Klasifikasi Lonjakan Ekstrem Nilai Tukar USD/IDR Menggunakan Gaussian Naïve Bayes

Abstrak

Fluktuasi nilai tukar Rupiah terhadap Dolar AS (USD/IDR) berpotensi memicu ketidakstabilan makroekonomi. Penelitian ini bertujuan mengklasifikasikan potensi lonjakan ekstrem pada kurs USD/IDR menggunakan metode penambangan data dengan algoritma Gaussian Naïve Bayes. Sebanyak 502 data observasi historis harian diekstraksi menjadi empat fitur prediktor kontinu: volatilitas, selisih penutupan, selisih batas atas, dan selisih batas bawah. Pengujian dilakukan dengan rasio 80% data latih dan 20% data uji. Hasil evaluasi menunjukkan model mampu mengidentifikasi kelas "Normal" dan "Ekstrem" dengan akurasi 96,04%, presisi 62,50%, dan recall 83,33%. Validasi silang 5-Fold Cross Validation mencetak rata-rata akurasi kumulatif sebesar 95,43%, mengonfirmasi bahwa kinerja model stabil dan tidak mengalami overfitting. Kesimpulannya, algoritma Gaussian Naïve Bayes terbukti efektif dan dapat diandalkan sebagai sistem peringatan dini terhadap risiko lonjakan ekstrem nilai tukar valuta asing.