PENERAPAN METODE NEURAL NETWORK AUTOREGRESSIVE (NNAR) UNTUK MEMPREDIKSI LAJU INFLASI BULANAN DI INDONESIA PADA TAHUN 2010 –2023

Laju inflasi merupakan salah satu indikator utama yang menggambarkan
kestabilan ekonomi suatu negara. Inflasi menunjukkan persentase kenaikan harga
barang dan jasa dalam periode tertentu, yang berdampak langsung terhadap daya
beli masyarakat serta menjadi dasar pertimbangan dalam perumusan kebijakan
ekonomi. Oleh karena itu, prediksi yang akurat terhadap laju inflasi sangat
diperlukan untuk mendukung perencanaan ekonomi yang efektif. Penelitian ini
bertujuan untuk memprediksi laju inflasi bulanan di Indonesia pada periode
Januari 2010 hingga Desember 2023 dengan menggunakan metode Neural
Network Autoregressive (NNAR). Metode ini merupakan kombinasi antara model
Autoregressive (AR) dan Artificial Neural Network (ANN) untuk meningkatkan
kemampuan model dalam mempelajari pola kompleks dalam data deret waktu.
Model AR(3) dipilih sebagai input terbaik berdasarkan nilai Akaike Information
Criterion (AIC) terkecil dan digunakan dalam arsitektur NNAR. Model
NNAR(3,2), yang terdiri dari tiga neuron input dan dua neuron pada hidden layer,
dilatih menggunakan algoritma backpropagation dan fungsi aktivasi sigmoid
biner. Hasil evaluasi terhadap data pengujian menunjukkan nilai MAPE sebesar
16,43% dan MASE sebesar 1,1623, yang menggambarkan tingkat akurasi sedang
dan kestabilan kinerja yang baik. Berdasarkan hasil tersebut, model NNAR(3,2)
menunjukkan potensi yang baik dalam memprediksi laju inflasi
bulanan di Indonesia.
Kata kunci: laju inflasi, Neural Network Autoregressive, deret waktu, AIC,
MAPE, MASE