ABSTRAK PERAMALAN KURS RUPIAH TERHADAP US DOLLAR MENGGUNAKAN METODE HIBRID Peramalan adalah bagian integral dari kegiatan pengambilan keputusan manajemen. Ramalan yang dilakukan umumnya berdasarkan pada data masa lampau yang dianalisis dengan menggunakan metode- metode tertentu. Oleh karena itu, pada penelitan ini akan meramalkan data time series menggunakan metode Radial Basis Fuction, ARIMA dan Double Exponential Smoothing dengan menggunakan Matlab versi 8.1. Data yang digunakan adalah data kurs jual harian Rupiah terhadap US Dollar yang dimulai dari bulan Januari 2012 sampai dengan Maret 2014. Dari ketiga hasil ramalan, akan digunakan metode voting untuk memperoleh akurasi dari kondisi menguat atau melemahnya kurs rupiah terhadap US Dollar dan juga hasil ramalan digabungkan dengan metode hibrid. Dari hasil peramalan RBF, ARIMA, Double Exponential Smoothing diperoleh MAPE berturut-turut 0,66%, 3,32% dan 0,94% sedangkan akurasi kondisi menguat melemah sebesar 52,54%, 45,76% dan 52,54%. Dari hasil voting dari kondisi menguat dan melemahnya kurs diperoleh akurasi sebesar 54,24% dan setelah digabungkan dengan metode hibridisasi diperoleh MAPE sebesar 0,64% dengan akurasi sebesar 50,85%. Dapat dilihat bahwa untuk akurasi kondisi menguat dan melemah yang terbaik diperoleh dengan menggunakan metode voting sedangkan untuk MAPE terbaik diperoleh dengan metode hibrid. Diharapkan penelitian ini dapat membantu dalam menganalisa fluktuasi dari pergerakan nilai mata uang tertentu pada saat transaksi jual beli valuta asing. Kata Kunci : RBF, ARIMA, Double Exponential Smoothing, MAPE, Hibrid
ABSTRACT THE PREDICTION OF RUPIAH CURRENCY TOWARD US DOLLAR USING HYBRID METHOD Forecasting is an integral part of management decision-making activities. Forecasts are made generally based on the data of the past that were analyzed by using certain methods. Therefore in this research will predict time series data using Radial Basis Fuction, ARIMA and Double Exponential Smoothing using Matlab version 8.1. The data used is the daily selling rate of Rupiah against the US Dollar that started from January 2012 to March 2014. Of the three results forecast, will be used voting method to obtain the accuracy of strengthening or weakening the condition of the rupiah against the US dollar and also the prediction results are combined by hybrid methods. From the results of RBF forecasting, ARIMA, Double Exponential Smoothing obtained MAPE respectively 0.66%, 3.32% and 0.94%, while the accuracy of the conditions to strengthen weakened by 52.54%, 45.76% and 52.54%. Of the voting result of strengthening and weakening conditions obtained an accuracy rate of 54.24% and after combined with methods hybridization obtained MAPE of 0.64% with an accuracy of 50.85%. It can be seen that for accuracy strengthened and weakened conditions are best obtained by using the method of voting, while for the best MAPE obtained by hybrid methods. Hopefully this research can help in analyzing the fluctuation of the value of a particular currency movements at the time of transaction - purchase of foreign currency. Keywords: RBF, ARIMA, Double Exponential Smoothing, MAPE, Hybrid
DAFTAR ISI Halaman SAMPUL DALAM...i PRASYARAT GELAR...ii LEMBAR PENGESAHAN...iii PENETAPAN PANITIA PENGUJI...iv PERNYATAAN KEASLIAN PENELITIAN... v ABSTRAK...vi ABSTRACT...vii UCAPAN TERIMA KASIH...viii DAFTAR ISI...ix DAFTAR TABEL...xi DAFTAR GAMBAR...xii BAB I PENDAHULUAN... 1 1.1 Latar Belakang... 1 1.2 Rumusan Masalah... 3 1.3 Tujuan Penelitian... 4 1.4 Batasan Masalah... 4 1.5 Manfaat Penelitian... 5 1.6 Keaslian Penelitian... 5 BAB II KAJIAN PUSTAKA... 6 2.1 State Of The Art Review... 6 2.2 Peramalan... 10 2.2.1 Pengertian Peramalan... 10 2.2.2 Dasar Peramalan... 11 2.3 Metode Peramalan dengan Exponential Smoothing... 14 2.3.1 Single Exponential Smoothing... 15 2.3.2 Double Exponential Smoothing... 15 2.3.3 Triple Exponential Smoothing... 16 2.4 Metode Peramalan dengan ARIMA... 23 2.5 Metode Peramalan Dengan Jaringan Syaraf Tiruan (JST)... 28 2.5.1 Konsep Dasar Jaringan Syaraf Tiruan (JST) dan Pemodelannya... 29 2.5.1.1 Struktur Jaringan Syaraf Biologis... 29 2.5.1.2 Konsep Dasar Pemodelan Jaringan Syaraf Tiruan... 30 2.5.1.3 Mengaktifkan Jaringan Syaraf Tiruan (JST)... 33 2.5.2 Metode Pelatihan Jaringan Syaraf Tiruan (JST)... 35 2.5.2.1 Proses Pembelajaran JST... 35 2.5.3 Algoritma Pelatihan Jaringan Syaraf Tiruan Metode Radial Base Function (RBF)... 36 2.5.3.1 Metode K-mean Cluster... 39 ix
2.5.3.2 Invers Varians... 41 2.6 Metode Hibrid... 42 2.7 Mengukur Ketepatan Peramalan... 43 2.7.1 Alat Ukur Kesalahan Prediksi... 44 BAB III METODE PENELITIAN... 46 3.1 Rancangan Penelitian... 46 3.2 Variabel dan Data Penelitian... 46 3.3 Metode Pengumpulan Data... 47 3.4 Metode Analisis Data... 48 3.4.1 Langkah Analisis Dalam Metode Double Exponential Smoothing... 48 3.4.2 Langkah Analisis Dalam Metode ARIMA... 49 3.4.3 Langkah Analisis Dalam Metode Radial Base Function... 51 BAB IV HASIL PENELITIAN DAN PEMBAHASAN... 53 4.1 Implementasi Peramalan Kurs... 53 4.2 Program Peramalan Kurs... 54 4.2.1 Peramalan Dengan Metode RBF... 55 4.2.2 Peramalan Dengan Metode ARIMA... 64 4.2.3 Peramalan Dengan Metode Double Exponential Smoothing... 73 4.3 Proses Pengambilan Keputusan Dengan Metode Voting... 81 4.4 Hibridisasi Hasil Peramalan... 84 BAB V SIMPULAN DAN SARAN... 90 5.1 Simpulan... 90 5.2 Saran... 91 DAFTAR PUSTAKA... 92 LAMPIRAN... 94 x
DAFTAR TABEL Halaman 2.1 State Of The Art Review...9 4.1 Hasil Peramalan Kurs dengan Metode RBF dengan Nilai Goal = 0,1...57 4.2 Hasil Percobaan Perubahan Nilai Goal...61 4.3 Hasil Peramalan Kurs dengan Metode RBF dengan Nilai Goal = 0,02...61 4.4 Hasil Peramalan Kurs dengan Metode ARIMA dengan p=1 dan q=1...67 4.5 Perubahan MAPE terhadap Perubahan Nilai p dan q...70 4.6 Hasil Peramalan Kurs dengan Metode ARIMA dengan p=3 dan q=3...71 4.7 Hasil Peramalan Kurs dengan Metode Double Exponential Smoothing dengan α = 0,2 dan β=0,2...75 4.8 Perubahan MSE terhadap Perubahan Nilai α dan β...78 4.9 Hasil Peramalan Kurs dengan Metode Double Exponential Smoothing dengan α = 0,6 dan β = 0,6...79 4.10 Hasil Voting dari Peramalan Kondisi Kurs...83 4.11 Hasil Peramalan Kurs dengan Metode Hibrid Berdasarkan ke Tiga Hasil Ramalan...85 4.12 Perbandingan Nilai MAPE Peramalan...88 4.13 Perbandingan Akurasi Kondisi Menguat atau Melemahnya Kurs Rupiah Terhadap US Dollar...89 xi
DAFTAR GAMBAR Halaman 2.1 Skenario Peramalan...12 2.2 Langkah-Langkah Peramalan...13 2.3 Strategi Menilai Metode Peramalan dengan Smoothing...17 2.4 Jenis Smoothing Berdasarkan Pola Data...19 2.5 Susunan Syaraf Manusia...29 2.6 Model Tiruan Sebuah Jaringan Syaraf Tiruan...30 2.7 Jaringan Syaraf dengan Lapisan Tunggal...32 2.8 Jaringan Syaraf dengan Banyak Lapisan...33 2.9 Desain RBF network...37 3.1 Gambaran Umum Penelitian...46 3.2 Grafik Fluktuasi Harian Rupiah Terhadap US Dollar Periode Januari 2012 Maret 2014...47 3.3 Diagram Alur Algoritma Double Exponential Smoothing...49 3.4 Diagram Alur Algoritma ARIMA...50 3.5 Diagram Alur Algoritma Jaringan Radial Base Function...52 4.1 Tampilan Utama Program...53 4.2 Hasil Peramalan dengan Metode RBF dengan Nilai Goal = 0,1 dan Nilai Spread = 1...56 4.3 Grafik Iterasi dengan Nilai Default Goal = 0,1...59 4.4 Grafik Peramalan Kurs dengan Metode RBF dengan Nilai Goal = 0,1...59 4.5 Grafik MAPE Metode RBF dengan Nilai Goal = 0,1...60 4.6 Grafik Iterasi dengan Nilai Goal = 0,02...63 4.7 Grafik Peramalan Kurs Metode RBF dengan Nilai Goal = 0,02...64 4.8 Grafik MAPE Metode RBF dengan Nilai Goal = 0,02...64 4.9 Pola ACF dan PACF Data Kurs...66 4.10 Hasil Peramalan dengan Metode ARIMA dengan Nilai Default p = 1 dan Nilai q = 1...66 4.11 Grafik Peramalan Metode ARIMA dengan Nilai p=1 dan q=1...69 4.12 Grafik MAPE Metode ARIMA dengan Nilai p=1 dan q=1...69 4.13 Grafik Peramalan Metode ARIMA Dengan Nilai p=3 dan q=3...73 4.14 Grafik MAPE Metode ARIMA Dengan Nilai p=3 dan q=3...73 4.15 Hasil Peramalan dengan Metode Double Exponential Smoothing dengan α = 0,2 dan β=0,2...74 4.16 Grafik Peramalan Metode Double Exponential Smoothing dengan α = 0,2 dan β = 0,2...77 4.17 Grafik MAPE Metode Double Exponential Smoothing dengan α = 0,2 dan β = 0,2...77 4.18 Grafik Peramalan Metode Double Exponential Smoothing dengan α = 0,6 dan β = 0,6...81 xii
4.19 Grafik MAPE Metode Double Exponential Smoothing dengan α = 0,6 dan β = 0,6...81 4.20 Hasil Keputusan dengan Metode Voting...82 4.21 Hasil Peramalan dengan Metode Hibridisasi...85 4.22 Grafik Perbandingan Hasil Ramalan...87 4.23 Grafik Perbandingan MAPE Hasil Peramalan...88 4.24 Grafik Perbandingan Akurasi Kondisi Menguat atau Melemahnya Kurs Rupiah Terhadap US Dollar...89 xiii
BAB I PENDAHULUAN 1.1. Latar Belakang Salah satu dari ciri kehidupan sekarang ini adalah bahwa seseorang kadangkala meramalkan apa yang akan terjadi pada masa yang akan datang dan membuat rencana yang sesuai dengan kejadian kejadian yang diramalkan. Suatu ramalan yang baik sudah pasti bukanlah ramalan yang didasarkan atas spekulasi yang tidak beralasan, melainkan melalui perkiraan berdasarkan atas tingkah laku dari gejala yang sudah ada dan diamati secara berulang ulang. Misalnya peramalan nilai kurs mata uang tidak mungkin diperhitungkan dan diramalkan berdasarkan renungan semata mata. Dengan pengamatan yang berulang ulang pergerakan nilai kurs mata uang dapat diperhitungkan dan diramalkan dengan tepat dan teliti. Peramalan adalah bagian integral dari kegiatan pengambilan keputusan manajemen. Organisasi selalu menentukan sasaran dan tujuan, berusaha menduga faktor faktor lingkungan, kemudian memilih tindakan yang diharapkan akan menghasilkan pencapaian sasaran dan tujuan. Kebutuhan akan peramalan meningkat sejalan dengan usaha pihak manajemen untuk mengurangi ketergantungan pada hal hal yang belum pasti dan menjadi lebih ilmiah sifatnya dalam lingkungan manajemen, karena setiap bagian dari organisasi berkaitan antara yang satu dengan yang lainnya. Baik buruknya peramalan dapat mempengaruhi seluruh bagian dari organisasi atau perusahaan. 1
2 Metode peramalan yang telah dikembangkan oleh Makridakis adalah. metode kuantitatif dan metode kualitatif (Makridakis, et al. 1982). Metode kuantitatif dapat dibagi ke dalam deret waktu (time series) dan metode kausal. Model time series digunakan pada pendugaan masa depan dilakukan berdasarkan nilai masa lalu dari suatu variabel, sedangkan metode kausal mengasumsikan bahwa faktor yang diramalkan menunjukan suatu hubungan sebab akibat dengan satu atau lebih variabel bebas. Terdapat sejumlah fenomena besar yang hingga saat ini hasilnya dapat diramalkan dengan presisi ketepatan yang cukup tinggi. Kemajuan ilmu pengetahuan dan teknologi telah meningkatkan pengertian mengenai berbagai aspek lingkungan dan akibatnya banyak peristiwa yang dapat diramalkan. Pada metode statistika, salah satu metode peramalan yang kerap kali digunakan adalah teknik Exponential Smoothing yaitu menggunakan pemulusan data-data lampau dan teknik Autoregression Integrated Moving Average (ARIMA). Ramalan yang dilakukan umumnya berdasarkan pada data masa lampau yang dianalisis dengan menggunakan kaidah tertentu. Menurut Syamsuddin (2004), selain menggunakan metode statistik, teknik peramalan data time series juga dikembangkan dengan pendekatan kecerdasan buatan. Pendekatan alternatif untuk peramalan time series yang dikembangkan pada bidang kecerdasan buatan, yaitu meliputi jaringan syaraf tiruan ( JST). JST merupakan teknik pengolahan data yang mempelajari hubungan antara data input dan data output. Algoritma yang digunakan adalah Radial Basis Function (RBF). RBF yaitu melatih jaringan untuk mendapatkan keseimbangan antara kemampuan jaringan untuk mengenali pola yang digunakan selama pelatihan serta kemampuan
3 jaringan untuk memberikan respon yang besar terhadap pola masukan yang serupa (tapi tidak sama) pada saat peramalan. Algoritma ini memiliki dasar matematis yang kuat, obyektif dan bentuk stuktur serta nilai koefisien dalam formula yang meminimalkan jumlah kuadrat galat (error). Untuk menentukan nilai peramalan akhir, digunakan penggabungan hasil ketiga metode dengan metode hibridisasi dan menggunakan skema voting untuk memilih dimana di antara ketiga hasil yang memiliki suara terbanyak (dua dari tiga) berdasarkan atas tanda hasil ramalan (menguat atau melemah). Jadi jika dua dari tiga metode memberikan nilai ramalan menguat maka hasil ramalan menguat. Sebaliknya jika dua dari tiga metode memberikan nilai ramalan melemah maka hasil ramalan melemah. Berdasarkan uraian di atas maka penulis mengambil judul Peramalan Kurs Rupiah Terhadap US Dollar Menggunakan Metode Hibrid. 1.2. Rumusan Masalah Berdasarkan uraian latar belakang masalah penelitian, beberapa permasalahan dirumuskan sebagai berikut : 1. Bagaimana penggunaan metode Double Exponential Smoothing, ARIMA dan RBF untuk meramalkan data time series dengan studi kasus meramalkan pergerakan nilai kurs rupiah terhadap US Dollar? 2. Bagaimana aplikasi skema voting digunakan untuk merangkum hasil ramalan nilai kurs rupiah terhadap US Dollar dan bagaimana menggabungkan hasil ramalan ketiga metode yaitu metode Double Exponential Smoothing, ARIMA dan RBF?
4 1.3. Tujuan Penelitian Berdasarkan rumusan masalah penelitian tersebut di atas dapat dikemukakan tujuan dari penelitian ini, yakni: 1. Untuk mendapatkan aplikasi ramalan data time series dengan menggunakan metode Double Exponential Smoothing, ARIMA dan RBF. 2. Untuk mengaplikasikan skema voting untuk merangkum hasil ramalan data time series dan menggabungkan hasil ramalan ketiga metode yaitu metode Double Exponential Smoothing, ARIMA dan RBF. 1.4. Batasan Masalah Untuk mencegah meluasnya permasalahan yang ada dan lebih terarah, maka dilakukan pembatasan, batasan-batasan itu antara lain : 1. Untuk data training yang digunakan adalah data harian pergerakan kurs rupiah terhadap US Dollar mulai bulan Januari 2012 Desember 2013 dari website Bank Indonesia (www.bi.go.id). Dan sebagai data uji adalah data harian kurs rupiah bulan Januari 2014 Maret 2014. 2. Hasil-hasil dari penelitian ini tidak mempertimbangkan kejadian-kejadian yang mungkin mempengaruhi hasil peramalan tersebut, misalnya adanya faktor fundamental ekonomi lokal Indonesia pada Agustus 2011, membuat rupiah menjadi melemah secara signifikan dan juga pada krisis global pada November 2008 yang memberi efek depresi terhadap kurs rupiah terhadap US Dollar, sehingga rupiah melemah hingga 11.711/US$.
5 1.5. Manfaat Penelitian Hasil penelitian ini diharapkan mampu : 1. Membantu para trader dalam menganalisa fluktuasi dari pergerakan nilai mata uang tertentu pada saat transaksi jual beli valuta asing. 2. Berguna bagi perusahaan ekspor impor, perusahaan multinasional maupun bagi investor dalam mengambil keputusan pembiayaan jangka panjang, misalnya dalam menerbitkan obligasi dalam valuta asing 3. Diharapkan hasil penelitian ini dapat memperkuat hasil-hasil yang telah dilakukan sebelumnya, terutama yang berkaitan implementasi sistem informasi dan komputer pada dunia nyata. 1.6. Keaslian Penelitian Pada penelitian ini pada dasarnya menggunakan beberapa metode penelitian yang telah ada, antara lain metode Double Exponential Smoothing, Autoregressive Integrated Moving Average (ARIMA), dan jaringan syaraf tiruan dengan pendekatan Radial Basis Function (RBF). Dan untuk penggabungan dua metode sudah diteliti sebelumnya oleh Kin Keung Lai dkk. (2006) yaitu menggabungkan metode exponential smoothing dan jaringan syaraf tiruan dengan pendekatan backpropagation. Melihat hasil penelitian sebelumnya, maka penelitian ini akan mencoba memperoleh hasil peramalan menggunakan skema voting dan menggabungkan ketiga metode yaitu Double Exponential Smoothing, Autoregressive Integrated Moving Average (ARIMA), dan Radial Basis Function (RBF) untuk mendapatkan nilai akhir peramalan.