Implementasi Metode Ensemble K-Nearest Neighbor untuk Prediksi Nilai Tukar Rupiah Terhadap Dollar Amerika

Abstrak

Nilai tukar merupakan harga satuan mata uang yang telah disepakati oleh masing-masing negara sebagai alat pembayaran atau transaksi. Nilai tukar yang sering digunakan di Indonesia adalah nilai tukar rupiah terhadap dollar. Dollar merupakan mata uang yang relatif stabil dalam perekonomian. Besar kecilnya nilai tukar rupiah dipengaruhi oleh besarnya suku bunga, inflasi, ekspor, impor, dan utang Negara. Nilai tukar juga mempunyai peranan penting dalam menentukan kebijakan ekonomi. Agar dapat memperoleh kebijakan ekonomi yang layak dengan situasi dan kondisi mendatang maka diperlukan solusi menggunakan algoritma Ensemble kNN untuk memprediksi nilai tukar rupiah yang akan datang. Data yang digunakan dalam penelitian adalah 24 data training dan 12 data testing. Data training dan testing terdiri dari 5 parameter yaitu parameter BI rate, Inflasi, ekspor, impor, dan utang Negara. Proses algoritma Ensemble kNN ini menggunakan algoritma supervised dimana data testing yang baru diklasifikasi berdasarkan mayoritas kelas pada kNN. Prinsip dari kNN yaitu menemukan variabel K dari data training yang paling dekat dengan data testing. Teknik Ensemble digunakan untuk mengoptimasi Algoritma kNN agar mendapatkan hasil yang akurat. Dari hasil pengujian menggunakan MAE, MAPE, dan RMSEP diperoleh nilai MAE beli= 456.56 , MAE jual= 460.96, MAPE beli= 3.47% , MAPE jual= 3.47%, RMSEP beli= 534.88, dan RMSEP jual= 540.07. Hasil akhir berupa kesesuai data hasil prediksi dengan data aktual serta pola yang dihasilkan oleh keduanya.