Data mining model Fuzzy C-Means Clustering untuk pengenalan pola sampel data saham

SUMARAUW, Sylvia Jane Annatje, Prof.Drs. Subanar, Ph.D

2006 | Tesis | S2 Ilmu Komputer

Pasar modal sangat bermanfaat bagi perusahaan dan investor. Manfaat bagi investor yaitu manfaat ekonomis yang meliputi perolehan dividen dan capital gain dan manfaat non ekonomis yaitu kepemilikan hak suara dalam Rapat Umum Pemegang Saham. Selain manfaat, investor juga bisa mengalami kerugian sebagai resiko yang harus ditanggungnya. Untuk menghindari resiko kerugian maka salah satu alternatif adalah investor sebaiknya memprediksikan keberadaan perusahaan. Karena investor membeli suatu komoditi yang sangat abstrak maka kualitas dari komoditi dalam hal ini saham ditentukan oleh kualitas informasi yang tersedia dari perusahaan yang bersangkutan. Fluktuasi nilai saham pada Bursa Efek Jakarta bisa dijadikan informasi perusahaan dan bisa dijadikan tolok ukur penilaian. Untuk membantu para investor dalam mengurangi resiko kerugian maka penelitian ini bertujuan untuk melihat kategori atau pola sampel data saham dengan model fuzzy c-Means clustering untuk memberikan informasi khususnya kepada para investor. Data yang dianalisis adalah data saham, yaitu; Individual Index, Volume dan Amount pada kelompok Emiten yang bergerak di bidang Property dan Real Estate pada Bursa Efek Jakarta periode 1 Januari sampai dengan 31 Desember 2004. Proses data mining mengikuti proses data mining dari Cross Industry Standard Process Model for Data mining (Crisp-DM), berbentuk lingkaran dengan tahapan-tahapan Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation dan Deployment. Pada tahap Modelling digunakan model Fuzzy c-Means Clustering dan Fuzzy Inference System. Data mining model fuzzy c-means clustering bisa menganalisis data dalam database yang besar dengan variabel yang banyak dan kompleks terutama untuk mencari pola sampel data. Kemudian dengan mengenal pola dari data dibangun Fuzzy Inference System untuk mensimulasikan input menjadi output mengikuti Fuzzy Logic.

Capital market has been beneficial to companies and investor. For investors, the capital market provides two economical advantages, namely dividen and capital gain, and a non-economical one, that is a voting share in Shareholders General Meeting. But, it can also penalize the shareowners. In order to prevent them from the risk, the investors should predict the prospect of their companies. As a consequence of having an abstract commodity, the share quality will be determined by the validity of their company profile information. Any information of stock value fluktuation from Jakarta Stock Exchange can be a useful consideration and a good measurement for data analysis. In the context of preventing the shareholders from the risk, this research focuses on stock data sample category or stock data sample pattern by using Fuzzy c-Means Clustering Model which providing any useful information for the investors. The research analyses stock data such as Individual Index, Volume and Amount on Property and Real Estate Emitter Group at Jakarta Stock Exchange from January 1 till December 31 of 2004. The mining process follows Cross Industry Standard Process model for Data Mining (CRISP-DM) in the form of circle with these steps: Business Understanding, Data Understanding, Data Preparation, Modelling, Evaluation and Deployment. At this modelling process, the Fuzzy c- Means Clustering Model will be applied. Data Mining Fuzzy c-Means Clustering Model can analyse stock data in a big database with many complex variables especially for finding the data sample pattern, and then building Fuzzy Inference System for stimulating inputs to be outputs that based on Fuzzy Logic by recognising the pattern.

Kata Kunci : Teknologi Informasi, Sistem Informasi,Fuzzy C,Means Clustering, Data Mining, Fuzzy c-Means Clustering Model, Pattern Recognition