You are on page 1of 19

1

BAB I
PENDAHULUAN

1.1 Latar Belakang dan Masalah


Pada masa pembangunan mobilitas penduduk berkembang dengan begitu pesatnya,
dan teori-teori atas ilmu di dunia nyata dapat kita terapkan dalam aktivitas sehari-hari.
Seperti pada tahun 1827 seorang ahli botani bernama Robert brown memperhatikan gerak
tidak tentu dari partikel yang sangat kecil dalam cairan pada lintasan tak beraturan, hal ini
mirip dengan kejadian untuk partikel asap di udara yang akhirnya dapat dijelaskan akibat
dari molekul-molekul udara yang berbenturan dengan partikel asap.
Kebanyakan orang tidak peduli akan penemuan atau menciptakan hal yang baru,
hanya karena sudah banyak orang-orang tertentu menemukan hal yang berbeda. Padahal
masih banyak rumusan-rumusan masalah di dunia ini yang perlu dicari dan ditemukan oleh
manusia, karena sesungguhnya banyak sekali rahasia yang masih menjadi pertanyaan
besar. Ketika salah seorang di suatu Negara memiliki kemampuan yang luar biasa seperti
para ilmuan sebelumnya seperti Albert Enstein, Lowrey dan lain sebagainya, maka akan
menjadi salah satu bahan ekonomi bagi Negara itu sendiri.
Jika dikaitkan dengan masalah perekonomian terutama di Indonesia dari tahun ke
tahun perkembangan ekonomi Negara mengalami penurunan dan peningkatan. Sebagai
Negara yang berkembang Indonesia jelas harus memperhatikan hal ini, bagaimana caranya
dengan Sumber Daya Alam (SDA) dan Sumber Daya Manusia (SDM) yang ada kita harus
menjadi Negara yang maju. Dengan wilayah sangat strategis, berpikir cerdik untuk
memenfaatkan dan mengelola sebaik-baiknya demi tercapai kesejahteraan sehingga
meningkatlah pendapatan ekonomi Negara.
Salah satu cara memvisualisasikan pergerakan penurunan dan peningkatan tersebut
yaitu dengan menyajikan dalam bentuk grafik (polygon frekuensi). Menurut Mandelbrot
(1977), faktor penskalaan pada grafik merupakan salah satu tipe fraktal. Fractal adalah
suatu bentuk kurva yang tak beraturan dan memiliki sifat yang disebut self- similarity,
yang berarti bahwa rupa (shape) dari suatu bagian kecil pada kurva akan mirip dengan
bagian lain yang lebih besar. Kurva-kurva fraktal dapat digunakan untuk menggambarkan
objek-objek yang terjadi di alam semesta secara alamiah. Fraktal dapat muncul secara
alamiah pada sejumlah fenomena kimiawi dan biologis
turbulensi zat, dan perubahan populasi.

misalya sistem cuaca, aliran

Fractal memiliki dimensi fractal (Df). Pada penyajian grafik, dimensi fraktal
membantu dalam pambentukan konstruksi grafik dan dimensinya berada antara dimensi 1
dengan dimensi 2 (Frame, 2000). Sedangkan pada banyak kasus, fluktuasi garfik bergerak
secara acak (random) dan tidak beraturan, salah satunya pada grafik Indeks Harga Saham
Gabungan (IHSG) dalam pasar saham. Gerak acak dari grafik dikenal dengan Gerak
Brown (Hsu,1996).
Melihat adanya kaitan antara gerak Brown, teori fractal dan penyajian grafik, dalam
Penulisan ini akan dibahas mengenai Aplikasi Gerak Brown dan teori Fraktal dalam
analisis data Indeks Harga Saham Gabungan (IHSG).
1.2 Rumusan Masalah
Adapun rumusan masalah dalam penulisan ini adalah :
1. Bagaimana hubungan antara teori fraktal, gerak Brown dan IHSG secara teoritis?
2. Bagaimanakah penerapan gerak Brwon dan teori fraktal dalam analisis data IHSG ?
1.3 Tujuan Penulisan
Tujuan penulis memilih topik ini adalah :
1. Mengkaji teori fraktal dan gerak Brown hubungannya dengan IHSG
2. Menganalisa penerapan gerak Brown dan teori fraktal dalam analisis data IHSG
1.4 Manfaat Penulisan
1. Memperdalam pengetahuan tentang proses acak (random process), khususnya
mengenai teori fractal dengan gerak brown dan kombinasi diantaranya.
2. Memberikan motivasi dan masukan bagi pembaca atau praktisi kimia dan ekonomi
serta peminat pasar saham untuk memperdalam pengetahuan tentang kombinasi
teori fraktal dan gerak brown pada grafik dan data Indeks Harga Saham Gabungan
(IHSG)

BAB II
KAJIAN PUSTAKA

2.1 Gerak Brown


Pada tahun 1827, ahli Botani bernama Robert Brown menggunakan mikroskopnya
mampu mengamati pergerakan yang menarik dari serbuk bunga yang terlarut dalam suatu
cairan. Awalnya ia mengira partikel-partikel di dalam serbuk bunga (yang menyebabkan
gerakan tersebut) pastilah hidup. Akan tetapi, ketika ia mengganti serbuk bunga dengan
serbuk lainnya yang mati, ternyata ia mendapati gerakan yang sama persis (Damin, 2007).

Gambar 1. Pergerakan acak serbuk bunga dalam suatu cairan

Dari Penulisannya ini, Brown mendapatkan beberapa fakta menarik terkait sifat
gerakan partikel di dalam cairan yang ia teliti, antara lain:
1. gerak partikel tidak pernah berhenti,
2. gerak

partikel

tidak

tergantung

pada

sifat

hidup

/mati

dari

medium

penampungnya,
3. seluruh partikel bergerak sangat acak, bahkan dua partikel yang sangat dekat pun
tampak independen satu sama lain, dan
4. gerakan yang muncul akan semakin aktif jika ukuran partikel semakin kecil, atau
temperatur semakin besar, atau cairan penampung semakin encer.
Hanya saja, meskipun Brown mampu menemukan faktor-faktor penting yang
mempengaruhi gerakan partikel tersebut, ia tidak mengerti apa yang menjadi sebab
partikel-partikel berkelakuan seperti yang ia amati. Jauh sebelum Brown, sekitar tahun
1785, ilmuwan Belanda Jan Ingenhousz sebenarnya pernah mengamati gerakan serupa
pada partikel batuan yang ditempatkan di atas alkohol. Namun saat itu ia belum
menemukan faktor-faktor penting yang mempengaruhi aktivitas gerakan partikel. Oleh
karena itu, gerakan partikel yang acak ini dinamai sebagai Gerak Brown.

2.2 Teori Fraktal


2.1.1

Definisi Fraktal
Alam semesta ini merupakan satu sistem yang kompleks. Di satu pihak terdapat

orbit-orbit dan siklus-siklus yang teratur, tetapi di pihak lain dapat memunculkan fenomena
geeometrik yang kacau, ruwet dan sukar dijelaskan (irregular). Keterbatasan manusia
dalam memahami kompleksitas alam, telah menyebabkan manusia kemudian memecah
suatu sistem menjadi subsitem-subsitem kecil (fraction) yang lebih mudah dipelajari.
Mandelbrot (1997) mengidentifikasi bentuk irregular tersebut sebagai fractal. Fractal
berasal dari bahasa latin fractus yang berarti fragmented = bentuk atau broken =
rusak.

Gambar 2. Fraktal Mandelbrot

Pada dasarnya, konsep dari teori fractal bermanfaat untuk memperjelas kekasaran
(roughness) permukaan pada fenomena alam, misalnya: air, gunung, awan, dan pohon.
Dapat dikatakan fractal adalah struktur geometri yang mempunyai bentuk yang tidak
berarturan (irregular). Proses terjadinya fractal memungkinkan terjadinya banyak interaksi
dari sekian banyak bagian, sehingga setiap elemen dari unsur geometrinya bergerak secara
acak. Benda fractal hadir di sekitar kita, mulai dari skala mikro, makro, hingga mega dan
giga. Cara virus membelah diri, jaringan pori-pori tanah, adalah contoh fractal dalam skala
mikro. Percabangan akar-akar, pola retakan batuan, daun cemara, bahkan beberapa motif
batik, adalah contoh-contoh fractal skala makro. Kelokan sungai, busur kepulauan, bentuk
galaksi, nebula, transaksi antara ribuan pialang di pasar bursa adalah fractal dalam skala
mega hingga giga (Grabbe, 2001)
2.1.2

Sifat-sifat Fraktal
Menurut Addison (1997), fraktal adalah bagian acak dari suatu benda, dimana

bagiannya tersebut menyerupai keseluruhan benda itu. Fraktal memiliki sifat-sifat sebagai
berikut:

1. Self Similarity
Suatu objek yang selft similar yaitu bilamana seluruh komponennya dibagi, maka
bagian terkecil dari benda itu merupakan cerminan bentuk keseluruhannya
(Mandelbrot, 1977).
2. Dimensi Fraktal (Df)
Penskalaan fraktal dicirikan oleh bilangan-bilangan pecahan yang disebut dimensi
fraktal. Semakin tinggi dimensi fraktal, maka struktur fraktalnya semakin kompleks
(Barnsley, 1998).
3. Parameter Hurst (H)
Parameter Hurst digunakan untuk menginterprestasikan kekasaran (roughness) dan
skala dari permukaan fluktuasi grafik yang merupakan salah satu tipe fraktal dan
gerak Brown. Menurut Mandelbrot (1977), parameter Hurst berada pada interval
0< H <1 , dan gerak Brown tersebut memiliki

1
H= .
2 Untuk mencari nilai

R
S
H=
n
log
2
log

parameter Hurst dapat digunakan persamaan

(Adison, 1997), dengan

terlebih dahulu mencari Range (R) dan standar deviasi (S) dari kumpulan data
tersebut.
2.3 Kombinasi Teori Fraktal dan Gerak Brown
Salah satu sifat fraktal adalah self similarity, yaitu di dalam suatu himpunan
fraktal, bagian dari himpunan tersebut merupakan skala kecil dari keseluruhannya. Proses
perubahan skala tersebut berlangsung secara iterasi (berulang) dan acak sebagaimana gerak
Brown, sehingga menghasilkan objek yang fraktal (Mandelbrot, 1977).
Gerak Brown menjadi kandidat yang menarik untuk menjadi model perilaku data
waktu terurut yang divisualisasikan melalui grafik. Hal ini disebabkan karena gerak Brown
itu sendiri mampu menampilkan sifat self similarity/fraktal yang menjadi salah stau sifat
khusus dari data waktu terurut (Surya dan Yun, 2003).
Berdasarkan hasil Penulisan Hilda (2004), fungsi yang tervisualisasikan pada
grafik memberi informasi tentang sifat fraktal dalam data waktu terutut. Jika fungsi

membentuk grafik tak linier maka data bersifat fraktal dan memiliki gerak Brown dalam
data tersebut.
Lebih lanjutnya, untuk menginterpretasikan mengenai informasi suatu data, Surya
dan Yun (2003) menjelaskan beberapa indikator berdasarkan nilai dari parameter Hurst:
a. Untuk

0,5< H <1 , maka data memiliki kecenderungan untuk bertahan pada

trend dalam jangka waktu yang lebih lama (short range dependent).
b. Untuk

0,5> H >1 , maka data memiliki kecenderungan untuk tidak bertahan

pada suatu trend (long range dependent).


2.4 Penulisan Relevan
Terdapat beberapa Penulisan yang mengkaji mengenai teori fraktal dan gerak
Brown serta aplikasinya dalam bidang ekonomi. Beberapa diantaranya adalah:
1. Surya dan Yun (2003) dalam Penulisannya yang berjudul Multifraktal: Telkom,
Indosat dan HMSP, bahwa dimensi fraktal menyatakan keacakan dari suatu data
waktu terurut. Semakin kecil dimensi fraktalnya, maka data memiliki
kecenderungan untuk bertahan pada trend.
2. Hilda Nurul Hikmah (2004) dalam Penulisannya yang berjudul Kombinasi Teori
Fraktal dan gerak Brown (Fractional Brownian Motion) bahwa terdapat hubungan
linier antara dimensi fraktal dengan parameter Hurst, yaitu melalui persamaan
Df =2H

3. Nizaruddin (2009) dalam Penulisannya yang berjudul Penerapan Kalkulus


Stokastik pada Model Opsi, bahwa gerak Brown merupakan salah satu proses
stokastik (random process), sedangkan proses stokastik merupakan model
matematika yang sering digunakan untuk pemodelan bidang statistika, fisika,
komunikasi, analisis deret waktu, perkembangan populasi dan ilmu ekonomi.

BAB III
METODE PENULISAN

3.1

Desain Penulisan
Desain yang digunakan dalam Penulisan ini dengan cara desain Penulisan deskriptif

kuantitatif, karena penulis bertujuan untuk memperoleh gambaran perihal satu kenyataan
atau menguji jalinan pada kenyataan yang sudah ada atau sudah berlangsung pada subjek.
Di dalam desain ini, penulis tidak melakukan manipulasi perlakuan atau penempatan
subjek. Penulisan dilakukan secara studi pustaka, yaitu dengan mempelajari buku-buku
teks penunjang, karya ilmiah yang disajikan dalam bentuk jurnal serta Penulisan lainnya
yang relevan.
3.2

Waktu dan Tempat Penulisan


Penulisan ini dilakukan pada semester genap tahun ajaran 2013/2014 bertempat di

Kampus MAN 2 Kota Sukabumi.


3.3

Alat dan Bahan Penulisan


Untuk mempermudah penghitungan dan hasil yang akurat dalam simulasi, akan

digunakan perangkat lunak (software) MATLAB versi 7.1. Selain itu digunakan data IHSG
periode Bulan Juli 2013 sampai dengan Desember 2013 sebagai aplikasi analisis data dari
teori yang sudah dikaji.
3.4

Prosedur Penulisan
Dalam prosedur Penulisan ini ada beberapa tahapan yang dilakukan, yaitu:

a.

Studi Pendahuluan
Pada studi pendahuluan dilakukan identifikasi masalah, rumusan masalah dan kajian
literatur

b.
1)

Perencanaan atau Persiapan Penulisan


Menyusun rencana penelitian
2) Mencari dan merekap data IHSG
3) Mencari dan mengumpulkan literatur yang berkaitan
4) Mengunduh Software MATLAB sebagai alat bantu

c.

Pelaksanaan Penelitian
1. Mengkaji hubungan antara teori fraktal, gerak Brown serta aplikasinya dalam
bidang lainnya.
2. Mengaplikasikan kombinasi antara teori fraktal dan gerak Brown dalam data IHSG
menggunakan software MATLAB 7.1
3. Menganalisis hasil aplikasi dalam sistem ekonomi Indonesia.

d.

Penarikan kesimpulan dan rekomendasi


Selanjutnya prosedur penelitian ini dapat dilihat dalam bentuk diagram berikut:

Studi Pendahuluan: Identifikasi Masalah, Rumusan Masalah, Studi Literatur, dll

Perencanaan Penelitian

Pelaksanaan penelitian

Data IHSG dan MATLAB 7.1

Analisis Data

Kesimpulan dan Rekomendasi


Gambar 3. Diagram Alur Penelitian

BAB IV
ANALISIS DAN SINTESIS

4.1 Analisis
Berikut ini merupakan hasil simulasi terhadap data indeks Harga Saham Gabungan
(IHSG) periode Juli 2013 sampai dengan Desember 2013. Data dipecah menjadi 6 bagian
berdasarkan bulan dengan panjang yang sama. Karena data yang diperoleh merupakan data
yang mengikuti sebaran kontinu, data per bulan dibagi menjadi 10 interval dengan jarak
masing-masing interval adalah 2. Kemudian dari masing-masing interval dicari nilai
tengahnya (median).
Tabel 1. Data IHSG setelah dibagi menjadi beberapa interval
No

Interval

Juli

Agustus

Septembe

Oktober

Novembe

Desember

1
2
3
4
5
6
7
8
9
10

1 -3
46
79
10 12
13 15
16 18
19 21
22 24
25 27
28- 30

704.4980
724.7305
731.2913
742.5060
754.3863
770.3340
771.9697
785.8790
779.6840
759.8943

730.3190
741.8890
767.2250
767.5490
773.1400
779.3770
791.9495
780.7530
771.3833
0

r
771.8593
776.3890
771.9730
746.5590
724.1510
726.7773
742.9140
737.6175
720.6160
723.4910

737.6530
761.1000
777.0080
767.8120
774.2380
780.7055
812.531
809.9355
814.9520
792.6900

r
779.6030
752.0995
743.6370
723.2567
730.9230
672.3145
715.8645
732.5800
721.1510
733.2530

725.1220
697.9370
704.7056
705.4830
701.8745
700.2463
689.6150
700.0667
720.2320
725.0776

Dengan menggunakan bantuan software MATLAB 7.1, pada masing-masing bagian data
Indeks Harga Saham Gabungan dicari range (R), standar deviasi (S), kemudian dicari parameter
Hurst dan dimensi fraktalnya. Hal ini untuk menentukan apakah data tersebut memiliki
kecenderungan untuk bertahan pada trend atau tidak. Algoritma program MATLAB untuk aplikasi
perhitungan gerak Brown dan teori fraktal dalam analisis IHSG dapat dilihat pada Lampiran 1.

10
Kemudian data yang telah dieksekusi oleh software MATLAB disajikan dalam bentuk
grafik (Gambar 4). Data IHSG yang diperoleh pada enam bulan tersebut tidak menampakkan
kenaikan dan penurunan yang begitu signifikan, berkisar antara 600 sampai dengan 800, tetapi
tetap nilai tersebut tidak berada pada kondisi pasar modal yang baik.

Gambar 4. Grafik IHSG periode Juli 2014 Desember 2013

Pada tabel 2 di bawah ini, keenam bagian saham dari bulan Juli 2013 sampai
dengan Desember 2013 memperlihatkan parameter Hurst di atas 0,5 dan dimensi fraktal
kurang dari 1,5. Hal ini memperlihatkan bahwa saham tidak memiliki kecenderungan
untuk bertahan pada trend tertentu. Nilai parameter Hurst dan dimensi fraktar yang
mendekati sama ditunjukkan pada bulan Juli, Agustus dan Oktober serta bulan September
dan Desember. Ini berarti bahwa saham-saham tersebut memiliki perilaku yang hampir
sama dibanding perilaku pada bulan November.
Tabel 2. Hasil Simulasi Data IHSG

No
1
2
3
4
5
6

IHSG
Juli 2013
Agustus 2013
September 2013
Oktober 2013
November 2013
Desember 2013

Range
(R)

Standar
Deviasi (S)

Parameter Hurst

81.3810
61.6305
55.7730
77.2990
107.2885
35.507

26.3175
243.2600
21.8900
24.9400
27.4300
12.2100

0.7
0.8
0.6
0.7
0.8
0.6

(H =
log(R/S)/log(n/2))

Dimensi
Fraktal
(Df = 2 H)
1.3
1.2
1.4
1.3
1.2
1.4

11

Bentuk tak linier juga ditunjukkan oleh seluruh grafik IHSG dari bulan Juli 2013
sampai Desember 2013 pada Gambar 5. Hal ini menunjukkan perilaku fraktal dan
memiliki sifat gerak Brown. Perilaku fraktal ini menjamin munculnya sifat self similarity
dalam data deret waktu, sehingga terdapat kombinasi antara fraktal dan gerak Brown pada
data Indeks Harga Saham Gabungan (IHSG).

Gambar 5. Grafik IHSG per bulan


4.2 Sintesis
Berdasarkan hasil analisis data di atas, dapat dilihat bahwa seluruh bagian saham
dari bulan Juli 2013 sampai bulan Desember 2013 memperlihatkan parameter Hurst di atas
0,5 dan dimensi fraktal kurang dari 1,5 atau dapat diinterpretasikan perilaku saham
memiliki memori yang panjang (long range dependent), artinya perubahan nilai saham
dipengaruhi oleh perubahan nilai saham yang terpisah dalam selang waktu yang lama atau

12

posisi perubahan gerak pada waktu berikutnya cenderung berada pada arah yang sama. Hal
ini sesuai dengan pendapat Surya dan Yun (2003), bahwa naiknya harga saham pada saat
itu akan diikuti oleh menurunnya harga saham pada masa yang akan datang.
Kemudian dapat diinterpretasikan juga bahwa kondisi perekonomian di Indonesia
yang tidak stabil, hal ini ditandai dengan nilai tukar rupiah dan Indeks Harga Saham
Gabungan (IHSG) mulai membaik akibat beberapa kebijakan pemerintah, tetapi tidak lama
kemudian kembali melemah dan terpuruk. Sehingga dengan mengaplikasikan teori fraktal
dan gerak Brown, para peminat pasar saham dapat melihat dan meramalkan perubahan dan
fluktuasi Indeks Harga Saham Gabungan (IHSG) tersebut.
Program MATLAB untuk aplikasi gerak Brown dan teori fraktal dalam analisis
IHSG dapat digunakan untuk meramalkan pergerakan berikut grafik IHSG pada masa dan
interval waktu lainnya. Hal ini sesuai dengan pendapat Nizaruddin (2009) bahwa
pengaplikasian sains dalam dunia ekonomi dapat menjadi bahan pertimbangan bagi para
investor untuk dapat menanamkan modalnya dengan resiko kecil sehingga cocok
diterapkan di negara yang kurang stabil kondisi perekonomiannya.
Sehingga diharapkan jika suatu hari Indonesia akan menghadapi free economic
system, pengaplikasian gerak Brown dan teori fraktal ini dapat membantu pelaku ekonomi
untuk lebih selektif dalam menghadapi persaingan usaha yang terbuka (bebas) dan
menjalin kerjasama dengan luar negeri, tanpa adanya kesenjangan kelas sosial di
masyarakat, serta penumpukan modal dan akumulasi di masyarakat.

13

BAB V
KESIMPULAN DAN REKOMENDASI

5.1

Kesimpulan
Dari hasil kajian teori dan telaah pustaka, dapat disimpulkan bahwa terdapat

hubungan antara teori fraktal dan gerak Brown. Sifat self similarity yang merupakan ciri
khas dari fraktal, juga dimiliki oleh gerak Brown. Parameter Hurst (H) sebagai parameter
yang digunakan untuk mengidentifikasi kekasaran permukaan grafik ternyata berhubungan
sebanding dengan dimensi fraktal.
Melalui parameter Hurst dan dimensi fraktal inilah sebuah data terurut dan grafik frekuensi
dapat diperiksa apakah mengandung sifat fraktal dan gerak Brown.
Pada aplikasi, data IHSG menunjukkan perilaku memori panjang (long range
dependent). Hal ini ditunjukkan oleh parameter Hurst di atas 0,5 dan dimensi fraktal di
bawah 1,5. Sifat fraktal dan gerak Brown juga terlihat jelas (H > ). Artinya pergerakan
IHSG merupakan salah satu contoh yang mengindikasikan adanya kombinasi antara teori
fraktal dan gerak Brown di dalamnya.
Indeks Harga Saham Gabungan (IHSG) pada bulan Juli 2013 Desember 2013
menujukkan kenaikan dan penurunan yang tidak terlalu signifikan. Indeks Harga Saham
yang naik menunjukkan kegairahan pasar saham, sedangkan kebalikannya menunjukkan
adanya kelesuan pasar.
Hal ini merupakan indikator yang sangat penting bagi calon investor (pembeli
saham), karena perhitungan IHSG dan peramalannya berdasarkan parameter Hurst dapat
membantu investor sebagai alat pemantau dan untuk melihat kecenderungan harga (price
trend) dalam menghadapi free economic system di Indonesia.
5.2

Rekomendasi
Teori fraktal dan gerak Brown merupakan bidang ilmu yang sangat luas. Harapan

penulis, ke depannya aplikasinya bisa lebih bervariasai agar bidang ilmu ini lebih dikenal.

14

Sehingga diharapkan inovasi yang diberikan bisa berkontribusi bagi kehidupan yang lebih
baik lagi.

DAFTAR PUSTAKA

Addison, P. S. 1997. Fractal and Chaos: An Illustrated Course. Institute of Physics


Publishing. Bristol,
Barnsley, M. 1998. Fractals Everywhere. Academin Press, Inc. USA.
Damin, S. 2007. Pengantar Kimia Buku Panduan Kuliah Mahasiswa. Gramedia. Jakarta.
Duane, H & Bruce, L. 2000. MATLAB Bahasa Komputasi Teknis. Penerbit Andi
Yogyakarta.
Frame, M. & Nial, N. 2000. Fractal Geometry. [online]
http://classes.yale.org.edu/fractals . Diakses tanggal 1 Februari 2014.

tersedia:

Grabbe, O. J. 2001. Simulation and Identification of the Fractional Brownian Motion: A


Bibiliographical and Comparative Study. [online] tersedia: http://jeanfrancoiscoeuriolly@imag_fr . Diakses tanggal 5 Februari 2014.
Hilda, N. H. 2004. Kombinasi Teori Fraktal dan Gerak Brown (Fractional Brownian
Motion). Skripsi pada Jurusan Matematika FMIPA Universitas Lampung. Tidak
diterbitkan.
Hsu, H. P. 1996. Markov Process for Stochastic Modelling. Cambridge University Press.
USA.
Mandelbrot, B. B. 1983. The Fractal Geometry of Nature. W.H. Freeman and Company.
New York.
Nizaruddin. 2009. Penerapan Kalkulus Stokastik pada Model Opsi. [online] tersedia:
http://e-jurnal.ikippgrismg.ac.id . Diakes tanggal 30 Januari 2014.
Surya, Y & Yun, H. 2003. Multifraktal: Telkom, Indosat dan HMSP. [online] tersedia:
http://ekonofisika.com/008.pdf . Diakes tanggal 1 Februari 2014.

15

LAMPIRAN

16

LAMPIRAN 1
PROGRAM MATLAB UNTUK APLIKASI GERAK BROWN DAN FRAKTAL
DALAM ANALISIS IHSG
=========================

% ihsg.m script file


====================
tic;
tgl=input (masukkan tanggal);
disp(tgl)
in=input(masukkan nilai IHSG);
disp(in)
n=size(in)
% mengukur besarnya data
r=abs(max(in) min(in))
% menghitung range data
s=std(in)
% menghitung standar deviasi
h=log(r/s)./log(n/2))
% menghitung parameter Hurst
df=2-h
% menghitung dimensi fraktal
c=corrcoef(in,tgl)
% menghitung koefisien korelasi
for h=0:1;
if h==0.5 7 df==1.5
disp(Data merupakan gerak Brown Standar)
elseif h<= 0.5
disp(Data mengandung kombinasi fraktal dan gerak Brown)
elseif h>= 0.5
disp(Data mengandung kombinasi fraktal dan gerak Brown)
end;
end;
plot(tgl,in)
grid on, box on
%menampilkan garis grik dan kotak
sumbu
xlabel(tanggal)
ylabel(IHSG)
title(Grafik IHSG periode Juli 2013 Desember 2013)
t=toc;

17

LAMPIRAN 2
IHSG JULI-DESEMBER 2013
Prices
Date
Dec 30, 2013
Dec 27, 2013
Dec 24, 2013
Dec 23, 2013
Dec 20, 2013
Dec 19, 2013
Dec 18, 2013
Dec 17, 2013
Dec 16, 2013
Dec 13, 2013
Dec 12, 2013
Dec 11, 2013
Dec 10, 2013
Dec 9, 2013
Dec 6, 2013
Dec 5, 2013
Dec 4, 2013
Dec 3, 2013
Dec 2, 2013
Nov 29, 2013
Nov 28, 2013
Nov 27, 2013
Nov 26, 2013
Nov 25, 2013
Nov 22, 2013
Nov 21, 2013
Nov 20, 2013
Nov 19, 2013
Nov 18, 2013

Open
4,240.39
4,209.73
4,196.45
4,201.71
4,228.79
4,228.04
4,191.31
4,147.91
4,157.76
4,213.66
4,238.96
4,273.94
4,224.45
4,210.20
4,202.26
4,238.01
4,266.04
4,318.34
4,269.08
4,220.27
4,264.20
4,259.33
4,329.55
4,329.38
4,352.55
4,327.81
4,408.40
4,391.23
4,361.22

High
4,274.18
4,233.85
4,206.64
4,205.19
4,230.61
4,257.17
4,213.94
4,196.66
4,160.52
4,214.59
4,248.34
4,282.10
4,275.95
4,227.23
4,204.38
4,242.10
4,267.60
4,320.06
4,331.59
4,256.44
4,274.52
4,272.43
4,332.39
4,346.66
4,359.58
4,338.15
4,408.40
4,405.07
4,403.56

Low
4,232.58
4,207.94
4,174.46
4,154.12
4,180.81
4,208.50
4,172.02
4,147.91
4,109.31
4,163.86
4,212.22
4,235.42
4,220.91
4,192.47
4,161.02
4,186.94
4,241.30
4,269.35
4,265.60
4,218.54
4,202.92
4,220.05
4,235.26
4,316.73
4,303.53
4,300.13
4,331.61
4,365.02
4,360.86

Close
4,274.18
4,212.98
4,202.83
4,189.61
4,195.56
4,231.98
4,196.28
4,182.35
4,125.96
4,174.83
4,212.22
4,271.74
4,275.68
4,214.34
4,180.79
4,216.89
4,241.30
4,288.76
4,321.98
4,256.44
4,233.92
4,251.49
4,235.26
4,334.80
4,317.96
4,326.21
4,350.79
4,398.34
4,393.59

Volume
Adj Close*
2,513,838,400
4,274.18
2,062,806,400
4,212.98
1,885,008,000
4,202.83
2,123,882,400
4,189.61
2,664,794,000
4,195.56
2,911,303,000
4,231.98
2,811,519,600
4,196.28
3,696,856,400
4,182.35
3,450,764,800
4,125.96
2,729,394,400
4,174.83
2,956,670,000
4,212.22
3,257,967,000
4,271.74
3,802,827,600
4,275.68
2,766,888,000
4,214.34
2,954,521,000
4,180.79
2,999,884,000
4,216.89
3,191,220,000
4,241.30
3,053,619,000
4,288.76
3,866,704,400
4,321.98
2,730,447,000
4,256.44
2,929,833,600
4,233.92
2,790,126,000
4,251.49
5,213,520,000
4,235.26
2,571,409,000
4,334.80
2,550,912,400
4,317.96
2,479,265,600
4,326.21
3,003,496,400
4,350.79
3,083,220,400
4,398.34
3,018,332,400
4,393.59

3
O

18

c4444 4
9
tNov
, , 15,
, , 2013
,
3
Nov
2 5 6 14,
5 5 2013
5
,
Nov 13, 2013
57068 8
Nov 12, 2013
6
,Nov
9 4 11,
7 0 2013
0
5
2Nov
. . 8,
. .2013
.
6
Nov
0 3 2 7,
4 82013
8
,
Nov
1 6 1 6,
1 52013
5
0
Nov 4, 2013
3
Nov 1, 2013
0
Oct 31, 2013
0
Oct
30,
2013
O
4,
Oct 29, 2013
c 4 444 3 4
Oct 28, 2013
t , ,,, 6 ,

4,388.91
4,323.88
4,358.49
4,449.28
4,473.88
4,460.64
4,454.41
4,428.82
4,426.53
4,473.73
4,533.76
4,563.71
4,581.10
4,594.00

2 5 555 4, 5 4,652.13
4 3 939 6 9
, 7 434 1 4
2 . . . . 2, .
0 5 838 0 8
1 6 555 0 5
3
O

0
4,

c 4 444 1 4
t , ,,, 0 ,
2 5 655 3, 5
3 3 034 3 4
, 0 906 0 6
2 . . . . 3, .
0 1 115 6 5
1 4 140 0 0
3
O

0
3,

c 4 444 0 4
t , ,,, 7 ,
2 5 545 1, 5
2 5 591 9 1
, 1 992 3 2
2 . . . . 7, .
0 2 567 0 7

4,406.64
4,382.90
4,358.49
4,455.16
4,485.06
4,484.98
4,494.35
4,449.76
4,446.33
4,518.65
4,547.35
4,579.42
4,592.52
4,611.26
4,679.44

4,322.08
4,323.88
4,284.03
4,371.02
4,433.21
4,446.48
4,451.38
4,415.75
4,403.40
4,432.59
4,483.62
4,541.76
4,543.41
4,573.40
4,643.33

4,335.45
4,367.37
4,301.89
4,380.64
4,441.72
4,476.72
4,486.11
4,449.76
4,423.29
4,432.59
4,510.63
4,574.88
4,562.77
4,590.54
4,679.00

3,268,667,600
3,605,376,800
3,250,460,000
3,692,280,800
3,642,900,400
3,576,991,600
3,095,404,400
2,690,530,400
2,425,877,000
3,494,092,400
3,764,684,800
3,015,842,400
3,053,128,400
3,398,212,400

4,335.45
4,367.37
4,301.89
4,380.64
4,441.72
4,476.72
4,486.11
4,449.76
4,423.29
4,432.59
4,510.63
4,574.88
4,562.77
4,590.54

3,920,303,2 4,679.00
00

19

Jul 17, 2013


Jul 16, 2013
Jul 15, 2013
Jul 12, 2013
Jul 10, 2013
Jul 9, 2013
Jul 8, 2013
Jul 5, 2013
Jul 4, 2013
Jul 3, 2013
Jul 2, 2013
Jul 1, 2013

4,632.13
4,639.81
4,614.48
4,414.17
4,462.81
4,578.72
4,623.94
4,597.45
4,713.69
4,806.12
4,757.18

4,663.85 4,621.46 4,644.04


4,641.01 4,582.13 4,635.73
4,679.53 4,592.98 4,633.11
4,495.16 4,413.59 4,478.64
4,482.24 4,403.80 4,403.80
4,580.09 4,433.62 4,433.62
4,647.27 4,581.89 4,602.81
4,644.83 4,581.68 4,581.93
4,715.54 4,577.12 4,577.15
4,810.57 4,724.87 4,728.70
4,815.73 4,747.98 4,777.45

3,706,424,000
2,592,388,400
0
3,941,629,600
3,100,523,000
2,947,534,000
0
2,568,929,600
2,699,113,600
0
0

4,644.04
4,635.73
4,633.11
4,478.64
4,403.80
4,433.62
4,602.81
4,581.93
4,577.15
4,728.70
4,777.45