PERAMALAN NILAI TUKAR RUPIAH TERHADAP DOLAR AMERIKA MENGGUNAKAN MODEL RUNTUN WAKTU FUZZY -RANTAI MARKOV oleh ERIKHA AJENG CHISWARI NIM. M0111028 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET SURAKARTA 2015 i
ii
ABSTRAK Erikha Ajeng Chiswari. 2015. PERAMALAN NILAI TUKAR RUPIAH TERHADAP DOLAR AMERIKA MENGGUNAKAN MODEL RUNTUN WAKTU FUZZY -RANTAI MARKOV. Fakultas Matematika dan Ilmu Pengetahuan Alam. Universitas Sebelas Maret. Nilai tukar mata uang suatu negara terhadap negara lain cenderung fluktuatif. Pergerakan nilai tukar tersebut sangat berpengaruh terhadap perekonomian suatu negara. Misalnya depresiasi nilai tukar yang tajam dapat menyebabkan beban pengeluaran negara untuk pembayaran hutang luar negeri meningkat serta dapat memengaruhi perekonomian domestik lainnya. Mengingat besarnya dampak dari fluktuasi nilai tukar terhadap perekonomian maka dibutuhkan suatu metode yang akurat untuk mengetahui pergerakan nilai tukar tersebut. Fluktuasi data nilai tukar dapat dikurangi dengan memanfaatkan kelebihan dari relasi logika fuzzy yaitu mengelompokkan data yang dikumpulkan berdasarkan waktu serta menggabungkan kelebihan dari rantai Markov sehingga diperoleh peramalan dengan akurasi yang lebih baik. Tujuan penelitian ini adalah meramalkan nilai tukar rupiah terhadap dolar Amerika menggunakan model runtun waktu fuzzy-rantai Markov. Dalam peramalan menggunakan model runtun waktu fuzzy-rantai Markov, data nilai tukar rupiah terhadap dolar Amerika diubah menjadi himpunan fuzzy sehingga diperoleh grup relasi logika fuzzy (GRLF). GRLF yang diperoleh selanjutnya digunakan untuk membentuk matriks probabilitas transisi yang kemudian digunakan untuk menentukan hasil peramalan. Berdasarkan penerapan model runtun waktu fuzzy-rantai Markov pada data nilai tukar rupiah terhadap dolar Amerika periode Januari 2010-Juli 2015 diperoleh kesimpulan bahwa model tersebut menghasilkan nilai peramalan yang mendekati data sebenarnya sehingga dapat digunakan untuk peramalan nilai tukar mata uang. Nilai root mean square error (RMSE) dan mean absolute error(mae) yang dihasilkan dari hasil peramalan berturut-turut adalah 61,553 dan 0,0041. Kata Kunci : nilai tukar, runtun waktu fuzzy, rantai Markov iii
ABSTRACT Erikha Ajeng Chiswari. 2015. FORECASTING THE EXCHANGE RATE BETWEEN RUPIAH AND US DOLLAR USING FUZZY TIME SERIES- MARKOV CHAIN MODEL. Faculty of Mathematics and Natural Sciences, Sebelas Maret University. Currency exchange rate of a country to the other countries is fluctuative. The movement of the exchange rate affects the country s economy. For example, the extreme depreciation of the exchange rate may lead the increase of country s expenditure on foreign debt payments and may affect other regional economy. Based on the impact of exchange rate in economy fluctuations, an accurate method is needed to determine the exchange rate movements. The fluctuative of exchange rate can be reduced by utilizing the advantages of fuzzy logic relationship to group the collected time data, and combining the advantage of Markov chain to obtain the forecast with better accuracy. The purpose of this study was to forecast the rupiah against the US dollar using fuzzy time series-markov chain model. In forecasting using fuzzy time series-markov chain model, the data of the rupiah against the US dollar is converted into fuzzy sets in order to obtain fuzzy logical relationship group (FLRG). FLRG were used to form the matrix of transition probabilities that then used to determine the results of forecasting. Based on the application of fuzzy time series-markov chain model on the data of the rupiah against the US dollar for the period January 2010-July 2015, it can be concluded that model provides forecasting results approaching actual data therefore it can be used for forecasting exchange rates. The value of the root mean square error (RMSE) is 61.553 and the mean absolute error (MAE) is 0.0041. Keywords : exchange rate, fuzzy time series, Markov chain iv
MOTO If you can t stop thinking about it, don t stop working for it Jika kamu tidak bersemangat melanjuti apa yang kamu lakukan, ingatlah apa alasan dan bagaimana kamu memulai pekerjaan itu v
PERSEMBAHAN Sebuah karya sederhana ini kupersembahkan untuk Ibu, Bapak, dan kedua Adikku, serta sahabat sebagai wujud atas doa, cinta, dan dukungan yang diberikan. vi
KATA PENGANTAR Segala puji dan syukur penulis panjatkan kehadirat Allah SWT yang telah melimpahkan rahmat dan karunia-nya sehingga penulis dapat menyelesaikan skripsi ini. Penyusunan skripsi ini tidak lepas dari bantuan beberapa pihak, oleh karena itu penulis mengucapkan terimakasih kepada 1. Winita Sulandari, M.Si. sebagai Dosen Pembimbing I yang telah memberikan bimbingan, motivasi dan arahan baik dalam hal penulisan maupun materi skripsi, 2. Drs. Muslich, M.Si. sebagai Dosen Pembimbing II yang telah memberikan bimbingan, motivasi, dan arahan dalam hal penulisan skripsi, 3. Semua pihak yang berperan dalam penyusunan skripsi ini. Semoga skripsi ini bermanfaat. Surakarta, Oktober 2015 Penulis vii
Daftar Isi HALAMAN JUDUL............................ i ABSTRAK................................. iv ABSTRACT................................ v MOTO.................................... vi PERSEMBAHAN.............................. vii KATA PENGANTAR........................... viii DAFTAR ISI................................ x DAFTAR TABEL............................. xi DAFTAR GAMBAR............................ xii DAFTAR NOTASI............................. xiii I PENDAHULUAN 1 1.1 Latar Belakang Masalah....................... 1 1.2 Perumusan Masalah......................... 2 1.3 Tujuan Penelitian........................... 2 1.4 Manfaat Penelitian.......................... 3 II LANDASAN TEORI 4 2.1 Tinjauan Pustaka........................... 4 2.2 Teori Pendukung........................... 5 2.2.1 Nilai Tukar Mata Uang.................... 6 2.2.2 Runtun Waktu Fuzzy..................... 6 2.2.3 Rantai Markov........................ 8 2.2.4 Runtun Waktu Fuzzy-Rantai Markov............ 9 viii
2.2.5 Metode Berbasis Rata-Rata................. 10 2.2.6 Pengukuran Eror....................... 11 2.3 Kerangka Pemikiran......................... 11 III METODE PENELITIAN 12 IV PEMBAHASAN 15 4.1 Deskripsi Data............................ 15 4.2 Pemodelan dan Peramalan Menggunakan Model Runtun Waktu Fuzzy-Rantai Markov......................... 16 V PENUTUP 22 5.1 Kesimpulan.............................. 22 5.2 Saran.................................. 22 DAFTAR PUSTAKA 23 LAMPIRAN 24 ix
Daftar Tabel 2.1 Pemetaan basis interval........................ 10 4.1 Partisi himpunan semesta pembicaraan............... 17 4.2 Fuzzifikasi data historis........................ 18 4.3 Grup relasi logika fuzzy........................ 19 4.4 Hasil peramalan data hitoris..................... 20 5.1 Data nilai tukar rupiah terhadap dolar Amerika.......... 26 5.2 Grup relasi logika fuzzy........................ 27 x
Daftar Gambar 4.1 Plot data nilai tukar rupiah terhadap dolar Amerika periode Januari 2010-Juli 2015......................... 15 4.2 Proses transisi untuk data nilai tukar rupiah terhadap dolar Amerika 20 4.3 Perbandingan data sebenarnya dengan nilai peramalan...... 21 xi
Daftar Notasi R : himpunan bilangan real U : semesta pembicaraan F (t) : runtun waktu fuzzy pada waktu t A i : himpunan fuzzy ke-i f i : nilai linguistik yang mungkin dari F (t) f Ai : fungsi keanggotaan himpunan fuzzy A i f Ai (u i ) : derajat keanggotaan dari u i pada A i u i : elemen dari himpunan fuzzy A i m i : nilai tengah dari u i l : panjang interval D min : data terkecil dalam semesta pembicaraan D maks : data terbesar dalam semesta pembicaraan D 1, D 2 : bilangan random positif Y (t) : data sebenarnya pada waktu t Ŷ (t) : peramalan data pada waktu t D(t) : kecenderungan nilai peramalan atau adjusted value pada waktu t Ŷ adj (t) : peramalan data setelah disesuaikan dengan D(t) pada waktu t P ij : probabilitas transisi satu langkah dari state A i ke state A j M ij : jumlah transisi satu langkah dari state A i ke state A j M i : jumlah transisi yang termasuk dalam state A i R : matriks probabilitas transisi xii