Penerapan Metode Neural Network Untuk Memprediksi Pergerakan Harga USD/IDR Pada Website Yahoo Finance

Sinta Wahyuni, . (2024) Penerapan Metode Neural Network Untuk Memprediksi Pergerakan Harga USD/IDR Pada Website Yahoo Finance. Other thesis, Universitas Pamulang.

	Text FILE COVER.pdf Restricted to Registered users only Download (1MB)
	Text FILE BAB I.pdf Restricted to Registered users only Download (301kB)
	Text FILE BAB II.pdf Restricted to Registered users only Download (526kB)
	Text FILE BAB III.pdf Restricted to Registered users only Download (298kB)
	Text FILE BAB IV.pdf Restricted to Registered users only Download (3MB)
	Text FILE BAB V.pdf Restricted to Registered users only Download (223kB)
	Text Jurnal.pdf Restricted to Registered users only Download (1MB)

Abstract

Dalam era globalisasi dan digitalisasi, prediksi pergerakan harga mata uang seperti USD/IDR menjadi sangat penting bagi ekonomi Indonesia yang terbuka. Data historis dari Yahoo Finance menyediakan dasar untuk analisis ini, namun metode prediksi tradisional sering kali tidak memadai dalam menghadapi fluktuasi pasar yang cepat dan tidak stabil. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan model prediksi pergerakan harga USD/IDR menggunakan metode Neural Network, serta mengevaluasi keakuratan dan efektivitasnya. Penelitian ini mengidentifikasi beberapa masalah utama, termasuk kompleksitas pergerakan harga USD/IDR yang dipengaruhi oleh faktor ekonomi makro, geopolitik, dan sentimen pasar, serta keterbatasan metode prediksi tradisional dalam menangani fluktuasi pasar yang dinamis. Data historis dari Yahoo Finance digunakan untuk melatih model Neural Network, yang kemudian dievaluasi menggunakan metrik seperti Root Mean Squared Error (RMSE). Hasil penelitian menunjukkan bahwa model Neural Network yang dikembangkan mampu memprediksi pergerakan harga USD/IDR dengan tingkat akurasi yang tinggi. Model ini terbukti lebih efektif dibandingkan metode tradisional dalam menangani fluktuasi pasar yang dinamis dan kompleks. Penelitian ini diharapkan memberikan informasi yang lebih akurat bagi investor dan pembuat kebijakan ekonomi di Indonesia, serta berkontribusi dalam meningkatkan stabilitas ekonomi dan keuangan negara.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	USD/IDR, Neural Network, Yahoo Finance, Root Mean Square Error (RMSE)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	Sri Lestari
Date Deposited:	22 Nov 2024 02:56
Last Modified:	22 Nov 2024 02:56
URI:	http://repository.unpam.ac.id/id/eprint/15220

Actions (login required)

View Item