SUPPORT VECTOR REGRESSION (SVR) DAN ARIMA UNTUK MEMPREDIKSI INDEKS HARGA KONSUMEN BULANAN DI INDONESIA (Studi Kasus: “Indeks Harga Konsumen Bulanan di Indonesia pada Bulan Januari 2008 sampai Bulan Februari 2018”)

Abstract

Indeks harga konsumen merupakan ukuran harga rata-rata barang maupun jasa yang dikonsumsi oleh rumah tangga dalam kurun waktu tertentu. Indeks ini digunakan untuk mengukur laju inflasi di suatu negara. Inflasi juga dapat mengukur perekonomian di suatu negara. Pertumbuhan angka indeks harga konsumen ini tentunya dapat menggambarkan harga barang atau jasa kebutuhan sehari-hari masyarakat yang dapat mempengaruhi perekonomian negara. Salah satu metode yang digunakan untuk mengetahui pergerakan nilai prediksi indeks harga konsumen adalah Support Vector Regression (SVR). SVR adalah metode yang digunakan untuk menganalisis prediksi dengan mencari hyperplane terbaik pada suatu fungsi regresi. Dalam kasus ini prediksi indeks harga konsumen dengan menggunakan dua pendekatan, yaitu kernel linear dan kernel polynomial. Untuk mendapatkan parameter yang optimal dalam mencari hyperplane maka digunakan suatu algoritma Grid-Search yang digunakan dalam penelitian ini. Hasil analisis yang didapatkan menunjukkan bahwa metode yang baik dalam prediksi indeks harga konsumen ini adalah mengunakan kernel polynomial, dimana dari persamaan SVR yang terbentuk diperoleh tingkat error yaitu MAPE yang didapatkan pada data pelatihan dan pengujian data sebesar 0.52% dan 0.12% bahkan lebih baik hasil prediksi yang didapatkan apabila dibandingkan dengan model ARIMA.