Perbandingan ARIMA dan LSTM untuk Peramalan Kurs USD/IDR Bulanan Berbasis Dashboard Streamlit

Nurhalisah, Reza Putri (2026) Perbandingan ARIMA dan LSTM untuk Peramalan Kurs USD/IDR Bulanan Berbasis Dashboard Streamlit. Diploma thesis, Universitas Nasional.

	Text Cover.pdf Download (1MB)
	Text BAB 1.pdf Download (548kB)
	Text BAB 2.pdf Download (608kB)
	Text BAB 3.pdf Download (589kB)
	Text BAB 4.pdf Download (1MB)
	Text BAB 5.pdf Download (414kB)
	Text Lampiran.pdf Download (594kB)

Abstract

Fluktuasi nilai tukar Rupiah terhadap Dolar AS (USD/IDR) dapat
meningkatkan ketidakpastian biaya transaksi yang menggunakan denominasi
dolar, sehingga diperlukan peramalan yang lebih terukur untuk mendukung
pengambilan keputusan. Penelitian ini bertujuan membangun dan
membandingkan kinerja metode ARIMA dan LSTM multivariat dalam peramalan
kurs USD/IDR bulanan, serta mengimplementasikan hasilnya dalam dashboard
Streamlit. Data yang digunakan merupakan data bulanan periode Januari 2015–
November 2025, dengan kurs USD/IDR (mid-rate hasil agregasi bulanan) sebagai
variabel target serta Money Supply (M2) dan policy rate sebagai variabel
pendukung. Pembagian data dilakukan secara runtun waktu dengan rasio 85%
data latih dan 15% data uji. Model ARIMA ditetapkan sebagai ARIMA (0,1,2)
dengan memasukkan variabel eksogen, sedangkan model LSTM dibangun melalui
normalisasi data dan pembentukan sequence menggunakan windowing; kandidat
window 3, 6, dan 12 diuji menggunakan skema validasi silang runtun waktu, dan
window 6 dipilih sebagai konfigurasi terbaik. Evaluasi pada data uji menggunakan
MAPE sebagai metrik utama serta MAE dan RMSE sebagai metrik pendukung
menunjukkan bahwa ARIMA (exog) menghasilkan performa lebih baik dibanding
LSTM, dengan nilai MAE 466,49; RMSE 519,79; dan MAPE 2,85%, sedangkan
LSTM memperoleh MAE 608,45; RMSE 662,13; dan MAPE 3,72%. Dashboard
Streamlit dikembangkan untuk menampilkan ringkasan proses ETL, visualisasi
tren data, perbandingan aktual dan prediksi, serta ringkasan metrik evaluasi
sehingga hasil analisis lebih mudah diakses dan dipahami.

Item Type:	Thesis (Diploma)
Subjects:	H Social Sciences > HB Economic Theory H Social Sciences > HG Finance Q Science > Q Science (General) T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Sistem Informasi
Depositing User:	Irna Irna Yunita
Date Deposited:	11 May 2026 07:06
Last Modified:	11 May 2026 07:06
URI:	https://repository.unas.ac.id/id/eprint/15885

Actions (login required)

View Item