Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal JIKSI (Jurnal Ilmu Komputer dan Sistem Informasi)
Raffi Cahya Tria Putra Yasin
Unknown Affiliation
Computer Science & IT Mathematics Other

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

Found 1 Documents
Search

 1 
Indonesia Khansa Maritza Ar-Rahmah; Raffi Cahya Tria Putra Yasin
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 14 No. 1 (2026): Jurnal Ilmu Komputer dan Sistem Informasi
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/4vrcf070

Abstract

Peramalan kurs USD/IDR yang akurat sangat krusial bagi stabilitas ekonomi Indonesia. Penelitian ini bertujuan untuk mengevaluasi dan membandingkan kinerja tiga model machine learning, yaitu Prophet, XGBoost, dan Multi-Layer Perceptron (MLP) dalam memprediksi kurs tengah harian USD/IDR. Metode penelitian yang digunakan adalah analisis kuantitatif komparatif pada data historis JISDOR dari Oktober 2019 hingga Oktober 2025. Model Prophet diterapkan sebagai pendekatan time series murni, sedangkan XGBoost dan MLP diuji menggunakan transformasi supervised learning dengan rekayasa fitur (fitur lag, rolling statistics, dan kalender). Kinerja model dievaluasi menggunakan metrik MAE dan RMSE pada dua skema pembagian data (80:20 dan 70:30). Hasil penelitian menunjukkan bahwa XGBoost secara signifikan mengungguli model lainnya, terutama pada skema 80:20, dengan mencapai MAE terendah (Rp100,60), MAPE (0,62%), dan R² positif (0,8603). Sebaliknya, Prophet dan MLP dengan konfigurasi dasar gagal menangkap volatilitas data dan menghasilkan R² negatif. Temuan ini mengindikasikan bahwa pendekatan supervised learning dengan rekayasa fitur, khususnya menggunakan XGBoost, lebih efektif untuk memprediksi kurs USD/IDR jangka pendek.
Co-Authors Khansa Maritza Ar-Rahmah