Perbandingan Metode Triple Exponential Smoothing dan ARFIMA pada Peramalan Nilai Tukar Rupiah terhadap Dollar Amerika

Hazulil Fitriah Zedha, Silvy Amelia Siregar, Rizqa Maulida Rahmi, Syarifah Raihannatul Jannah, Riski Friyah Hari Sandi, Anjas Irawan, Samsul Anwar

Abstract


Stabilitas nilai tukar Rupiah (Rp) terhadap Dollar Amerika (USD) sangat penting dalam upaya menjaga stabilitas perekonomian nasional. Penelitian ini bertujuan untuk meramalkan nilai tukar Rp terhadap USD pada tahun 2022 hingga 2024. Data yang dianalisis adalah data bulanan nilai tukar Rp terhadap USD pada periode bulan Januari 2001 hingga bulan Juni 2022 (258 observasi). Metode peramalan yang digunakan dalam penelitian ini adalah metode Triple Exponential Smoothing (TES) dan Autoregressive Fractional Integrated Moving Average (ARFIMA). Hasil pengujian menunjukkan bahwa metode TES memiliki kemampuan yang lebih baik dalam meramalkan nilai tukar Rp terhadap USD jika dibandingkan dengan metode ARFIMA. Berdasarkan hasil peramalan dengan menggunakan metode TES, nilai tukar Rp diperkirakan akan mengalami pelemahan pada bulan Maret hingga Juni pada setiap tahunnya. Nilai tukar terendah diprediksi akan terjadi pada bulan Maret 2024 yaitu sebesar Rp.14.755/USD dengan selang kepercayaan 95% antara Rp.12.209/USD hingga Rp. 17.302/USD.

 

Kata Kunci:  Arfima, dollar amerika, nilai tukar rupiah, triple exponential smoothing.


References


G. Ardesfira, H. Fitriah Zedha, I. Fazana, J. Rahmadhiyanti, S. Rahima, and S. Anwar, “Peramalan Nilai Tukar Rupiah terhadap Dollar Amerika dengan Menggunakan Metode Autoregressive Integrated Moving Average (ARIMA),” Jambura J. Probab. Stat., vol. 3, no. 2, pp. 71–84, Nov. 2022.

M. Fatmawati and R. R. Sugiharti, “Dinamika Nilai Tukar Rupiah Terhadap Us Dollar: Metode Monetary Approach,” J. Ekon., vol. 11, no. 2, p. 265, 2021.

H. Santosa and A. M. Wisnu, “Analisis Pengaruh Nilai Tukar Rupiah, Suku Bunga SBI, Inflasi Terhadap Jakarta Islamic Index,” J. Ilm. Ekon. Islam, vol. 4, no. 03, p. 160, 2018.

D. Jauhari, A. Hanafi, M. F. A. Yuniarsa, A. R. Satria, L. H. H, and I. Cholissodin, “Prediksi Nilai Tukar Rupiah Terhadap US Dollar Menggunakan Metode Genetic Programming,” J. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 4, p. 285, 2016.

S. Mehrmolaei and M. R. Keyvanpour, “Time series forecasting using improved ARIMA,” 2016 Artif. Intell. Robot. IRANOPEN 2016, pp. 92–97, 2016.

S. Makridakis, S. C. Wheelwright, and R. J. Hyndman, Forecasting: Methods and Applications. New Jersey: John Wiley & Sons, Inc, 1998.

S. Santoso, Business Forecasting : Metode Peramalan Bisnis Masa Kini dengan Minitab dan SPSS. Jakarta: Elex Media Komputindo, 2009.

W. W. S. Wei, Time Series Analysis, Univariate and Multivariate Methods, Second Edi. New York: Pearson Addison Wesley, 2006.

V. Fitria and S. Anwar, “Penerapan Triple Exponential Smoothing Dalam Meramalkan Laju Inflasi Bulanan Provinsi Aceh,” E-jurnal Ekon. dan Bisnis, vol. 1, no. 9, pp. 23–38, 2020.

A. Fitri, S. Anwar, A. F. Zohra, and M. H. Nasution, “Peramalan Laju Inflasi Bulanan Kota Padang Menggunakan Metode Triple Exponential Smoothing,” J. Ilm. Sosio-Ekonomika Bisnis, vol. 21, no. 2, pp. 1–10, 2018.

N. Hidayati, S. Anwar, and R. Rahmah, “Peramalan Harga Cabai Merah sebagai upaya menjaga Stabilitas Inflasi Kota Banda Aceh,” AGRIEKONOMIKA, vol. 11, no. 1, pp. 31–42, Aug. 2022.

L. K. Ningrum, “Penerapan Model ARFIMA (Autoregressive Fractionally Integrated Moving Average) Dalam Peramalan Suku Bunga Sertifikat Bank Indonesia (SBI),” Universitas Sebelas Maret Surakarta, 2009.

S. Idris, R. Goejantoro, and Y. N. Nasution, “Pemodelan dan Peramalan Indeks Harga Perdagangan Besar (IHPB) dengan Menggunakan ARFIMA (Studi Kasus : IHPB Provinsi Kalimantan Timur bulan Januari 2002 - Desember 2006 dan Januari 2009 - September 2013),” J. EKSPONENSIAL, vol. 5, no. 2, pp. 137–146, 2014.

Bank Indonesia, “Foreign Exchange Rates,” Jun-2022. [Online]. Available: https://www.bi.go.id/en/statistik/informasi-kurs/transaksi-bi/default.aspx. [Accessed: 03-Jun-2023].

M. Mirdaolivia and A. Amelia, “Metode Exponential Smoothing Untuk Forecasting Jumlah Penduduk Miskin Di Kota Langsa,” J. Gamma-Pi, vol. 3, no. 1, pp. 47–52, 2021.

C. C. Holt, “Forecasting seasonals and trends by exponentially weighted moving averages,” Int. J. Forecast., vol. 20, no. 1, pp. 5–10, Jan. 2004.

R. Assakhiy, S. Anwar, and A.R. Fitriana, “Peramalan Realisasi Penerimaan Zakat Pada Baitulmal Aceh Dengan Mempertimbangkan Efek Dari Variasi Kalender,” J. Ekon. dan Pembang., vol. 27, no. 2, pp. 27–45, Dec. 2019.




DOI: http://dx.doi.org/10.24014/jsms.v11i1.23833

Refbacks

  • There are currently no refbacks.


Jurnal JSMS

p-ISSN     : 2460-4542 (print)
e-ISSN     : 2615-8663 (online)
Alamat   : Program Studi Matematika
                   Fakultas Sains dan Teknologi, UIN Suska Riau
                   Jl. H.R Soebrantas, No. 155, Tampan, Pekanbaru.
Website : http://ejournal.uin-suska.ac.id/index.php/JSMS
e-mail    : jsmsfst@uin-suska.ac.id