Li Tacit Ra 20180157621 P
Li Tacit Ra 20180157621 P
Oleh:
LITA CITRA DEWI SUSASIMY
NIM:
201801576
Oleh:
LITA CITRA DEWI SUSASIMY
201801576
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
Mengetahui,
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
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.
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
vii
DAFTAR TABEL
viii
DAFTAR GAMBAR
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
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
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