IMPLEMENTASI KOMBINASI METODE XGBOOST, LIGHTGBM, DAN CATBOOST DENGAN PENDEKATAN METODE STACKING DAN VOTING DALAM MEMPREDIKSI NILAI TUKAR RUPIAH TERHADAP MATA UANG ASING

A. Arjuna Putra Nganro, 3012010001 (2024) IMPLEMENTASI KOMBINASI METODE XGBOOST, LIGHTGBM, DAN CATBOOST DENGAN PENDEKATAN METODE STACKING DAN VOTING DALAM MEMPREDIKSI NILAI TUKAR RUPIAH TERHADAP MATA UANG ASING. Undergraduate thesis, Universitas Internasional Semen Indonesia.

	Text (COVER) 0. COVER.pdf Download (228kB)
	Text (HALAMAN JUDUL) 1. HALAMAN JUDUL.pdf Download (67kB)
	Text (HALAMAN PENGESAHAN) 2. HALAMAN PENGESAHAN.pdf Restricted to Repository staff only Download (548kB) | Request a copy
	Text (HALAMAN PERSETUJUAN PUBLIKASI) 3. HALAMAN PERSETUJUAN PUBLIKASI.pdf Restricted to Repository staff only Download (411kB) | Request a copy
	Text (HALAMAN PERNYATAAN ORISINALITAS) 4. HALAMAN PERNYATAAN ORISINALITAS.pdf Restricted to Repository staff only Download (257kB) | Request a copy
	Text (ABSTRAK) 5. ABSTRAK.pdf Download (290kB)
	Text (KATA PENGANTAR) 6. KATA PENGANTAR.pdf Restricted to Repository staff only Download (690kB) | Request a copy
	Text (DAFTAR ISI) 7. DAFTAR ISI.pdf Download (912kB)
	Text (DAFTAR GAMBAR) 8. DAFTAR GAMBAR.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text (DAFTAR TABEL) 9. DAFTAR TABEL.pdf Restricted to Repository staff only Download (2MB) | Request a copy
	Text (BAB I PENDAHULUAN) 10. BAB I PENDAHULUAN.pdf Download (2MB)
	Text (BAB II TINJAUAN PUSTAKA) 11. BAB II TINJAUAN PUSTAKA.pdf Restricted to Registered users only Download (5MB) | Request a copy
	Text (BAB III METODE PENELITIAN) 12. BAB III METODE PENELITIAN.pdf Restricted to Registered users only Download (2MB) | Request a copy
	Text (BAB IV HASIL DAN PEMBAHASAN) 13. BAB IV HASIL DAN PEMBAHASAN.pdf Restricted to Registered users only Download (58MB) | Request a copy
	Text (BAB V PENUTUP) 14. BAB V PENUTUP.pdf Restricted to Registered users only Download (226kB) | Request a copy
	Text (DAFTAR PUSTAKA) 15. DAFTAR PUSTAKA.pdf Download (303kB)
	Text (LAMPIRAN) 16. LAMPIRAN.pdf Restricted to Repository staff only Download (381kB) | Request a copy
	Text (FULLTEXT) 17. SKRIPSI - A. ARJUNA PUTRA NGANRO (3012010001).pdf Restricted to Repository staff only Download (16MB) | Request a copy
	Text (FULLTEXT DOC) 18. SKRIPSI - A. ARJUNA PUTRA NGANRO (3012010001).docx Restricted to Repository staff only Download (27MB) | Request a copy
	Image (POSTER SKRIPSI) 19. POSTER SKRIPSI.png Download (7MB)

Abstract

Sistem kurs mengambang bebas mengakibatkan fluktuasi yang signifikan pada nilai tukar Rupiah terhadap mata uang asing. Fluktuasi ini dapat mempengaruhi daya saing produk ekspor, inflasi domestik, serta minat investor asing untuk berinvestasi di Indonesia. Penelitian ini bertujuan untuk membandingkan kinerja algoritma Boosting, yaitu XGBoost, LightGBM, Dan Catboost serta algoritma penggabungan Stacking dan Voting dalam memprediksi nilai tukar Rupiah terhadap mata uang asing. Data yang digunakan merupakan data time series historis nilai tukar rupiah yang diperoleh dari situs resmi Bank Indonesia mulai tanggal 01 Januari 2019 hingga 31 Desember 2023. Penelitian ini mengevaluasi kinerja tiga algoritma pembelajaran mesin, yaitu LightGBM, XGBoost, dan CatBoost, serta algoritma penggabungan Stacking dan Voting dalam peramalan waktu dengan berbagai ukuran window size (window size) dan horizon peramalan. Hasil penelitian menunjukkan bahwa XGBoost secara konsisten memberikan performa terbaik dibandingkan LightGBM dan CatBoost dalam memprediksi kurs, terutama pada prediksi jangka pendek dan menengah. Sebagai contoh, dalam prediksi Kurs Jual USD dengan ukuran window size 1 hari, XGBoost menunjukkan MAE yang lebih rendah (49,91) dibandingkan LightGBM (52,83) dan CatBoost (64,19). Selain itu, metode Stacking terbukti lebih unggul dibandingkan Voting, dengan menghasilkan MAE yang lebih rendah pada prediksi Kurs Jual USD dan JPY pada berbagai ukuran window size dan horizon. Di sisi lain, CatBoost cenderung menghasilkan MAE yang lebih tinggi dibandingkan XGBoost dan Stacking, terutama pada dataset tertentu seperti prediksi Kurs Beli CNY. Meskipun Voting memberikan hasil yang konsisten, Stacking dan XGBoost lebih efektif dalam hal akurasi prediksi. Secara umum, peningkatan horizon prediksi dari h1 ke h30 menyebabkan peningkatan MAE pada semua model dan metode penggabungan, menandakan bahwa prediksi untuk horizon yang lebih panjang lebih menantang. Sementara itu, ukuran window size tidak menunjukkan dampak signifikan terhadap MAE dalam beberapa kombinasi horizon, namun tetap menjadi faktor penting dalam optimasi model.

Item Type:	Thesis (Undergraduate)
Additional Information:	Softfile/KK.24/UISI-01/IF
Uncontrolled Keywords:	Kurs, Prediksi, CatBoost, LightGBM, Stacking, Voting, XGBoost
Contributors:	Contribution Name Email Thesis advisor Puji Andayani, S.Si., M.Si., M.Sc. puji.andayani@uisi.ac.id
Subjects:	T Technology > T Technology (General)
Divisions:	Department of Informatics
Depositing User:	A. Arjuna Putra Nganro
Date Deposited:	17 Sep 2024 16:27
Last Modified:	17 Sep 2024 16:27
URI:	https://repository.uisi.ac.id/id/eprint/6896

Actions (login required)

View Item