Peramalan Kurs Rupiah Terhadap US Dollar Menggunakan Metode Hibrid
Abstract
Peramalan adalah bagian integral dari kegiatan pengambilan keputusan manajemen. Ramalan yang dilakukan umumnya berdasarkan pada data masa lampau yang dianalisis dengan menggunakan metode- metode tertentu. Oleh karena itu, pada penelitan ini akan meramalkan data time series menggunakan metode Radial Basis Fuction, ARIMA dan Double Exponential Smoothing dengan menggunakan Matlab versi 8.1. Data yang digunakan adalah data kurs jual harian Rupiah terhadap US Dollar yang dimulai dari bulan Januari 2012 sampai dengan Maret 2014. Dari ketiga hasil ramalan, akan digunakan metode voting untuk memperoleh akurasi dari kondisi menguat atau melemahnya kurs rupiah terhadap US Dollar dan juga hasil ramalan digabungkan dengan metode hibrid. Dari hasil peramalan RBF, ARIMA, Double Exponential Smoothing diperoleh MAPE berturut-turut 0,66%, 3,32% dan 0,94% sedangkan akurasi kondisi menguat melemah sebesar 52,54%, 45,76% dan 52,54%. Dari hasil voting dari kondisi menguat dan melemahnya kurs diperoleh akurasi sebesar 54,24% dan setelah digabungkan dengan metode hibrid diperoleh MAPE sebesar 0,64% dengan akurasi sebesar 50,85%. Dapat dilihat bahwa untuk akurasi kondisi menguat dan melemah yang terbaik diperoleh dengan menggunakan metode voting sedangkan untuk MAPE terbaik diperoleh dengan metode hibrid. Diharapkan penelitian ini dapat membantu dalam menganalisa fluktuasi dari pergerakan nilai mata uang tertentu pada saat transaksi jual – beli valuta asing.
Downloads
References
Makridakis, S., Wheelwright, S.C., McGee, Victor E., Metode dan Aplikasi Peramalan. Jilid Satu.(Edisi 2) diterjemahan oleh Andriyanto, U.S., Abdul, A. Jakarta, 1999.
Budi Santosa, “Penerapan Metode Optimasi Exponential Smoothing Untuk Peramalan Debit”, Pascasarjana Universitas Diponegoro. Semarang, 2009.
Brodjol Sutijo dkk., “Pemilihan Hubungan Input-Node”. Berkala MIPA, 16(1), 2006.
Poggio, T., & Girosi, F., “Networks for approximation and learning”, Proceedings of the IEEE, 78(10), 1481–1497, 1990.
Wei,W. W. S., “Time series Analysis, Univariate and Multivariate Methods”, Addison-Wesley Publishing Co. Inc., 1994.
Hendranata, Anton, ARIMA (Autoregressive Moving Average), Manajemen Keuangan Sektor Publik FEUI, 2003.
Hanke, J.E., Reitsch, A.G. dan Wichern, D.W., Peramalan Bisnis. Edisi Ketujuh, Alih Bahasa: Devy Anantanur. PT. Prenhallindo. Jakarta, 2003.
Alda Raharja, “Penerapan Metode Exponential Smoothing Untuk Peramalan Penggunaan Waktu Telepon Di PT. Telkomsel DIVRE3 Surabaya”, Jurnal Sistem Informasi, Institut Teknologi Sepuluh November. Surabaya, 2010.
Kin Keung Lai, Lean Yu, Shouyang Wang, and Wei Huang, “Hybridizing Exponential Smoothing and Neural Network for Financial Time Series Predication”, ICCS 2006, Part IV, LNCS 3994, pp. 493 – 500, 2006.
Zainun, N. Y., dan Majid, M. Z. A., Low Cost House Demand Predictor. Universitas Teknologi Malaysia, 2003.
Hongfa Wang, Xinai Xu, Determination of Spread Constant in RBF Neural Network by Genetic Algorithm. International Journal of Advancements in Computing Technology (IJACT) Vol. 5, No 9, 2013.
![](https://ojs.unud.ac.id/public/journals/14/article_28057_cover_en_US.png)
Keywords
This work is licensed under a Creative Commons Attribution 4.0 International License