Prediksi Nilai Tukar Rupiah terhadap Dolar AS Menggunakan Model LSTM Multivariat dengan Exogenous Makroekonomi dan Finansial
Tahun 2026 · Penulis: Tahfani First Sipa
Faculty of Mathematics and Natural Sciences, Universitas Jember
Tautan: https://repository.unej.ac.id/handle/123456789/11032
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Studi ini bertujuan guna melakukan prediksi nilai tukar Rupiah terhadap Dolar AS dengan memanfaatkan model Long Short-Term Memory (LSTM) multivariat yang mengintegrasikan variabel exogen dari aspek makroekonomi dan finansial. Data yang digunakan berupa data deret waktu harian dalam rentang periode 1 Oktober 2015 hingga 30 September 2025 yang diperoleh dari Yahoo Finance dan Investing.com. Variabel dalam penelitian ini meliputi nilai tukar Rupiah pada Dolar AS sebagai variabel dependen, serta Indeks Harga Saham Gabungan (IHSG), yield obligasi pemerintah Indonesia tenor 10 tahun, CBOE Volatility Index (VIX), dan harga minyak dunia sebagai variabel exogen. Data kemudian diproses melalui tahapan preprocessing, normalisasi, pembentukan data time series menggunakan metode sliding window, serta pembagian data ke dalam data training serta data testing. Metode yang diterapkan pada studi ini yaitu LSTM multivariat, yang dipilih karena kemampuannya dalam memodelkan hubungan nonlinier serta menangkap ketergantungan jangka panjang pada data deret waktu. Pembagian dataset dilakukan dengan rasio 80:20 untuk data pelatihan dan pengujian tanpa melalui proses pengacakan guna mempertahankan urutan temporal. Kinerja model kemudian dievaluasi dengan Root Mean Square Error (RMSE). Hasil studi mengindikasikan bahwasannya model menghasilkan nilai RMSE sebesar 164,223, yang menunjukkan bahwa hasil prediksi pada studi relatif mendekati nilai aktual. Dengan demikian, model LSTM multivariat dengan variabel exogenous yang digunakan mampu memberikan performa yang baik dalam memprediksi pergerakan nilai tukar Rupiah pada USD dan diharapkan dapat menjadi referensi dalam analisis serta pengambilan keputusan di bidang ekonomi dan keuangan
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,863
Tahun 2026 · Penulis: Dewanda Rizky Rachmawati
Pendekatan Transformer dalam Prediksi Data Time Series Bulanan dan Harian (Studi kasus: Inflasi dan Saham)
Seri waktu adalah data yang diatur berdasarkan urutan waktu dan digunakan secara luas dalam berbagai bidang, seperti ekonomi dan keuangan, untuk mendukung pengambilan keputusan. Data inflasi cenderung stabil dan musiman, sementara data harga saham mudah mengua
- Cosine 0,835
Tahun 2026 · Penulis: Wynda Ananda Ika Kharisma
Prediksi Harga Emas Menggunakan Metode Gated Recurrent Unit (GRU)
Harga emas merupakan jenis data deret waktu (time series) yang menunjukkan pola fluktuatif dan dipengaruhi oleh berbagai faktor ekonomi, sehingga prediksi yang akurat menjadi tantangan tersendiri. Oleh karena itu, diperlukan metode yang mampu mempelajari pola
- Cosine 0,830
Tahun 2026 · Penulis: Dila Ayu Saputri
Prediksi Harga Xau/USD Menggunakan Metode Bidirectional Long Shot-Term Memory (Bilstm)
Gerakan harga emas dalam bentuk pasangan mata uang XAU/USD memiliki volatilitas tinggi karena dipengaruhi oleh dinamika harga emas global dan fluktuasi dalam tingkat tukar dolar AS. Kondisi ini menyebabkan tingkat ketidakpastian yang tinggi dan menyulitkan par