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.