ABSTRAK

Perbandingan Model LSTM, GRU, dan Hybrid GRU-LSTM dalam Prediksi Nilai Tukar Mata Uang MYR, SGD, THB terhadap Rupiah Indonesia (Oleh: Lihannayah Chasa Sheila; Pembimbing: Nur Salam dan Oni Soesanto, 2026; 108 halaman)

Nilai tukar mata uang merupakan salah satu indikator makro ekonomi penting yang pergerakannya bersifat non-linear, volatil, dan dipengaruhi berbagai faktor eksternal. Karakteristik ini menjadikan prediksi nilai tukar sebagai kebutuhan yang mendesak bagi para pelaku ekonomi, khususnya untuk pasangan mata uang negara-negara mitra dagang utama Indonesia di kawasan ASEAN. Metode statistik klasik seperti ARIMA memiliki keterbatasan dalam menangkap hubungan non-linear yang kompleks pada data deret waktu keuangan, sehingga diperlukan pendekatan berbasis deep learning yang lebih adaptif. Penelitian ini bertujuan membandingkan kinerja model Long Short-Term Memory (LSTM), Gated Recurrent Unit (GRU), dan Hybrid GRU-LSTM dalam memprediksi nilai tukar Ringgit Malaysia (MYR/IDR), Dolar Singapura (SGD/IDR), dan Baht Thailand (THB/IDR) terhadap Rupiah Indonesia menggunakan data harian dari Yahoo Finance periode 1 Januari 2020 hingga 30 April 2026, dengan total 1,637 observasi per pasangan mata uang. Data dibagian menjadi 80% data pelatihan dan 20% data pengujian, dengan normalisasi menggunakan metode Z-score. Evaluasi kinerja dilakukan menggunakan metrik RMSE dan MAE. Hasil penelitian menunjukkan bahwa tidak terdapat satu arsitektur yang secara konsisten unggul pada ketiga pasangan mata uang, sehingga model terbaik bersifat spesifik per mata uang (currency-specific). Pada MYR/IDR, model Hybrid GRU-LSTM memberikan akurasi tertinggi (RMSE = 0,406; MAE = 0,304). Pada SGD/IDR, model GRU menghasilkan RMSE dan MAE terendah (RMSE = 0,809; MAE = 0,715), sedangkan Hybrid GRU-LSTM justru menunjukkan kegagalan generalisasi terparah (RMSE = 4,342; MAE = 3,410). Pada THB/IDR, model LSTM menjadi yang terbaik (RMSE = 0,361; MAE = 0,315). Hal ini mengindikasikan bahwa penambahan kompleksitas arsitektur pada model Hybrid tidak selalu meningkatkan akurasi prediksi. Proyeksi 20 hari kerja ke depan berdasarkan model terbaik masing-masing mata uang menunjukkan tren pelemahan bertahap pada MYR/IDR, serta pergerakan yang relatif lebih stabil pada SGD/IDR dan THB/IDR.

Kata Kunci: Nilai Tukar, ASEAN, Long Short-Term Memory , Gated Recurrent Unit GRU-LSTM, Deep Learning