Prediksi Kurs Rupiah Terhadap Dolar dengan Menggunakan Model Long-Short Term Memory

Abstract

Kebijakan moneter, investasi, dan perdagangan Internasional sangat dipengaruhi oleh perubahan kurs antara Dolar dan Rupiah. Nilai tukar mata uang atau kurs merupakan komponen penting dalam kestabilan ekonomi suatu negara. Prediksi atau peramalan dapat dilakukan sebagai tindakan preventif untuk mencegah terjadinya depresiasi. Penelitian ini dilakukan untuk melihat keakurasian proses peramalan data runtun waktu nilai tukar mata uang Rupiah-Dolar menggunakan pemodelan Long-Short Term Memory. Tujuan dari penelitian ini adalah untuk melihat arsitektur yang akurat pada pemodelan LSTM. Data yang digunakan adalah data Kurs Rupiah-Dolar yang diperoleh melalui laman Jakarta Interbank Spot Dollar Rate (JISDOR) Bank Indonesia periode 5 April 2018 sampai 26 Mei 2023. Metode yang digunakan merupakan pengembangan dari neural network yaitu Long-Short Term Memory menggunakan bahasa pemrograman phyton. Hasilnya arsitektur pemodelan dengan 320 neuron pada lapisan pertama, 416 neuron pada lapisan kedua, 224 neuron pada lapisan ketiga, 128 neuron pada lapisan keempat, dan 1 lapisan dense, serta fungsi aktivasi ReLu menghasilkan nilai MSE dan RMSE dengan nilai terkecil sebesar 0,000444 dan 0,0210. Percobaan prediksi dengan metode ARIMA juga dilakukan guna memperkuat hasil analisis yang dilakukan. Kesimpulannya, model LSTM lebih unggul daripada model ARIMA. RMSE yang dihasilkan model LSTM adalah 0,0182 sedangkan ARIMA sebesar 0,1823.