Peramalan Nilai Tukar Rupiah terhadap Dollar Amerika dengan Metode Fuzzy Time Series (FTS) Markov Chain

Dina Yulia Hidayah; Sugiman Sugiman

doi:10.15294/ujm.v10i2.53056

Amalutfia, S. Y., & Hafiyusholeh, M. (2020). Analisis Peramalan Nilai Tukar Rupiah Terhadap Dollar dan Yuan Menggunakan FTS-Markov Chain. Vygotsky, 2(2), 102–113. https://doi.org/10.30736/vj.v2i2.258

Arifin, S., Muslim, M. A., & Sugiman, S. (2016). Implementasi Logika Fuzzy Mamdani untuk Mendeteksi Kerentanan Daerah Banjir di Semarang Utara. Scientific Journal of Informatics, 2(2), 179–192. https://doi.org/10.15294/sji.v2i2.5086

Aristyani, Y., & Sugiharti, E. (2016). Peramalan Indeks Harga Saham Gabungan (IHSG) dengan Metode Fuzzy Time Series Markov Chain. Jurnal MIPA UNNES, 38(2), 186–196.

Aritonang, K., Tan, A., Ricardo, C., Surjadi, D., Fransiscus, H., Pratiwi, L., Nainggolan, M., Sudharma, S., & Herawati, Y. (2020). Analisis Pertambahan Pasien COVID-19 di Indonesia Menggunakan Metode Rantai Markov. Jurnal Rekayasa Sistem Industri, 9(2), 69–76. https://doi.org/10.26593/jrsi.v9i2.3998.69-76

Chang, P., Wang, Y., & Liu, C. (2007). The Development of a Weighted Evolving Fuzzy Neural Network for PCB Sales Forecasting. Expert Systems with Applications, 32, 86–96. https://doi.org/10.1016/j.eswa.2005.11.021

Ching, W.-K., Huang, X., Ng, M. K., & Siu, T.-K. (2013). Markov Chains Models, Algorithms and Applications Second Edition. In Nature (Vol. 236, Issue 5345). https://doi.org/10.1038/236291a0

Jatipaningrum, M. T., Suryowati, K., & Un, L. M. M. E. (2019). Prediksi Kurs Rupiah Terhadap Dolar Dengan FTS-Markov Chain Dan Hidden Markov Model. Jurnal Derivat: Jurnal Matematika Dan Pendidikan Matematika, 6(1), 32–41. https://doi.org/10.31316/j.derivat.v6i1.334

Song, Q., & Chissom, B. S. (1993). Forecasting enrollments with fuzzy time series - Part I. Fuzzy Sets and Systems, 54(1), 1–9. https://doi.org/10.1016/0165-0114(93)90355-L

Sri Bintang, A., Huang, W.-C., & Asmara, R. (2019). Forecasting of Indonesia Seaweed Export: A Comparison of Fuzzy Time Series with and without Markov Chain. Agricultural Social Economic Journal, 19(3), 155–164. https://doi.org/10.21776/ub.agrise.2019.019.3.4

Susilowati, I. H., & Rosento. (2020). Peramalan Nilai Tukar Kurs IDR Terhadap Dollar USD dengan Metode Moving Average dan Exponential Smoothing. Perspektif: Jurnal Ekonomi & Manajemen Universitas Bina Sarana Informatika, 18(1), 91–98.

Tsaur, R. C. (2012). A Fuzzy Time Series-Markov Chain Model With an Application to Forecast The Exchange Rate Between The Taiwan and US Dollar. International Journal of Innovative Computing, Information and Control, 8(7 B), 4931–4942.

Yanti Gultom, N., Sudarno, & Wuryandari, T. (2015). Prediksi Nilai Kurs Dollar Amerika Menggunakan Exponential Smoothing dengan Kajian Grafik Moving Average (MA) dan Exponentially Weighted Moving Average (EWMA) (Studi Kasus: Kurs Jual dan Kurs Beli Dollar Amerika). Jurnal Gaussian, 4(4), 957–966. http://ejournal-s1.undip.ac.id/index.php/gaussian

Abstract viewed - 1066 times
pdf downloaded - 987 times

Affiliations

Dina Yulia Hidayah
Universitas Negeri Semarang

Sugiman Sugiman
Affiliation not stated

Content Top

Peramalan Nilai Tukar Rupiah terhadap Dollar Amerika dengan Metode Fuzzy Time Series (FTS) Markov Chain

Dina Yulia Hidayah ,
Sugiman Sugiman

Vol 10 No 2 (2021)

DOI 10.15294/ujm.v10i2.53056

Submitted: Dec 27, 2021

Published: Jan 20, 2022

Abstract

Nilai tukar merupakan salah satu indikator penting untuk menganalisis perekonomian di Indonesia, dikarenakan memiliki dampak yang besar terhadap perekonomian. Karena sifatnya yang fluktuatif, maka dapat dilakukan peramalan untuk memperkirakan nilai tukar mendatang. Tujuan dari penelitian ini adalah membangun model peramalan nilai tukar rupiah terhadap dollar Amerika dengan metode Fuzzy Time Series (FTS) Markov Chain dan menentukan hasil peramalan nilai tukar rupiah terhadap dollar Amerika untuk periode selanjutnya. Dengan metode Fuzzy Time Series (FTS) Markov Chain, dilakukan empat kali pengujian dengan nilai D₁ dan D₂ yang berbeda pada penentuan himpunan semesta U, dimana nilai D₁ dan D₂ adalah bilangan real positif yang tepat dan ditentukan oleh peneliti. Hal ini dilakukan untuk mendapatkan pengujian dengan nilai akurasi terbaik yang akan digunakan untuk meramalkan nilai tukar rupiah terhadap dollar Amerika untuk periode selanjutnya. Peramalan kurs jual menghasilkan pengujian terbaik pada model 3 dengan nilai D₁=68,99 dan D₂=78,76 dengan nilai MAPE sebesar 0,137931402%. Peramalan kurs beli menghasilkan pengujian terbaik pada model 3 dengan nilai D₁=27,01 dan D₂=25,24 dengan nilai MAPE sebesar 0,129941896%. Hasil peramalan kurs jual untuk periode 10 Juni 2021 adalah 14345,226, sedangkan nilai aktualnya adalah 14333,31. Hasil peramalan kurs beli untuk periode 10 Juni 2021 adalah 14208,164, sedangkan nilai aktualnya adalah 14191.