ABSTRAK
Bagi sebuah negara, nilai tukar mata uang merupakan indikator yang sangat penting bagi
perekonomian mereka. Tujuan dalam prediksi kurs mata uang yaitu untuk
mengetahui nilai tukar mata uang di masa yang akan datang. Setelah hasil prediksi
didapatkan, selanjutnya data tersebut akan digunakan dalam menentukan langkah-langkah
strategis.
Penelitian ini menghasilkan sebuah model optimasi Neural Network berbasis Particle Swarm
Optimization (PSO) yang memiliki kinerja yang paling akurat dalam prediksi nilai tukar Rupiah
terhadap Euro dengan nilai RMSE sebesar 93.219 +/- 19.567.
Kata Kunci: prediksi, kurs, Neural Network, Particle Swarm Optimization
ini bertujuan untuk mencari model dari Particle Swarm Optimization (PSO) dalam
metode Neural Network yang memiliki prediksi nilai tukar Rupiah terhadap Euro.
tingkat akurasi tertinggi. Penelitian ini juga
mencoba memasukkan algoritma Particle
TARGET LUARAN DAN MANFAAT
Swarm Optimization (PSO) kedalam Neural
Network. Dengan menggunakan metode PENELITIAN
Neural Network didapatkan tingkat akurasi Target luaran dalam pembuatan
yaitu sebesar 94,60%, dan ketika algoritma laporan penelitian ini adalah untuk
Particle Swarm Optimization (PSO) memfasilitasi tercapainya optimasi Neural
dimasukkan, maka akurasi mengalami Network yang memiliki kinerja yang paling
kenaikan sebesar 0,60% menjadi 95,20% akurat dalam prediksi nilai tukar Rupiah
[4]. terhadap Euro. Adapun manfaat dari
Particle Swarm Optimization, penelitian ini adalah sebagai berikut:
disingkat sebagai PSO, didasarkan pada
perilaku sebuah kawanan serangga, seperti
Manfaat Praktis
Membantu mempercepat dalam
semut, rayap, lebah atau burung. Algoritma
pembuatan angka prediksi nilai tukar Rupiah
PSO meniru perilaku sosial organisme ini.
terhadap Euro di masa yang akan datang
Perilaku sosial terdiri dari tindakan individu
dengan menggunakan model metode Neural
dan pengaruh dari individu-individu lain
Network berbasis Particle Swarm
dalam suatu kelompok [5].
Optimization (PSO) yang memiliki kinerja
Dalam konteks optimasi
yang paling akurat.
multivariabel, kawanan diasumsikan
mempunyai ukuran tertentu atau tetap Manfaat Akademis
dengan setiap partikel posisi awalnya Hasil penelitian ini diharapkan dapat
terletak di suatu lokasi yang acak dalam memberikan sumbangsih ilmu pengetahuan
ruang multidimensi. Setiap partikel bagi pengembangan teori dan metode yang
diasumsikan memiliki dua karakteristik: berkaitan dengan prediksi nilai tukar Rupiah
posisi dan kecepatan [6]. terhadap Euro.
Berdasarkan penuturan diatas, maka
penelitian ini akan mencoba menggunakan Manfaat bagi Kebijakan Institusi
Neural Network yang dikombinasikan Setelah hasil prediksi didapatkan,
dengan algoritma optimasi yaitu Particle selanjutnya data tersebut akan digunakan
Swarm Optimization (PSO) untuk optimasi oleh pihak-pihak yang membutuhkannya
bobot atribut. dalam menentukan langkah-langkah
strategis yang dianggap perlu dilakukan agar
RUMUSAN MASALAH meminilisir kerugian. Contohnya dalam
Perlu adanya penelitian tentang perusahaan multinasional, nilai kurs dapat
model optimasi Neural Network yang mempengaruhi keputusan pembiayaan,
memiliki kinerja yang paling akurat dalam keputusan investasi, penganggaran modal,
prediksi nilai tukar Rupiah terhadap Euro. dan keputusan lainnya yang sangat
dipengaruhi dengan adanya fluktuasi nilai
TUJUAN PENELITIAN tukar mata uang.
Penelitian ini bertujuan untuk
membandingkan akurasi dari berbagai
model metode Neural Network berbasis
”Technologia” Vol 9, No.1, Januari – Maret 2018 28
PSO Algorithm
Metode Pengolahan Data Optimasi bobot Menentukan bobot
dengan PSO dan bias secara acak
Data yang telah diperoleh tersebut
akan diterapkan ke dalam beberapa model
Menghasilkan bobot
algoritma Neural Network berbasis PSO dan bias terbaik
untuk memprediksi nilai tukar mata uang
Rupiah terhadap Euro. Model-model
8 94.051 +/- 21.178 [2] Tae Su Park, Ju Hong Lee, and Bumghi
9 96.043 +/- 21.679 Choi, "Optimization For Artificial Neural
10 95.022 +/- 20.198 Network With Adaptive Inertial Weight
Of Particle Swarm Optimization,"
Dari pengujian tersebut diatas, Cognitive Informatics, IEEE, pp. 481-
dengan menggunakan nilai parameter yang 485, 2009.
telah ditetapkan, maka diperoleh bahwa [3] S. H. Ling, H. T. Nguyen, and K. Y.
Number of Validations = 4 yang Chan, "A New Particle Swarm
menghasilkan error paling kecil, Dan untuk Optimization Algorithm for Neural
pengujian selanjutnya maka nilai untuk Network Optimization," Network and
parameter Number of Validations akan System Security, third International
selalu bernilai 4. Conference, pp. 516-521, 2009.
[4] Setyoningsih Wibowo, "Neural Network
Dengan Algoritma Genetika Sebagai
PENUTUP
Pemilihan Fitur Pada Prediksi Loyalitas
Kesimpulan Pelanggan," Majalah Ilmiah Pawiyatan,
Dengan menggunakan nilai vol. XXI, pp. 78-91, Oktober 2014.
parameter Momentum = 0,3, Learning Rate [5] E. J. Alba, Jourdan L Garcia Nieto, and
= 0,4, Training Cycles = 60, Hidden Layers E. G. Talbi, "Gene selection in cancer
Size = 4, Maximum number of generation classification using PSO/SVM and
= 3, Population Size = 5, window size = 4 GA/SVM hybrid algorithms," IEEE
dan Number of Validations = 4 merupakan Congress on Evolutionary Computation,
model optimasi Neural Network berbasis pp. 284–290, September 2007.
Particle Swarm Optimization (PSO) yang [6] B. Birge, "A Particle Swarm
memiliki kinerja yang paling akurat dalam Optimization (PSO) Primer," 2007.
prediksi nilai tukar Rupiah terhadap Euro [7] A. Chisholm, Exploring Data with
dengan nilai RMSE sebesar 93.219 +/- RapidMiner., 2013.
19.567. [8] Pang M and Zhao X, "Traffic Flow
Prediction of Chaos Time series by Using
Saran Subtractive Clustering for Fuzzy Neural
Untuk penelitian selanjutnya Network Modeling," 2008 Second
diharapkan memperbanyak pelatihan International Symposium on Intelligent
konfigurasi hingga mendapatkan model Information Technology Application, pp.
yang menghasilkan error sekecil-kecilnya. 23-27, Desember 2008.
Selain itu juga dapat mengkombinasikan
dengan algoritma optimasi lain seperti
Ant Colony Optimization (ACO),
Adaboost, atau algoritma optimasi lainnya.
DAFTAR PUSTAKA