Analisis Peramalan Nilai Tukar Rupiah Terhadap Dollar dan Yuan Menggunakan FTS-Markov Chain
DOI:
https://doi.org/10.30736/vj.v2i2.258Keywords:
Nilai Tukar, FTS-markov chain. MAPE, PeramalanAbstract
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.
Downloads
References
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}
Downloads
Published
How to Cite
Issue
Section
License
Copyright:
Authors who publish their manuscripts in this Journal agree to the following conditions:
- Copyright of any article on Vygotsky: Jurnal Pendidikan Matematika dan Matematika is held solely by the author under the Creative Commons Attribution 4.0 International license (CC BY NC SA).
- Authors can submit papers separately, arrange non-exclusive distribution of manuscripts that have been published in this journal into other versions (e.g. sending to the author's institutional repository, publication in a book, etc.) by acknowledging that the manuscript has been published for the first time in Vygotsky: Jurnal Pendidikan Matematika dan Matematika.
License:
Vygotsky: Jurnal Pendidikan Matematika dan Matematika is published under the terms of the Creative Commons Attribution 4.0 International License (CC BY NC SA). This license permits anyone to copy and redistribute this material in any form or format, compile, modify and develop this material for any purpose as long as it is not for commercial purposes. Additionally, anyone must provide credit and distribute contributions under the license of the creator of the original work.
