Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Jurnal Matematika, Komputasi dan Statistika
Arman
Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Hasanuddin, Makassar
Computer Science & IT Mathematics

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
PENERAPAN METODE FUZZY TIME SERIES CHEN DALAM MERAMALKAN NILAI TUKAR RUPIAH TERHADAP DOLAR AMERIKA: FUZZY TIME SERIES CHEN DALAM PERAMALAN Ritna; Arman; La Ode Saidi; Alfian
Jurnal Matematika Komputasi dan Statistika Vol. 3 No. 2 (2023): Mei-Agustus
Publisher : Jurusan Matematika FMIPA Universitas Halu Oleo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33772/jmks.v3i2.51

Abstract

Nilai tukar atau sering dikenal sebagai kurs adalah sebuah perjanjian yang dikenal sebagai nilai tukar mata uang terhadap pembayaran saat ini atau kemudian hari antara dua mata uang masing-masing negara atau wilayah. Nilai tukar atau kurs bisa diramalkan atau diprediksikan menggunakan beberapa metode, salah satu metode yang dapat diterapkan yaitu metode fuzzy time series Chen. Tujuan dari penelitian ini adalah untuk mengetahui hasil penerapan dari metode fuzzy time series Chen dalam meramalkan nilai tukar rupiah terhadap dolar Amerika. Alasan peneliti mengangkat judul ini karena masih jarang ditemukan materi atau jurnal-jurnal penelitian yang memakai metode fuzzy time series Chen ini untuk memprediksi nilai tukar atau kurs. Adapun ketika metode ini dipakai biasanya untuk meramalkan curah hujan ataupun harga beras dan lain sebagainya. Permasalahan yang ingin peneliti selesaikan dalam penelitian adalah cara menerapkan metode fuzzy time series Chen dalam meramalkan nilai tukar rupiah terhadap dolar Amerika. Skripsi ini membahas tentang prediksi kurs rupiah terhadap dolar Amerika menggunakan metode fuzzy time series Chen. Fuzzy time series Chen memprediksi tanpa melihat adanya pengulangan pada fuzzy logic relation (FLR) sehingga tidak memasukan adanya nilai pembobotan, namun pada proses prediksi data historis dilakukan proses peramalan berdasarkan fuzzifikasi yang telah terbentuk.
Co-Authors Alfian La Ode Saidi Ritna