Penerapan ANFIS (Adaptive Neuro-Fuzzy Inference System) untuk prediksi fluktuasi indeks Dollar AS terhadap rupiah

ALAM, Hermansyah, Dr.Ir. Thomas Sri Widodo, DEA

2004 | Tesis | S2 Teknik Elektro

Penelitian ini memberikan pendekatan baru untuk prediksi atau peramalan nilai tukar indeks dollar terhadap rupiah menggunakan ANFIS. Keakuratan ramalan mempunyai dampak ekonomi yang signifikan. Tujuan utama dari penelitian ini adalah menerapkan kemampuan ANFIS untuk prediksi masalah nilai tukai dollar terhadap rupiah berdasarkan runtun waktu Bank Indonesia. Untuk membangun prediksi arsitektur ANFIS, perlu himpunan suatu pasangan data pelatihan yang telah tersusun dan mewakili input dan output pasangan data yang diinginkan, dibutuhkan proses pembelajaran. Hasil proses pembelajaran parameter terbaik akan memberikan prediksi galat minimum. Ada beberapa cara untuk meminimisasi galat, seperti membuat pemetaan cuplikan data terbaik, merubah jumlah dan tipe fungsi keanggotaan (bell, gauss, triangular dan trapezium) dan jumlah epoch. Tujuan ke dua dari penelitian ini adalah untuk menganalisis hasil kerja dari ANFIS dan membandingkan hasil- hasil tersebut dengan fungsi keanggotaan yang berbeda, guna mengevaluasi unjuk kerja ANFIS. Hasil pengujian yang terbaik pada pene ltian ini adalah struktur ANFIS empat input, satu output dan 1000 iterasi, dengan fungsi keanggotaan tipe bell.

The research presents a new approach to Rupiah to US Dollar exchange rate prediction or forcasting using ANFIS. The accuracy of such forcasting has significant economic impact. The main goal of this research is to apply ability of ANFIS to the problem of Rupiah to US Dollar exchange rate prediction based on past time series data from Bank indonesia. To build the ANFIS architectur for prediction, a training data set comprised of data pairs represent input and desired output data pairs are needed for learning process. Learning process results into the best parameters of the ANFIS which gives prediction minimal error. There are some ways to minimize error, such as creating a best mapping from sample data, changing the number of data and type of membership function (bell,Gaussian, triangular, trapezium) and the number of epoch. The second goal of this research is to analyze the result of ANFIS and compare the results for different membership function to evaluate the performance of ANFIS. The best result of this test is structur with four inputs and one output layer and for 1000 iterations, learning is the bell as the membership function.

Kata Kunci : ANFIS, Pembelajaran hibrid, Prediksi, Nilai tukar, Learning hybrid, Prediction, Exchange rate.