fuzzy Time Series Hidden Markov Model Dengan Algoritma Evolusi Differensial Syalsabilla, Alya Fitri; Astutik, Suci; Rozy, Agus Fachrur
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 11 No 4: Agustus 2024
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.1148867

Abstract

Perdagangan saham berdasarkan Indeks Harga Saham Gabungan (IHSG) di Indonesia adalah area dinamis dan kompleks. Prediksi pergerakan harga IHSG memiliki volatilitas pasar saham yang tinggi. Penggunaan Hybrid Weighted Fuzzy Time series Hidden Markov Model (WFTS-HMM) dengan Algoritma Evolusi Diferensial (DE) menjanjikan solusi dengan pendekatan terbaru. Penelitian ini bertujuan untuk meningkatkan akurasi prediksi harga IHSG melalui optimasi model hybrid.. Penelitian menggunakan data IHSG tiap bulan dari Januari hingga Desember 2023 dari situs www.yahoo.finance.com. Prediksi yang dihasilkan dari Model Hybrid WFTS-HMM dioptimasi dengan Algoritma ED memiliki tingkat kesalahan prediksi yang lebih rendah (1.45%) dibandingkan dengan model tanpa DE (1.49%).   Abstract   Stock trading based on IHSG in Indonesia is a dynamic and complex area. Predicting IHSG price movements entails high stock market volatility. Utilizing the Hybrid WFTS-HMM Model with the DE Algorithm promises a cutting-edge approach. This research aims to enhance the prediction of IHSG price through hybrid model optimization and performance evaluation. The study employs IHSG monthly data from January to December 2023 from www.yahoo.finance.com. Forecasting from the Hybrid WFTS-HMM Model with the DE Algorithm has lower prediction error (1.45%) compared to the model without DE (1.49%).
Integration Model of Weighted Fuzzy Time Series, Relative Strength Index and Ichimoku Kinko Hyo in Gold Price Forecasting (Case Study: Gold Prices for the Period April 2017 - 2023) Dody Indra; Agus Fachrur Rozy; Alya Fitri Syalsabilla
JMECS (Journal of Measurements, Electronics, Communications, and Systems) Vol. 11 No. 2 (2024): JMECS
Publisher : Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/jmecs.v11i2.8830

Abstract

Gold investment presents significant profit potential but is also associated with substantial risks, making gold price forecasting a critical challenge in financial market analysis. This study integrates Weighted Fuzzy Time Series (WFTS), Relative Strength Index (RSI), and Ichimoku Kinko Hyo (IKH) to enhance the accuracy of gold price predictions. WFTS is employed to address data uncertainty by modeling price movement patterns using fuzzy logic and historical weight-based data. RSI evaluates price fluctuations over a defined period to identify overbought or oversold conditions, while IKH identifies trends and key support and resistance levels. A comparative evaluation of WFTS and ARIMA across four standard error metrics demonstrates the superior performance of WFTS in gold price forecasting accuracy. WFTS achieves lower MAE (349.55 vs 355.05), smaller MSE (186,054.98 vs 188,203.37), lower RMSE (431.34 vs 433.82), and a more favorable MAPE (19.9% vs 20.0%) than ARIMA. With reduced absolute and squared errors, WFTS proves to be a more stable and reliable predictive model, offering greater effectiveness compared to ARIMA. The results indicate that WFTS forecasts an upward trend in gold prices, providing valuable insights for investors. IKH corroborates this trend through indicators such as the Conversion Line, Base Line, Lead Line A, and Lead Line B. Additionally, RSI calculations reveal an overbought signal between 2019 and 2021, suggesting potential selling opportunities. Furthermore, the gold price remained above the lower RSI threshold, indicating a probable price increase and offering investors profitable decision-making prospects.
Development of Accuracy for the Weighted Fuzzy Time Series Forecasting Model Using Lagrange Quadratic Programming Rozy, Agus Fachrur; Solimun, Solimun; Wardhani, Ni Wayan Surya
JTAM (Jurnal Teori dan Aplikasi Matematika) Vol 7, No 4 (2023): October
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jtam.v7i4.16783

Abstract

Limitation within the WFTS model, which relies on midpoints within intervals and linguistic variable relationships for assigning weights. This reliance can result in reduced accuracy, especially when dealing with extreme values during trend to seasonality transformations. This study employs the Weighted Fuzzy Time Series (WFTS) method to adjust predictive values based on actual data. Using Lagrange Quadratic Programming (LQP), estimated weights enhance the WFTS model. MAPE assesses accuracy as the model analyzes monthly IHSG closing prices from January 2017 to January 2023.The MAPE value of 0.61% results from optimizing WFTS with LQP. It utilizes a deterministic approach based on set membership counts in class intervals, continuously adjusting weights during fuzzification, minimizing the deviation between forecasted and actual data values.The Weighted Fuzzy Time Series Forecasting Model with Lagrange Quadratic Programming is effective in forecasting, indicated by a low MAPE value. This method evaluates each data point and adjusts weights, offering reliable investment insights for IHSG strategies..
Peningkatan Akurasi Metode Weighted Fuzzy Time Series Forecasting Menggunakan Algoritma Evolusi Differensial dan Fuzzy C-Means Rozy, Agus Fachrur; Solimun, Solimun; Wardhani, Ni Wayan Surya
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 5: Oktober 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2023107505

Abstract

Prediksi adalah suatu pendekatan yang digunakan untuk mengantisipasi ketidakpastian masa depan. Metode prediksi konfensional terkendala pada penyesuaian data terhadap asumsi yang digunakan sehingga diperlukan Metode Weighted Fuzzy Time Series. Meskipun metode WFTS telah terbukti efektif terdapat tantangan dalam meningkatkan akurasi peramalan yang dihasilkan. Dua teknik yang sering digunakan dalam konteks ini adalah Algoritma Evolusi Differensial (ED) dan Fuzzy C-Means (FCM). Data yang digunakan pada penelitian ini adalah Jakarta Islamic Index (JKII) per bulan dari bulan Agustus 2018 hingga Juli 2023. Data yang digunakan adalah data sekunder yang diperoleh dari situs www.yahoo.finance.com. Analisis dilakukan untuk meningkatkan akurasi dari metode peramalan WFTS dengan klasifikasi FCM dan proses optimalisasi menggunakan hasil forecasting dengan Algoritma Evolusi Diffensial (DE).Hasil klasifikasi dengan Fuzzy C-Means, ditemukan 7 klaster dengan jumlah keanggotaan yang berbeda. Perhitungan nilai peramalan dilkakukan dengan defuzzyfikasi dengan mengubah variabel linguistik menjadi bilangan real. Proses transformasi ini melibatkan perkalian antara bobot yang diperoleh dari estimasi Fuzzy C Means dengan nilai titik tengah pada setiap cluster. Proses optimalisasi hasil dilakukan dengan menggunakan algoritma DE dapat meningkatkan akurasi dari forecasting. Kesimpulan yang didapat yaitu algoritma evolusi differensial dapat meningkatkan akurasi forecasting dari metode weighted fuzzy time series dengan kombinasi pembentukan kelas interval menggunakan metode fuzzy c-means. Hal ini dikarenakan nilai MAPE yang dihasilkan dari algoritma evolusi differensial lebih kecil daripada model weighted fuzzy time series.   Abstract Prediction is a form of approach in anticipating future uncertainties. Conventional prediction methods encounter difficulties in adapting data with the assumptions used, necessitating the application of the Weighted Fuzzy Time Series (WFTS) method. Although the WFTS method has proven effective, there are challenges in improving the accuracy of the generated forecasts. There are two commonly applied approaches: the Differential Evolution (DE) algorithm and Fuzzy C-Means (FCM). The data used in this research is the Jakarta Islamic Index (JKII) on a monthly basis from August 2018 to July 2023. The information collected is secondary data obtained from the website www.yahoo.finance.com. The analysis conducted involves performing FCM classification to form interval classes and optimizing the forecasting results of the WFTS method with DE. The Fuzzy C-Means classification resulted in finding 7 clusters with different membership counts. Forecasting values are calculated through defuzzification by converting linguistic variables into real numbers. This transformation process involves multiplying the weights obtained from the Fuzzy C-Means estimation with the mid-point values of each cluster.The optimization process is performed using the DE algorithm. The research findings conclude that the use of the differential evolution algorithm improves the accuracy of the forecasting from the Weighted Fuzzy Time Series method with the approach of combining interval class formation through the Fuzzy C-Means method. The DE algorithm works by seeking the best solution in a complex parameter space through iterations and performance evaluations, thereby significantly enhancing the performance of the forecasting model.
Evaluasi Kinerja Pendidikan Di Gunungkidul Melalui Segmentasi Angka Partisipasi Murni Dengan Pendekatan Gaussian Mixture Model Rozy, Agus Fachrur; Suryaningrat, Wahyu; Walhidayah, Irfan; Ristianto, Suma Danu; Arif, Ahmad Bintang
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 1 (2026): Februari - April
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i1.7116

Abstract

Pendidikan merupakan faktor kunci dalam pembangunan daerah, termasuk di Kabupaten Gunungkidul, Daerah Istimewa Yogyakarta (DIY). Angka Partisipasi Murni (APM) digunakan sebagai indikator utama untuk mengevaluasi kinerja pendidikan, namun kesenjangan partisipasi tetap terjadi, terutama pada jenjang SMP dan SMA. Penelitian ini bertujuan untuk menganalisis pola partisipasi pendidikan dan mengidentifikasi segmentasi APM berdasarkan jenjang pendidikan SD, SMP, dan SMA selama periode 2019–2023. Data APM diperoleh dari Bappeda Gunungkidul dan dianalisis menggunakan pendekatan statistik deskriptif serta Gaussian Mixture Model (GMM) untuk mengelompokkan pola partisipasi. Hasil penelitian menunjukkan bahwa APM SD tetap stabil pada kategori sangat tinggi (4), menandakan akses pendidikan dasar yang memadai. Sebaliknya, APM SMP mengalami penurunan signifikan pada 2023, dari kategori sangat tinggi (4) menjadi sangat rendah (1), sedangkan APM SMA konsisten berada di kategori sangat rendah (1), mengindikasikan tantangan serius dalam mempertahankan partisipasi siswa di pendidikan menengah. Evaluasi model menggunakan Bayesian Information Criterion (BIC) menunjukkan nilai optimal sebesar 3,385, mengonfirmasi kecocokan GMM dalam mengelompokkan data. Temuan ini menekankan perlunya strategi peningkatan akses pendidikan menengah, termasuk intervensi ekonomi bagi siswa rentan putus sekolah, penguatan program afirmatif, dan perumusan kebijakan berbasis bukti. Studi ini diharapkan dapat memberikan wawasan praktis bagi pemangku kebijakan dalam merancang strategi pendidikan yang lebih inklusif, berkelanjutan, dan mampu mengurangi kesenjangan partisipasi pendidikan di Kabupaten Gunungkidul.  
Analisis Resiko Penerimaan Pajak Negara Menggunakan Model Lagrange Quadratic Programming Agus Fachrur Rozy; Ahmad Fitri
Journal of Tax Policy, Economics, and Accounting (TAXPEDIA) Vol 1 No 2 (2023): November 2023
Publisher : MUC Tax Research Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61261/muctj.v1i2.58

Abstract

Pendapatan pajak adalah salah satu sumber pendapatan terpenting bagi pemerintah di seluruh dunia. Pendapatan ini digunakan untuk mendukung berbagai program dan proyek yang diperlukan untuk menjalankan pemerintahan. Namun, dalam beberapa dekade terakhir, perkembangan teknologi dan transformasi ekonomi telah memberikan dampak signifikan terhadap bagaimana pajak dikumpulkan dan dikelola. Pada saat yang sama, risiko dan peluang dalam penerimaan pajak negara telah berkembang. Dalam penelitian ini, data laporan Anggaran Pendapatan dan Belanja Negara (APBN) yang disusun pada bulan Agustus 2023 menjadi titik fokus utama. Analisis akan dilakukan terhadap informasi mengenai penerimaan pajak, khususnya perbandingan antara target yang telah ditetapkan dengan realisasi yang telah tercapai. Metode Lagrange Quadratic Programming, diharapkan akan memberikan wawasan yang berharga mengenai kinerja penerimaan pajak dalam APBN pada periode tersebut. Pajak Penghasilan (PPh) (x_1) mengalami lonjakan yang signifikan. Pajak Pertambahan Nilai (PPN) & Pajak Penjualan atas Barang Mewah (PPnBM) (x_2) turun drastis, sehingga perlu diterapkan kebijakan dan pengawasan yang efektif. Pajak Bumi Bangunan (PBB) (x_3) mengalami kenaikan, memerlukan peningkatan kepatuhan dan evaluasi kebijakan. Pajak Lainnya (x_4) mengalami penurunan, sehingga perlu dilakukan tinjauan kebijakan dan peningkatan kepatuhan. Hasil dari analisis ini akan menghasilkan rasio-rasio yang mencerminkan kontribusi masing-masing unit atau komponen dalam mencapai target pajak yang telah ditetapkan. Ketika nilai rasio positif, hal ini menunjukkan bahwa unit terkait memiliki dampak positif yang signifikan terhadap penerimaan pajak secara keseluruhan. Sebaliknya, nilai rasio negatif mengindikasikan dampak negatif yang besar dari unit atau komponen tersebut.
Multi-objective lagrange quadratic programming for rice price stability in East Java Agus Fachrur Rozy; Alya Fitri Syalsabilla
Jurnal Ikatan Sarjana Ekonomi Indonesia Vol 15 No 2 (2026): Agustus 2026
Publisher : Jurnal Ekonomi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52813/jei.v18i2.791

Abstract

Purpose — This study optimizes consumer-level rice prices across districts and cities in East Java while balancing consumer affordability and producer interests. Method — Using monthly retail price data for medium and premium rice from the National Food Agency for January–December 2024, the study applies a multi-objective Lagrange Quadratic Programming model. Regional production and price data are incorporated through weighted contributions, subject to applicable policy constraints. Findings — The model effectively stabilizes medium rice prices, producing an optimal average price below the initial average while remaining within policy limits. Premium rice prices exhibit greater regional variation, although their average remains within the specified constraints. Low objective-function values indicate that the model can reduce regional price disparities and fluctuations.Implications — The findings provide a pre-2025 baseline for identifying regional price disparities and supporting targeted monitoring and distribution interventions. Because the estimates reflect the 2024 production and policy environment, the optimized prices should not be interpreted as current price recommendations. Originality — This study applies a multi-objective Lagrange Quadratic Programming approach to district- and city-level rice prices in East Java while jointly considering consumer and producer interests.