Pemodelan General Regression Neural Network (GRNN) untuk Peramalan Nilai Tukar Rupiah terhadap Dollar Amerika (original) (raw)
Related papers
Jurnal Gaussian
United States Dollar (USD) exchange rate movement against Rupiah is the main guideline for economic actors in making decisions. Exchange rate movement of USD against Rupiah is a time series data. One of the statistical methods that can be used for modelling time series data is ARIMA. ARIMA method data must be stationery and residuals must be normally distributed, independent, and constant variance, which means an alternative model is needed so that it is not bound by any assumptions, namely a nonparametric penalized spline regression model. Selling rate data of USD against Rupiah is modeled using nonparametric penalized spline regression because the assumptions in the ARIMA model are not fulfilled. Penalized spline regression modeling is using full search algorithm in determining knot points. Lambda values are tested from 0 to 100000 on order 2, 3, and 4. Optimal penalized spline model is a model with minimum GCV value. R GUI facilitate the process of selecting the best model. Data ...
Artikel ini membahas tentang penggunaan Neural Network Ensembles dengan menggunakan metode Levenberg-Marquardt pada pelatihan masing-masing subsample dan metode Bagging pada penggabungannya untuk meningkatkan hasil dari prediksi model time series. Neural Network Ensembles diimplementasikan untuk memprediksi nilai tukar mata uang dollar AS terhadap rupiah. Pada NNE ini menggunakan metode partisi sistematis. Metode mean imputation digunakan untuk menghilangkan adanya noise data yang berguna untuk memaksimalkan hasil MSE. Pada proses pengumpulan data, data dipartisi menjadi dua bagian, yaitu data pelatihan dan data pengujian dengan komposisi 60:40. Hasil menunjukkan bahwa model NNE dengan jumlah neuron input 2, neuron tersembunyi 5 dan neuron output 1 menghasilkan MSE paling kecil
Jurnal Informatika
Nilai tukar adalah nilai mata uang sebuah negara yang dinyatakan dalam nilai mata uang negara lain. Sebagai contoh, nilai tukar rupiah (Rp) pada dolar amerika serikat (USD) adalah nilai satu dolar amerika dalam rupiah, begitu juga sebaliknya nilai satu rupiah terhadap dolar amerika. Korelasi nilai tukar ini kaitannya dengan pergadangan internasional dimana etidakpastian nilai tukar menjadi permasalahan yang penting dalam bidang keuangan. Oleh karena itu diperlukan sebuah model prediksi guna memprakirakan nilai tukar dimasa depan. Hasil yang akurat dalam prediksi nilai tukar ini sangat bermanfaat bagi pemegang kepentingan dimasa depan. Pada peneltian ini prediksi data nilai tukar rupiah pada dolar dilakukan dengan menggunakan Neural Network berbasis algoritma genetika. Berdasarkan eksperimen yang dilakukan pada data time series nilai tukar rupiah pada dolar periode 1 Januari 2013 sd 30 Agustus 2018 yang berjumlah 1470 record menggunakan metode Neural Network berbasis algoritma Geneti...
JOSTECH: Journal of Science and Technology
This study aims to determine the modeling of the exchange rate change rate of the Rupiah (IDR) against the US dollar (USD) using the Markov Switching Autoregressive (MSAR) method. The research data is sourced from secondary data through website investing to see the Rupiah exchange rate against the US dollar with a time span from January to December 2020. The results show that the best model obtained is MS(2)AR(3) with parameters = 0.031119 and = -0.000504, where when state = 1, the average rate of change in the rupiah exchange rate against the US dollar is 0.031119 per day, while when state = 2 the average rate of change in the rupiah exchange rate against the US dollar is -0.000504 per day.
Jurnal Gaussian, 2014
In economy, the global markets have an important role as a forum for international transactions between countries in selling or purchasing goods or services on an international scale. Money as legal tender in the trading activities, but the problem is the difference between the state of the currency, the exchange rate will be established. Exchange rate is the value of a country's currency is expressed in another country's currency value. Fluctuations in foreign exchange rates greatly affect the Indonesian economy, so the determination of the exchange rate should be beneficial to a country can run the economy well. To predict the exchange rate of the Rupiah against the United States dollar in this study used methods of Support Vector Regression (SVR) is a technique to predict the output in the form of continuous data. SVR aims to find a hyperplane (line separator) in the form of the best regression function is used to predict the exchange rate against the United States dollar with linear kernel and polynomial functions. Criteria used in measuring the goodness of the model is the MAPE (Mean Absolute Percentage Error) and R2 (coefficient of determination). The results of this study indicate that both the kernel function gives very good accuracy in the prediction results of the exchange rate with R2 of 99.99% with MAPE 0.6131% in the kernel linear and R2 result of 99.99% with MAPE 0.6135% in the kernel polynomial.
Jurnal Gaussian
Neural Network Modeling (NN) is an information-processing system that has characteristics in common with human brain. Cascade Forward Neural Network (CFNN) is an artificial neural network that its architecture similar to Feed Forward Neural Network (FFNN), but there is also a direct connection from input layer and output layer. In this study, we apply CFNN in time series field. The data used isexchange rate of rupiah against US dollar period of January 1st, 2015 until December 31st, 2017. The best model was built from 1 unit input layer with input Zt-1, 4 neurons in the hidden layer, and 1 unit output layer. The activation function used are the binary sigmoid in the hidden layer and linear in the output layer. The model produces MAPE of training data equal to 0.2995% and MAPE of testing data equal to 0.1504%. After obtaining the best model, the data is foreseen for January 2018 and produce MAPE equal to0.9801%. Keywords: artificial neural network, cascade forward, exchange rate, MAPE
Jurnal Teknik Industri: Jurnal Hasil Penelitian dan Karya Ilmiah dalam Bidang Teknik Industri
Upaya indonesia untuk meningkatkan sektor industri terganjal dengan bahan baku, dimana 64% bahan baku diperoleh secara impor. Hal ini merugikan pelaku industri yang dalam transaksi impor menggunakan dolar. Untuk menghindari kerugian tersebut dibuatlah model untuk memprediksi nilai kurs pada periode berikutnya untuk menentukan waktu yang tepat untuk membeli bahan baku menggunakan model multiple regression dengan basis data Oktober 2015 sampai Juli 2016. Variabel inflasi, suku bunga, ekspor, impor dan pendapatan negara digunakan sebagai input untuk membangun model multiple regression. Dari input tersebut didapatkan model y = Y = 10.069,111 + 252,064 x Inflasi + 571,387 x Suku Bunga - 0,140 x Ekspor – 0,059 x Impor + 0,002 x Pendapatan Negara dengan nilai MAD 66,96 dan MAPE 0,005. Dari model tersebut pada bulan agustus didapatkan nilai Rp 13.382,07 per 1 US$, bulan september sebesar Rp 13.228,97 dan bulan oktober sebesar Rp 13.410,94 per 1 US$. Diharapkan hasil penelitian ini dapat be...
Majalah Ilmiah Teknologi Elektro
Currency is a standardized payment instrument used all around the world. Almost each country has their own currency, and it has a variable value. Asia is one of the biggest continent in the world. Most tourists whom visit Indonesia come from Asia. Thus, that makes the most currency exchanged in Indonesia are currencies from Asia. Currency exchange rate difference between one currency and another affected by several factor. One of those factor is inflation in its country. To overcome that issue, one needs a prediction system that can be used to predict the exchange rate of currencies in the future. Quantum Neural Network is used in this research to predict Indonesian Rupiah exchange rate value to other currency in Asia. Singapore, Hongkong and Japan currencies are particularly used in this research. Results obtained from this research are accuracies. Quantum Neural Network produces 99.78% accuracy on Singapore Dollar to Indonesian Rupiah exchange rate, 99.57% on Hongkong Dollar to In...
Abstrak Stabilitas pasokan dan harga minyak dunia sangat diperlukan dunia untuk mendorong perumbuhan ekonomi. Dampak dari kenaikan harga minyak dunia akan mendorong tingkat inflasi dan kegiatan ekonomi. Untuk Indonesia akan merasakan harga barang impor mengalami kenaikan. Dampak terhadap APBN bisa dari sisi penerimaan dan pengeluaran. Untuk penerimaan, akan terjadi kenaikan penerimaaan negara dari sektor Minyak dan Gas (Migas). Sedangkan dari sisi pengeluaran, akan terjadi kenaikan subsidi BBM, karena harga minyak yang diimpor menjadi lebih mahal. Meningkatnya harga minyak mentah di pasar internasional dan rendahnya daya beli masyarakat Indonesia terutama masyarakat miskin menjadi dilema dalam ketahanan ekonomi. General Regression Neural Network (GRNN) merupakan salah satu model jaringan radial basis yang digunakan untuk pendekatan suatu fungsi. Model GRNN termasuk model jaringan syaraf tiruan dengan solusi yang cepat, karena tidak diperlukan iterasi yang besar pada estimasi bobot-b...