Komparasi Forecasting Tingkat Inflasi di Indonesia menggunakan Meetode Artificial Neural Network Backpropagation dan Metode Seasonal ARIMA

Authors

  • Ade Rukmana Julianti Universitas Bale Bandung
  • Dadang Ruhiat Universitas Bale Bandung
  • Siti Dwi Rahayu Universitas Bale Bandung

Abstract

. Sangat sulit untuk meramalkan atau memprediksi peristiwa di masa yang akan datang dikarenakan faktor ketidakpastian yang berpengaruh cukup besar. Namun, masih akan diupayakan metode yang lebih akurat untuk peramalan atau prediksi dengan mengandalkan data yang cukup untuk perencanaan serta pengambilan keputusan di masa yang akan datang. Inflasi menjadi peristiwa yang butuh keakuratan dalam prediksinya agar keputusan dapat diambil dengan baik dan bijaksana. Prediksi untuk infasi dapat dilakukan dengan beberapa metode dintaranya adalah metode Seasonal ARIMA dan metode Artificial Neural Networkbackpropagatin. Tujuan pada penelitian ini adalah untuk membandingkan tingkat akurasi kedua metode tersebut dalam memprediksi tingkat inflasi di Indonesia. Berdasarkan analisis data terpilih  sebagai model terbaik dalam memprediksi tingkat inflasi dengan nilai MAPE sebesar 7,5% dengan tingkat akurasi sebesar 92,5% yang berarti metode SARIMA menjadi yang terbaik dalam peramalan tingkat inflasi.

Downloads

Published

2024-06-06