Prayudianto, Tri (2014) Peramalan Kurs Rupiah Terhadap US Dollar Menggunakan Metode Automatic Clustering dengan Fuzzy Logical Relationships. Sarjana thesis, Universitas Brawijaya.
Abstract
Setiap negara membutuhkan mata uang dari negara lain untuk mengadakan kegiatan perekonomian internasional. Perdagangan internasional memicu munculnya permintaan dan penawaran untuk pertukaran mata uang antar negara. Dengan mengetahui kurs mata uang di waktu yang akan datang akan berguna bagi para pelaku ekonomi untuk mempersiapkan rencana yang perlu dilakukan agar tidak mengalami kerugian. Banyak metode peramalan yang sudah dikembangkan untuk mengetahui perubahan kurs mata uang, salah satunya metode fuzzy time series yang dapat menangkap pola dari data yang ada untuk memproyeksikan data pada masa yang akan datang. Metode automatic clustering dengan fuzzy logical relationships dikembangkan dari metode fuzzy time series dan memiliki tingkat error lebih rendah dari pada metode fuzzy time series ketika diterapkan dalam kasus yang sama. Dari hasil penelitian menggunakan data sebanyak 6 bulan hingga 60 bulan pada tahun 2008-2012 menghasilkan error di bawah 0.2%. AFER terkecil dihasilkan ketika menggunakan data sebanyak 6 bulan yaitu 0.026%, sedangkan AFER terbesar dihasilkan ketika menggunakan data sebanyak 12 bulan yaitu 0.174%. Ketika pengujian dilakukan menggunakan data sebanyak 18 sampai 60 bulan AFER yang dihasilkan berkisar antara 0.11% sampai 0.15%. Nilai error yang naik turun ini disebabkan perbedaan selisih data terbesar dengan data terkecil dan perbedaan rata-rata selisih antar data pada data aktual.
English Abstract
Each country requires the currency of another country to held international economic activity. International trade triggers demand and supply for currency exchange between countries. By knowing the exchange rate in the future will be useful for economic actors to prepare a plan that needs to be done in order not to experience losses. Many forecasting methods have been developed to determine the exchange rate changes, one of which is a method of fuzzy time series that can capture the pattern of existing data to project the data in the future. Automatic clustering method and fuzzy logical relationships developed from the method of fuzzy time series and has a higher accuracy rate than the fuzzy time series method when applied in the same case. From the results of research using the data as much as 6 months up to 60 months in 2008-2012 resulted in an error below 0.2%. The smallest AFER generated when using the data as much as 6 months is 0.026%, while the highest AFER generated when using the data as much as 12 months is 0.174%. When testing is done using the data as much as 18 to 60 months AFER produced ranged from 0.11% to 0.15%. Error value is up and down due to differences in gap of the highest data with the smallest data and average difference between data on actual data.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/FTIK/2014/199/051406214 |
Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data |
Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
Depositing User: | Budi Wahyono Wahyono |
Date Deposited: | 03 Nov 2014 14:11 |
Last Modified: | 20 Oct 2021 04:43 |
URI: | http://repository.ub.ac.id/id/eprint/145986 |
Preview |
Text
0710960043.pdf Download (6MB) | Preview |
Actions (login required)
![]() |
View Item |