Analisis Metode Rbf-Nn Dan Grnn Pada Peramalan Mata Uang EUR/USD

Ayuni Harianti (Institut Sains dan Teknologi Nahdlatul Ulama Bali)
Nengah Widiangga (Politeknik Transportasi Darat Bali)

Jurnal Ilmiah Vastuwidya
Vol 5, No 1 (2022)

Penelitian ini merupakan lanjutan dari penelitian sebelumnya tentang peramalan EUR/USD menggunakan metode RBF-NN (Radial Basis Function – Neural Network) yang diop­timasi dengan Algoritma Genetika. Metode yang ditambahkan adalah GRNN (Generalized Regression Neural Network). Sistem RBF-NN dapat diterapkan pada data dengan karakteristik nonlinear dan fluktuatif seperti data EUR/USD, sementara GRNN dapat bekerja dengan baik jika data training tersedia dalam jumlah banyak. Tingkat keakuratan dari peramalan di­tun­jukkan lewat nilai MAPE (Mean Absolut Percentage Error). Dari hasil percobaan, metode GRNN tidak memiliki nilai MAPE yang lebih baik daripada RBF-NN baik pada data daily low maupun data daily high. Teknik pencarian algorima genetika di dekat bobot RBF-NN terbukti lebih efektif daripada pen­dekatan fungsi GRNN dengan spread kecil pada kasus mata uang EUR/USD.