Text

Pemodelan Wavelet Neural Network untuk Prediksi Nilai Kurs Rupiah terhadap Dolar AS)

---

ABSTRAK
Setiap negara memiliki nilai mata uang sendiri yang digunakan sebagai alat tukar yang sah dalam proses transaksi jual-beli. Dalam proses transaksi jual-beli antar negara sering kali mengalami masalah dalam hal pembayaran karena perbedaan nilai uang yang berlaku di setiap negara. Pergerakan harga kurs atau nilai mata uang asing yang berubah-ubah dari waktu ke waktu ini mendorong dilakukannya prediksi nilai kurs rupiah terhadap dolar AS. Wavelet Neural Network (WNN) merupakan penggabungan metode antara transformasi wavelet dengan Neural network. Pemodelan WNN diawali dengan melakukan dekomposisi wavelet menghasilkan koefisien wavelet dan koefisien skala. Pemilihan input berdasarkan plot PACF dan membagi menjadi data training dan data testing. Untuk menentukan output akhir dengan menghitung nilai MAPE pada data testing. Arsitektur terbaik pada model WNN untuk prediksi nilai kurs rupiah terhadap dolar AS adalah model dengan fungsi aktivasi logistic sigmoid, 2 neuron lapisan input, 10 neuron lapisan hidden, dan 1 neuron lapisan output. Nilai MAPE diperoleh sebesar 0,2221%.

Kata Kunci : maximal overlap discrete transform (MODWT), neural network, prediksi, nilai kurs

ABSTRACT
Each country has its own currency that is used as a tool of exchange rate valid in the transaction process. In the process of transaction between countries often experience problems in terms of payment because of the difference in the value of money prevailing in each country. The price movement of the exchange rate or the value of foreign currencies that fluctuate from time to time it encouraged predictions of the value of the rupiah exchange rate against the U.S. dollar. Wavelet Neural Network (WNN) is a combination of methods between wavelet transforms and Neural networks. WNN modeling begins with wavelet decomposition resulting in wavelet coefficients and scale coefficients. Selection of inputs is based on PACF plots and divides into training data and testing data. To determine the final output by calculating the value of MAPE in data testing. The best architecture on WNN model for prediction of the value of the rupiah exchange rate against the U.S. dollar is a model with sigmoid logistic activation function, 2 neurons in the input layer, 10 neurons in the hidden layer, and 1 neuron in the output layer. The MAPE value is obtained at 0.2221%.
Keywords : maximal overlap discrete transform (MODWT), neural network wavelet, prediction, exchange rates

---

Ketersediaan

691E19I

691 E 19-i

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

STATISTIKA

No. Panggil

691 E 19-i

Penerbit

: ., 2018

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

047

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Tri Yani Elisabeth Nababan

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar