Text

Penerapan Adaptive Neuro-Fuzzy Inference System Untuk Prediksi Nilai Tukar Rupiah

---

ABSTRAK

Salah satu indikator penting dalam perekonomian suatu negara adalah nilai tukar dari mata
uang, dimana majunya suatu negara dapat ditentukan oleh kekuatan nilai mata uang negara
tersebut. Nilai tukar yang berdasarkan pada kekuatan pasar akan selalu berubah disetiap kali
nilai-nilai salah satu dari dua komponen mata uang berubah. Dengan mampu meramalkan
perubahan nilai tukar mata uang tersebut maka dapat ditentukan harga yang tepat untuk
menukarkan mata uang para pemilik modal ke dalam bentuk mata uang lain. Proses
peramalan/ prediksi dapat dilakukan dengan menggunakan arsitektur jaringan adaptive
neuro fuzzy inference system (ANFIS) terhadap data kurs. Data kurs yang digunakan
merupakan data kurs nilai jual pada jenis kurs Dolar Amerika, Dolar Singapura dan Euro
sebanyak 110 data untuk tiap-tiap jenis kursnya dari periode 1 Agustus 2017 hingga 9
Januari 2018. Hasil pengujian menunjukkan bahwa kombinasi terbaik parameter untuk kurs
Dolar Amerika adalah laju pembelajaran sebesar 0,1; maksimal epoch sebesar 10000; jumlah
data pelatihan sebanyak 80%; target error sebesar 0,001 dengan perolehan nilai Mean
Absolute Percentage Error (MAPE) sebesar 0,41. Hasil pengujian menunjukkan bahwa
kombinasi terbaik parameter untuk kurs Dolar Singapura adalah laju pembelajaran sebesar
0,2; maksimal epoch sebesar 10000; jumlah data pelatihan sebanyak 80%; target error
sebesar 0,001 dengan perolehan nilai Mean Absolute Percentage Error (MAPE) sebesar
0,12. Hasil pengujian menunjukkan bahwa kombinasi terbaik parameter untuk kurs Euro
adalah laju pembelajaran sebesar 0,5; maksimal epoch sebesar 10000; jumlah data pelatihan
sebanyak 80%; target error sebesar 0,001 dengan perolehan nilai Mean Absolute Percentage
Error (MAPE) sebesar 0,38. Tingkat akurasi untuk prediki kurs Rupiah terhadap Dolar
Amerika sebesar 99,58%, terhadap Dolar Singapura sebesar 99,87% dan terhadap Euro
sebesar 99,62%.
Kata kunci : Kurs, Prediksi, ANFIS, parameter, arsitektur, jaringan, MAPE, akurasi

ABSTRACT

One important indicator in the economy of a country is the exchange rate of the currency, in
which the advance of a country can be determined by the strength of the country's currency
value. The exchange rate based on market power will always change every time the values
of one of the two currency components change. By being able to forecast changes in the
exchange rate of currency then it can be determined the right price to exchange the currency
of the owners of capital into other currencies. Forecasting / prediction process can be done
by using adaptive neuro fuzzy inference system (ANFIS) network architecture against
exchange rate data. The exchange rate data is the data of the selling rate on US Dollar,
Singapore Dollar and Euro exchange rates of 110 data for each exchange rate from 1 August
2017 to 9 January 2018. The test results show that the best combination of parameters for
US Dollar exchange rate is the learning rate of 0.1; maximum epoch of 10000; the amount
of training data is 80%; target error of 0.001 with the value of Mean Absolute Percentage
Error (MAPE) of 0.41. The test results show that the best combination of parameters for
Singapore Dollar exchange rate is the learning rate of 0.2; maximum epoch of 10000; the
amount of training data is 80%; target error of 0.001 with the value of Mean Absolute
Percentage Error (MAPE) of 0.12. The test results show that the best combination of
parameters for the Euro exchange rate is the learning rate of 0.5; maximum epoch of 10000;
the amount of training data is 80%; target error of 0.001 with the value of Mean Absolute
Percentage Error (MAPE) of 0.38. The accuracy rate for the prediction of the Rupiah
exchange rate against the US Dollar amounted to 99.58%, against the Singapore Dollar of
99.87% and the Euro by 99.62%.
Keyword : exchange rate, prediction, ANFIS, parameter, architecture, network, MAPE,
accuracy

---

Ketersediaan

612F18III

612 F 18

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

ILMU KOMPUTER/INFORMATIKA

No. Panggil

612 F 18

Penerbit

: ., 2018

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

2272

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Sanggam Andreas Harahap

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar