Perbandingan Kinerja ARIMAX dan Fuzzy Time Series Multi Factor pada Peramalan Data Nilai Tukar USD

Rania Hana Tsabita, Ronny Susetyoko, Edi Satriyanto

Abstract


Penelitian ini membandingkan metode ARIMAX dan Fuzzy Time Series Multi Factor dalam meramalkan nilai tukar USD untuk mendukung pencapaian SDG 8. Data yang digunakan mencakup nilai tukar USD, inflasi, dan ekspor migas Indonesia selama periode 2019–2024, dengan enam variasi panjang data pelatihan. Evaluasi kinerja model dilakukan menggunakan metrik Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa metode ARIMAX With Dummy menghasilkan akurasi terbaik dengan nilai MAPE terendah sebesar 2,32% pada rasio data latih dan uji 60:9. Model ini juga menunjukkan pengaruh signifikan dari panjang data terhadap akurasi prediksi. Hasil menunjukkan bahwa model ini paling optimal dan signifikan dalam meningkatkan akurasi peramalan indikator ekonomi.

Keywords


ARIMAX; Fuzzy Time Series Multi-Factor; Peramalan

References


Prasetyo, B., & Wulandari, S. (2023). Sosialisasi Peran Pemuda dalam SDGs Tujuan 8 Pekerjaan Layak dan Pertumbuhan Ekonomi Inklusif di Desa Junrejo Kecamatan Junrejo Kota Malang. Jurnal Pengabdian Masyarakat, 7(1), 45-54. https://bajangjournal.com/index.php/JPM/article/view/4374/3211

-

Suhendra, I. K., & Wijaya, R. (2024). SDGs KE-8: Tantangan dan Peluang dalam Mewujudkan Pekerjaan Layak dan Pertumbuhan Ekonomi. Musytari Neraca: Jurnal Ilmu Sosial dan Humaniora, 12(2), 110-124. https://ejournal.warunayama.org/index.php/musytarineraca/article/view/8249/7413

-

Putra, A. R., & Santoso, B. (2022). Peramalan Banyaknya Pengunjung Pantai Glagah Menggunakan Metode Autoregressive Integrated Moving Average Exogenous (ARIMAX) dengan Efek Variasi Kalender. Jurnal Statistika dan Komputasi, 9(1), 21-30.

-

Putra, A. R., & Santoso, B. (2022). Peramalan Menggunakan Model Hybrid ARIMAX-NN untuk Total Transaksi Pembayaran Nontunai. Jurnal Variansi, 5(1), 15-27.

-

Khoirin, K., Setiawan, B. D., & Widodo, A. W. (2018). Peramalan Tingkat Produksi Gula Menggunakan Multi Factor Fuzzy Time Series yang Dioptimasi dengan Algoritme Genetika. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 2(11), 2-6.

-

Rahman, F., & Lestari, D. (2023). Penerapan Metode Autoregressive Integrated Moving Average untuk Memprediksi Penggunaan Barang Medis pada Logistik Medis Rumah Sakit Muhammadiyah Gresik. Jurnal Sistem Informasi dan Teknologi, 4(2), 50-60.

-

Nugroho, H., & Santoso, T. (2024). Peramalan PDRB di Jawa Timur Menggunakan Model ARIMAX dengan Variabel Eksogen Ekspor-Impor. Jurnal Matematika dan Statistik, 10(1), 75-85.

-

Sari, D. P., & Fadillah, N. (2023). Fuzzy Time Series Based on the Hybrid of FCM with CMBO Optimization Technique for High Water Prediction. BAREKENG: Jurnal Ilmu Matematika dan Terapan, 17(3), 1234-1245.

-

Zhang, R.-L., & Liu, X.-H. (2023). A Novel Hybrid SBM Clustering Method Based on Fuzzy Time Series. IEEE Access, 11, 60693-60706. https://doi.org/10.1109/ACCESS.2023.3273010

-

Hooda, D. S., & Raich, V. (2017). Fuzzy Logic Models and Fuzzy Control: An Introduction. Oxford: Alpha Science International Ltd.

-

Wulandari, S., & Prasetyo, B. (2024). The Performance of the ARIMAX Model on Cooking Oil Price Data in Indonesia. Jurnal Ekonomi dan Bisnis, 8(1), 55-65.




DOI: http://dx.doi.org/10.30811/jim.v10i1.6865

Refbacks

  • There are currently no refbacks.


Copyright (c) 2025 Rania Hana Tsabita