Optimasi Parameter Support Vector Regression pada Prediksi Nilai Tukar Dolar Amerika terhadap Rupiah dengan Menggunakan Genetic Algorithm dan Particle Swarm Optimization

Putri, Amelia Soraya (2023) Optimasi Parameter Support Vector Regression pada Prediksi Nilai Tukar Dolar Amerika terhadap Rupiah dengan Menggunakan Genetic Algorithm dan Particle Swarm Optimization. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06311840000017_Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2025. Download (2MB) | Request a copy

Abstract

Nilai tukar mata uang suatu negara merupakan salah satu indikator penting dalam suatu perekonomian. Dimana perubahan nilai tukar yang sangat cepat dan tidak stabil diyakini akan mengganggu kestabilan kegiatan perdagangan internasional dan berimbas pada pelarian modal internasional. Pandemi COVID-19 dalam beberapa tahun ini juga memberikan pengaruh besar, seperti depresiasi nilai tukar mata uang dolar Amerika terhadap rupiah. Melakukan prediksi bisa menjadi strategi yang baik sebagai bahan pertimbangan dalam pengambilan keputusan oleh pihak terkait. Penelitian ini bertujuan untuk mendapatkan parameter Support Vector Regression (SVR) yang optimal pada prediksi nilai tukar dolar Amerika terhadap rupiah dengan menggunakan algoritma Genetic Algorithm (GA) dan Particle Swarm Optimization (PSO). Dimana parameter yang optimal dapat menghasilkan hasil prediksi yang baik pula. Sumber data yang digunakan pada penelitian ini berasal dari Bank Indonesia. Variabel pada penelitian ini adalah nilai tukar jual harian dolar Amerika terhadap rupiah periode 1 Januari 2021 hingga 31 Januari 2022. Pada penelitian ini dilakukan analisis menggunakan metode SVR dengan tiga kernel yaitu Linear, Polynomial, dan Radial Basis Function (RBF), dan kernel yang memberikan hasil terbaik yang kemudian dioptimasi menggunakan SVR-GA dan SVR-PSO, dimana dihasilkan parameter C (cost), y (gamma), dan E (epsilon) yang optimal berdasarkan nilai MAPE terkecil. Hasil dari penelitian ini adalah pada analisis Support Vector Regression dengan kernel Linear, Polynomial, dan RBF didapatkan hasil bahwa kernel RBF memberikan nilai MAPE terkecil yaitu sebesar 0,7142588% pada data training dan 0,2187573% pada data testing, dengan kombinasi nilai C sebesar 0,1, nilai y sebesar 0,01, dan nilai E sebesar 0,01. Pada optimasi nilai parameter SVR kernel RBF menggunakan SVR-GA dan SVR-PSO, nilai MAPE terkecil diberikan pada metode SVR-GA yaitu sebesar 0,7242439% pada data training dan 0,2184038% pada data testing dengan nilai parameter optimal C sebesar 0,09629636, nilai y sebesar 0,008874816, dan nilai E sebesar 0,009756693. Metode SVR-GA dengan kernel RBF berhasil mengoptimasi parameter SVR pada data nilai tukar jual dolar Amerika terhadap rupiah periode 1 Januari 2021 hingga 31 Januari 2022.
==============================================================================================================================
The exchange rate of a country's currency is one of the important indicators in an economy. Where changes in exchange rates that are very fast and unstable are believed to disrupt the stability of international trade activities and have an impact on international capital flight. The COVID-19 pandemic in recent years has also had a major impact, such as the depreciation of the rupiah exchange rate against the US dollar. Making predictions can be a good strategy as material for consideration in decision making by related parties. This study aims to obtain the optimal Support Vector Regression (SVR) parameter for predicting the rupiah exchange rate against the US dollar using the Genetic Algorithm (GA) and Particle Swarm Optimization (PSO) algorithms. Where optimal parameters can produce good prediction results as well. The data source used in this study comes from Bank Indonesia. The variable in this study is the daily selling exchange rate of the rupiah against the US dollar for the period January 1, 2021 to January 31, 2022. In this study, an analysis was carried out using the SVR method with three kernels, namely Linear, Polynomial, and Radial Basis Function, and the kernel which gives the best results. Then optimized using SVR-GA, and SVR-PSO, where the optimal parameters C (cost), y (gamma), and E (epsilon) are produced based on the smallest MAPE value. The results of this study are in the Support Vector Regression analysis with Linear, Polynomial, and RBF kernels, it is found that the RBF kernel gives the smallest MAPE value of 0.7142588% in training data and 0.2187573% in data testing, with a combined C value of 0.1, the γ value is 0.01, and the ε value is 0.01. In optimizing the RBF kernel SVR parameter values using SVR-GA and SVR-PSO, the smallest MAPE value is given to the SVR-GA method, which is 0.7242439% on training data and 0.2184038% on testing data with optimal parameter value C of 0. 09629636, the γ value is 0.008874816, and the E value is 0.009756693. The SVR-GA method with the RBF kernel has succeeded in optimizing the SVR parameter on the US dollar selling exchange rate data against the rupiah for the period January 1 2021 to January 31 2022.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Sell-Exchange Rate, Optimization, SVR-GA, SVR-PSO, Kernel, Nilai Kurs Jual, Optimasi
Subjects:	H Social Sciences > HG Finance > HG3881 Foreign exchange. Q Science > QA Mathematics > QA353.K47 Kernel functions (analysis) Q Science > QA Mathematics > QA402.5 Genetic algorithms. Interior-point methods.
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Actuaria > 94203-(S1) Undergraduate Thesis
Depositing User:	Amelia Soraya Putri
Date Deposited:	07 Feb 2023 02:14
Last Modified:	07 Feb 2023 02:14
URI:	http://repository.its.ac.id/id/eprint/96289

Actions (login required)

View Item