OPTIMASI FUZZY BACKPROPAGATION NEURAL NETWORK DENGAN ALGORITMA GENETIKA UNTUK MEMPREDIKSI NILAI TUKAR RUPIAH TERHADAP DOLLAR AMERIKA

Abstract

Tujuan penelitian ini adalah memprediksi kurs IDR/USD dengan model Fuzzy Backpropagation Neural Network (FBPNN) yang dioptimasi dengan Algoritma Genetika. Variabel input yang digunakan adalah data kurs IDR/USD, inflasi, jumlah uang beredar, dan suku bunga Indonesia. Semua data diperoleh dari http://www.bi.go.id pada periode Januari 2006 hingga Juli 2016. Pemodelan FBPNN terdiri dari penentuan input dengan melihat autokorelasi yang signifikan pada plot ACF sehingga terpilih 33 variabel input, data input dibagi menjadi 2 dengan komposisi 75% data training dan 25% data testing, fuzzifikasi dengan menggunakan fungsi keanggotaan kurva S pertumbuhan, estimasi model terbaik dengan fungsi aktivasi sigmoid biner (logsig) pada lapisan tersembunyi dan lapisan output sehingga terpilih model dengan 4 variabel input, 14 neuron pada lapisan tersembunyi, dan 1 output, selanjutnya defuzifikasi. Prosedur optimasi FBPNN dengan Algoritma Genetika adalah pembentukan populasi awal yang berupa bobot dari hasil pemodelan FBPNN dan bilangan acak, menghitung nilai fitness masing-masing individu, individu dengan nilai fitness terbaik disimpan, menyeleksi individu dengan teknik seleksi ranking, pindah silang dengan teknik pindah silang aritmatika, mutasi dengan teknik random mutation, pembentukan populasi baru. Optimasi FBPNN dengan Algoritma Genetika memberikan nilai MAPE yang lebih kecil dibanding FBPNN tanpa Algoritma Genetika. Prediksi kurs IDR/USD untuk bulan Agustus 2016 hingga Januari 2017 secara berurutan adalah sebesar Rp14.280, Rp14.388, Rp14.431, Rp14.457, Rp14.460, dan Rp14.497 dengan MAPE sebesar 8,04%.
Kata kunci: FBPNN, Algoritma Genetika, prediksi