HYBRID JARINGAN SARAF TIRUAN METODE EXTREME LEARNING MACHINE DAN FIREFLY ALGORITHM UNTUK MERAMALKAN NILAI TUKAR RUPIAH TERHADAP DOLAR AMERIKA SERIKAT
Setiap negara memiliki mata uang sebagai alat tukar dan pergerakan nilai tukarnya dapat mempengaruhi perekonomian suatu negara. Di Indonesia, semenjak diberlakukannya sistem nilai tukar mengambang bebas (freely floating exchange rates) pada Agustus 1997, nilai mata uang rupiah di bursa valuta asi...
Saved in:
Main Author: | |
---|---|
Format: | Theses and Dissertations NonPeerReviewed |
Language: | Indonesian Indonesian |
Published: |
2018
|
Subjects: | |
Online Access: | http://repository.unair.ac.id/76470/1/ABSTRAK.pdf http://repository.unair.ac.id/76470/2/MPM.%20100-18%20Ram%20h.pdf http://repository.unair.ac.id/76470/ http://lib.unair.ac.id |
Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
Institution: | Universitas Airlangga |
Language: | Indonesian Indonesian |
Summary: | Setiap negara memiliki mata uang sebagai alat tukar dan pergerakan nilai tukarnya
dapat mempengaruhi perekonomian suatu negara. Di Indonesia, semenjak
diberlakukannya sistem nilai tukar mengambang bebas (freely floating exchange
rates) pada Agustus 1997, nilai mata uang rupiah di bursa valuta asing bisa berubah
setiap waktu. Mengingat besarnya dampak dari fluktuasi nilai tukar terhadap
perekonomian, maka peramalan nilai tukar rupiah terhadap dolar Amerika Serikat
penting dilakukan untuk membantu pertumbuhan ekonomi Indonesia. Penulisan
skripsi ini bertujuan untuk memprediksi perkiraan nilai tukar rupiah terhadap dolar
Amerika Serikat di masa depan dengan menggunakan hybrid Jaringan Saraf Tiruan
metode Extreme Learning Machine (ELM) dan Firefly Algorithm (FA). Pada proses
pelatihan, hybrid ELM-FA berperan untuk memperoleh bobot dan bias terbaik.
Bobot dan bias yang diperoleh ini selanjutnya akan digunakan untuk peramalan dan
untuk mengetahui tingkat keberhasilan proses pelatihan perlu dilakukan proses uji
validasi. Berdasarkan implementasi program dan simulasi untuk beberapa nilai
parameter pada data nilai kurs Januari 2015 sampai Januari 2018, dengan jumlah
node input dan hidden sebesar empat, dan node output sebesar satu diperoleh MSE
pelatihan ELM-FA terkecil sebesar 0.000480513 dengan MSE uji validasi sebesar
0.0000854107. Nilai MSE relatif kecil menunjukkan bahwa jaringan ELM-FA
mampu mengenali pola data dan mampu memprediksi data uji dengan baik.
Keyword: Extreme Learning Machine, Firefly Algorithm, Jaringan Saraf Tiruan,
Peramalan, Nilai Tukar Rupiah.. |
---|