Penerapan Aplikasi RapidMiner Untuk Prediksi Nilai Tukar Rupiah Terhadap US Dollar Dengan Metode Linear Regression

Vincentius Riandaru Prasetyo(1*), Hamzah Lazuardi(2), Aldo Adhi Mulyono(3), Christian Lauw(4)
(1) Jurusan Teknik Informatika, Universitas Surabaya
(2) Jurusan Teknik Informatika, Universitas Surabaya
(3) Jurusan Teknik Informatika, Universitas Surabaya
(4) Jurusan Teknik Informatika, Universitas Surabaya
(*) Corresponding Author

https://doi.org/10.25077/TEKNOSI.v7i1.2021.8-17


Abstrak


Kurs adalah sebuah nilai mata uang suatu negara terhadap mata uang lain. Oleh karena itu, kurs memiliki dua komponen utama yaitu mata uang domestik, dan mata uang asing. Mata uang asing yang sering digunakan sebagai patokan nilai tukar adalah US Dollar. Di berbagai negara termasuk Indonesia, nilai tukar mata uang terhadap US Dollar sangat mempengaruhi perekonomian yang berjalan, terutama harga jual suatu barang. Selain itu, nilai tukar mata uang juga berpengaruh terhadap keputusan seseorang untuk berinvestasi, baik saham, emas, atau yang lain. Penelitian ini mencoba memprediksi nilai tukar rupiah terhadap US Dollar dengan memanfaatkan aplikasi RapidMiner. Aplikasi tersebut merupakan aplikasi freeware yang didalamnya terdapat berbagai macam metode pengolahan data yang siap untuk digunakan secara mudah. Penelitian ini menerapkan metode linear regression yang terdapat pada aplikasi RapidMiner. Metode tersebut akan mengolah data-data yang sudah ada sebelumnya untuk membentuk suatu persamaan yang akan digunakan untuk prediksi nilai tukar rupiah terhadap US Dollar. Atribut yang digunakan untuk melakukan prediksi adalah nilai pembukaan, perubahan, tertinggi, dan terendah dari nilai tukar rupiah terhadap US Dollar. Data yang digunakan pada penelitian ini berasal dari situs investing.com. Dari hasil pengujian yang dilakukan, didapatkan akurasi metode linear regression sebesar 95% dengan nilai threshold adalah 30 rupiah. Selain itu, nilai root mean squared error yang didapatkan sebesar 14,951.

Kata Kunci


Kurs ; Linear Regression ; Prediksi ; RapidMiner


Teks Lengkap:

PDF


Referensi


[1] Z. Z. Mokodongan, T. O. Rotinsulu dan D. Mandeij, “Analisis Fluktuasi Tingkat Kurs Rupiah (IDR) Terhadap Dollar Amerika (USD) Pada Sistem Kurs Mengambang Bebas di Indonesia Dalam Periode 2007.1-2014.4,” Jurnal Berkala Ilmiah Efisiensi, vol. 18, no. 2, pp. 135-145, 2018.

[2] S. Arifin dan S. Mayasya, “Faktor-Faktor Yang Mempengaruhi Nilai Tukar Rupiah Terhadap Dollar Amerika Serikat,” Jurnal Ekonomi-Qu, vol. 8, no. 1, pp. 82-96, 2018.

[3] N. N, “Investing.com About Us,” Fusion Media, [Online]. Available: http://www.investing.com/about-us. [Diakses 15 Juni 2020].

[4] T. Indarwati, T. Irawati dan E. Rimawati, “Penggunaan Metode Linear Regression Untuk Prediksi Penjualan Smartphone,” Jurnal TIKomSiN, vol. 6, no. 2, pp. 1-6, 2018.

[5] Mardalius, “Pemanfaatan Rapid Miner Studio 8.2 Untuk Pengelompokan Data Penjualan Aksesoris Menggunakan Algoritma K-Means,” JURTEKSI, vol. 4, no. 2, pp. 123-132, 2018.

[6] R. W. Sari, A. Wanto dan A. P. Windarto, “Implementasi RapidMiner Dengan Metode K-Means (Study Kasus: Imunisasi Campak Pada Balita Berdasarkan Provinsi),” Jurnal KOMIK, vol. 2, no. 1, pp. 224-230, 2018.

[7] K. Fatmawati dan A. P. Windarto, “Data Mining: Penerapan RapidMiner Dengan K-Means Cluster Pada Daerah Terjangkit Demam Berdarah Dengue (DBD) Berdasarkan Provinsi,” Journal of Computer Engineering System and Science, vol. 3, no. 2, pp. 173-178, 2018.

[8] P. D. A. Pamungkas, “Menentukan Kemungkinan Masuknya Calon Mahasiswa Baru Pada Sebuah Perguruan Tinggi Swasta Menggunakan Teknik Klasifikasi Pohon Keputusan Dengan Aplikasi RapidMiner 5.1,” Jurnal Informatika, vol. 15, no. 1, pp. 45-55, 2015.

[9] K. H. Saputri, Suparti dan A. Hoyyi, “Pemodelan Kurs Rupiah Terhadap Dollar Amerika Serikat Menggunakan Regresi Penalized Spline Berbasis Radial,” JURNAL GAUSSIAN, vol. 4, no. 3, pp. 533-541, 2015.

[10] D. Jauhari, I. Cholissodin dan C. Dewi, “Prediksi Nilai Tukar Rupiah Indonesia Terhadap Dolar Amerika Serikat Menggunakan Metode Recurrent Extreme Learning Machine Neural Network,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 1, no. 11, pp. 1188-1197, 2017.

[11] I. D. G. Budiastawa, I. W. Santiyasa dan C. R. A. Pramartha, “Prediksi Dan Akurasi Nilai Tukar Mata Uang Rupiah Terhadap US Dolar Menggunakan Radial Basis Function Neural Network,” Jurnal Elektronik Ilmu Komputer Udayana, vol. 7, no. 4, pp. 309-317, 2019.

[12] N. Kusumawati, F. Marisa dan I. D. Wijaya, “Prediksi Kurs Rupiah Terhadap Dollar Amerika Dengan Menggunakan Metode Regresi Linear,” Jurnal Informatika Merdeka Pasuruan, vol. 2, no. 3, pp. 45-56, 2017.

[13] W. Anggraini dan T. Irwinsyah, “Analisis Model Multiple Regression untuk Prediksi Nilai Kurs Rupiah Terhadap Dolar Amerika Berdasarkan Studi Makroekonomi,” Jurnal Hasil Penelitian dan Karya Ilmiah dalam bidang Teknik Industri, vol. 3, no. 1, pp. 7-16, 2017.

[14] S. Angra dan S. Ahuja, “Analysis of Student's Data Using Rapid Miner,” Journal on Today's Ideas - Tommorow's Technologies, vol. 4, pp. 49-58, 2016.

[15] N. N, “Why RapidMiner,” RapidMiner, [Online]. Available: https://rapidminer.com/why-rapidminer/. [Diakses 29 June 2020].

[16] D. Aprillia, D. A. Baskoro, L. Ambarwati dan I. W. S. Wicaksana, Belajar Data Mining dengan RapidMiner, Jakarta, 2013.

[17] H. W. Herwanto, T. Widiyaningtyas dan P. Indriana, “Penerapan Algoritme Linear Regression untuk Prediksi Hasil Panen Tanaman Padi,” Jurnal Nasional Teknik Elektro dan Teknologi Informasi (JNTETI), vol. 8, no. 4, pp. 364-370, 2019.

[18] R. Sulistyorini, “Bab 2. Tinjauan Pustaka,” [Online]. Available: http://staff.unila.ac.id/ayu17010107/files/2011/11/bab-21.pdf. [Diakses 30 June 2020].


Artikel Statistik

Abstrak telah dilihat : 3559 kali
PDF telah dilihat : 4687 kali

Refbacks

  • Saat ini tidak ada refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

 

Alamat Redaksi :
Departemen Sistem Informasi, Fakultas Teknologi Informasi
Universitas Andalas
Kampus Limau Manis, Padang 25163, Sumatera Barat

email: teknosi@fti.unand.ac.id

  Jumlah Pengunjung :

 

Creative Commons License
This work by JSI-Unand and licensed under a CC BY-SA 4.0 International License.