Optimasi Hyperparameter Untuk Prediksi Nilai Tukar Mata Uang Dollar AS (USD) Dengan Rupiah (IDR) Menggunakan Gaussian Process Regression (GPR) Dengan Rational Quadratic dan Matern Kernel

Abstract

Prediksi nilai tukar mata uang merupakan salah satu permasalahan penting dalam bidang ekonomi karena fluktuasi kurs dapat memengaruhi stabilitas perdagangan dan investasi. Penelitian ini mengusulkan penerapan Gaussian Process Regression (GPR) dengan kernel Rational Quadratic (RQ) dan Matérn yang dioptimasi menggunakan Hyperband untuk memodelkan pergerakan kurs USD terhadap Rupiah (USD/IDR). Data yang digunakan meliputi nilai tukar harian Dataset diambil selama 5 tahun dari website investing dan BPS. Proses ekstraksi fitur dilakukan melalui pembentukan variabel waktu (Year, Month, Day, Day of Week) dan Moving Average untuk menangkap pola jangka pendek. Hasil eksperimen menunjukkan bahwa kombinasi Hyperband dengan kernel RQ dan Matérn mampu meningkatkan performa GPR dalam hal akurasi prediksi dibandingkan dengan pendekatan tanpa optimasi. Evaluasi menggunakan metrik MAE, RMSE, MAPE, dan R² mengonfirmasi bahwa kedua kernel tersebut efektif dalam mengurangi error prediksi dan meningkatkan kestabilan model. Dengan demikian, pendekatan ini dapat menjadi alternatif yang andal untuk analisis dan peramalan kurs valuta asing.