Estimasi Nilai Tukar Rupiah Terhadap Dollar Amerika di Indonesia dengan Pendekatan Adaptive Neuro Fuzzy

Transkripsi

1 JUDUL SKRIPSI : Estimasi Nilai Tukar Rupiah Terhadap Dollar Amerika di Indonesia dengan Pendekatan Adaptive Neuro Fuzzy Disusun oleh: Nama : ANNA FIRYANA NPM : Jurusan : Manajemen / S1 Pembimbing : DR. Armaini Akhirson,SE.,MMA

2 Latar Belakang Masalah Rumusan Masalah Tahun Brunei Darusallam Singapura Malaysia Indonesia 31/1/ /2/ Bagaimana bentuk inferensi fuzzy nilai tukar dengan metode Adaptive Neuro Fuzzy 31/3/ Bagaimana nilai tukar Rp terhadap USD metode ANFIS 30/4/ apabila dibandingkan dengan 31/5/ nilai tukar Rp terhadap USD 30/6/ aktual Bagaimana tingkat 31/7/ keakurasian dari ANFIS dalam mempengaruhi nilai tukar 31/8/ /9/ Sumber : BI,BNM,MAS,BOTBNM MAS BOT

3 Data yang digunakan dalam penelitian ini adalah data makro ekonomi Indonesia dari BATASAN MASALAH tahun sampai Variable yang menjadi perhatian dalam penelitian ini adalah: Inflasi, Besaran Moneter (M2), Suku Bunga (SBI), dan nilai Impor. Logika penalaran menggunakan Himpunan Fuzzy. Metode yang digunakan dalam memodelkan input output adalah Adaptive Neuro Fuzzy InferenceSystem (ANFIS). TUJUAN PENELITIAN Mengetahui bentuk inferensi fuzzy nilaitukar dengan metode Adaptive Neuro Fuzzy. Mengetahui perbandingan antara nilai tukar dengan metode ANFIS dan nilai tukar aktual. Mengetahui seberapa besar tingkat keakurasian dari logikafuzzy dalammempengaruhi nilai tukar

4 LANDASAN TEORI KURS INFLASI JUMLAH UANG BEREDAR SUKU BUNGA NILAI IMPORT ANFIS (ADAPTIVE NEURO FUZZY INFERENCE SYSTEM)

5 KERANGKA BERPIKIR INFLASI Ivan Haryanto, Diana Wibisono dan Wang Sutrisno, 2000 M2 Triyono,2008 BI RATE Triyono,2008 IMPORT Jusuf Kasrori, 2006 TINGGI ATAU RENDAH BERTAMBAH ATAU BERKURANG TINGGI ATAU RENDAH BERTAMBAH ATAU BERKURANG ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) Eng Agus Naba, 2009 RUPIAH/DOLLAR Triyono,2008

6 SAMPEL Variabel Output VARIABEL KURS Variabel Input Jumlah sampel total selama periode penelitian tahun sebanyak75 INFLASI JUB BI RATE IMPORT

7 METODE ANALISIS DATA Setelah variabel terkumpul, selanjutnya adalah melakukan analisis data yaitu melakukan proses permodelan nilai tukar sehingga bisa diestimasi. Proses permodelan dilakukan dengan bantuan aplikasi Matlab R2008a. Pada penelitian ini metode yang digunakan delam memprediksi nilai tukar adalah metode ANFIS (Adaptive Neuro Fuzzy Inference System).

8 TAHAP IMPLEMENTASI ANFIS Persiapan Data Time series Pembentukan Jumlah Pusat Cluster Training dan Checking Data Input Output p Pembentukan Rule Keakurasian ANFIS

9 Nilai Tukar Fuzzy Inference System

10 Hasil Penelitian Permodelan Output Subtractive Clustering Input 1 Input 2 Input 3 Input 4 Output 1 Cluster Cluster Cluster Cluster Cluster Cluster Cluster Dari hasil permodelan terdapat 7 pusat cluster. Cluster 1 berada pada vektor Mei (2011), cluster 2 pada Januari (2010), cluster 3 pada Desember (2008), cluster 4 pada Juli (2006), cluster 5 pada Desember (2007), cluster 6 pada Juni (2008) dan cluster 7 pada September (2008)

11 Hasil Penelitian Dari hasil learning adaptive neuro fuzzy terlihat output yang dihasilkan sistem fuzzy tampak mengikuti arah training. Output ditunjukan dengan simbol bintang berwarna merah dan data training dengan simbol lingkaran berwarna biru.

12 Hasil Penelitian Selanjutnya dari proses training data akan dibentuk fuzzy rule sesuai Selanjutnya dari proses training data akan dibentuk fuzzy rule sesuai dengan jumlah pusat cluster yang ada yaitu 7 fuzzy rule.

13 Hasil Penelitian

14 Grafik diatas menunjukkan perbandingan hasil output nilai tukar aktual dengan nilai tukar model adaptive neuro fuzzy, terlihat hanya sedikit perbedaan pengaruh antar metode ANFIS dengan aktual. Namun secara keseluruhan model ini dapat menerangkan hubungan inputoutput dengan baik. Hal ini dapat dilihat dengan pergerakan garis merah yang mengikuti arah gerak garis biru. Selisih error yang terjadi, dipicu oleh adanya krisis ekonomi yang terjadi di wilayah eropa, gangguan dari pasokan bahan makanan yang meningkat tajam akibat cuaca yang tidak menentu akibat aomalia baik ditinggal global maupun domestik, kondisi tersebut memicu lonjakan harga baik di pasar global maupun di pasar global maupun di pasar domestik, komoditias bahan pokok seperti beras dan aneka bumbu memberi kontribusi kenaikan harga yang cukup signifikan.

15 Hasil Penelitian Keakurasian Hasil Asumsi Anfis Dari hasil data yang telah di checking terdapat selisih error negatif terkecil sebesar dan error positif terbesar adalah terjadi pada vektor Maret2011 dan Agustus 2011.

16 Hasil Penelitian Selisih dari error yang terjadi, dipicu oleh adanya gangguan dari pasokan bahan makan yang menigkat tajam akibat anomali cuaca, baik ditingkat global maupun ditingkat domestik. Kondisi tersebut memicu lonjakan komoditas harga pangan seperti beras dan aneka bumbu memberikan kontribusi kenaikan harga yang cukup signifikan.

17 Hasil Penelitian Analisis Error Secara keseluruhan, Adaptive Neuro Fuzzy Inference System (ANFIS) mampu melakukan training atas data dan memodelkan kelakuan hubungan input-output dengan baik, hal ini dibuktikan dengan rata-rata tingkat error mampu mencapai 0 yaitu sebesar 0,1567.

18 K E S I M P U L A N hasil perhitungan variabel inflasi, jumlah uang beredar, suku bunga, import dan kurs pada sampel penelitian ini secara keseluruhan menunjukan hasil yang baik. Permodelan ANFIS menghasilkan 7 aturan fuzzy yang bisa memodelkan kelakuan variabel input terhadap variabel output. A Perbandingan keakurasian antara asumsi N ANFIS dengan asumsi AKTUAL sudah F baik, hal ini dibuktikan dengan rata rata I tingkat selisih error mampu mencapai 0 S yaitu sebesar 0,1567. Data training berhasil diuji dengan baik, hal ini ditunjukan dengan hasil output checking data yaitu selisih error negatif terkecil sebesar 0,1865 dan error positif terkecil sebesar 0,2563. S A R A N 1. Meski tingkat keakurasian hasil pengaruh cukup baik dengan tingkat error yang kecil yaitu sebesar 0,1567, namun masih terdapat beberapa pasang input output yang mengalami error yang tinggi, namun masih terdapat beberapa pasang input output yang meniliki error tinggi. 2. Dari pembahasan diketahui bahwa error yang tinggi disebabkan oleh variable diluar variable makro seperti terjadinya krisis ekonomi di wilayah Eropa. Kedepannya peneliti selanjutnya juga dapat melibatkan variable variabel diluar variable makro ekonomi tersebut. 3. Diharapkan para peneliti selanjutnyadapat menambahkan variabel makro lainnya pada penelitian yang sejenis.

19 Terima Kasih

20 Matrik No Nama, Thn Judul & Analisis Kesimpulan 1 Ivan Haryanto, Diana Wibisono dan Wang Sutrisno, 2000 Penentuan Nilai Tukar Mata Uang Ai Asing dengan Menerapkan Konsep Paritas Daya Beli Konsep paritas daya beli baru benar-benar dapat diterapkan dengan tepatt jika, pertama, biaya transportasi dan hambatan perdagangan turut dihitung dalam perhitungan konsep ini. Kedua, kondisi pasar yang kondusif untuk menerapkan konsep tersebut dengan tepat adalah pasar persaingan sempurna, bukan monopolistik maupun oligopolistik. Ketiga, barang dan jasa yang dihitung harus merupakan barang dan jasa yang diperdagangkan secara internasional, disamping itu, keempat, setiap negara harus memiliki komoditi acuan yang sama.

21 2. Triyono, 2008 ANALISIS PERUBAHAN KURS RUPIAH TERHADAP DOLLAR AMERIKA Hasil analisis dengan uji t diketahui bahwa regresi jangka pendek variabel inflasi, SBI dan impor tidak signifikan terhadap kurs pada α = 5%, sementara variabel JUB berpengaruh secara signifikan terhadap kurs pada α = 5%. Dalam regresi jangka panjang variabel inflasi, JUB, SBI, dan impor berpengaruh secara signifikan terhadap kurs pada α = 5%. 3. Jusuf Kasrori, 2006 Analisis tentang Pengaruh Perubahan Kurs pada Bisnis Internasional Perubahan mata uang/kurs mata uang pada umumnya ada empat macam, yaitu: devaluasi, depresiasi, revaluasi, apresiasi.