Perbandingan Performa Model LSTM dan NHITS dalam Peramalan Nilai Tukar Rupiah terhadap Dolar Amerika Serikat

Abstract

Nilai tukar rupiah terhadap dolar Amerika Serikat berperan penting dalam perekonomian Indonesia. Dalam perdagangan valuta asing, nilai tukar mata uang akan terus berfluktuasi mengikuti harga pasar sehingga cenderung memiliki pola nonlinier yang menjadi tantangan dalam melakukan peramalan yang akurat. Berbagai metode machine learning dikembangkan untuk menjawab tantangan tersebut, seperti Long Short-Term Memory (LSTM) dan Neural Hierarchical Interpolation Time Series (NHITS). Oleh karena itu, penelitian ini dilakukan untuk membandingkan performa dari model LSTM dan NHITS dalam peramalan nilai tukar rupiah terhadap dolar Amerika Serikat. Data harga penutupan harian dari 2 Januari 2017 hingga 30 Januari 2026 yang diperoleh dari laman resmi Yahoo Finance digunakan dalam penelitian. Proses analisis mencakup eksplorasi dan praproses data, pemodelan LSTM, pemodelan NHITS, perbandingan performa, dan peramalan. Hasil penelitian menunjukkan NHITS memberikan performa yang lebih baik dibandingkan LSTM dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 1,12% dan korelasi Pearson sebesar 0,85 serta waktu komputasi yang lebih singkat. Sementara itu, model LSTM menghasilkan nilai MAPE sebesar 1,24% dan korelasi Pearson sebesar 0,80. Hasil peramalan menunjukkan bahwa model NHITS mampu mengikuti perubahan pada data aktual dengan lebih baik, sedangkan model LSTM menghasilkan pola peramalan yang lebih halus dengan fluktuasi yang lebih kecil dibandingkan data aktual.

The exchange rate of the rupiah against the US dollar plays a crucial role in Indonesia’s economy. In the foreign exchange market, exchange rates fluctuate continuously with nonlinear patterns according to market prices, which present challenges for accurate forecasting. Various machine learning methods have been developed to address these challenges, such as Long Short-Term Memory (LSTM) and Neural Hierarchical Interpolation Time Series (NHITS). Therefore, this study aimed to compare the performance of LSTM and NHITS models in forecasting the Indonesian rupiah exchange rate against the US dollar. Daily data from January 2, 2017 to January 30, 2026 obtained from the official Yahoo Finance website was used in this study. The analysis process included data exploration and preprocessing, LSTM modelling, NHITS modelling, performance comparison, and forecasting. The results indicated that NHITS achieved better performance than LSTM, with a Mean Absolute Percentage Error (MAPE) of 1.12%, a Pearson correlation of 0.85, and shorter computation time. Meanwhile, the LSTM produced a MAPE of 1.24% and a Pearson correlation of 0.80. The forecasting results showed that the NHITS model better captured changes in the actual data, while the LSTM model produced smoother forecasting patterns with smaller fluctuations than the actual data.