Perbandingan Model Prophet, Bayesian Structural Time Series, dan Extreme Gradient Boosting dalam Prediksi Nilai Tukar Rupiah Terhadap Dolar Amerika Serikat

Abstract

Perubahan Nilai Tukar Rupiah terhadap Dolar Amerika Serikat memiliki dampak signifikan terhadap kondisi ekonomi dan tingkat inflasi di Indonesia. Oleh karena itu, peramalan nilai tukar Rupiah menjadi penting dilakukan untuk mengantisipasi perubahan serta menjadi acuan dalam mengambil kebijakan ekonomi yang tepat. Penelitian dilakukan dengan membandingkan kinerja tiga metode peramalan dari penelitian sebelumnya yaitu Prophet, Bayesian Structural Time Series (BSTS), dan Extreme Gradient Boosting (XGBoost) dalam memprediksi nilai tukar Rupiah terhadap Dolar Amerika Serikat. Penelitian dilakukan dengan menggunakan data sekunder pergerakan nilai tukar Rupiah terhadap Dolar Amerika Serikat dari tahun 2017-2024. Evaluasi dilakukan berdasarkan nilai Mean Absolute Percentage Error (MAPE), Mean Squared Error (MSE), dan Root Mean Squared Error (RMSE). Hasil penelitian menunjukkan bahwa model Prophet memiliki tingkat akurasi sebesar 93.5%, BSTS sebesar 96% dan XGBoost sebesar 99.98% dan metode Prophet diketahui merupakan model terbaik untuk melakukan prediksi dengan hanya menggunakan data runtun waktu dari masa lampau.