ABSTRAKSI: i Emas merupakan salah satu produk investasi yang diminati karena sifatnya yang cenderung mengalami kenaikan. Dibutuhkan prediksi atau peramalan harga emas agar mendapatkan keuntungan dan manfaat sesuai yang telah direncanakan. Ramalan dilakukan berdasarkan data masa lalu yang dianalisis.
Dalam metode Neuro-Fuzzy Tipe 2, data yang digunakan adalah data training. Data tersebut dibagi menjadi beberapa cluster menggunakan metode Self-Constructing Clustering yaitu melalui uji input similarity dan output similarity dan menghasilkan sejumlah rule fuzzy tipe 2. Parameter dari rule berupa antesenden dan konsekuen dicari dan dioptimasi dengan Particle Swarm Optimization dan Least Square Estimation. Hasil prediksi harga emas menggunakan Neuro-Fuzzy Tipe 2 dibandingkan dengan metode ARIMA dan ANFIS, dimana kedua metode ini sudah banyak digunakan untuk prediksi data.
Hasil dari eksperimen ini menunjukkan bahwa prediksi harga emas menggunakan Neuro-Fuzzy Tipe 2 tidak memiliki error yang berbeda secara signifikan. Akan tetapi prediksi harga emas menggunakan ANFIS memiliki error yang berbeda secara signifikan. Selain itu, prediksi harga emas menggunakan ARIMA bergantung pada data harga emas tersebut. Metode Neuro-Fuzzy, baik Neuro-Fuzzy Tipe 2 maupun ANFIS, dalam penentuan jumlah input mempengaruhi hasil prediksi harga emas.
Kata Kunci : Neuro-Fuzzy Tipe 2, prediksi harga emas, ANFIS, ARIMAABSTRACT: Gold is one of the preferred investment products because it is prone to rise. It takes a prediction or forecasting the gold price in order to get corresponding advantage and benefit that have been planned. Forecasts are made based on the past data which were analyzed. Several methods that can be applied to the prediction system is ARIMA and Neuro-Fuzzy Type 2 model.
In Neuro-Fuzzy Type 2 method, the data used is the training data. The data is divided into several clusters using the Self-Constructing Clustering method that is through the input similarity and output similarity test and produces some fuzzy type 2 rules. Parameters of the rules, antecedents and consequents, are find and optimized with Particle Swarm Optimization and Least Square Estimation.
The results of these experiments indicate that the gold price predictions using Neuro-Fuzzy Type 2 did not have significantly different error. However, the gold price prediction using ANFIS have significantly different error. In addition, gold price prediction using ARIMA depends on the gold price data. Neuro-Fuzzy method, both Neuro-Fuzzy Type 2 and ANFIS, in determination of the number of inputs affecting the gold price prediction results.Keyword: Neuro-Fuzzy Type 2, gold price prediction, ARIMA, ANFIS