Musashi, JakaPratama (2014) Prediksi Harga High Nilai Tukar Eur-Usd Menggunakan Recurrent Neural Network (Rnn). Sarjana thesis, Universitas Brawijaya.
Abstract
Pasar valuta asing atau forex merupakan sebuah investasi yang memperdagangkan mata uang suatu negara dengan mata uang negara lain. Trader yang melakukan investasi di pasar forex dituntut untuk memiliki kemampuan dalam menganalisis keadaan dan situasi dalam memprediksi naik turunnya nilai tukar mata uang. Jaringan Syaraf Tiruan (JST) adalah alat pemodelan statistika yang memiliki banyak peranan penting termasuk data deret waktu. Salah satu metode JST yang berkembang saat ini adalah Recurrent Neural Network (RNN). Penelitian ini bertujuan untuk mengaplikasikan metode peramalan dengan menggunakan RNN. RNN telah menjadi objek penelitian yang menarik dan banyak digunakan untuk menyelesaikan masalah pada bidang forecasting. Penelitian dilakukan dengan menggunakan 7 model dengan penalaran bahwa nilai tukar mata uang tertinggi (high) esok hari dipengaruhi oleh nilai open, low, dan close dengan berbagai periode. Dari hasil perhitungan, didapat jumlah layer dan jumlah neuron tiap layer sebanyak 2 layer dengan 15 neuron tiap layer. Metode RNN cocok digunakan untuk meramalkan data forex dilihat dari nilai MAPE dan R2 yang dihasilkan dari 7 model.
English Abstract
The foreign exchange market or forex trading is an investment that a countrys currency to another countrys currency. Traders who invest in the forex market are required to have the ability to analyze the circumstances and situations in predicting the fluctuations currency exchange rates. Artificial Neural Network (ANN) is a statistical modeling tool that has many important roles including time series data. One of the ANN method developed at this time is a Recurrent Neural Network (RNN). This study aims to apply the method of forecasting by using RNN. RNN has been the object of research is exciting and widely used to solve problems in the field of forecasting. The study was conducted using 7 models with the reasoning that the highest exchange rate (high) next day influenced by the value of open, low, and close with various periods. From the calculation, acquired the number of layers and number of neurons of each layer as many as 2 layers with 15 neurons each layer. RNN method is suitable for forex forecast data viewed from MAPE and R2 values resulting from the 7 models.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2014/241/051404655 |
| Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 15 Aug 2014 07:55 |
| Last Modified: | 21 Oct 2021 04:23 |
| URI: | http://repository.ub.ac.id/id/eprint/153865 |
Preview |
Text
SKRIPSI_JAKA.pdf Download (6MB) | Preview |
Actions (login required)
 |
View Item |