TUGAS AKHIR

PERAMALAN KURS DOLAR AMERIKA SERIKAT DAN RIYAL ARAB SAUDI

TERHADAP RUPIAH DENGAN NEURAL NETWORK CONJUGATE GRADIENT
POLAK RIBIERE

Oleh:
LITA CITRA DEWI SUSASIMY
NIM:
201801576

INSTITUT TEKNOLOGI STATISTIKA DAN BISNIS MUHAMMADIYAH

SEMARANG
2021
 HALAMAN JUDUL

PERAMALAN KURS DOLAR AMERIKA SERIKAT DAN RIYAL ARAB SAUDI

TERHADAP RUPIAH DENGAN NEURAL NETWORK CONJUGATE GRADIENT
POLAK RIBIERE

Diajukan untuk Memenuhi Salah Satu Syarat Menyelesaikan Program Pendidikan

Profesional Ahli Madya Statistik

Oleh:
LITA CITRA DEWI SUSASIMY
201801576

INSTITUT TEKNOLOGI STATISTIKA DAN BISNIS MUHAMMADIYAH

SEMARANG
2021

i
 HALAMAN PEGESAHAN

Judul: Peramalan Kurs Dolar Amerika Serikat dan Riyal Arab Saudi Terhadap Rupiah
dengan Neural Network Conjugate Gradient Polak Ribiere

Disusun Oleh:
Lita Citra Dewi Susasimy
NIM: 201801576

Telah Disahkan dan Dapat Diterima Sebagai Pelengkap Penyusunan Tugas Akhir Guna
Memperoleh Gelar Profesi Ahli Madya Statistika

Semarang, 30 Agustus 2021

Nama Penguji Tanda Tangan

1. Laelatul Khikmah, S.Si., M.Si ...........................................

2. Virgania Sari, S.Pd, M.Si ...........................................

3. Dra. Wellie Sulistijanti, M.Sc ...........................................

Mengetahui,

Rektor Institut Teknologi Statistika dan Bisnis

Muhammadiyah Semarang

Dra. Wellie Sulistijanti, M.Sc

ii
 HALAMAN PERSETUJUAN

Peramalan Kurs Dolar Amerika Serikat dan Riyal Arab Saudi Terhadap Rupiah dengan
Neural Network Conjugate Gradient Polak Ribiere

Disusun Oleh:
Lita Citra Dewi Susasimy
NIM: 201801576

Telah Disetujui Pembimbing untuk Menempuh Ujian Sidang Tugas Akhir.

Semarang, 30 Agustus 2021

Pembimbing

Dra. Wellie Sulistijanti, M.Sc

iii
 KATA PENGANTAR

Puji syukur penulis panjatkan kehadirat Allah SWT yang telah memberikan rahmat
dan karunia, sehingga Tugas Akhir ini dapat terselesaikan dengan baik. Tugas Akhir
yang berjudul “Peramalan Kurs Dolar Amerika Serikat dan Riyal Arab Saudi
Terhadap Rupiah dengan Neural Network Conjugate Gradient Polak Ribiere” ini
disusun sebagai salah satu syarat memperoleh gelar profesional Ahli Madya Statistika di
Institut Teknologi Statistika dan Bisnis Muhammadiyah Semarang.
Banyak pihak yang telah membantu dalam penyelesaian Tugas Akhir ini. Oleh
karena itu penulis ingin mengucapkan terima kasih kepada:
1. Dra. Wellie Sulistijanti, M.Sc selaku Rektor Institut Teknologi Statistika dan Bisnis
Muhammadiyah Semarang sekaligus selaku dosen pembimbing yang telah
bersedia meluangkan waktu dan membimbing penulis sehingga mampu
menyelesaikan Tugas Akhir ini dengan baik.
2. Segenap Dosen dan Civitas Institut Teknologi Statistika dan Bisnis
Muhammadiyah Semarang yang telah membantu peneliti selama menempuh
pendidikan di kampus ini.
3. Kedua orang tua serta keluarga yang selalu hadir dan senantiasa mendo’akan dan
memberi kasih sayang serta semangat tiada henti untuk menyelesaikan Tugas
Akhir ini.
4. Alumni Institut Teknologi Statistika dan Bisnis Muhammadiyah Semarang Firda
Aulia, S.Stat yang telah bersedia meluangkan waktu dan mengajari penulis
sehingga mampu menyelesaikan Tugas Akhir ini dengan baik.
5. Teman-teman mahasiswa Institut Teknologi Statistika dan Bisnis Muhammadiyah
Semarang angkatan 2018 yang telah memberikan motivasi dan bantuan untuk
menyelesaiakan Tugas Akhir ini.
6. Semua pihak yang telah membantu hingga terselesaikannya Tugas Akhir ini yang
tidak dapat saya sebutkan satu persatu.
Penulis menyadari bahwa dalam pembuatan Tugas Akhir ini masih banyak
kekurangannya. Untuk itu penulis siap menerima kritik dan saran yang membangun
demi kesempurnaan penulisan pada masa yang akan datang. Semoga Tugas Akhir ini
bisa bermanfaat bagi penulis khususnya dan pembaca pada umumnya.

Semarang, 28 Januari 2021

Penulis

iv
 ABSTRAK

Lita Citra Dewi Susasimy. PERAMALAN KURS DOLAR AMERIKA SERIKAT DAN
RIYAL ARAB SAUDI TERHADAP RUPIAH DENGAN NEURAL NETWORK
CONJUGATE GRADIENT POLAK RIBIERE (Di bawah bimbingan dosen Dra. Wellie
Sulistijanti, M.Sc).
Pandemi Covid-19 yang terjadi sejak 2 Maret 2020 berdampak pada pertumbuhan
ekonomi di Indonesia. Indikator terpenting dalam perekonomian adalah nilai tukar mata
uang. Dolar Amerika (USD) merupakan acuan nilai tukar Rupiah (IDR) karena
memegang peranan penting dalam transaksi perdaganganan internasional sedangkan
Riyal Arab Saudi (SAR) sebagai nilai tukar SAR/IDR karena masyarakat Indonesia
melaksanakan ibadah haji dan umroh ke tanah suci Mekkah. Peramalan dilakukan untuk
mengetahui kenaikan dan penurunan kurs Dolar dan kurs Riyal terhadap Rupiah yang
akan datang. Penelitian ini menggunakan data kurs Dolar dan Riyal bulan Januari-Mei
tahun 2021 dari laman Investing.com. Metode peramalan Neural Network dengan
algoritma Conjugate Gradient-Backpropagation Polak Ribiere (TrainCGP) algoritma
yang arah pencariannya berdasar pada arah konjugasi dan lebih cepat konvergen. Nilai
MSE yang didapat pada penelitian ini yaitu untuk data training kurs Dolar terhadap
Rupiah sebesar 0,0009 dan data testing sebesar 0,1940 dengan arsitektur jaringan
terbaik yaitu 7-9-1. Kemudian diperoleh hasil peramalan tanggal 02 Juni-10 Juni 2021
kurs Dolar terhadap Rupiah melemah pada 04 Juni seharga Rp.14.364,- dan menguat
pada 10 juni seharga Rp.14.191,-. Nilai MSE untuk data training kurs Riyal terhadap
Rupiah sebesar 0,0009 dan data testing sebesar 0,6322 dengan arsitektur jaringan
terbaik yaitu 7-16-1. Kemudian diperoleh hasil peramalan tanggal 02 Juni-10 Juni 2021
kurs Riyal terhadap Rupiah melemah pada 03 juni seharga Rp.3.830,- dan menguat pada
08 Juni seharga Rp.3.768,-.

Kata Kunci: Conjugate Gradient Polak Ribiere, Kurs Dolar Amerika Serikat, Kurs Riyal
Arab Saudi, Peramalan

v
 DAFTAR ISI

HALAMAN JUDUL ............................................................................................................. i

HALAMAN PEGESAHAN ................................................................................................. ii
HALAMAN PERSETUJUAN ............................................................................................ iii
KATA PENGANTAR ........................................................................................................ iv
ABSTRAK ......................................................................................................................... v
DAFTAR ISI ..................................................................................................................... vi
DAFTAR TABEL .............................................................................................................viii
DAFTAR GAMBAR .......................................................................................................... ix
DAFTAR LAMPIRAN ........................................................................................................ x
BAB 1 PENDAHULUAN ................................................................................................... 1
1.1 Latar Belakang ..................................................................................................... 1
1.2 Rumusan Masalah ............................................................................................... 3
1.3 Batasan Masalah ................................................................................................. 3
Tujuan Penelitian ......................................................................................................... 3
1.4 Manfaat Penelitian ............................................................................................... 4
BAB 2 TINJAUAN PUSTAKA .......................................... Error! Bookmark not defined.
2.1 Tinjauan Non Statistik ...................................... Error! Bookmark not defined.
2.1.1 Rupiah Indonesia .......................................... Error! Bookmark not defined.
2.1.2 Dolar Amerika Serikat ................................... Error! Bookmark not defined.
2.1.3 Riyal Arab Saudi ........................................... Error! Bookmark not defined.
2.1.4 Kurs ............................................................. Error! Bookmark not defined.
2.2 Tinjauan Statistik ............................................. Error! Bookmark not defined.
2.2.1 Analisis Deskriptif ......................................... Error! Bookmark not defined.
2.2.2 Analisis Time Series .................................... Error! Bookmark not defined.
2.2.3 Peramalan..................................................... Error! Bookmark not defined.
2.2.4 Artificial Neural Network ............................... Error! Bookmark not defined.
2.2.5 Gradient Descent .......................................... Error! Bookmark not defined.
2.2.6 Conjugate Gradient (CG) .............................. Error! Bookmark not defined.
vi
 2.2.7 Conjugate Gradient Polak Ribiere (TrainCGP)Error! Bookmark not
defined.
2.2.8 Evaluasi Kinerja Model ................................. Error! Bookmark not defined.
BAB 3 METODOLOGI PENELITIAN ............................... Error! Bookmark not defined.
3.1 Sumber Data .................................................... Error! Bookmark not defined.
3.2 Analisis Data ................................................... Error! Bookmark not defined.
3.2.1 Analisis Deskriptif ......................................... Error! Bookmark not defined.
3.2.2 Analisis Neural Network dengan Algoritma Conjugate Gradient (CG) dan
Algoritma Conjugate Gradient Polak Ribiere (TrainCGP)Error! Bookmark
not defined.
3.3 Diagram Alir Penelitian ...................................... Error! Bookmark not defined.
BAB 4 ANALISIS DAN PEMBAHASAN .......................... Error! Bookmark not defined.
4.1 Analisis Deskriptif ............................................. Error! Bookmark not defined.
4.2 Analisis Neural Network ................................... Error! Bookmark not defined.
4.3 Algoritma Conjugate Gradient (CG) ................. Error! Bookmark not defined.
4.3.1 Pelatihan dan Pengujian Jaringan ................. Error! Bookmark not defined.
4.4 Algoritma Conjugate Gradient Polak Ribiere (TrainCGP) Error! Bookmark not
defined.
4.4.1 Pelatihan dan Pengujian Jaringan ................. Error! Bookmark not defined.
4.5 Peramalan dengan Algoritma Conjugate Gradient Polak Ribiere (TrainCGP)
............................................................................ Error! Bookmark not defined.
BAB 5 KESIMPULAN ...................................................... Error! Bookmark not defined.
5.1 Kesimpulan ....................................................... Error! Bookmark not defined.
5.2 Saran ................................................................ Error! Bookmark not defined.
DAFTAR PUSTAKA ........................................................ Error! Bookmark not defined.
LAMPIRAN ...................................................................... Error! Bookmark not defined.

vii
 DAFTAR TABEL

Tabel 3.1 Data Time Series Univariate Kurs USD/IDR .............................................. 21

Tabel 3.2 Data Time Series Univariate Kurs SAR/IDR .............................................. 21
Tabel 3.3 Data Time Series Multivariat Kurs USD/IDR .............................................. 21
Tabel 3.4 Data Time Series Multivariat Kurs SAR/IDR .............................................. 22
Tabel 4.1 Statistik Deskriptif Kurs USD/IDR............................................................... 27
Tabel 4.2 Statistik Deskriptif Kurs SAR/IDR ............................................................... 28
Tabel 4.3 Pembagian Pola Data Kurs USD/IDR ........................................................ 29
Tabel 4.4 Pembagian Pola Data Kurs SAR/IDR ........................................................ 29
Tabel 4.5 Performa Training dan Testing Data Kurs USD/IDR dengan Algoritma
Conjugate Gradient (CG) ........................................................................... 30
Tabel 4.6 Performa Training dan Testing Data Kurs SAR/IDR dengan Algoritma
Conjugate Gradient (CG) .......................... Error! Bookmark not defined.
Tabel 4.7 Performa Training dan Testing Data Kurs USD/IDR dengan Algoritma
Conjugate Gradient Polak Ribiere (TrainCGP) .......................................... 35
Tabel 4.8 Performa Training dan Testing Data Kurs SAR/IDR dengan Algoritma
Conjugate Gradient Polak Ribiere (TrainCGP)Error! Bookmark not
defined.
Tabel 4.9 Performa Algoritma Conjugate Gradient (CG) dan Conjugate Gradient Polak
Ribiere (TrainCGP) .................................................................................. 38
Tabel 4.10 Hasil Peramalan Kurs Dolar Amerika Serikat (USD) dan Kurs Riyal Arab
Saudi (SAR) terhadap Rupiah (IDR) dengan Algoritma Conjugate Gradient
Polak Ribiere (TrainCGP) ........................................................................ 38

viii
 DAFTAR GAMBAR

Gambar 2.1 Pola Trend ............................................................................................. 6

Gambar 2.2 Pola Musiman ........................................................................................ 7
Gambar 2.3 Pola Siklis .............................................................................................. 7
Gambar 2.4 Pola Horizontal ...................................................................................... 7
Gambar 2.5 Jaringan Syaraf Manusia ....................................................................... 9
Gambar 2.6 Jaringan Syaraf Tiruan dengan Bobot ................................................ 10
Gambar 2.7 Single Layer Net .................................................................................. 11
Gambar 2.8 Multi Layer Net .................................................................................... 11
Gambar 2.9 Jaringan Reccurent ............................................................................. 11
Gambar 2.10 Fungsi Treshold ................................................................................... 13
Gambar 2.11 Fungsi Treshold Bipolar ...................................................................... 13
Gambar 2.12 Fungsi Sigmoid .................................................................................... 13
Gambar 2.13 Fungsi Identitas ................................................................................... 14
Gambar 2.14 Jaringan Syaraf Tiruan dengan Bias .................................................... 14
Gambar 2.15 Arsitektur Jaringan Syaraf Backpropagation ........................................ 15
Gambar 3.1 Desain Arsitektur Jaringan ................................................................... 22
Gambar 3.2 Diagram Alir Penelitian ......................................................................... 26
Gambar 4.1 Plot Kurs Dolar Amerika Serikat terhadap Rupiah bulan Januari-Mei
Tahun 2021 ........................................................................................ 27
Gambar 4.2 Plot Kurs Riyal Arab Saudi terhadap Rupiah bulan Januari-Mei Tahun
2021 ...................................................................................................... 28
Gambar 4.3 Grafik Data Training Kurs Dolar Amerika Serikat dengan Algoritma
Conjugate Gradient (CG) ...................................................................... 31
Gambar 4.4 Grafik Data Testing Kurs Dolar Amerika Serikat dengan Algoritma
Conjugate Gradient (CG) ...................................................................... 32
Gambar 4.5 Grafik Data Training Kurs Riyal Arab Saudi dengan Algoritma Conjugate
Gradient (CG) ....................................................................................... 34
Gambar 4.6 Grafik Data Testing Kurs Riyal Arab Saudi dengan Algoritma Conjugate
Gradient (CG) ....................................................................................... 34
Gambar 4.7 Grafik Data Training Kurs Dolar Amerika Serikat dengan Algoritma
Conjugate Gradient Polak Ribiere (TrainCGP) .................................... 36

ix
Gambar 4.8 Grafik Data Testing Kurs Dolar Amerika Serikat dengan Algoritma
Conjugate Gradient Polak Ribiere (TrainCGP) ..................................... 37
Gambar 4.9 Grafik Data Training Kurs Riyal Arab Saudi dengan Algoritma Conjugate
Gradient Polak Ribiere (TrainCGP) ..................................................... 39
Gambar 4.10 Grafik Data Testing Kurs Riyal Arab Saudi dengan Algoritma Conjugate
Gradient Polak Ribiere (TrainCGP) ...................................................... 39

DAFTAR LAMPIRAN

Lampiran 1: Data Asli Kurs Dolar Amerika Serikat dan Kurs Riyal Arab Saudi ........ 45
Lampiran 2: Data Training Kurs Dolar Amerika Serikat ............................................ 47
Lampiran 3: Data Testing Kurs Dolar Amerika Serikat ............................................. 48
Lampiran 4: Data Training Kurs Riyal Arab Saudi .................................................... 49
Lampiran 5: Data Testing Kurs Riyal Arab Saudi ...................................................... 50
Lampiran 6: Tabel Hasil Normalisasi Data Training Kurs Dolar Amerika Serikat ..... 51
Lampiran 7: Tabel Hasil Normalisasi Data Testing Kurs Dolar Amerika Serikat ...... 52
Lampiran 8: Tabel Hasil Normalisasi Data Training Kurs Riyal Arab Saudi ............. 53
Lampiran 9: Tabel Hasil Normalisasi Data Testing Kurs Riyal Arab Saudi ............... 54
Lampiran 10: Hasil Trial and Error Pelatihan Data Kurs Dolar Amerika Serikat dengan
Algoritma Conjugate Gradient (CG)...................................................... 55
Lampiran 11: Hasil Trial and Error Pelatihan Data Kurs Riyal Arab Saudi dengan
Algoritma Conjugate Gradient (CG)...................................................... 56
Lampiran 12: Hasil Trial and Error Pelatihan Data Kurs Dolar Amerika Serikat dengan
Algoritma Conjugate Gradient Polak Ribiere (TrainCGP) .................... 58
Lampiran 13: Plot Training dan Testing Kurs Dolar Amerika Serikat dengan Algoritma
Conjugate Gradient Polak Ribiere (TrainCGP) ..................................... 60
Lampiran 14: Hasil Trial and Error Pelatihan Data Kurs Riyal Arab Saudi dengan
Algoritma Conjugate Gradient Polak Ribiere (TrainCGP) .................... 67
Lampiran 15: Plot Training dan Testing Kurs Riyal Arab Saudi dengan Algoritma
Conjugate Gradient Polak Ribiere (TrainCGP) ..................................... 69
Lampiran 16: Output Hasil Peramalan Kurs Dolar Amerika Serikat dan Kurs Riyal Arab
Saudi ..................................................................................................... 76
Lampiran 17: Syntax Peramalan Kurs Dolar Amerika Serikat terhadap Rupiah dengan
MATLAB R2016a .................................................................................. 76
Lampiran 18: Syntax Peramalan Kurs Riyal Arab Saudi terhadap Rupiah dengan
MATLAB R2016a .................................................................................. 79

x
xi
 BAB 1
PENDAHULUAN

1.1 Latar Belakang

Pandemi Covid-19 tidak hanya mempengaruhi aspek kesehatan, melainkan juga
turut menggerus perekonomian global. Lonjakan jumlah penderita Covid-19 sejak
diumumkan pemerintah Indonesia untuk pertama kali pada 2 Maret 2020 telah
menimbulkan kepanikan di berbagai kalangan. Upaya pencegahan yang dilakukan
Pemerintah dan masyarakat untuk menekan kasus meningkatnya Covid-19 antara lain
melalui pembelajaran daring, Work From Home (WFH), penundaan dan pembatalan
berbagai event pemerintah dan swasta, penghentian beberapa moda transportasi umum,
dan pemberlakuan Pembatasan Sosial Berskala Besar (PSBB) di berbagai daerah.
Meskipun upaya ini membuat roda perputaran ekonomi melambat.
Peningkatan kasus positif yang terjadi dari hari ke hari menyebabkan banyak
kerugian terhadap berbagai sektor di Indonesia. Salah satunya adalah sektor ekonomi
pertumbuhan ekonomi di Indonesia yang melambat. Sektor perekonomian merupakan
salah satu hal terpenting dalam tatanan sebuah negara (Ryan & Wijanarto, 2018). Salah
satu indikator penting dalam suatu perekonomian adalah nilai tukar mata uang. Nilai
tukar juga mempunyai implikasi yang luas, baik dalam konteks ekonomi domestik
maupun internasional, mengingat hampir semua negara di dunia melakukan transaksi
internasional. Valuta asing yang sering disebut dengan akronim valas pada dasarnya
adalah mata uang asing (foreign currencies). Semua valuta asing dapat digunakan
sebagai alat pembayaran luar negeri. Namun hanya mata uang tertentu yang dapat
digunakan sebagai mata uang untuk membayar transaksi internasional. Persoalan yang
sangat penting diperhatikan dalam masalah valuta asing ini adalah Kurs (exchange rate)
(Suprapto, 2005). Nilai tukar mata uang (exchange rate/kurs) merupakan suatu
perbandingan antara nilai mata uang suatu negara dengan negara lain (Utari, 2018). Nilai
tukar rupiah sangat dibutuhkan oleh banyak masyarakat dalam kehidupan ekonomi
karena perekonomian Indonesia tidak lepas dari pengaruh perekonomian internasional.
Menurut Adiningsih, dkk (1998), nilai tukar rupiah adalah harga rupiah terhadap mata
uang negara lain. Hal inilah yang digunakan para investor sebagai indikator untuk
mempengaruhi aktivitas di pasar saham maupun pasar uang karena investor cenderung
akan berhati-hati untuk melakukan investasi. Selain itu, perekonomian Indonesia juga
tak luput dari pengaruh perekonomian negara lain, terutama perekonomian Amerika dan
Arab Saudi.
Amerika Serikat merupakan mitra dagang utama Indonesia. Dolar Amerika (USD)
merupakan mata uang yang menjadi acuan nilai tukar rupiah karena memegang peranan
penting dalam transaksi perdanganan internasional. Fluktuasi rupiah bergejolak sangat
tajam terhadap Dolar Amerika dibandingkan mata uang lainnya. Perekonomian Amerika
berpengaruh karena Indonesia masih memiliki hutang internasional, sehingga ketika
terjadi penurunan nilai rupiah terhadap dolar Amerika secara langsung akan
mempengaruhi jumlah hutang luar negeri yang harus dibayar. Selain itu meningkat atau
menurunnya nilai tukar rupiah terhadap dolar Amerika akan berpengaruh pada biaya
produksi industri baik itu impor maupun ekspor (Elvierayani, 2017). Selain dengan
Amerika, Indonesia juga melakukan hubungan internasional dengan negara Arab Saudi.
Indonesia merupakan sebuah negara dari sekian banyak negara yang ada, dengan
mayoritas penduduk beragama Islam. Setiap tahunnya ada sebagian masyarakat

1
 2

Indonesia yang melaksanakan ibadah haji atau umroh ke tanah suci Mekkah yang
berada di negara Arab Saudi. Masyarakat Indonesia yang melakukan ibadah haji/umroh
ditanah suci memerlukan mata uang negara Arab Saudi untuk melakukan transaksi
selama berada di negara Arab Saudi. Riyal Arab Saudi (SAR) adalah mata uang dari
Negara Arab Saudi (Fitri & Permana, 2019).
Nilai mata uang suatu negara selalu mengalami kenaikkan dan penurunan nilai
terhadap mata uang negara lainnya setiap saat. Ada beberapa faktor yang
mempengaruhi kenaikan dan penurunan nilai mata uang suatu negara, di antaranya yaitu
persediaan dan permintaan mata uang asing, posisi Balance Of Payment (BOP), tingkat
inflasi, tingkat suku bunga, tingkat pendapatan, pengawasan pemerintah, dan ekspektasi
serta spekulasi yang timbul di masyarakat (Hady, 2010 dalam (Utari, 2018). Nilai tukar
tidak ditetapkan oleh bank sentral, melainkan pasar, sehingga nilai tukar dapat berubah
setiap saat sesuai mekanisme pasar. Oleh karena itu, peramalan nilai tukar mata uang
yang akan datang sangat diperlukan untuk menentukan kebijakan ekonomi mendatang.
Peramalan adalah metode untuk memperkirakan suatu nilai dimasa depan dengan
menggunakan data masa lalu (Wardah & Iskandar, 2016). Kebutuhan peramalan akan
meningkat sejalan dengan usaha mengurangi ketergantungan pada hal-hal yang belum
pasti. Karena setiap bagian organisasi berkaitan satu sama lain, baik-buruknya ramalan
dapat mempengaruhi seluruh bagian organisasi (Wijaya, 2011). Peramalan tentang Kurs
Rupiah Terhadap Dolar Amerika Serikat pernah dilakukan oleh (Elvierayani, 2017) hasil
penelitian menunjukkan bahwa model ARIMA untuk meramalkan kurs rupiah terhadap
dolar tahun 2017, yaitu model ARIMA (13,1,13). Peramalan tentang pergerakan kurs
valuta asing dengan menggunakan metode ARIMA pernah dilakukan oleh (Irvandi et al.,
2015) hasil penelitian menunjukkan model ARIMA terbaik untuk kurs mingguan
USD/EUR adalah ARIMA (26,1,1), kurs mingguan USD/SGD adalah ARIMA (2,1,0), kurs
mingguan USD/MYR adalah ARIMA (0,1,1), kurs mingguan USD adalah ARIMA (26,1,1),
dan kurs mingguan USD/IDR adalah ARIMA (1,1,31).
ARIMA dan metode peramalan tradisional lainnya sangat baik ketepatannya untuk
peramalan jangka pendek dan untuk data time series non stasioner pada saat linear
(Wiyanti & Pulungan, 2013). Sedangkan untuk data peramalan dalam periode yang
cukup panjang ketepatannya kurang baik karena biasanya akan cenderung flat
(datar/konstan). Selain itu ARIMA akan mengalami penurunan keakuratan apabila
terdapat komponen non-linear time series pada data pengamatan. Zhang menyatakan
bahwa ARIMA tidak mampu memodelkan data time series yang non-linear (Zhang,
2003). Berbeda dengan ARIMA, model Artificial Neural Network (ANN) merupakan
metode peramalan yang dapat digunakan untuk memprediksi data time series yang non-
linear (Zhang et al., 2001), selain itu stasioneritas dari data juga tidak dihiraukan (Wiyanti
& Pulungan, 2013).
Artificial Neural Network (ANN) adalah sistem pemrosesan informasi yang
mempunyai karakteristik menyerupai sistem syaraf pada manusia. ANN merupakan
sistem yang adaptif yang dapat merubah strukturnya untuk memecahkan masalah
berdasarkan informasi internal dan eksternal yang mengalir pada jaringan tersebut
(Afifah, 2011). ANN dapat digunakan untuk pemodelan data non-linear yang dapat
digunakan untuk memodelkan hubungan yang kompleks dari masukan dan keluaran
untuk menemukan pola-pola pada data. Salah satu metode dalam Jaringan Syaraf
Tiruan adalah Backpropagation atau propagasi balik. Backpropagation merupakan
metode pembelajaran terawasi yang digunakan pada jaringan multi-layer dimana
penyesuaian bobot dilakukan secara berulang untuk mendapatkan nilai error terendah
antara hasil prediksi dengan target yang diinginkan (Razak & Riksakomara, 2017). Selain
itu dalam Backpropagation juga terdapat beberapa algoritma pelatihan yang digunakan
untuk meminimumkan tingkat kesalahan diantaranya yaitu Levenberg Marquardt
 3

(trainlm), Gradient Descent (Traingd), Ressilent (Trainrp), Conjugate Gradient Algorithm

(CGA), (Warsito, 2009). Keberhasilan suatu jaringan apabila dapat menentukan
algoritma pelatihan yang tepat dan efisien agar dapat mencapai target yang diinginkan.
Salah satu algoritma yang bekerja lebih cepat jika dibandingkan dengan algoritma
pembelajaran Resilient Backpropagation adalah Conjugate Gradient. Hal yang
menjadikan algoritma ini berbeda dari algoritma lainnya yaitu pencarian nilai negatif dari
gradien dalam jaringan sejak iterasi pertama (Demuth & Beale, 2000).
Algoritma Conjugate Gradient adalah untuk mencari arah konjugasi negatif arah
gradien dan arah pencarian terakhir sebagai pencarian baru, untuk mempercepat
kecepatan pelatihan dan meningkatkan akurasi pelatihan (Liang et al., 2011). Selain itu
algoritma Conjugate Gradient merupakan algoritma yang dapat menyelesaikan
persamaan linear secara iteratif. Kemudian dikembangkan, sehingga dapat digunakan
untuk menyelesaikan persamaan nonlinear. Conjugate Gradient merupakan metode
optimasi yang dapat meminimasi suatu fungsi, dimana arah pencariannya berdasarkan
arah konjugasi yang nilainya ortogonal. Karena sifat pencariannya yang ortogonal,
sehingga Conjugate Gradient cepat mencapai konvergensi pada solusi yang dicari.
Conjugate Gradient tidak hanya dapat digunakan untuk menyelesakan fungsi yang linier,
tetapi juga dapat digunakan untuk masalah non linier, seperti design engineering,
pelatihan Jaringan syaraf tiruan, dan regresi nonlinier (Shewchuk, 2007). Terdapat
beberapa jenis dari metode Conjugate Gradient, salah satunya yaitu Polak Ribiere (Dai
& Yuan, 2000). Untuk beberapa kasus, Polak Ribiere dapat menemukan solusi meskipun
titik awalnya jauh dari titik minimum dan dapat konvergen lebih cepat dari yang lainnya.
Berdasarkan uraian di atas Peneliti bermaksud mengadakan penelitian untuk
menyusun Tugas Akhir dengan judul “Peramalan Kurs Dolar Amerika Serikat dan
Riyal Arab Saudi Terhadap Rupiah dengan Neural Network Conjugate Gradient
Polak Ribiere “.

1.2 Rumusan Masalah

Berdasarkan uraian latar belakang yang telah dijabarkan, rumusan masalah yang
menjadi fokus utama dalam tugas akhir ini adalah:
1. Bagaimana gambaran umum Kurs Dolar Amerika Serikat dan Riyal Arab Saudi
Terhadap Rupiah?
2. Bagaimana peramalan Kurs Dolar Amerika serikat dan Riyal Arab Saudi Terhadap
Rupiah dengan Neural Network Conjugate Gradient Polak Ribiere?

1.3 Batasan Masalah

Dalam suatu penelitian hendaknya diberikan batasan agar masalah-masalah yang
akan diteliti tidak terlalu menyimpang. Berdasarkan permasalahan yang dijelaskan
diatas, batasan masalah dalam Tugas Akhir ini adalah data yang digunakan yaitu data
kurs Dolar Amerika Serikat dan Riyal Arab Saudi Terhadap Rupiah dari Bulan Januari-
Mei 2021 yang diperoleh dari laman Investing.com Pada penelitian ini, Metode yang
digunakan adalah Neural Network Conjugate Gradient Polak Ribiere.

Tujuan Penelitian
Berdasarkan rumusan masalah yang telah dijabarkan, tujuan yang ingin dicapai
melalui tugas akhir ini adalah:
1. Mengetahui gambaran umum Kurs Dolar Amerika Serikat dan Riyal Arab Saudi
Terhadap Rupiah.
2. Meramalkan Kurs Dolar Amerika Serikat dan Riyal Arab Saudi Terhadap Rupiah
dengan Neural Network Conjugate Gradient Polak Ribiere.
 4

1.4 Manfaat Penelitian

Manfaat yang diperoleh dari tugas akhir ini adalah:
1. Bagi Penulis
Dapat menambah wawasan mengenai penerapan metode peramalan Neural
Netwotk Conjugate Gradient Polak Ribiere, khususnya pada bidang ekonomi.
2. Bagi Pembaca
Bagi pembaca, penelitian ini diharapkan dapat memberikan ilmu pengetahuan dan
informasi serta dapat menjadi referensi dan landasan bagi penelitian selanjutnya
tentang penerapan metode peramalan, pada bidang ekonomi, terutama tentang
pengembangan metode Neural Network.
3. Bagi Akademi
Bagi Akademi, dapat menambah referensi baik pada perkuliahan maupun
pengembangan penelitian selanjutnya, terutama pada perkembangan metode
Neural Network di bidang ekonomi.
4. Bagi Investor
Informasi hasil peramalan dapat menjadi bahan pertimbangan dalam pengambilan
keputusan yang strategis berupa penanganan yang tepat dalam pasar valuta
asing agar tidak mengalami kerugian yang cukup besar.
5. Bagi Pemerintah
Hasil dari penelitian ini dapat memberikan informasi mengenai peramalan nilai
tukar Dolar Amerika dan Riyal Arab Saudi terhadap Rupiah. Nilai tukar mata uang
Rupiah memiliki keterkaitan langsung dengan fundamental perekonomian. Jika
semakin lemah nilai tukar rupiah terhadap Dolar di pandemi Covid-19 ini maka
akan berdampak signifikan terhadap kondisi perekonomian Indonesia secara
keseluruhan. Salah satu strategi yang dapat diambil pemerintah yaitu
pengembangan industri substitusi impor. Menurunnya impor bisa dijadikan
momentum oleh industri nasional. Dengan demikian maka permintaan Dolar
Amerika untuk impor akan jauh berkurang karena sektor industri mampu
menggantikan produk-produk yang berasal dari impor. Strategi ini tentunya harus
di dukung oleh Bank Indonesia (BI).