Analisis Peramalan Nilai Tukar Rupiah Terhadap Dollar dan Yuan Menggunakan FTS-Markov Chain

Safira Yasmin Amalutfia, Moh. Hafiyusholeh

Sari


Nilai tukar rupiah terdepresiasi sebesar 70% pada tahun 1998 hingga terjadi krisis ekonomi yang disebabkan oleh menurunnya pertumbuhan ekonomi mencapai angka -13.1%. Nilai tukar akan sangat berpengaruh dalam kestabilan perekonomian suatu negara. Oleh karenanya, diperlukan suatu peramalan untuk mengetahui bagaimana keadaan nilai tukar untuk beberapa periode kedepan untuk meminimalisir terjadinya krisis ekonomi terulang kembali. Tujuan dari penelitian ini adalah melakukan peramalan nilai tukar rupiah terhadap dollar dan yuan menggunakan FTS- markov chain. Hasil MAPE untuk kurs jual beli dollar dan yuan masing-masing adalah 0.53%, 0.48%, 0.42%, dan 0.41% yang membuktikan bahwa model yang terbentuk berada pada kriteria peramalan sangat baik sehingga dapat dilakukan peramalan untuk periode selanjutnya. Peramalan menggunakan FTS-markov chain menghasilkan peramalan selama 24 minggu kedepan.


Kata Kunci


Nilai Tukar, FTS-markov chain. MAPE, Peramalan

Teks Lengkap:

PDF

Referensi


Abdulrahman, B. M. A., Ahmed, A. Y. A., & Abdellah, A. E. Y. (2018). Forecasting of Sudan Inflation Rates using ARIMA Model. International Journal of Economics and Financial Issues, 8(3), 17–22.

Aliek, B. R. D. P., Hafiyusholeh, M., Ulinnuha, N., & Setiawan, F. (2018). Penerapan Model FTS-Markov Chainuntuk Peramalan Cuaca di Jalur Penyeberangan Gresik-Bawean. Prosiding Seminar Nasional Integrasi Matematika Dan Nilai Islami, 2(1), 1–9.

Ardiyanto, F., & Ma’ruf, A. (2014). Pergerakan Nilai Tukar Rupiah Terhadap Dolar Amerika Dalam Dua Periode Penerapan Sistem Nilai Tukar. Jurnal Ekonomi Dan Studi Pembangunan, 15(2), 127–134.

Atmadja, A. S. (2002). Analisa Pergerakan Nilai Tukar Rupiah Terhadap Dolar Amerika Setelah Diterapkannya Kebijakan Sistem Nilai Tukar Mengambang Bebas Di Indonesia. Jurnal Akuntansi Dan Keuangan, 4(1), 69–78.

Bau, A. F., Kumaat, J. R., & Niode, O. A. (2016). Faktor-Faktor Yang Mempengaruhi Fluktuasi Nilai Tukar Rupiah Terhadap Dolar Amerika Serikat. Jurnal Berkala Ilmiah Efisiensi, 16(3), 524–535.

Elvierayani, R. R. (2017). Peramalan Nilai Tukar (Kurs) Rupiah Terhadap Dolar Tahun 2017 dengan Menggunakan Metode Arima Box-Jenkins. Prosiding SI MaNIs, 1(1), 253–261.

Gultom, N. Y., Sudarno, & Wuryandari, T. (2015). Prediksi Nilai Kurs Dollar Amerika Menggunakan Exponential Smoothing Dengan Kajian Grafik Moving Average (MA) dan Exponentially Weighted Moving Average (EWMA) (Studi Kasus: Kurs Jual dan Kurs Beli Dollar Amerika). Jurnal Gaussian, 4(4), 957–966.

Ichsan, S., Suhadak, & Sulasmiyati, S. (2016). Pengaruh Pergerakan Nilai Tukar Yuan Terhadap Ekspor Dan Impor Indonesia (Studi Pada Bank Indonesia Periode 2012-2014). Jurnal Administrasi Bisnis, 35(2), 94–103.

Jamilah, Sinaga, B. M., Tambunan, M., & Hakim, D. B. (2016). Dampak Perlambatan Ekonomi China Dan Devaluasi Yuan Terhadap Kinerja Perdagangan Pertanian Indonesia. Jurnal Ekonomi Dan Keuangan, 25(3), 325–345.

Karmeli, E., & Fatimah, S. (2008). Krisis Ekonomi Indonesia. Journal of Indonesian Applied Economics, 2(2), 164–173.

Kim, S., & Kim, H. (2016). A New Metric Of Absolute Percentage Error For Intermittent Demand Forecasts. International Journal of Forecasting, 32(3), 669–679.

Ningsih, F. K. (2016). Peramalan Kurs Rupiah Terhadap Dolar Dengan Metode Berbasis Rata-Rata Fuzzy Time Series Markov Chain. Institut Pertanian Bogor.

Nugroho, K. (2016). Model Analisis Prediksi Menggunakan Metode Fuzzy Time Series. Jurnal INFOKAM, 12(1), 46–50.

Ohyver, M., & Pudjihastuti, H. (2018). Arima Model for Forecasting the Price of Medium Quality Rice to Arima Model for Forecasting the Price of Medium Quality Rice to Anticipate Price Fluctuations Anticipate Price Fluctuations. Procedia Computer Science, 135, 707–711. https://doi.org/10.1016/j.procs.2018.08.215

Puspitasari, D. I., & Afianto, M. A. (2017). Implementasi Fuzzy Time Series Markov Chain Model (Ftsmcm) Dalam Prediksi Jumlah Produksi Ayam Potong. JTIULM, 2(2), 14–20.

Putri, R. M., & Widodo, E. (2018). Application Of Support Vector Machine Method For Rupiah Exchange Rate To Us Dollar Forecasting. Seminala Nasional Edusaintek., 27–36.

Safitri, Y., Wahyuningsih, S., & Goejantoro, R. (2018). Peramalan Dengan Metode Fuzzy Time Series Markov Chain (Studi Kasus : Harga Penutupan Saham PT. Radiant Utama Interinsco Tbk Periode Januari 2011 –Maret 2017). Jurnal EKSPONENSIAL, 9(1), 51–58.

Saputra, B. D. (2018). A Fuzzy Time Series-Markov Chain Model To Forecast Fish Farming Product. Jurnal Ilmiah Kursor, 9(4), 129–138.

Somvanshi, S. S., & Kumari, M. (2020). Applied Computing And Geosciences Comparative Analysis Of Different Vegetation Indices With Respect To Atmospheric Particulate Pollution Using Sentinel Data. Applied Computing and Geosciences, 7. https://doi.org/10.1016/j.acags.2020.100032

Triyono. (2008). Analisis Perubahan Kurs Rupiah Terhadap Dollar Amerika. Jurnal Ekonomi Pembangunan, 9(2), 156–167.

Uzun, B., & Kiral, E. (2017). Application Of Markov Chains-Fuzzy States To Gold Price. Procedia Computer Science, 120, 365–371.

Zhu, D.-M., Ching, W.-K., & Guu, S.-M. (2016). Sufficient Conditions For The Ergodicity Of Fuzzy Markov Chains. Fuzzy Sets and System, 304, 82–93. https://doi.org/10.1016/j.fss.2016.01.005

{Bibliography}




DOI: https://doi.org/10.30736/vj.v2i2.258

Refbacks

  • Saat ini tidak ada refbacks.


TERINDEKS:

    

 

BASE Logo

 

 

 

 

  

 

 

         

 

 

 

Lisensi Creative Commons
Ciptaan Vygotsky: Jurnal Pendidikan Matematika dan Matematika, P-ISSN: 2656-2286, E-ISSN: 2656-5846 disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial-BerbagiSerupa 4.0 Internasional.