Perbandingan algoritma Ant system, Bee colony optimization dan particle swarm optimization untuk prediksi data time series finansial

ERNAWATI, Prof. Drs. Subanar, Ph.D

2010 | Tesis | S2 Ilmu Komputer

Prediksi data time series merupakan salah satu topik penelitian yang menarik karena merupakan suatu hal yang sulit untuk memprediksi data time series. Pada penelitian ini hal yang dilakukan adalah membuat sistem aplikasi Perbandingan Algoritma Ant System, Bee Colony Optimization dan Particle Swarm Optimization untuk Prediksi Data Time Series. Aplikasi yang dibangun digunakan untuk memprediksi indeks dan harga saham pada satu hari berikutnya. Perbandingan dari ketiga algoritma dilihat dari akurasi prediksi dan waktu tempuhnya. Hasil dari penelitian ini menunjukkan bahwa dari sisi akurasi prediksi, ketiga algoritma memberikan nilai prediksi yang sama dan dari sisi waktu tempuh particle swarm optimization memberikan waktu tempuh yang lebih cepat dan ant system waktu tempuhya lebih lambat.

The financial system is generally a very complicated system. So, it is very hard to predict its data. For example, it is a hard work to forecast the stock market. This paper makes a comparison of the tree methods of ant system, bee colony optimization and particle swarm optimization on a forecasting problem, namely the prediction of time series data. In order to verify this prediction methods, the stock market data of Indonesia Stock Price Index in 1997 to 2010 is used. The result show that particle swarm optimization approach is faster,and ant system is slower. The results for bee colony optimization suggest that while it is a valuable technique it does not provide any improvement over the other two methods. Overall the results indicate that all three methods can be used for the prediction of time series data.

Kata Kunci : Ant system,Bee colony optimization,Particle swarm optimization,Similar sequence matching