Cover Image

Prediksi Nilai Tukar Rupiah Terhadap US Dollar Menggunakan Metode Genetic Programming

Main Authors: Jauhari, Daneswara, Hanafi, Anang, Yuniarsa, M Fahrul Alam, Satria, Arrofi Reza, H, Luqman Hakim, Cholissodin, Imam
Format: Article info application/pdf eJournal
Bahasa: eng
Terbitan: Fakultas Ilmu Komputer, Universitas Brawijaya , 2016
Online Access: http://jtiik.ub.ac.id/index.php/jtiik/article/view/235
http://jtiik.ub.ac.id/index.php/jtiik/article/view/235/pdf
ctrlnum article-235
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><title lang="id">Prediksi Nilai Tukar Rupiah Terhadap US Dollar Menggunakan Metode Genetic Programming</title><creator lang="en">Jauhari, Daneswara</creator><creator lang="en">Hanafi, Anang</creator><creator lang="en">Yuniarsa, M Fahrul Alam</creator><creator lang="en">Satria, Arrofi Reza</creator><creator lang="en">H, Luqman Hakim</creator><creator lang="en">Cholissodin, Imam</creator><description lang="id">AbstrakNilai tukar mata uang mempunyai pengaruh yang sangat luas dalam perekonomian suatu negara, baik dalam negeri ataupun internasional. Pentingnya mengetahui pola nilai tukar IDR terhadap USD bisa membantu pertumbuhan ekonomi dikarenakan perdagangan luar negeri menggunakan mata uang negara yang berbeda. Maka dari itu, diperlukan suatu aplikasi yang dapat memprediksi nilai tukar Rupiah terhadap US Dollar di masa yang akan datang. Pada penelitian ini penulis menggunakan metode genetic programming(GP), yang dapat menghasilkan solusi (chromosome) optimum, yang didapat dari evaluasi nilai tukar yang lalu, sehingga solusi ini digunakan sebagai pendekatan atau prediksi terhadap kurs nilai tukar mata uang Rupiah di masa yang akan datang. Solusi ini dibentuk dari kombinasi dari himpunan terminal (set of terminals) dan himpunan fungsi (set of function) yang dibangkitkan secara random. Setelah dilakukan pengujian dengan jumlah popsize dan iterasi yang berbeda, didapatkan bahwa Algoritma GP dapat melakukan prediksi nilai tukar Rupiah terhadap mata uang US Dollar dengan sangat baik, dilihat dari nilai Mean Absolute Percentage Error (MAPE) yang dihasilkan sebesar 0,08%. Penelitian ini bisa dikembangkan lebih baik dengan menambahkan parameter terminal dan parameter operasi sehingga bisa menambah variasi hasil perhitungannya.Kata kunci: prediksi, nilai tukar mata uang, genetic programming, MAPE.&#xA0;&#xA0;AbstractExchange currency rate has a wide influence in the economy of a country, both domestically or internationally. The importance of knowing the pattern of exchange rate against the IDR to USD could help the economic growth due to foreign trade involves the use of currencies of different countries. Therefore, we need an application that can predict the value of IDR against the USD in the future. In this research, the authors use genetic programming (GP) method which produces solutions (chromosome) that obtained from the evaluation of exchange rate and then this solution used as an approximation or prediction of currency exchange rate in the future. These solutions formed from the combination of the set terminal and the set of function that generated randomly. After testing by the number popsize and different iterations, it was found that the GP algorithm can predict the value of the rupiah against the US Dollar with a very good, judging from the value of Mean Absolute Percentage Error (MAPE) generated by 0.08%. This research can be developed even better by adding terminal parameters and operating parameters so they can add variation calculation results.Keywords: &#xA0;prediction, exchange currency rate, genetic programming, MAPE.</description><publisher lang="en">Fakultas Ilmu Komputer, Universitas Brawijaya</publisher><date>2016-12-26</date><type>Journal:Article</type><type>Other:info:eu-repo/semantics/publishedVersion</type><type>File:application/pdf</type><identifier>http://jtiik.ub.ac.id/index.php/jtiik/article/view/235</identifier><identifier>10.25126/jtiik.201634235</identifier><source lang="id">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol 3 No 4: Desember 2016; 285-291</source><source lang="en">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol 3 No 4: Desember 2016; 285-291</source><source>2528-6579</source><source>2355-7699</source><source>10.25126/jtiik.201634</source><language>eng</language><relation>http://jtiik.ub.ac.id/index.php/jtiik/article/view/235/pdf</relation><rights lang="en">Hak Cipta (c) 2017 Jurnal Teknologi Informasi dan Ilmu Komputer</rights><recordID>article-235</recordID></dc>
language eng
format Journal:Article
Journal
Other:info:eu-repo/semantics/publishedVersion
Other
File:application/pdf
File
Journal:eJournal
author Jauhari, Daneswara
Hanafi, Anang
Yuniarsa, M Fahrul Alam
Satria, Arrofi Reza
H, Luqman Hakim
Cholissodin, Imam
title Prediksi Nilai Tukar Rupiah Terhadap US Dollar Menggunakan Metode Genetic Programming
publisher Fakultas Ilmu Komputer, Universitas Brawijaya
publishDate 2016
url http://jtiik.ub.ac.id/index.php/jtiik/article/view/235
http://jtiik.ub.ac.id/index.php/jtiik/article/view/235/pdf
contents AbstrakNilai tukar mata uang mempunyai pengaruh yang sangat luas dalam perekonomian suatu negara, baik dalam negeri ataupun internasional. Pentingnya mengetahui pola nilai tukar IDR terhadap USD bisa membantu pertumbuhan ekonomi dikarenakan perdagangan luar negeri menggunakan mata uang negara yang berbeda. Maka dari itu, diperlukan suatu aplikasi yang dapat memprediksi nilai tukar Rupiah terhadap US Dollar di masa yang akan datang. Pada penelitian ini penulis menggunakan metode genetic programming(GP), yang dapat menghasilkan solusi (chromosome) optimum, yang didapat dari evaluasi nilai tukar yang lalu, sehingga solusi ini digunakan sebagai pendekatan atau prediksi terhadap kurs nilai tukar mata uang Rupiah di masa yang akan datang. Solusi ini dibentuk dari kombinasi dari himpunan terminal (set of terminals) dan himpunan fungsi (set of function) yang dibangkitkan secara random. Setelah dilakukan pengujian dengan jumlah popsize dan iterasi yang berbeda, didapatkan bahwa Algoritma GP dapat melakukan prediksi nilai tukar Rupiah terhadap mata uang US Dollar dengan sangat baik, dilihat dari nilai Mean Absolute Percentage Error (MAPE) yang dihasilkan sebesar 0,08%. Penelitian ini bisa dikembangkan lebih baik dengan menambahkan parameter terminal dan parameter operasi sehingga bisa menambah variasi hasil perhitungannya.Kata kunci: prediksi, nilai tukar mata uang, genetic programming, MAPE. AbstractExchange currency rate has a wide influence in the economy of a country, both domestically or internationally. The importance of knowing the pattern of exchange rate against the IDR to USD could help the economic growth due to foreign trade involves the use of currencies of different countries. Therefore, we need an application that can predict the value of IDR against the USD in the future. In this research, the authors use genetic programming (GP) method which produces solutions (chromosome) that obtained from the evaluation of exchange rate and then this solution used as an approximation or prediction of currency exchange rate in the future. These solutions formed from the combination of the set terminal and the set of function that generated randomly. After testing by the number popsize and different iterations, it was found that the GP algorithm can predict the value of the rupiah against the US Dollar with a very good, judging from the value of Mean Absolute Percentage Error (MAPE) generated by 0.08%. This research can be developed even better by adding terminal parameters and operating parameters so they can add variation calculation results.Keywords: prediction, exchange currency rate, genetic programming, MAPE.
id IOS577.article-235
institution Universitas Brawijaya
institution_id 30
institution_type library:university
library
library Perpustakaan Universitas Brawijaya
library_id 480
collection Jurnal Teknologi Informasi dan Ilmu Komputer
repository_id 577
subject_area Program Komputer dan Teknologi Informasi
city MALANG
province JAWA TIMUR
repoId IOS577
first_indexed 2017-02-25T10:44:24Z
last_indexed 2024-06-02T20:42:37Z
recordtype dc
merged_child_boolean 1
_version_ 1800783720717746176
score 17.13294

Lihat Juga