Perkembangan teknologi saat ini berkembang dengan pesat. Hal ini juga
berdampak positif terhadap bidang ekonomi. Perdagangan dengan skala
internasional sudah semakin berkembang di Indonesia dan sebagian besar
transaksi tersebut menggunakan US Dollar. Sehingga ketidakstabilan nilai tukar
US Dollar terhadap Rupiah dapat mempengaruhi kegiatan perekonomian di
Indonesia. Oleh karena itu, perlu dibuat suatu sistem yang dapat digunakan untuk
memprediksi nilai tukar valuta asing (US) Dollar terhadap Rupiah. Terdapat
beberapa metode yang dapat digunakan untuk memprediksi, misalnya metode
Average, Moving Average, Single Exponential Smoothing, Double Exponential
Smoothing. Usaha untuk mendapatkan hasil prediksi yang paling akurat terus
dilakukan, salah satunya dengan penggunaan Algoritma Genetika, Neuro Fuzzy,
ANFIS, dan lain-lain
Dalam Tugas akhir ini digunakan Artificial Neural Network(ANN) untuk
prediksi nilai tukar rupiah terhadap valuta asing yaitu US Dollar. Arsitektur ANN
yang digunakan menggunakan multi layer perceptron dengan satu hidden layer
dan satu output layer. Sedangkan algoritma learning yang digunakan adalah
Quasi Newton BFGS(Broyden-Fletcher-Goldfarb-Shanno). Dimana metode ini
digunakan untuk menentukan arsitektur yang optimal dari neural network yang
digunakan untuk memprediksi nilai tukar rupiah keesokan harinya
diselisihkan(preprocessing 1), pada saat data time series 2, learning rate 0.1, dan
neuron hidden layer 10 menghasilkan akurasi terbaik untuk training 98.997%,
dan testing sebesar 99.409%. Sedangkan dengan menggunakan data
selisih(processing 2) dengan time series 7, learning rate 0.1, neuron hidden layer
10, menghasilkan akurasi terbaik untuk training 99.590% dan testing 99.714%. : prediksi, nilai tukar, Neural Network, Jaringan Syaraf Tiruan,Elman Recurrent Neural, Quasi Newton BFGS(Broyden-Fletcher-Goldfarb-Shanno)