DISUSUN OLEH:Meiga Restianti

50406463

Pembimbing:DR Raden Supriyanto, MSc.

Gene Expression Programming (GEP) adalah suatu metode yang baru-baru ini dikenalkan sebagai salah satu teknik komputasi evolusioner.

Metode GEP merupakan keturunan dari Genetic Programming. Di GEP, setiap individu didefinisikan sebagai string yang memiliki panjang yang sama, namun setelah dilakukan proses ekspresi tiap individu (kromosom) memiliki panjang yang berbeda.

Analisis data pada time series pada dasarnya digunakan untuk melakukan analisis data yang mempertimbangkan pengaruh waktu. Data-data yang digunakan secara periodik berdasarkan urutan waktu.

Pada analisis time series dapat melakukan peramalan data beberapa periode kedepan yang sangat membantu dalam menyusun perencanaan kedepan.

Para ahli ekonomi, menggunakan analisis time series ini sebagai alat bantu perencanaan daya jangka pendek maupun jangka panjang.

Menggunakan 1 metode dalam penyelesaian masalah, yaitu metode Gene Expression Programming

Untuk pencarian Solusi menggunakan 2 variable dependent (variable bebas) dan 1 variable independent (variable tak bebas).

Variable Dependent = harga saham tertinggi dan terendah

Variable Independent = Harga penutupan saham Untuk dapat memprediksi beberapa hari kedepan

dibutuhkan 2 variable dependent sebagai acuannya.

Membangun sebuah aplikasi yang digunakan untuk membuat sebuah solusi/model matematika terhadap data time series (Harga Saham) dan melakukan prediksi beberapa hari kedepan dengan acuan solusi yang diberikan dengan menggunakan metode Gene Expression Programming.

Diharapkan aplikasi yang dibagun berguna untuk menganalisa data time series dan dapat membantu menyusun rencana dikemudian hari.

Mengumpulkan berbagai refrensi dan jurnal yang berkaitan dengan masalah yang terkait.

Membuat Prototype dari aplikasi yang akan dibuat, dan melakukan perancangan sistem berupa usecase diagram dan activity diagram

Mengimplementasikan aplikasi yang telah dibuat, dan memberikan langkah-langkah untuk pengopersian aplikasi

Melakukan ujicoba terhadap data saham harian dan mingguan pada 3 perusahan (ISAT, BTEL,TLKM)

BAB 1 (Pendahuluan) : berisi uraian masalah terkait permasalahan yang akan dibahas pada penelitian ini secara umum

BAB 2 (Kajian Pustaka) : berisi teori-teori penunjang seputar metode gene expression programming yang digunakan untuk membangun aplikasi

BAB 3 (Pembahasan Masalah) : berisi perancangan terhadap aplikasi yang dibuat, diantaranya perancangan interface, dan perancangan sistem (Use Case Diagram & Activity Diagram)

BAB 4 (Implementasi dan analisis) : berisi proses implementasi, ujicoba, dan analisis aplikasi yang sudah dibuat.

BAB 5 (Penutup) : Berisi kesimpulan terhadap aplikasi yang dibangun. Dan saran penulis yang ditujukan kepada semua pihak yang tertarik pada penelitan ini.

Gene Recombination

End

Evaluate Fitness

Create Chromosome of Initial Population

Express Chromosome

Execute Each Program

Iterate or Terminate

Keep Best Program

Select Program

Replication

Mutation

IS Transposition

RIS Transposition

Gene Transposition

1-point Recombination

2-point Recombination

Prepare New Program of Next Generation

Training Stage

Regresi Sederhana

Predict Event

Learning Stage

Gene Expression ProgrammingTesting Time

Series

a. Use Case Diagram

b. Activity Diagram

a. Rancangan Form Utama

Prediction Time Series Gene Expression Programing

Start About

1 2 3 4

Load

Iteration

Population SizeHead LengthMax Arg

MNSE

CV

R

grafik Setting Parameter GEPdata

Solusi Matematika

Prediksi Error

a. Tampilan Awal Form Utama

b. Tampilan Program Membaca Data

c. Tampilan Program Menseleksi Kromosom terbaik

d. Tampilan Program Menghasilkan Solusi dan Prediksi

Parameter Nilai

Iterasi 1000

Banyaknya Populasi 200

Maximal Argumen 2

Head Length 30

Function set + ,- ,* , /

Metode Seleksi Roulette Wheel

IS Transposition Rate 0.05

RIS Transposition Rate 0.03

One-Point Recombination Rate 0.3

Two-Point Recombination Rate 0.15

Perusahan Kode Periode

PT. Indosat ISAT Harian PT. Indosat ISAT MingguanPT. BakrieTelekomunikasi BTEL HarianPT. BakrieTelekomunikasi BTEL MingguanPT. Telekom TLKM HarianPT. Telekom TLKM Mingguan

Nama Saham Periode Solusi

ISAT Harian (a-(a/b))

ISAT Mingguan (a-(a/b))

BTEL Harian ((a/a)+b)

BTEL Mingguan ((a/a)+b)

TLKM Harian ((a/a)*(a/b)+b))

TLKM Mingguan (b+(a/a)/((b+b)/b))

a = harga saham tertinggi

b = harga saham terendah

01000200030004000500060007000

1/4/2010 2/4/2010 3/4/2010 4/4/2010 5/4/2010

Estimated Closing Price Closing Price

Grafik Harga Saham Harian (ISAT)

02000400060008000

Grafik Harga Saham Mingguan (ISAT)

Estimated Closing Price Closing Price

Grafik Harga Saham ISAT

Grafik Harga Saham BTEL

0

50

100

150

200

1/4/2010 2/4/2010 3/4/2010 4/4/2010 5/4/2010

Grafik Harga Saham Harian (BTEL)

Estimased Closing Price Closing Price

0100200300

Grafik Harga Saham Mingguan (BTEL)

Estimated Closing Price Closing Price

Grafik Harga Saham TLKM

02000400060008000

1000012000

1/4/2010 2/4/2010 3/4/2010 4/4/2010 5/4/2010

Grafik Harga Saham Harian (TLKM)

Estimated Closing Price Closing Price

0.00

2000.00

4000.00

6000.00

8000.00

10000.00

Grafik Harga Saham Mingguan (TLKM)

Estimated Closing Price Closing Price

Grafik Harga Saham Gabungan (Harian)

Grafik Harga Saham Gabungan (Mingguan)

Perhitungan

Perhitungan (Lanjutan)

No Periode NMSE CV R

1 Harian0.073934 0.020622 0.982186

2 Mingguan0.167615 0.047703 0.944642

Saham ISAT

No Periode NMSE CV R

1 Harian0.09107 0.016251 0.959192

2 Mingguan0.09961 0.069894 0.967433

Saham BTEL

No Periode NMSE CV R

1 Harian0.072613 0.01318 0.991074

2 Mingguan0.125211 0.03043 0.970105

SahamTLKM

Semakin banyak data dan semakin tinggi nilai iterasi yang diujikan maka semakin banyak waktu yang dibutuhkan untuk memprosesnya.

Solusi yang dihasilkan pada aplikasi ini masih sederhana. Hal ini dikarenakan operator yang digunakan untuk membentuk solusi masih menggunakan operator-operator dasar. Maka nilai error yang dihasilkan masih tinggi.

Nilai NMSE, CV dan R yang dihasilkan pada masing-masing nilai saham, dipengaruhi oleh solusi matematika yang dihasilkan pada pencarian kromosom terbaik

Data harian cenderung memiliki nilai NMSE lebih kecil, hal ini dikarenakan pada data harian memiliki kerapatan data yang lebih kecil dibandingkan dengan data mingguan.

Dari hasil evaluasi CV, menunjukan rata-rata nilai variasi yang cenderung rendah, hal ini dikarenakan solusi yang dihasilkan tidak terlalu kompleks. Sehingga dibutuhkan operator-operator tambahan untuk data saham yang cenderung fluktuatif.

Pada tingkat korelasi antara data asli dengan model yang dibentuk, memilki tingkat korelasi yang cukup tinggi karena hampir seluruh nilai mendekati 1.

Dalam menentukan nilai prediksi suatu data time series dapat dilakukan dengan menggunakan beberapa metode. Untuk kasus ini, penulis mencoba menggunakan metode Gene Expression Programming (GEP).

Pada tahap uji coba, data yang digunakan adalah data saham harian dan mingguan pada 3 perusahaan, yaitu saham ISAT, BTEL dan TLKM.

Metode gene expression programming ini menghasilkan sebuah solusi matematika yang akan dijadikan sebuah model untuk memprediksi data yang diuji.

Untuk tingkat akurasi prediksinya, bergantung pada nilai data yang diujikan.

Solusi yang dihasilkan pada setiap ujicoba akan berbeda-beda, karena dipengaruhi oleh faktor random saat pembentukan kromosom awal.

Solusi yang dihasilkan belum terlalu optimal karena pada aplikasi ini hanya melibatkan operator-operator matematika yang dasar.

Pada ujicoba dapat dilihat bahwa semakin banyak data yang diuji oleh metode gene expression programming ini, maka semakin kecil pula kesalahan untuk membuat solusi dan model datanya.