ABSTRAKSI: Kemajuan ilmu komputer telah membawa beberapa hal untuk dikomputerisasi dengan tujuan untuk mempermudah pekerjaan manusia. Dalam bidang ekonomi, dikenal istilah valuta asing. Nilai tukar Rupiah terhadap mata uang asing tiap hari berubah-ubah. Hal ini yang melatar belakangin diperlukannya sebuah metode peramalan untuk memprediksi nilai tukar valuta asing tersebut. Peramalan time series digunakan untuk melakukan analisis data hasil pengamatan yang disusun mengikuti urutan waktu. Hal ini sangat dibutuhkan, terutama jika hanya mempunyai sekumpulan data historis dan tidak mengetahui faktor apa yang berpengaruh pada sistem tersebut. Berbagai metode peramalan telah banyak digunakan, dan menghasilkan keakuratan yang beragam. Usaha untuk mendapatkan hasil yang paling akurat dalam peramalan terus dilakukan, salah satunya adalah dengan memanfaatkan kemampuan arsitektur dan metode dalam jaringan syaraf tiruan Elman recurrent neural network. Dimana dalam menentukan arsitekturnya dilakukan berulang-ulang pelatihan untuk mendapatkan performansi arsitektur yang terbaik. Tugas akhir ini membahas masalah peramalan time series dalam kasus nilai tukar valuta asing menggunakan Elman recurrent neural network dengan algoritma backpropagation through time yang merupakan modifikasi dari algoritma backpropagation yang disesuaikan penggunaannya untuk jaringan recurrent. Hal ini diyakini akan memberikan hasil peramalan yang akurat dan memberikan performansi arsitektur yang terbaik. Dari hasil analisis didapatkan hasil peramalan dengan arsitektur JST terbaik dengan akurasi peramalan sekitar 99,6 %.
Kata Kunci : Peramalan, Elman Recurrent Neural Network, Time series, Backpropagation throughABSTRACT: Computer science has been growing that made all thing must be computeriz for purpose to make easier of human work in economic, we know about forex. An exchange rupiah to foreign has been change every day. This background factor made we need to forecasting for predicted values of foreign excange. Time series forecasting used for analize data which we have to arrange it by time. It is very important if we just have a bundle of historical data and we don’t know factor that had in that system. There were had forcasting method and give some good result. For got the good result, we can use architectur and method ability in artificial neural network with Elman recurrent neural network. Which to set up the architecture must do training over and over to get best architecture performace This final test will discuss about forecasting time series problem in cases for value of foreign exchange using Elman recurrent neural network with backpropogation algorith which used for recurrent networks. This result will give best accurate result for forcaseting and best architecture performance. From this analitic result used the best architecture will gotten a forecasting accurate are 99,6 %.Keyword: Forecasting, Elman Recurrent Neural Network, Time series, Backpropagation