Prediksi Nilai Tukar Rupiah Indonesia Terhadap Dolar Amerika Serikat Menggunakan Metode Recurrent Extreme Learning Machine Neural Network

Jauhari, Daneswara (2017) Prediksi Nilai Tukar Rupiah Indonesia Terhadap Dolar Amerika Serikat Menggunakan Metode Recurrent Extreme Learning Machine Neural Network. Sarjana thesis, Universitas Brawijaya.

Abstract

Nilai tukar uang oleh sebagian orang yang bekecimpung di dalam perekonomian khususnya perekonomian antar negara sangat diperhatikan, seringkali mempengaruhi keputusan seseorang dalam mengambil sebuah kebijakan. Namun, nilai tukar merupakan nilai yang sangat tidak stabil, memiliki banyak noise dan fluktuatif, hal ini menyebabkan sangat sulit untuk memprediksi nilai tukar uang. Penelitian mengenai prediksi nilai tukar telah menjadi penelitian yang paling menantang dikalangan peneliti, serta dianggap sebagai salah satu bidang penelitian yang penting dalam keuangan internasional. Oleh karena itu, diperlukan sebuah aplikasi yang dapat melakukan prediksi nilai tukar Rupiah Indonesia terhadap Dolar Amerika Serikat dengan lebih baik, pada penelitian ini penulis menggunakan metode Recurrent Extreme Learning Machine Neural Network (RELMNN), metode tersebut dapat menangani datasets yang skuensial berdasarkan waktu dan dapat meningkatkan kemampuan metode Extreme Learning Machine (ELM) dalam melatih dan beradaptasi. Setelah dilakukan pengujian dengan parameter yang optimal, dan dilakukan pengujian perbandingan dengan metode ELM, didapatkan hasil bahwa metode RELMNN lebih unggul dari pada metode ELM dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 0,069502%, sementara metode ELM mendapatkan nilai MAPE 0,090423%. Sementara waktu yang dibutuhkan RELMNN pada proses training tidak jauh berbeda dari metode ELM, sedangkan waktu yang dibutuhkan antara kedua metode dalam proses testing hampir sama. Nilai tersebut dicapai dengan menggunakan 12 hidden neuron, 4 fitur, jangka waktu 1 hari, dan 1 context neuron.

English Abstract

The exchange rate of money by some people who are involved in the economy, especially the inter-state economy is very payed, often influencing one's decision in taking a policy. However, the exchange rate is a very unstable value, has a lot of noise and fluctuation, it is very difficult to predict the exchange rate. Research on exchange rate prediction has become the most challenging research among researchers, and that is considered one of the most important areas of research in international finance. Therefore, an application is needed, which can better predict the exchange rate of Indonesian Rupiah against the US Dollar. In this study the authors use the method of Recurrent Extreme Learning Machine Neural Network (RELMNN), the method can handle time-ordered datasets and can improve the ability of the Extreme Learning Machine (ELM) method in training and adapting. After testing with optimum parameters, and compared with ELM method, we found out that RELMNN method is superior to ELM method with Mean Absolute Percentage Error (MAPE) value of 0.069502%, while ELM method get MAPE 0.090423%. While the time required by RELMNN in the training process is not much different from the ELM method, while the time required between the two methods in the testing process is almost the same. The value is achieved by using 12 hidden neurons, 4 features, a period of 1 day, and 1 context neuron.

Item Type:	Thesis (Sarjana)
Identification Number:	SKR/FTIK/2017/303/051705547
Uncontrolled Keywords:	Prediksi, Nilai Tukar Uang, Extreme Learning Machine, Recurrent Extreme Learning Machine Neural Network
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:	Yusuf Dwi N.
Date Deposited:	31 Jul 2017 04:34
Last Modified:	14 Nov 2022 08:52
URI:	http://repository.ub.ac.id/id/eprint/849

Text Daneswara Jauhari.pdf Download (5MB)

Actions (login required)

View Item