<![CDATA[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.]]>
Copyrights © 2026
