Eddy, Nathansyah
Unknown Affiliation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Computatio : Journal of Computer Science and Information Systems

Perbandingan Performa Metode Linear Regression, Support Vector Regression, Extreme Gradient Boosting untuk Prediksi Kurs Mata Uang Rupiah Terhadap Dollar Eddy, Nathansyah
Computatio : Journal of Computer Science and Information Systems Vol. 9 No. 1 (2025): Computatio: Journal of Computer Science and Information Systems
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/computatio.v9i1.32658

Abstract

Nilai tukar mata uang atau kurs mata uang berperan penting pada perekonomian suatu negara. Dollar AS (Amerika Serikat) menjadi mata uang yang umum diperdagangkan untuk pembayaran transaksi secara internasional. Pergerakan kurs mata uang Rupiah terhadap Dollar AS berpengaruh pada nilai inflasi di Indonesia. Meningkatnya nilai inflasi kurs mata uang Rupiah terhadap Dollar AS akan melemah. Hal tersebut berpengaruh pada aktivitas investasi dalam perdagangan pasar modal internasional sebagai indikator peningkatan ekonomi di Indonesia. Penelitian ini membandingkan tiga algoritma yaitu Linear Regression, Support Vector Regression (SVR), dan Extreme Gradient Boosting (XGBoost). Ketiga algoritma tersebut digunakan untuk memprediksi fluktuasi kurs mata uang Rupiah terhadap Dollar AS di masa depan. Melalui hasil eksperimen ini, menunjukkan algoritma Linear Regression adalah algoritma terbaik dengan rata-rata nilai RMSE 21.83270, rata-rata nilai MAE 15.05152, dan rata-rata nilai R² 0.99856. Selain itu, penelitian ini juga membandingkan batas pemisahan data terbaik untuk data latih dan uji. Jika berfokus pada sedikitnya tingkat error, maka batas pemisahan data di tanggal 2023-01-01 yang terbaik dengan nilai RMSE 18.86030, nilai MAE 12.79191, dan nilai R² 0.99821. Jika berfokus pada keakuratan terhadap nilai aktual, maka batas pemisahan data di tanggal 2021-01-01 yang terbaik dengan nilai RMSE 20.91460, nilai MAE 14.11390, dan nilai R² 0.99821.