Optimasi Fungsi Keanggotaan Fuzzy Tsukamoto dengan Algoritme Genetika pada Peramalan Harga Emas untuk Stock Trading

Abstrak

Investor dan pedagang saham memerlukan pengetahuan tentang peramalan kapan harga emas akan naik atau akan turun agar dapat meminimalkan risiko dalam berinvestasi. Peramalan ini membutuhkan sebuah metode yang tepat agar dapat memberikan hasil yang baik. FIS Tsukamoto digunakan untuk meramalkan harga emas berdasarkan data kurs mata uang yang ada. Parameter yang digunakan oleh FIS Tsukamoto adalah kurs mata uang USD/GBP, CHF/USD, JPY/USD, EUR/USD berdasarkan tiga hari sebelumnya dan harga emas berdasarkan satu hari sebelumnya. Untuk memaksimalkan performa FIS Tsukamoto maka fungsi keanggotaan FIS Tsukamoto akan dioptimasi menggunakan Algoritme Genetika. Representasi kromosom yang digunakan adalah real-coded dengan tipe data double. Pada reproduksi metode crossover menggunakan one-cut point, sedangkan untuk metode mutasi menggunakan random mutation. Pada proses seleksi, metode yang digunakan adalah elitism selection untuk mendapatkan individu yang terbaik. Berdasarkan pengujian parameter yang dilakukan dengan 10 kali percobaan setiap parameter didapatkan ukuran populasi terbaik sebanyak 180, kombinasi cr=0.9 dan mr=0.1, serta jumlah generasi terbaik sebesar 325 nilai fitness terbaik sebesar 8,6870. Nilai Root-Mean Squared Error (RMSE) yang didapatkan sebelum optimasi adalah 13,3611, sedangkan setelah dilakukan optimasi didapatkan nilai RMSE yang lebih kecil yaitu sebesar 12,5801. Hasil tersebut menunujukkan adanya peningkatan nilai akurasi pada FIS Tsukamoto setelah dioptimasi dengan menggunakan Algoritme Genetika.