Prediksi Nilai Tukar Dolar Amerika Serikat Terhadap Rupiah Menggunakan Metode Support Vector Regression Dengan Whale Optimization Algorithm

Al Ramadhan, Muhamad Reza (2024) Prediksi Nilai Tukar Dolar Amerika Serikat Terhadap Rupiah Menggunakan Metode Support Vector Regression Dengan Whale Optimization Algorithm. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06111740000081-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2026. Download (3MB) | Request a copy

Abstract

Setiap negara melakukan perdagangan dengan negara lain untuk memenuhi kebutuhan rakyatnya, termasuk Indonesia. Sayangnya, setiap negara memiliki mata uang yang berbeda-beda. Oleh karena itu, diperlukan nilai tukar mata uang untuk melakukan perdagangan dengan negara lain. Nilai tukar adalah harga mata uang suatu negara terhadap mata uang negara lain yang telah disepakati bersama. Setiap perubahan nilai tukar mata uang akan memberikan dampak terhadap perekonomian suatu negara. Oleh karena itu, penting untuk mengetahui nilai tukar yang akan datang. Untuk menyelesaikan permasalahan ini, dibutuhkan metode prediksi seperti Support Vector Regression (SVR). Akan tetapi, hasil prediksi SVR bergantung kepada pemilihan nilai hyperparameter. Oleh karena itu, SVR akan dioptimasi menggunakan Whale Optimization Algorithm (WOA). Data nilai tukar mata uang yang digunakan adalah Dolar Amerika Serikat terhadap Rupiah yang berasal dari situs Yahoo Finance menggunakan harga penutupan harian mulai dari tanggal 27 Mei 2020 sampai dengan 2 Juni 2023. Penelitian ini berfokus untuk memprediksi harga penutupan harian berikutnya dengan menggunakan beberapa harga penutupan harian sebelumnya sebagai masukan. Metode Support Vector Regression yang dioptimasi dengan Whale Optimization Algorithm memiliki kinerja yang baik dalam memprediksi nilai tukar Dolar Amerika Serikat terhadap Rupiah dengan hyperparameter SVR, yaitu ε (epsilon) sebesar 1.00000605110973×10^(-12), C (penalty cost) sebesar 2.22663363867838, dan γ (gamma) sebesar 0.205687967011551 serta dengan jumlah lag variabel sebesar 5 mampu menghasilkan kinerja terbaik dengan nilai MAPE prediksi sebesar 0.238335527152796%.
=================================================================================================================================
Every country trades with other countries to meet the needs of its people, including Indonesia. Unfortunately, each country has a different currency. Therefore, a currency exchange rate is needed to trade with other countries. The exchange rate is the price of a country's currency against another country's currency that has been mutually agreed. Every change in currency exchange rate will impact a country's economy. Therefore, it is crucial to know the upcoming exchange rates. To solve this problem, a prediction method such as Support Vector Regression (SVR) is needed. However, the SVR prediction results depend on the choice of hyperparameter values. Therefore, SVR will be optimized using the Whale Optimization Algorithm (WOA). The currency exchange rate data used is the United States Dollar against the Rupiah, which comes from the Yahoo Finance site using daily closing prices from 27 May 2020 until 2 June 2023. This research focuses on predicting the next daily closing price using several previous daily closing prices as input. Support Vector Regression method optimized with the Whale Optimization Algorithm has good performance in predicting the exchange rate of the United States Dollar against the Rupiah with SVR hyperparameters, namely ε (epsilon) of 1.00000605110973×10^(-12), C (penalty cost) of 2.22663363867838, and γ (gamma) of 0.205687967011551 and with a variable lag number of 5, it can produce the best performance with a predicted MAPE value of 0.238335527152796%.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Prediksi, Support Vector Regression, Whale Optimization Algorithm, Prediction, Mean Absolute Percentage Error
Subjects:	Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines. Q Science > Q Science (General) > Q337.3 Swarm intelligence Q Science > QA Mathematics > QA336 Artificial Intelligence Q Science > QA Mathematics > QA9.58 Algorithms
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	Muhamad Reza Al Ramadhan
Date Deposited:	19 Feb 2024 01:50
Last Modified:	19 Feb 2024 01:50
URI:	http://repository.its.ac.id/id/eprint/106988

Actions (login required)

View Item