Perpustakaan Digital ITB

Nilai tukar suatu mata uang adalah hal penting yang tidak dapat kita hindarkan dari salah satu faktor untuk mengukur kemajuan suatu negara. Apabila negara salah membuat beberapa langkah saja, nilai mata uang tersebut dapat menjadi tidak berharga. Prediksi pergerakan pasangan valuta asing menjadi satu hal yang cukup penting mengingat banyaknya hubungan antar negara yang membutuhkan pertukaran uang di dalamnya. Baik itu dalam konteks impor, ekspor, atau peminjaman hutang bagi suatu negara. Kepentingan untuk dapat mengetahui kapan suatu mata uang harus ditukarkan menjadi salah satu aspek yang paling penting di sini untuk tetap menjaga nilai mata uang agar tidak terdampak oleh inflasi secara masif. Namun, terdapat banyak parameter yang harus diperhatikan dalam menentukan nilai pasangan valuta asing di masa depan. Dengan majunya teknologi saat ini, prediksi pada sebuah data historis yang berbentuk time series bukanlah hal yang mustahil. Dalam penelitian ini, digunakan teknologi machine learning baik itu shallow maupun deep learning untuk dapat melakukan prediksi harga pasangan valuta asing. Dengan berfokus terhadap lima pasangan valuta asing yaitu USDIDR, EURIDR, GBPIDR, CHFIDR, dan JPYIDR, serta menggunakan USDIDR sebagai acuan utama dalam melakukan eksperimen untuk mendapatkan parameter optimal, digunakanlah empat model machine learning yang berbeda untuk dapat dievaluasi model mana yang memiliki kinerja paling baik untuk melakukan prediksi harga pasangan valuta asing. Seluruh model dibandingkan kinerjanya dengan menggunakan metrik mean absolute percentage error dan didapatkan bahwa XGBoost dengan kinerja paling baik pada kondisi saat ini dengan memiliki nilai rata-rata MAPE hanya sebesar 0,621%, disusul oleh random forest dengan nilai 0,682%, lalu LSTM dengan nilai 1,005%, dan GRU dengan nilai 1,134%. Nilai tersebut didapatkan dengan menggunakan parameter yang memiliki nilai MAPE paling optimal di masing-masing model.