Perbandingan Metode Arima, Sarima dan ELM dalam Peramalan Inflasi di Provinsi D.I. Yogyakarta

Abstract

Inflasi merupakan indikator penting yang merefleksikan kestabilan ekonomi suatu wilayah, termasuk di Provinsi D.I. Yogyakarta. Peramalan inflasi yang akurat diperlukan untuk mendukung perumusan kebijakan ekonomi yang efektif. Penelitian ini bertujuan untuk membandingkan kinerja tiga metode peramalan, yaitu Autoregressive Integrated Moving Average (ARIMA), Seasonal Autoregressive Integrated Moving Average (SARIMA), dan Extreme Learning Machine (ELM), dalam memodelkan dan memprediksi inflasi bulanan di Provinsi D.I. Yogyakarta. Data yang digunakan adalah data inflasi bulanan dari Januari 2014 hingga Desember 2024 yang diperoleh dari Badan Pusat Statistik (BPS). Model dievaluasi menggunakan indikator Mean Absolute Percentage Error (MAPE) untuk mengukur tingkat akurasi prediksi. Hasil analisis menunjukkan bahwa model SARIMA memberikan hasil terbaik dengan nilai MAPE sebesar 8.88%, diikuti oleh ELM sebesar 11.02%, dan ARIMA sebesar 13.9%. Hal ini menunjukkan bahwa SARIMA mampu menangkap pola musiman dengan lebih baik dibandingkan dua metode lainnya. Temuan ini menunjukkan bahwa model berbasis musiman lebih efektif dalam memprediksi inflasi di wilayah dengan pola tahunan yang konsisten. Hasil penelitian diharapkan dapat menjadi referensi dalam pemilihan metode peramalan yang tepat guna mendukung pengambilan keputusan dan perencanaan kebijakan ekonomi daerah.