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

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), 𝛾 (gamma), dan 𝜀 (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 γ sebesar 0,01, dan nilai ε 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 γ sebesar 0,008874816, dan nilai ε 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.

CC Licencing

Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).