PREDIKSI NILAI TUKAR DOLAR AMERIKA TERHADAP RUPIAH DENGAN MENGGUNAKAN FUNGSI TRANSFORMASI DAN ALGORITMA GENETIKA

CARFIN, Faizal Makhrus, S.Kom., M.Sc., Ph.D.

2017 | Skripsi | S1 ILMU KOMPUTER

Perdagangan valuta asing merupakan salah satu instrumen investasi dan perdagangan yang ramai diminati oleh para investor dan pengusaha. Pengamatan dan ketelitian dalam memperhatikan perubahan nilai tukar mata uang atau kurs merupakan suatu hal yang dasar untuk melakukan perdagangan valas. Dalam penelitian ini, dilakukan pencarian parameter terbaik dalam memprediksi kurs. Data kurs akan ditransformasikan lalu dikelompokkan dan setiap kelompok data akan di-clustering berdasarkan range koefisien regresi. Selanjutnya algoritma genetika digunakan untuk mencari solusi optimal pada setiap cluster kelompok data. Dalam penelitian ini terdapat 2 buah jenis data input yaitu data training dan data uji. Data training menggunakan data kurs Dolar Amerika terhadap Rupiah dari tahun 2000-2015 sedangkan data uji menggunakan data pada tahun 2016 (januari hingga desember). Parameter terbaik hasil dari penelitian ini menggunakan lebar subset data sebesar 3 dan range gradien sebesar 20. Hasil rata-rata error yang didapat sebesar 35.8554 rupiah. Akurasi hasil penelitian ini adalah 99,747%.

Forex is one of the investment and trading instruments that attract investors and entrepreneurs nowday. Observation and thoroughness in observing changes in currency exchange rate is a basic thing to do foreign exchange trading. In this research found the best parameter for exchange rate prediction. Exchange rate data are transformed and then divided into several segment. Then every segment of data is clustered based on regression coefficient. Lastly, genetic algorithm is used to find the optimal solution for every data cluster. In this research there are 2 kind of data, one for training and one for testing. Training data is USD/IDR exchange rate from 2000 to 2015 meanwhile testing data is USD/IDR exchange rate in 2016 (january to december). The best parameter which is resulted from this research by subset size is 3 and the gradient range is 20. The average error of prediction is resulted 35.8554 rupiah. Accuracy of this reseach is 99,747%.

Kata Kunci : prediksi, nilai USD/IDR, algoritma genetika, regresi linear, fungsi transformasi.