Prediksi Suku Bunga Acuan (Bi Rate) Menggunakan Metode Adaptive Neuro Fuzzy Inference System (Anfis)

Darmawand, Nur Adli Ari (2017) Prediksi Suku Bunga Acuan (Bi Rate) Menggunakan Metode Adaptive Neuro Fuzzy Inference System (Anfis). Sarjana thesis, Universitas Brawijaya.

Abstract

BI Rate adalah suku bunga kebijakan yang mencerminkan sikap atau stance kebijakan moneter yang ditetapkan oleh bank Indonesia dan diumumkan kepada publik. BI Rate digunakan sebagai tolak ukur kegiatan perekonomian suatu Negara. BI Rate akan mempengaruhi perputaran arus keuangan perbankan, inflasi, investasi dan pergerakan mata uang. Naik turunnya BI Rate sangat diperhatikan oleh para investor dan para pelaku pasar untuk meningkatkan atau menurunkan tingkat produksi dan untuk menambah atau mengurangi investasi yang ada. Hal tersebutlah yang membuat prediksi suku bunga acuan (BI Rate) menjadi penting. Adanya prediksi BI Rate diharapkan mampu membantu para pelaku pasar untuk menentukan keputusan ekonomi jangka panjang. Dalam penelitian ini digunakan metode Adaptive Neuro Fuzzy Inference System yang merupakan gabungan algoritme backpropagation steepest descent dan least square estimator (LSE) untuk pembelajaran. Berdasarkan hasil pengujian dengan menggunakan parameter-parameter tebaik, didapatkan nilai RMSE senilai 0.0019165. Hasil akhir yang didapatkan adalah nilai prediksi BI Rate.

English Abstract

BI Rate is the interest rate policy that reflects the monetary stance policy which set by Bank of Indonesia and announced to the public. BI Rate is used as the parameter of economic activity of a country. BI Rate will affect the turnover of bank financial flows, inflation, and currency movement. The ups and downs of BI Rate are highly important for investors and market participants to increase or decrease the amount of production and to increase or decrease existing investment. That’s what makes the BI Rate prediction important. The predicted BI Rate is expected to help investors and market participants to determine long-term economic decisions. In this study used Adaptive Neuro Fuzzy Inference System method which is a combination of steepest descent and least square estimator (LSE) algorithm for training. Based on the test results, it produces the best RMSE value 0.0019165.The final result obtained is the predicted value of bi rate.

Item Type:	Thesis (Sarjana)
Identification Number:	SKR/FTIK/2017/377/05170687790
Uncontrolled Keywords:	bi rate, prediction, adaptive neuro fuzzy inference system
Subjects:	000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.32 Neural nets (neural networks)
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	Budi Wahyono Wahyono
Date Deposited:	16 Aug 2017 08:08
Last Modified:	23 Oct 2020 02:03
URI:	http://repository.ub.ac.id/id/eprint/1415

Text Nur Adli Ari Darmawand.pdf Download (6MB)

Actions (login required)

View Item