107
Gambar 4. 14
Plot PACF dari error model FBPNN yang telah dioptimasi dengan Algoritma Genetika
Dari gambar 4.11 dan gambar 4.12, plot ACF dan PACF terlihat bahwa semua lag
berada dalam selang kepercayaan, berarti error bersifat acakrandom. Sehingga model FBPNN yang telah dioptimasi dengan Algoritma Genetika
digunakan sebagai model peramalan nilai tukar rupiah terhadap dollar Amerika.
C. Peramalan Nilai Tukar Rupiah terhadap Dollar Amerika
Setelah diperoleh model FBPNN dan bobot yang dioptimasi kemudian bobot dan model tersebut digunakan untuk meramalkan nilai tukar rupiah terhadap
dollar Amerika. Pada skripsi ini akan dilakukan peramalan nilai tukar rupiah terhadap dollar Amerika pada periode Agustus 2016 hingga Januari 2017.
Variabel input yang digunakan untuk peramalan nilai tukar rupiah terhadap dollar Amerika pada periode Agustus 2016 hingga Januari 2017 tersaji dalam tabel 4.13
berikut:
108
Tabel 4. 13
Variabel input yang digunakan untuk peramalan nilai tukar rupiah terhadap dollar Amerika pada periode Agustus 2016 hingga Januari 2017
Bulan peramalan
Variabel input X1 kurs t-1 X2 inflasi t-2
X3 JUB t-6 X4 SBI t-6
Agustus 2016 Kurs Juli
2016 Inflasi Juni
2016 JUB Februari
2016 SBI Februari
2016 September 2016
Kurs Agustus 2016
Inflasi Juli 2016
JUB Maret 2016
SBI Maret 2016 Oktober 2016
Kurs September
2016 Inflasi Agustus
2016 JUB April
2016 SBI April 2016
November 2016 Kurs Oktober
2016 Inflasi
September 2016
JUB Mei 2016 SBI Mei 2016
Desember 2016 Kurs
November 2016
Inflasi Oktober 2016
JUB Juni 2016 SBI Juni 2016
Januari 2017 Kurs
Desember 2016
Inflasi November
2016 JUB Juli 2016
SBI Juli 2016 Nilai dari variabel input pada tabel 4.13 tersaji dalam tabel 4.14 berikut:
Tabel 4. 14
Nilai dari variabel input
Bulan peramalan Variabel input
X
1
X
2
X
3
X
4
Agustus 2016 13.159
3,45 4.521.951,20
7,00 September 2016
13.367 3,21
4.561.872,52 6,75
Oktober 2016 13.063
2,79 4.581.877,87
6,75 November 2016
13.116 3,07
4.614.061,82 6,75
Desember 2016 13.631
3,31 4.737.451,23
6,50 Januari 2017
13.503 3,58
4.730.379,68 6,50
Selanjutnya semua nilai variabel input tersebut difuzifikasikan menggunakan fungsi keanggotaan kurva S pertumbuhan sehingga diperoleh nilai input berupa
derajat keanggotaan himpunan fuzzy sebagaimana tersaji dalam tabel 4.15 berikut:
109
Tabel 4. 15
Hasil fuzifikasi variabel input
Bulan peramalan Variabel input
X
1
X
2
X
3
X
4
Agustus 2016 0,7155 0,1691 0,9040 0,2342
September 2016 0,7403 0,1584 0,9102 0,2096
Oktober 2016 0,7037 0,1404 0,9132 0,2096
November 2016 0,7102 0,1522 0,9180 0,2096
Desember 2016 0,7702 0,1628 0,9350 0,1863
Januari 2017 0,7559 0,1751 0,9341 0,1863
Selanjutnya menghitung nilai peramalan setiap bulan pada tabel 4.15 dengan mengestimasi nilai inputnya dengan bobot hasil optimasi Algoritma Genetika
menggunkan model FBPNN pada persamaan 4.5. Untuk peramalan bulan Agustus 2016 perhitungannya sebagai berikut:
Menghitung semua keluaran pada lapisan tersembunyi ∑
[ ] [
] [ ]
[ ] [ ][ ]
[ ] Operasi keluaran pada lapisan tersembunyi menuju lapisan output :
∑
110 [ ] [ ] [
]
[ ] [ ][ ]
Diperoleh output hasil prediksi bulan Agustus 2016 sebesar 0,8358. Selanjutnya nilai ini akan didefuzifikasi untuk memperoleh nilai dalam himpunan
crisp atau kedalam bentuk rupiah.
Nilai output hasil prediksi kurs pada bulan Agustus 2016 adalah 0,8358 yang terdapat pada himpunan fuzzy
maka untuk defuzzifikasi menggunakan himpunan fuzzy
dengan domain [5.462 17.820] dan fungsi keanggotaan pada himpunan fuzzy
adalah:
{ Maka, untuk mendapatkan nilai crisp pada prediksi kuras IDRUSD pada
Agustus 2016 adalah dengan mensubstitusikan nilai 0,8358 pada persamaan tersebut sebagai berikut:
Untuk diperoleh
111 persamaan tersebut bernilai salah karena 0,8358
≠ 0. Untuk
diperoleh
karena nilai x = 13.451 tidak berada pada 5.462 ≤ x ≤11.641 maka persamaan
tersebut bernilai salah. Untuk
diperoleh
karena nilai x = berada pada maka persamaan
tersebut bernilai benar. Untuk
persamaan tersebut bernilai salah karena 0,8358 ≠ 1.
Dari proses diatas persamaan yang bernilai benar hanya pada x = maka nilai defuzifikasi dari
adalah . Sehingga nilai peramalan nilai tukar rupiah terhadap dollar Amerika pada bulan Agustus 2016 sebesar Rp
14.280. Dengan cara yang sama diperoleh nilai peramalan pada bulan September
112 2016 hingga Januari 2017 berturut-turut sebesar Rp14.388, Rp 14.431, Rp 14.457,
Rp 14.460, dan Rp 14.497 dengan MAPE sebesar 8,04. Grafik perbandingan nilai kurs asli dan nilai kurs prediksi dapat dilihat pada gambar 4.13 berikut:
Gambar 4. 15
Grafik nilai kurs IDRUSD asli dan nilai kurs IDRUSD prediksi Pada proses defuzifikasi tersebut hanya akan memiliki satu nilai x yang
berniali benar, hal ini dapat dibuktikan sebagai berikut: Fungsi keanggotaan yang digunakan pada defuzifikasi adalah fungsi
keanggotaan kurvas S pertembuhan pada persamaan 2.11 dengan persamaannya sebagai berikut:
{ dengan
adalah nilai tengah dari dan atau 1. Misalkan
maka atau
12000 12500
13000 13500
14000 14500
15000
Nila i k
urs I
DRUSD
Grafik nilai asli dan prediksi kurs IDRUSD
Nilai kurs asli Nilai kurs
peramalan
113 √
√
√
√
√
Pemisalan bernilai benar. 2. Misalkan
maka atau
√
√
√
114 √
√ √
√
Terdapat kontradiksi dengan pemisalan 2 sehingga pemisalan bernilai salah. Dari pemisalan 1 dan 2 dapat disimpulkan untuk
maka .
3. Misalkan maka atau
√
√ √
√
Terdapat kontradiksi dengan pemisalan 3 sehingga pemisalan 3 bernilai salah.
4. Misalkan maka atau
√
√
115 Pemisalan 4 bernilai benar. Dari pemisalan 3 dan 4 dapat disimpulkan
untuk maka .
116
BAB V PENUTUP
A. Kesimpulan
