Metode Penelitian Jenis dan Sumber Data Desain Penelitian

72 BAB III METODE PENELITIAN

A. Metode Penelitian

Metode yang digunakan dalam penelitian ini adalah metode diskriptif dengan pendekatan kuantitatif, yaitu metode penelitian yang menekankan analisis pada masalah aktual dengan data berupa angka.

B. Variabel Penelitian

Variabel yang digunakan dalam penelitian ini adalah sebagai berikut:

1. Kurs

Kurs atau nilai tukar mata uang exchange rate merupakan harga suatu mata uang terhadap mata uang lain. Dalam penelitian ini digunakan nilai tukar rupiah terhadap dollar AS. Diukur dalam satuan rupiah dengan frekunsi data bulanan.

2. Inflasi di Indonesia

Inflasi adalah kenaikan harga-harga barang kebutuhan umum yang terjadi secara terus menerus. Inflasi diukur dalam satuan persen dengan frekuensi data bulanan.

3. Suku Bunga Indonesia SBI

Tingkat Suku Bunga Indonesia SBI adalah rata-rata persentase suku bunga SBI yang ditetapkan oleh Bank Indonesia. Data suku bunga yang digunakan diukur dalam satuan persen dengan frekuensi data bulanan. 73

4. Jumlah Uang Beredar JUB

Jumlah uang yang beredar adalah uang dalam arti luas M2, yaitu penjumlahan uang beredar dalam arti sempit M1 dan uang kuasi quasy money. Data jumlah uang yang beredar yang digunakan diukur dalam satuan rupiah dengan frekuensi data bulanan.

C. Jenis dan Sumber Data

Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang berbentuk runtun waktu time series, yaitu data bulanan dari bulan Januari 2006 hingga bulan Juli 2016. Semua data sekunder yang digunakan pada skripsi ini diperoleh dari situs resmi Bank Indonesia http:www.bi.go.id yang diunduh pada tanggal 13 Februari 2017.

D. Desain Penelitian

Desain penelitian merupakan rancangan penelitian yang digunakan sebagai pedoman dalam melakukan proses penelitian. Penelitian diawali dengan menentukan variabel input dan output yang akan digunakan dalam membentuk model FBPNN. Dari model FBPNN yang diperoleh kemudian dioptimasi menggunakan Algoritma Genetika. Proses pembuatan model dilakukan dengan bantuan software MATLAB R2013a. Apabila model dan bobot telah diperoleh selanjutnya adalah peramalan menggunakan model dan bobot yang terbaik. Berikut merupakan bagan desain tahapan penelitian yang dilakukan dalam Penelitian ini: 74 Prediksi menggunakan model FBPNN yang bobotnya sudah dioptimasi dengan Algoritma Genetika Menentukan variabel input dan output Pembentukan model FBPNN Bobot akhir FBPNN dioptimasi dengan Algoritma Genetika Gambar 3. 1 Desain penelitian 118 DAFTAR PUSTAKA Anwary, A. A. 2011. Prediksi Kurs Rupiah Terhadap Dollar Amerika Menggunkan Metdoe Fuzzy Time Series. Skripsi, tidak diterbitkan, Universitas Diponegoro, Semarang. Apriyanti, N. 2005. Optimasi Jaringan Syaraf Tiruan dengan Algoritma Genetika untuk Peramalan Curah Hujan. Skripsi, tidak diterbitkan, Institut Pertanian Bogor, Bogor. Arkeman, Y., Seminar, K. B., Gunawan, H. 2012. Algoritma Genetika Teori dan Aplikasinya untuk Bisnis dan Industri. Bogor: IPB Press. Chuang, S. J., Lee, C. Y. 2014. SP 500 Forecasting by Fuzzy Neural Network . Lecture Notes on Software Engineering, Vol. 2, No. 2, 130-132. Fanggidae, A., Lado, F. R. 2015. Algoritma Genetika dan Penerapannya. Yogyakarta: Teknosain. Fauset, L. 1994. Fundamental of Neural Network Archetectures, Algorithms, and Applications. Upper Saddle River, New-Jersey: Prentice-Hall. Firdaus, R., Ariyanti, M. 2011. Pengantar Teori Moneter serta Aplikasinya pada Sistem Ekonomi Konvensional Syariah. Bandung: Alfabeta. Fuller, R. 1995. Neural Fuzzy Systems. Åbo Akademis tryckeri, Åbo, ESF Series A:443 [ISBN 951-650-624-0, ISSN 0358-5654]. Gurney, K. 2010. An Introduction to Neural Network. London: UCL Press. Hady, Hamdy. 2004. Teori dan Kebijakan Perdagangan Internasional. Jakarta: Ghalia Indonesia. Hanke, J., Wichern, D. 2005. Business Forecasting, 8th Edition. New Jersey : Prentice Hall. Hota, Shrivas, Singhai. 2013. Artificial Neural Network, Decision Tree and Statistical Techniques Applied for Designing and Developing E-mail Classifier. International Journal of Recent Technology and Engineering, Issue 6. Hlm. 164-169. Jang, J.-S., Sun, C.-T., Mizutani, E. 1997. Neuro Fuzzy and Soft Computing. Upper Saddle River: Prentice Hall. Kasmir. 2013. Bank dan Lembaga Keuangan lainnya. Jakarta: Rajawali Pers. 119 Khairani, M. 2014. Improvisasi Backpropagation Menggunakan Penerapan Adaptive Learning Rate dan Parallel training. Jurnal Penelitian Teknik Informatika , TECHSI Vol.4, No. 1, 157-172. Kusumadewi, S. 2003. Artificial Intelligence Teknik dan Aplikasinya. Yogyakarta: Graha Ilmu. Kusumadewi, S. 2004. Jaringan Syaraf Tiruan Menggunakan Matlab Excel Link. Yogyakarta: Graha Ilmu. Kusumadewi, S., Hartati, S. 2010. Neuro Fuzzy: Integrasi Sistem Fuzzy Jaringan Syaraf Edisi 2. Yogyakarta: Graha Ilmu. Kusumadewi, S., Purnomo, H. 2013. Aplikasi Logika Fuzzy untuk Pendukung Keputusan Edisi 2. Yogyakarta: Graha Ilmu. Levi, M. D. 1996. Keuangan Internasional. Yogyakarta: Andi Offset. Lin, Lee. 1996. Neuro Fuzzy Systems. New Jersey: Prentice-Hall. Makridakis. 1999. Metode dan aplikasi peramalan. Jakarta : Binarupa Aksara. Montgomery, et al. 2007. Introduction to Time Series Analysis and Forecasting. New York: Willey. Muchlas, Z., Alamsyah, A. R. 2015. Faktor-Faktor yang Mempengaruhi Kurs Rupiah Terhadap Dollar Ameika Pasca Krisis 2000-2010. JIBEKA, Volume 9 Nomor 1, 76 - 86. Nachrowi, N. D., Usman, H. 2004. Teknik Pengambilan Keputusan: Dilengkap Teknik Analisis dan Pengolahan Data Menggunakan Paket Program LINDO dan SPSS. Jakarta: Gramedia Widiasarana Indonesia. Noor, Z. Z. 2011. Pengaruh Inflasi, Suku Bunga, dan Jumlah Uang Beredar terhadap Nilai Tukar. Trikonomika, vol 10 No 2, 139-147. Oktavia, A. L., Sentosa, S. U., Aimon, H. 2013. Analisis Kurs dan Money Supply di Indonesia. Jurnal Kajian Ekonomi, vol 1, no. 02. Pacelli, V., Bevilacqua, V., Azzollini, M. 2011. An Artificial Neural Network Model to Forecast Exchange Rates. Journal of Intelligent Learning Systems and Applications , 3, 57-69. Park, S., Han, T. 2000. Iterative Inversion of Fuzzified Neural Networks. IEEE Transactions on Fuzzy Systems , VOL. 8, NO. 3, 266-280. Puspitaningrum, D. 2006. Pengantar Jaringan Syaraf Tiruan. Yogyakarta: Andi. 120 Sela, E. I. 2006. Prediksi Nilai Tukar rupiah Terhadap Mata Uang Dolar Amerika Menggunakan Jaringan Saraf Tiruan Metode Backpropagasi. Majalah Ilmiah Informatika, komputer dan bisnis , No.2 Vol. 7. Septiarini, T. W., Abadi, A., Taufik, M. R. 2016. Application of Wavelet Fuzzy Model to Forecast the Exchange Rate IDR of USD. International Journal of Modeling and Optimization , Vol. 6, No.1 , 66-70. Siang, J. J. 2009. Jaringan Syaraf Tiruan Pemrogramannya Menggunakan MATLAB. Yogyakarta: C.V Andi Offset. Silvina, M. 2006. Optimalisasi Bobot Jaringan Syaraf Tiruan Menggunakan Algoritma Genetika dalam Identifikasi Suara. Skripsi, tidak tidak diterbitkan, Universitas Andalas, Padang. Stoeva, S., Nikov, A. 2000. A Fuzzy Backpropagation Algorithm. Fuzzy Sets and System , 27-39. Suyanto. 2014. Artificial Intelligence Searching, Reasoning, Planning, dan Learning Revisi Kedua. Bandung: Informatika Bandung. Syarif, A. 2014. Algoritma Genetika: Teori dan Aplikasi Edisi 2. Yogyakarta: Graha Ilmu. Triyono. 2008. Analisis Perubahan Kurs Rupiah terhadap Dollar Amerika. Jurnal Ekonomi Pembangunan , vol. 9 No. 2 hal. 156 - 167. Wang, L. 1997. A Course in Fuzzy System and Control. New Jersey: Prentice Hall International, Inc. Wati, D. A. 2011. Sistem Kendali Cerdas. Yogyakarta: Graha Ilmu. Wei, W. W. 2006. Time Series Analysis Univariate and Multivariate Methodes Second Edition. New York: Pearson Education. Wibowo, T., Amir, H. 2005. Faktor-Faktor yang Mempengaruhi Nilai Tukar Rupiah. Kajian Ekonomi dan Keuangan, Vol.9 No. 4 hal. 17 - 41. Wutsqa, D. U., Kusumawati, R., Subekti, R. 2014. Forecasting Counsumer Price Index of Education, Recreation, and Sport, using Feedforward Neural Network Model. International Seminar on Innovation in Mathematics and Mathematics Education 1st ISIM-MED 2014 Department of Mathematics Education,Yogyakarta State University,Yogyakarta, , SP 73-80. Zhang, Q., Wang, C. 2008. Using Genetic Algorithm to Optimize Artificial Neural Network: A Case Study on Earthquake Prediction. Second 121 International Conference on Genetic and Evolutionary Computing, Hubei , 128-131. Zimmermann. 1991. Fuzzy Sets Theory and its Applications Second Edition. Massachusetts: Kluwer Academic Publisher. 75 BAB IV PEMBAHASAN Pada bab ini akan dibahas proses pemodelan Fuzzy Backpropagation Neural Network untuk memprediksi nilai tukar rupiah terhadap dollar Amerika, proses optimasi model Fuzzy Backpropagation Neural Network menggunakan Algoritma Genetika, hasil optimasi model Fuzzy Backpropagation Neural Network menggunakan Algoritma Genetika, dan hasil prediksi nilai tukar rupiah terhadap dollar Amerika menggunakan model Fuzzy Backpropagation Neural Network yang dioptimasi dengan Algoritma Genetika.

A. Model Fuzzy Backpropagation Neural Network untuk Memprediksi Nilai