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...

Full description

Saved in:
Bibliographic Details
Main Author: ILHAM RAMADHANI, 081411231068
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
Description
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..