<![CDATA[Nilai tukar antara USD dan Rupiah memiliki dampak signifikan terhadap perekonomian Indonesia, sehingga peramalan yang akurat menjadi sangat penting dalam pengambilan keputusan ekonomi. Penelitian ini membandingkan metode Dekomposisi Multiplikatif dan metode Prophet dalam meramalkan nilai tukar USD terhadap Rupiah. Data nilai tukar bulanan dari tahun 2018 hingga 2023 digunakan, dengan 80% sebagai data pelatihan dan 20% sebagai data pengujian. Model akhir untuk metode Dekomposisi Multiplikatif menggabungkan komponen tren, musiman, dan siklus secara multiplikatif, sehingga memungkinkan representasi perilaku nilai tukar yang lebih rinci dari waktu ke waktu. Sebaliknya, metode Prophet menghasilkan model akhir yang menggabungkan komponen tren dan musiman secara aditif, serta mampu mengakomodasi perubahan tren secara dinamis melalui deteksi otomatis terhadap changepoints. Akurasi kedua metode dievaluasi menggunakan Mean Absolute Percentage Error (MAPE). Hasil menunjukkan bahwa metode Dekomposisi Multiplikatif memiliki nilai MAPE sebesar 1,21%, sedangkan metode Prophet memiliki nilai MAPE sebesar 5,43%. Temuan ini menunjukkan bahwa metode Dekomposisi Multiplikatif lebih akurat dalam meramalkan nilai tukar untuk periode yang diberikan, sehingga lebih sesuai untuk dataset ini yang menunjukkan pola musiman yang kuat.Kata kunci: Nilai Tukar; Peramalan; Dekomposisi Multiplikatif; Prophet; MAPE.The exchange rate between USD and Rupiah has a significant impact on Indonesia's economy, making accurate forecasting essential for economic decision-making. This study compares the Multiplicative Decomposition method and the Prophet method in forecasting the USD to Rupiah exchange rate. Monthly exchange rate data from 2018 to 2023 was used, with an 80% training set and a 20% test set. The final model for the Multiplicative Decomposition method combines the trend, seasonal, and cycle components multiplicatively, allowing for a detailed representation of the exchange rate's behavior over time. In contrast, the Prophet method produces a final model that incorporates trend and seasonal components additively, while also accommodating dynamic changes in the trend through automatic detection of changepoints.. The accuracy of both methods was evaluated using Mean Absolute Percentage Error (MAPE). Results show that the Multiplicative Decomposition method had a MAPE of 1.21%, while the Prophet method had a MAPE of 5.43%. These findings indicate that the Multiplicative Decomposition method is more accurate in forecasting the exchange rate for the given period, making it more suitable for this dataset, which exhibits strong seasonal patterns.Keywords: Exchange rate; forecasting; Multiplicative Decomposition; Prophet; MAPE.]]>
