Perbandingan Metode Moving Average dan Exponential Smoothing pada Peramalan Nilai Tukar Rupiah terhadap Dollar AS

(1)

JURIKOM (Jurnal Riset Komputer), Vol. 9 No. 4, Agustus 2022 e-ISSN 2715-7393 (Media Online), p-ISSN 2407-389X (Media Cetak) DOI 10.30865/jurikom.v9i4.4493

Hal 974−979 http://ejurnal.stmik-budidarma.ac.id/index.php/jurikom

Perbandingan Metode Moving Average dan Exponential Smoothing pada Peramalan Nilai Tukar Rupiah terhadap Dollar AS

Sayyidah Jasinda Amalia, Nunik Oktaviani, Garin Indra Prameswara, Yogo Dwi Prasetyo^*, M Yoka Fathoni Sistem Informasi, Fakultas Informatika, Institut Teknologi Telkom Purwokerto, Purwokerto, Indonesia

Email: ¹20103143@ittelkom-pwt.ac.id, ²20103158@ittelkom-pwt.ac.id, ³20103130@ittelkom-pwt.ac.id,^4,*yogo@ittelkom-pwt.ac.id,

5myokafathoni@ittelkom-pwt.ac.id⁵ Email Penulis Korespondensi: yogo@ittelkom-pwt.ac.id Submitted 18-07-2022; Accepted 16-08-2022; Published 30-08-2022

Abstrak

Mata uang masing-masing negara berbeda, mengakibatkan kesulitan dalam bertransaksi antara satu negara dengan negara lain.

Sehingga dibutuhkan proses penukaran mata uang untuk memudahkan proses transaksi antar negara yang disebut Nilai Tukar. Nilai tukar mata uang atau dikenal dengan kurs merupakan harga satu unit mata uang asing dalam mata uang domestik atau bisa disebut sebagai nilai tukar mata uang terhadap pembayaran saat ini atau dikemudian hari antara dua mata uang masing-masing negara atau wilayah. Nilai tukar mata uang suatu negara sangat dipengaruhi oleh aliran modal antar negara. Perekonomian Indonesia banyak dipengaruhi perekonomian internasional sehingga nilai tukar Rupiah sangat dibutuhkan oleh masyarakat dalam kehidupan perekonomiannya. Nilai tukar mata uang asing yang mempengaruhi nilai tukar Rupiah seperti nilai tukar Dollar AS sangat perlu diramalkan untuk jangka waktu tertentu. Data nilai tukar (Kurs) memiliki volatilitas yang sangat tinggi dan cenderung tidak stasioner.

Penelitian ini membahas peramalan nilai tukar Rupiahterhadap Dollar AS dengan dua metode yaitu Moving Averages dan Exponential Smoothing. Analisis akurasi dengan metode Mean Absolute Deviation (MAD) dan Mean Squared Error (MSE). Software yang digunakan dalam penelitian ini adalah software Quantitative Method (QM 5.3). Hasil penelitian menjelaskan bahwa metode peramalan yang paling tepat digunakan dalam menganalisis data. Metode Exponential Smoothing ramalan nilai tukar Rupiahterhadap Dollar AS dengan α = 1,0 untuk tanggal 1 Januari 2022 adalah sebesar Rp. 14.278 dengan MAD senilai 29,105 dan MSE senilai 1564,619.

Kata Kunci: Peramalan; Moving Average; Exponential Smoothing Abstract

The currency exchange rate or known as the exchange rate is the price of one unit of foreign currency in the domestic currency or can be referred to as the currency exchange rate against current or future payments between the two currencies of each country or region.

The exchange rate of a country's currency is strongly influenced by the flow of capital between countries. The Indonesian economy is heavily influenced by the international economy so that the Rupiah exchange rate is very much needed by the community in their economic life. Exchange rate data has very high volatility and tends not to be stationary. This study discusses the forecasting of the Rupiah exchange rate against the Dollar AS with two methods, namely Moving Averages and Exponential Smoothing. Accuracy analysis using Mean Absolute Deviation (MAD) and Mean Squared Error (MSE) methods. The software used in this research is the Quantitative Method (QM 5.3) software. The results of the study explain that the most appropriate forecasting method is used in analyzing the data. The Exponential Smoothing method forecasts the exchange rate of the Rupiah against the US Dollar with = 1.0 for January 1, 2022, which is Rp. 14,278 with MAD worth 29,105 and MSE worth 1564,619.

Keywords: Forecasting; Moving Average; Exponential Smoothing

1. PENDAHULUAN

Mata uang masing-masing negara berbeda, mengakibatkan kesulitan dalam bertransaksi antara satu negara dengan negara lain. Sehingga dibutuhkan proses penukaran mata uang untuk memudahkan proses transaksi antar negara yang disebut Nilai Tukar[1].

Nilai tukar mata uang asing mengambil bagian penting dalam dinamika pasar mata uang. Nilai tukar Rupiah adalah harga Rupiah terhadap mata uang lainnya. Dengan kata lain, nilai tukar Rupiah ( adalah penilaian terhadap satu Rupiah yang ditranslasikan ke mata uang negara lain (mis. Rupiah terhadap Dollar AS, Rupiah terhadap Yen, dan sebagainya).

Data nilai tukar mata uang dikenal sebagai data time series. Data deret waktu adalah pengamatan variabel yang berurutan secara kronologis[2].

Data time series atau data deret waktu didefinisikan sebagai kumpulan pengukuran variabel data yang diperoleh pada interval pengambilan tetap selama interval waktu tertentu. Data time series ini dapat terdiri dari komponen- komponennya, termasuk tren, musiman (pola berdasarkan rentang musim/waktu tertentu), dan random. Tren biasanya ditentukan ketika nilai data meningkat atau menurun, musiman mengacu pada pola kejadian dalam jangka waktu tertentu.

Pada waktu yang sama random berarti tidak berpola karena interferensi ketika pengukuran/pengambilan data. Contoh data deret waktu adalah nilai tukar Rupiah (kurs).

Nilai tukar mata uang atau dikenal dengan kurs merupakan harga satu unit mata uang asing dalam mata uang domestik atau bisa disebut sebagai nilai tukar mata uang terhadap pembayaran saat ini atau di kemudian hari antara dua mata uang masing-masing negara atau wilayah. Nilai tukar mata uang suatu negara sangat dipengaruhi oleh aliran modal antar negara, apabila modal mengalir ke suatu negara, permintaan mata uangnya meningkat, dan kemudian nilai mata uang negara tujuan investasi akan meningkat dan nilai mata uanginvestasi dana menurun [3]. Selain suku bunga, tingkat inflasi juga mempengaruhi Rupiah Indonesia ke Dollar AS (Amerika Serikat) karena harga naik karena inflasi harga domestik akan lebih mahal dari harga luar negeri, sehingga negara cenderung impor barang dan akhirnya mata uang negara terdepresiasi. Faktor terakhir adalah jumlah barang impor, semakin banyak barang impor yang masuk ke dalam

(2)

Hal 974−979 http://ejurnal.stmik-budidarma.ac.id/index.php/jurikom negeri suatu negara, maka nilai mata uang negara tersebut akan turun karena permintaan terhadap mata uang tersebut.

Negara tersebut memiliki mata uang yang lebih sedikit daripada yang dibutuhkan oleh negara pengimpor.

Pada penelitian sebelumnya, digunakan metode statistika, salah satu metode peramalan yang kerap kali digunakan adalah teknik Exponential Smoothing yaitu menggunakan pemulusan data-data lampau, teknik Autoregression Integrated Moving Average (ARIMA)[3]. Prediksi nilai mata uang salah satunya terhadap Dollar AS sangat diperlukan untuk menentukan kebijakan perekonomian yang akan datang[4]. Terdapat sejumlah fenomena besar yang hingga saat ini hasilnya dapat diramalkan dengan presisi ketepatan yang cukup tinggi. Kemajuan dari suatu ilmu pengetahuan dan teknologi telah meningkatkan pengertian mengenai berbagai aspek lingkungan dan akibatnya banyak peristiwa yang dapat diramalkan[5]. Peramalan berperan penting dalam setiap bidang fungsional, baik dalam bidang keuangan, pemasaran, sumber daya manusia, produksi, dalam pemerintah maupun organisasi yang bertujuan laba, namun peramalan bukanlah pengganti dari perencanaan. Peramalan adalah salah satu aspek dari perencanaan. Pada umumnya kegunaan peramalan adalah sebagai alat bantu dalam perencanaan yang efektif dan efisien, juga untuk menentukan kebutuhan sumber daya di masa yang kan datang serta untuk membuat keputusan yang tepat. Kegunaan peramalan terlihat pada suatu pengambilan keputusan. Baik tidaknya hasil suatu penelitian sangat ditentukan oleh ketepatan ramalan yang dibuat.

Walaupun demikian perlu diketahui bahwa ramalan selalu ada unsur kesalahannya, sehingga yang perlu diperhatikan adalah usaha untuk memperkecil kesalahan dari ramalan tersebut[6]

Tingginya nilai tukar mata uang negara lain terhadap suatu negara akan mengakibatkan terpuruknya keadaan ekonomi suatu negara. Melemahnya nilai tukar mata uang akan menyebabkan utang luar negeri Indonesia akan meningkat dan neraca perusahaan maupun bank-bank akan terpuruk. Fenomena fluktuasi nilai tukar Rupiah yang tak menentu kerap kali terjadi di Indonesia yang akan menyebabkan keadaan ekonomi terutama perdagangan akan terganggu karena perdagangan dinilai dengan mata uang Dollar AS. Oleh karena itu diperlukan penanganan serius dalam menghadapi fluktuasi kurs yang tidak menentu karena akan mempengaruhi performa ekonomi suatu negara sehingga dapat diambil keputusan apa yang akan dilakukan setelah mengetahui nilai tukar mata uang periode selanjutnya.

Pergeseran volatilitas (yaitu pemutusan struktural dalam volatilitas) dalam pengembalian meningkatkan kurtosis yang secara signifikan berkontribusi pada ketidaknormalan yang diamati dalam pengembalian pasar. Dalam makalah ini, kami secara endogen mendeteksi perubahan signifikan dalam volatilitas nilai tukar Dollar AS dan memasukkan informasi ini untuk memperkirakan Value-at-Risk (VaR) untuk memperkirakan penurunan besar dalam nilai tukar Dollar AS.

Setelah membandingkan kerangka kerja dengan beberapa metode benchmark dengan fungsi loss mean squared error dan mean absolute presentase error, dan menerapkan model confidence set, pekerjaan ini menunjukkan bahwa metode yang diusulkan meningkatkan akurasi peramalan dibandingkan pendekatan sebelumnya[7]. Perbaikan terus-menerus pada teknik peramalan sangat penting terutama di area di mana terdapat batasan batas atas pada pasokan dan batas bawah pada tingkat operasi minimum[8].

Nilai tukar Rupiah terhadap Dollar AS yang fluktuatif sangat mempengaruhi ekonomi Indonesia saat ini, dibutuhkan suatu metode untuk meramalkan nilai tukar Rupiah terhadap Dollar AS agar bisa diprediksi. Diharapkan para pemangku kepentingan segera mengambil kebijakan strategis demi stabilitas ekonomi nasional[9]. Salah satu faktor yang mempengaruhi kuatnya ekonomi suatu negara adalah nilai tukar mata uang (kurs). Pada beberapa kasus yang terjadi di negara maju seperti Eropa atau Amerika, nilai tukar mata uang merupakan bagian yang sangat vital, hingga berpengaruh menghambat perdagangan internasional[10]. Perekonomian Indonesia banyak dipengaruhi perekonomian internasional sehingga nilai tukar Rupiah sangat dibutuhkan oleh masyarakat dalam kehidupan perekonomiannya[11]. Nilai tukar mata uang asing yang mempengaruhi kurs Rupiah seperti nilai tukar Dollar AS sangat perlu diramalkan untuk jangka waktu tertentu. Data kurs memiliki volatilitas yang sangat tinggi dan cenderung tidak stasioner[12].

2. METODOLOGI PENELITIAN

2.1 Tahapan Penelitian

Tahapan metodologi penelitian disajikan pada Gambar 1.

Gambar 1. Tahapan Metodologi Penelitian

.

Penelitian ini membahas forecasting nilai tukar Rupiah terhadap Dollar AS dengan dua metode yaitu Moving Averages dan Exponential Smoothing. Alasan menggunakan kedua metode tersebut adalah untuk lebih menyesuaikan tren dalam data yang tersedia. Prediksi dilengkapi dengan nilai kesalahan rata-rata, rata-rata kesalahan mutlak dan deviasi.

identifikasi masalah

merumuskan masalah

mengkaji literatur

menentukan variabel penelitian mengolah

data membuat

kesimpulan

(3)

Hal 974−979 http://ejurnal.stmik-budidarma.ac.id/index.php/jurikom Software yang digunakan dalam penelitian ini adalah software Quantitative Method (QM 5.3).

Jenis penelitian yang dilakukan adalah deskripsi kuantitatif. Penelitian ini bertujuan untuk menjelaskan secara sistematis dan aktual dengan memahami fakta dan karakteristik populasi tertentu secara akurat dengan menggambarkan fenomenanya secara rinci. Penelitian deskriptif kuantitatif adalah usaha untuk memberikan jawaban terkait langkah yang digunakan dalam Penelitian yang dilakukan dengan menggunakan metode kuantitatif.

Teknik pengumpulan data dengan menggunakan teknilk dokumentasi dilakukan dengan mengumpulkan data sekunder. Pengambilan data time series nilai tukar Rupiah terhadap Dollar AS dari tanggal 1 Januari sampai dengan 31 Desember 2021 Kurs referensi dari bank Indonesia yang merupakan harga spot Dollar AS / Rupiah yang disusun berdasarkan kurs transaksi Dollar AS terhadap Rupiah antar bank di pasar valuta asing Indonesia, melalui Sistem Monitoring Transaksi Valuta Asing Terhadap Rupiah (SISMONTAVAR) di Bank Indonesia secara real time.

2.2 Moving Average

Metode Moving Average untuk menghaluskan data time series adalah metode yang sangat subyektif karena akan tergantung pada panjang dari periode yang kita pilih untuk menyusun rata-ratanya. Untuk menghilangkan fluktuasi siklis, periode yang dipilih harus merupakan nilai bulat yang berhubungan dengan perkalian dari rata-rata perkiraan dari panjang siklis dalam serial data tersebut[13].

Apabila kita mempunyai data berkala sebanyak 𝑡: 𝑌₁, 𝑌₂, … , 𝑌_𝑖, … , 𝑌_𝑡 maka rata-rata bergerak (moving average) 𝑛 waktu (tahun, bulan, minggu, hari) merupakan urutan rata-rata hitung sebagai berikut :

𝒀_𝒕 + 𝒀_𝒕−𝟏 + 𝒀_𝒕−𝟐 + ... +𝒀_{𝒕−(𝒏+𝟏)}

𝑵 (1)

Setiap rata-rata hitung di atas disebut total bergerak (moving total) yang berguna untk mengurangi variasi dari data asli. Di dalam data berkala, rata-rata bergerak sering digunakan untuk memuluskan fluktuasi yang terjadi dalam data tersebut.

2.3 Exponentials Smoothing

Metode ini digunakan untuk peramalan jangka pendek. Model mengasumsikan bahwa data fluktuasi disekitar nilai mean yang tetap, tanpa tren atau pola pertumbuhan konsisten. Tidak seperti Moving Average, Exponential Smoothing memberikan penekanan yang lebih besar kepada time series saat ini melalui penggunaan sebuah konstanta smoothing mungkin berkisar dari 0 ke 1. Nilai yang dekat dengan 1 saat ini sedangkan nilai yang dekat dengan 0 memberi penekanan pada titik data sebelumnya[14]. Rumus untuk simple exponential smoothing adalah sebagai berikut :

𝑺_𝒕 = 𝒂 ∗ 𝑿_𝒕+ (𝟏 − 𝒂) ∗ 𝑺_𝒕−𝟏 (2) Keterangan :

𝑺𝒕= Peramalan untuk periode 𝑡 𝑿_𝒕 = Nilai aktual time series

𝑺𝒕−𝟏 = Peramalan pada waktu 𝑡 − 1 (waktu sebelumnya) 𝜶 = Kontanta perataan antara 0 dan 1

2.4 Akurasi Peramalan

Sebuah ukuran yang lebih banyak digunakan oleh para peneliti untuk menaksir ketepatan dari berbagai model peramalan adalan Mean Absolute Deviation (MAD).

𝑴𝑨𝑫 = ∑ |𝑨𝒕− 𝑭𝒕| (3)

Keterangan :

∑ = Jumlah

𝐴𝑡= Data pengamatan periode 𝑡 𝐹𝑡 = Ramalan Periode 𝑡

Sedangkan Mean Squared Error (MSE), ukuran didasarkan pada jumlah beda kuadrat antara nilai-nilai aktual dan nilai yang di fit kan dalam sebuah time series. Jika sebuah model mencocokkan diri pada data time series masa lampau dengan sempurna, maka variasi yang tak terjelaskan tersebut akan minimal. Sementara itu jika model tersebut mencocokkan diri pada data time series masa lampau dengan tidak baik, maka variasi tak terjelaskan tersebut akan maksimal.

𝑴𝑺𝑬 = ∑(𝑨_𝒕− 𝑭_𝒕)^𝟐 (4)

Keterangan :

∑ = Jumlah

𝐴𝑡 = Data pengamatan periode t 𝐹_𝑡= Ramalan Periode t

(4)

3. HASIL DAN PEMBAHASAN

Untuk selanjutnya data akan dilakukan dengan dua metode yaitu Moving Averange dan Exponential Smoothing. Moving average menggunakan Moving Average 3 hari dan exponential smoothing menggunakan peramalan 5 hari. Data nilai tukar Rupiah yang aktual diperoleh dari website Bank Indonesia yaitu bi.go.id. mulai dari tanggal 1 Januari sampai dengan 31 Desember 2021. Adapun data tersebut adalah sebagai berikut :

Tabel 1. Nilai Tukar Rupiah terhadap Dollar AS per tanggal 1 Januari 2021 s/d 31 Desember 2021

Periode Kurs Periode Kurs

1 13.903 … …

2 13.945 … …

3 13.926 241 14.264

4 13.938 242 14.251

5 14.058 243 14.219

6 14.155 244 14.225

7 14.231 245 14.237

8 14.109 246 14.265

9 14.119 247 14.269

10 14.068 248 14.278

Sumber : Bank Indonesia (2021) a. Peramalan dengan metode moving average 3 hari

Metode ini dihitung dengan menggunakan data dari periode yang baru untuk menemukan rata-rata lama dan memasukkan data untuk periode terbaru. Rata-rata baru digunakan sebagai Prakiraan untuk periode mendatang. Hasil perhitungan peramalan dengan metode moving average sebagai berikut :

Tabel 2. Hasil Peramalan Nilai Tukar Rupiah terhadap Dollar AS Moving Average 3 hari Periode Kurs Forecasting MAD At – Ft MSE (At – Ft)²

1 13.903

2 13.945

3 13.926

4 13.938 13.924,67 13,334 177,795

5 14.058 13.936,33 121,667 14802,86

6 14.155 13.974,00 181 32761

7 14.231 14.050,33 180,666 32640,21

8 14.109 14.148,00 39 1521

9 14.119 14.165,00 46 2116

10 14.068 14.153,00 85,001 7225,166

… .… .… … …

100 14.276 14.304,67 -28,667 28,667

101 14.297 14.292,67 4,334 4,334

102 14.316 14.288,33 27,667 27,667

103 14.271 14.296,33 -25,334 25,334

104 14.262 14.294,67 -32,667 32,667

105 14.262 14.283,00 -21 21

106 14.240 14.265,00 -25 25

107 14.206 14.254,67 -48,666 48,666

108 14.222 14.236,00 -14 14

109 14.244 14.222,67 21,333 21,333

110 14.378 14.224,00 154 154

… .… .… … …

241 14.264 14.358,67 94,667 8961,84

242 14.251 14.332,33 81,333 6615,058

243 14.219 14.288,00 -69 4761

244 14.225 14.244,67 -19,667 386,791

245 14.237 14.231,67 5,334 28,451

246 14.265 14.227,00 38 1444

247 14.269 14.242,33 26,666 711,076

248 14.278 14.257,00 21 440,959

Total 3.549.430 9593,998 666484,8

AVERAGE 14.312,22 39,159 2720,346

Next period 14.270,68

(5)

Gambar 2. Grafik Perbandingan Data Kurs dan Forecast Menggunakan Moving Average 3 Hari.

Gambar 2 memperlihatkan grafik antara data kurs dan forecast menggunakan Moving Average 3 hari terletak pada kurva yang hampir sama.

b. Peramalan dengan metode Exponential Smoothing Hasil perhitungan menggunakan konstanta 𝛼 = 1,0.

Tabel 4. Hasil Peramalan Nilai Tukar Rupiah terhadap Dollar AS Eksponential Smoothing α=0,1 Periode Kurs Forecasting MAD At – Ft MSE (At – Ft)²

1 13.903

2 13.945 13.903 42 1764

3 13.926 13.945 19 361

4 13.938 13.926 12 144

5 14.058 13.938 120 14400

6 14.155 14.058 97 9409

7 14.231 14.155 76 5776

8 14.109 14.231 122 14884

9 14.119 14.109 10 100

10 14.068 14.119 51 2601

… .… .… … …

100 14.276 14.292 16 256

101 14.297 14.276 21 441

102 14.316 14.297 19 361

103 14.271 14.316 45 2025

104 14.262 14.271 9 81

105 14.262 14.262 0 0

106 14.240 14.262 22 484

107 14.206 14.240 34 1156

108 14.222 14.206 16 256

109 14.244 14.222 22 484

110 14.378 14.244 134 17956

… .… .… … …

241 14.264 14.349 85 7225

242 14.251 14.264 13 169

243 14.219 14.251 32 1024

244 14.225 14.219 6 36

245 14.237 14.225 12 144

246 14.265 14.237 28 784

247 14.269 14.265 4 16

248 14.278 14.269 9 81

Totals 3.549.430 7189 386461

AVERAGE 14.312,22 29,105 1564,619

Next period forecast

14.278

(6)

Gambar 3. Grafik Perbandingan Data Kurs dan Forecast Menggunakan Exponential Smoothing 𝜶 = 𝟏,0.

Pada Gambar 3 memperlihatkan grafik antara data kurs dan forecast menggunakan Eksponential Smoothing dengan 𝜶 = 𝟏,0 juga terletak pada kurva yang hampir sama. Sehingga hasil forecast yang diperoleh cukup akurat.

Berikut ini perbandingan akurasi peramalan menggunakan metode Moving Average 3 hari dan Exponential Smoothing dengan 𝛼 = 1,0.

Tabel 7. Perbandingan Akurasi pada Peramalan

Metode MAD MSE

Moving Average 3 hari 39,159 2720,346 Exponential Smoothing 𝛼 = 1,0 29,105 1564,619

Dari tabel di atas bisa diketahui metode Exponential Smoothing 𝛼 = 1,0 dengan MAD = 29,105 dan MSE = 1564,619 dikarenakan MAD dan MSE nya terkecil daripada metode Moving Average.

4. KESIMPULAN

Pada penelitian ini telah dilakukan peramalan nilai tukar Rupiah terhadap Dollar AS dengan menggunakan metode Moving Average dan metode Exponential Smoothing Hasil yang diperoleh dimana periode yang digunakan pada metode Moving Average adalah 3 hari sebelumnya dan pada metode Exponential Smoothing nilai 𝛼 = 1,0. Nilai Mean Absolute Deviation (MAD) terkecil diperoleh pada metode Exponential Smoothing sebesar Rp. 29,105 dengan nilai Mean Square Error (MSE) sebesar Rp. 1.564,619. Hal ini menunjukan bahwa metode Exponential Smoothing menghasilkan akurasi peramalan yang lebih baik daripada metode Moving Average. Ramalan nilai tukar Rupiah terhadap Dollar AS untuk tanggal 1 Januari 2022 menggunakan Exponential Smoothing sebesar Rp. 14.278.

REFERENCES

[1] U. Islam Negeri Sultan Syarif Kasim and B. Dimas Universitas Islam Negeri Sultan Syarif Kasim, “Zero : Jurnal Sains, Matematika, dan Terapan Prediction of Rupiah Currency Value Against Dollar with ARIMA Model Bagus Dimas,” vol. 5, no.

2, pp. 1–08, 2021.

[2] Y. D. Prasetyo, “Seminar Nasional Royal (SENAR) 2018 ISSN 2622-9986 (cetak) STMIK Royal-AMIK Royal,” 2018.

[3] E. Dewi et al., “Prediksi Kurs Rupiah Terhadap Dollar Amerika Menggunakan Metode Trend Moment,” vol. 4, no. 2, 2019.

[4] I. Hidayat Susilowati, “Perspektif: Jurnal Ekonomi & Manajemen Universitas Bina Sarana Informatika Peramalan Nilai Tukar Kurs IDR Terhadap Dollar USD Dengan Metode Moving Average dan Exponential Smoothing”, doi: 10.31294/jp.v17i2.

[5] M. Latif and R. Herdiansyah, “Peramalan Persediaan Barang Menggunakan Metode Weighted Moving Average dan Metode Double Exponential Smoothing,” Journal of Information System Research (JOSH), vol. 3, no. 2, pp. 137–142, Jan. 2022, doi:

10.47065/josh.v3i2.1232.

[6] Y. Sari and E. Winarni, “Perbandingan Kinerja Peramalan Kurs di Indonesia,” Ekonomis: Journal of Economics and Business, vol. 6, no. 1, pp. 60–68, doi: 10.33087/ekonomis.v6i1.487.

[7] F. Prado, M. C. Minutolo, and W. Kristjanpoller, “Forecasting based on an ensemble Autoregressive Moving Average - Adaptive neuro - Fuzzy inference system – Neural network - Genetic Algorithm Framework,” Energy, vol. 197, Apr. 2020, doi:

10.1016/j.energy.2020.117159.

[8] H. Anjum and F. Malik, “Forecasting Risk in the US Dollar Exchange Rate under Volatility Shifts.”

[9] P. Jana and I. Ratri Prihatiningsih, “PERAMALAN KURSIDRTERHADAP USDMENGGUNAKAN DOUBLE MOVING AVERAGES DAN DOUBLEEXPONENTIAL SMOOTHING.”

[10] F. Ryan, “ANALISIS DAN IMPLEMENTASI MODEL PERAMALAN BERBASIS ALGORITMA MOVING AVARAGE UNTUK NILAI TUKAR RUPIAH TERHADAP DOLAR,” Jurnal SIMETRIS, vol. 9, no. 1, 2018.

[11] I. Hidayat Susilowati, “Perspektif: Jurnal Ekonomi & Manajemen Universitas Bina Sarana Informatika Peramalan Nilai Tukar Kurs IDR Terhadap Dollar USD Dengan Metode Moving Average dan Exponential Smoothing”, doi: 10.31294/jp.v17i2.

[12] V. Zayu Farima et al., “PERAMALAN NILAI TUKAR DOLAR AMERIKA TERHADAP INDONESIA DENGAN MODEL MAXIMAL OVERLAP DISCRETE WAVELET TRANSFORM-AUTOREGRESSIVE MOVING AVERAGE,” 2018.

[Online]. Available: www.bi.go.id.

[13] H. Ihsan et al., “Peramalan Penjualan dengan Metode Exponential Smoothing (Studi Kasus : Penjualan Bakso Kemasaan/Kiloan Rumah Bakso Bang Ipul),” 2018. [Online]. Available: http://www.ojs.unm.ac.id/jmathcos

[14] R. Rachman, S. Nusa, and M. Jakarta, “211~220 Diterima Maret 21,” JURNAL INFORMATIKA, vol. 5, no. 1, 2018.