Predkisi Nilai Tukar Rupiah Terhadap Yuan Menggunakan Adaptive Neuro Fuzzy Inference System
Total View This Week9
Total View This Week9
Institusion
Institut Teknologi Sepuluh Nopember
Author
Almira, Ciptya Rahma
Subject
Economic forecasting--Mathematical models.
Datestamp
2018-05-03 08:50:39
Abstract :
Dalam proses perdagangan antar negara diperlukan pengetahuan tentang besarnya nilai transaksi dalam mata uang asing agar para pelaku perdangan baik eksportir maupun importir dapat menyusun strategi perdagangan agar tidak terjadi defisit. Pada penelitian ini menjelaskan tentang prediksi nilai tukar rupiah terhadap yuan menggunakan metode Adaptive Neuro Fuzzy Inference System (ANFIS). Pemilihan yuan karena hubungan perdagangan antara Indonesia dengan China memiliki porsi dalam mempengaruhi ekonomi Indonesia. Prediksi yang dilakukan pada penelitian ini adalah prediksi harian dan bulanan. Masukan pada prediksi harian adalah kombinasi kurs pada hari-hari sebelumnya untuk prediksi kurs jual rupiah terhadap yuan satu hari berikutnya, sedangkan masukan pada prediksi bulanan adalah kombinasi dari nilai tukar rupiah terhadap yuan dengan inflasi, suku bunga, dan jumlah uang beredar bulan sebelumnya untuk prediksi kurs 1 bulan berikutnya. Hasil model prediksi terbaik didasarkan pada nilai RMSE pengujian terkecil. Model terbaik pada sistem prediksi harian adalah pada model dengan masukan nilai tukar rupiah terhadap yuan hari ini dengan nilai RMSE sebesar 10,7612. Model prediksi bulanan berdasarkan RMSE terkecil adalah model prediksi dengan masukan nilai tukar rupiah terhadap yuan dan suku bunga dengan nilai RMSE adalah 47,5106. ====================================================================== In the procces of interstate trading requires knowledge of the value of transactions in foreign currency so that the preoatrators of trade both exporters and importer can arrange trading strategy in order to avoid deficits. In this research explain about the prediction of exchange rate of rupiah to yuan using Adaptive Neuro Fuzzy Inference (ANFIS). The selection of the yuan because of trade relations between Indonesia and China has shared in influencing the Indonesian economy. Predictions in this study divided into 2 types, that are daily and monthly predictions. The input on daily prediction is a combination of exchange rate on the previous days for the prediction exchange rate of rupiah to yuan 1 day ahead, while the input on the monthly prediction is a combination between exchange rate of rupiah to yuan, inflation, interest rate, and money supply on the previous month for the prediction of exchange rate 1 month ahead. The best predicted model results are based on the smallest RMSE testing. The best model on a daily prediction system is on a model with today’s input with the smallest RMSE values is 10.7612. Monthly model prediction system based on the mallest RMSE is prediction model with the input are exchange rate of rupiah to yuan and interest rate with the RMSE value is 47.5106.
Dalam proses perdagangan antar negara diperlukan pengetahuan tentang besarnya nilai transaksi dalam mata uang asing agar para pelaku perdangan baik eksportir maupun importir dapat menyusun strategi perdagangan agar tidak terjadi defisit. Pada penelitian ini menjelaskan tentang prediksi nilai tukar rupiah terhadap yuan menggunakan metode Adaptive Neuro Fuzzy Inference System (ANFIS). Pemilihan yuan karena hubungan perdagangan antara Indonesia dengan China memiliki porsi dalam mempengaruhi ekonomi Indonesia. Prediksi yang dilakukan pada penelitian ini adalah prediksi harian dan bulanan. Masukan pada prediksi harian adalah kombinasi kurs pada hari-hari sebelumnya untuk prediksi kurs jual rupiah terhadap yuan satu hari berikutnya, sedangkan masukan pada prediksi bulanan adalah kombinasi dari nilai tukar rupiah terhadap yuan dengan inflasi, suku bunga, dan jumlah uang beredar bulan sebelumnya untuk prediksi kurs 1 bulan berikutnya. Hasil model prediksi terbaik didasarkan pada nilai RMSE pengujian terkecil. Model terbaik pada sistem prediksi harian adalah pada model dengan masukan nilai tukar rupiah terhadap yuan hari ini dengan nilai RMSE sebesar 10,7612. Model prediksi bulanan berdasarkan RMSE terkecil adalah model prediksi dengan masukan nilai tukar rupiah terhadap yuan dan suku bunga dengan nilai RMSE adalah 47,5106. ====================================================================== In the procces of interstate trading requires knowledge of the value of transactions in foreign currency so that the preoatrators of trade both exporters and importer can arrange trading strategy in order to avoid deficits. In this research explain about the prediction of exchange rate of rupiah to yuan using Adaptive Neuro Fuzzy Inference (ANFIS). The selection of the yuan because of trade relations between Indonesia and China has shared in influencing the Indonesian economy. Predictions in this study divided into 2 types, that are daily and monthly predictions. The input on daily prediction is a combination of exchange rate on the previous days for the prediction exchange rate of rupiah to yuan 1 day ahead, while the input on the monthly prediction is a combination between exchange rate of rupiah to yuan, inflation, interest rate, and money supply on the previous month for the prediction of exchange rate 1 month ahead. The best predicted model results are based on the smallest RMSE testing. The best model on a daily prediction system is on a model with today’s input with the smallest RMSE values is 10.7612. Monthly model prediction system based on the mallest RMSE is prediction model with the input are exchange rate of rupiah to yuan and interest rate with the RMSE value is 47.5106.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
