OPTIMASI HYPERPARAMETER MENGGUNAKAN HYPERBAND UNTUK PREDIKSI NILAI TUKAR DOLLAR AS (USD) DENGAN RUPIAH (IDR) MENGGUNAKAN GAUSSIAN PROCESS REGRESSION (GPR)

Siagian, Richard Petrus Haposan (2025) OPTIMASI HYPERPARAMETER MENGGUNAKAN HYPERBAND UNTUK PREDIKSI NILAI TUKAR DOLLAR AS (USD) DENGAN RUPIAH (IDR) MENGGUNAKAN GAUSSIAN PROCESS REGRESSION (GPR). Undergraduate thesis, Universitas Pembangunan Nasional Veteran Jawa Timur.

	Text 21081010250_Cover.pdf Download (3MB)
	Text (BAB 1) 21081010250_BAB I.pdf Download (145kB)
	Text (BAB 2) 21081010250_BAB II.pdf Restricted to Repository staff only until 18 November 2028. Download (405kB) | Request a copy
	Text (BAB 3) 21081010250_BAB III.pdf Restricted to Repository staff only until 18 November 2028. Download (928kB) | Request a copy
	Text (BAB 4) 21081010250_BAB IV.pdf Restricted to Repository staff only until 18 November 2028. Download (9MB) | Request a copy
	Text (BAB 5) 21081010250_BAB V.pdf Restricted to Repository staff only until 18 November 2028. Download (100kB) | Request a copy
	Text (Daftar Pustaka) 21081010250_Daftar Pustaka.pdf Download (149kB)

Abstract

Perkembangan teknologi informasi telah mendorong transformasi besar dalam cara manusia memproses, menganalisis, dan memprediksi fenomena kompleks di berbagai bidang, termasuk keuangan Ketidakstabilan nilai tukar yang tinggi membuat peramalan menjadi tantangan, terutama karena hubungan antar variabel ekonomi bersifat nonlinier dan dinamis. Penelitian ini bertujuan untuk membangun model prediksi nilai tukar USD/IDR menggunakan Gaussian Process Regression (GPR), yang mampu menangkap hubungan nonlinier dan memberikan interval kepercayaan (uncertainty estimation) terhadap hasil prediksi. Untuk meningkatkan akurasi dan efisiensi model, dilakukan optimasi hyperparameter menggunakan algoritma Hyperband, yang secara adaptif memilih kombinasi parameter terbaik tanpa perlu eksplorasi menyeluruh. Model GPR diuji menggunakan tiga jenis kernel — Rational Quadratic (RQ), Radial Basis Function (RBF), dan Matern — serta tiga skenario pembagian data (70:30, 80:20, dan 90:10). Dataset penelitian mencakup data historis nilai tukar, harga emas, inflasi, dan ekspor selama lima tahun terakhir.Hasil pengujian menunjukkan bahwa setelah dilakukan optimasi Hyperband, performa model meningkat signifikan, di mana kernel Matern teroptimasi menghasilkan R² = 0.9759, RMSE = 60.22, MAE = 44.88, dan MAPE = 0.27% pada skenario pembagian data 70:30. Hasil ini membuktikan bahwa GPR mampu memprediksi nilai tukar dengan tingkat kesalahan yang sangat rendah sekaligus memberikan ketidakpastian prediksi yang terukur.

Item Type:	Thesis (Undergraduate)
Contributors:	Contribution Contributors NIDN/NIDK Email Thesis advisor Rahajoe, Ani Dijah NIDN19730512200501 2 003 anidijah.if@upnjatim.ac.od Thesis advisor Al Haromainy, M. Muharrom NIDN199506012022031006 muhammad.muharrom.if@upnjatim.ac.id
Subjects:	T Technology > T Technology (General) > T58.6-58.62 Management Information Systems
Divisions:	Faculty of Computer Science > Departemen of Informatics
Depositing User:	Richard Petrus Haposan Siagian
Date Deposited:	25 Nov 2025 08:16
Last Modified:	25 Nov 2025 08:16
URI:	https://repository.upnjatim.ac.id/id/eprint/46846

Actions (login required)

View Item