RAMADHAN, Agum Surya (2024) Peramalan Kurs Rupiah terhadap Dollar Amerika Serikat Menggunakan Model Artificial Neural Network Metode Backpropagation. Skripsi thesis, Universitas Jenderal Soedirman.
![[img]](http://repository.unsoed.ac.id/style/images/fileicons/other.png) |
PDF (Cover)
COVER-Agum Surya Ramadhan-K1B020021-Skripsi-2024.pdf Download (58kB) |
|
PDF (Legalitas)
LEGATITAS-Agum Surya Ramadhan-K1B020021-Skripsi-2024.pdf Restricted to Repository staff only Download (834kB) |
|
PDF (Abstrak)
ABSTRAK-Agum Surya Ramadhan-K1B020021-Skripsi-2024.pdf Download (46kB) |
|
PDF (BabI)
BAB-1-Agum Surya Ramadhan-K1B020021-Skripsi-2024.pdf Restricted to Repository staff only until 8 July 2025. Download (67kB) |
|
PDF (BabII)
BAB-II-Agum Surya Ramadhan-K1B020021-Skripsi-2024.pdf Restricted to Repository staff only until 8 July 2025. Download (220kB) |
|
PDF (BabIII)
BAB-III-Agum Surya Ramadhan-K1B020021-Skripsi-2024.pdf Restricted to Repository staff only until 8 July 2025. Download (177kB) |
|
PDF (BabIV)
BAB-IV-Agum Surya Ramadhan-K1B020021-Skripsi-2024.pdf Restricted to Repository staff only Download (522kB) |
|
PDF (BabV)
BAB-V-Agum Surya Ramadhan-K1B020021-Skripsi-2024.pdf Download (43kB) |
|
PDF (DaftarPustaka)
DAFTAR PUSTAKA-Agum Surya Ramadhan-K1B020021-Skripsi-2024.pdf Download (175kB) |
|
PDF (Lampiran)
LAMPIRAN-Agum Surya Ramadhan-K1B020021-Skripsi-2024.pdf Restricted to Repository staff only Download (584kB) |
Abstract
Nilai tukar (kurs) adalah harga relatif suatu mata uang dibandingkan dengan mata uang lainnya. Nilai tukar mata uang dipengaruhi oleh beberapa faktor yaitu inflasi, jumlah uang beredar, suku bunga, dan nilai ekspor. Penelitian ini bertujuan untuk meramalkan kurs rupiah terhadap dollar AS yang dilakukan untuk membuat strategi dalam memaksimalkan nilai kurs rupiah terutama terhadap dollar AS. Salah satu metode peramalan yang sering digunakan adalah Backpropagation pada model Artificial Neural Network (ANN). Data yang digunakan pada penelitian ini adalah data kurs rupiah terhadap dollar AS, inflasi, nilai ekspor, suku bunga, dan jumlah uang beredar dari Januari 2020 sampai Juli 2023. Pada penelitian ini dilakukan 9 kali pengujian arsitektur jaringan dengan variasi parameter yang digunakan yaitu epoch sebesar 1000, neuron hidden sebanyak 5, 10, 15, dan learning rate sebesar 0,1; 0,2; 0,3. Berdasarkan pelatihan arsitektur jaringan yang telah dilakukan, didapatkan arsitektur jaringan terbaik yaitu 4-10-1 dengan learning rate sebesar 0,3. Arsitektur jaringan 4-10-1 dengan learning rate sebesar 0,3 memiliki nilai MAPE yang paling kecil pada saat pelatihan yaitu sebesar 0,5319%. Proses pengujian arsitektur 4-10-1 dengan learning rate sebesar 0,3 menghasilkan hasil yang baik dengan nilai MAPE yang didapatkan yaitu sebesar 0,9500%. Nilai MAPE yang didapatkan arsitektur jaringan 4-10-1 merepresentasikan bahwa model tersebut memiliki kemampuan peramalan dengan sangat akurat untuk meramalkan kurs rupiah terhadap dollar AS.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Nomor Inventaris: | K24096 |
| Uncontrolled Keywords: | Artificial Neural Network, backpropagation, dollar AS, kurs rupiah, MAPE |
| Subjects: | E > E467 Exchange Finance Money F > F296 Forecasting |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > S1 Matematika |
| Depositing User: | Mr Agum Surya Ramadhan |
| Date Deposited: | 08 Jul 2024 04:08 |
| Last Modified: | 08 Jul 2024 04:08 |
| URI: | http://repository.unsoed.ac.id/id/eprint/27740 |
Actions (login required)
 |
View Item |