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

AGHNIA, HALIZA and Winalia, Agwil and Riwi, Dyah Pangesti (2025) PENERAPAN METODE NEURAL NETWORK AUTOREGRESSIVE (NNAR) UNTUK MEMPREDIKSI LAJU INFLASI BULANAN DI INDONESIA PADA TAHUN 2010 –2023. Other thesis, Universitas Bengkulu.

[thumbnail of Thesis] Archive (Thesis)
Haliza Aghnia_F1F020043.pdf - Bibliography
Restricted to Repository staff only
Available under License Creative Commons GNU GPL (Software).

Download (2MB)

Abstract

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

Item Type: Thesis (Other)
Subjects: Q Science > QA Mathematics
Divisions: Faculty of Math & Natural Science > Department of Statistics
Depositing User: Oka Ariani S.IPust
Date Deposited: 26 Sep 2025 05:19
Last Modified: 26 Sep 2025 05:19
URI: https://repository.unib.ac.id/id/eprint/26419

Actions (login required)

View Item
View Item

slot gacor terbaik

slot gacor terpercaya

Situs Resmi Bisawd

slot gacor 4d

Slot Terpercaya

Slot Gacor bet 200