Perbandingan Peramalan Nilai Inflasi Indonesia Dengan Menggunakan Metode Extreme Learning Machine ( Elm ) Dan Auto Regressive Integrated Moving Average ( Arima ) Pada Tahun 2016-2021 ( Studi Kasus : Data Nilai Inflasi Indonesia Tahun 2016 Sampai Tahun 2021 )

Abstract

Inflasi pada dasarnya adalah perubahan Indeks Harga Konsumen ( IHK ) , yang memiliki dampak luas dalam perekonomian nasional . Semakin tinggi inflasi maka semakin rendah daya beli uang yang dipakai masyarakat . Pelaku perekonomian nasional membutuhkan informasi mengenai model dalam prediksi inflasi di masa mendatang. Oleh karena itu perlu dilakukan analisis untuk melihat peramalan nilai inflasi di Indonesia kedepannya. Data inflasi merupakan data time series yang dapat diprediksi untuk beberapa periode ke depan . Metode yang peneliti gunakan untuk memprediksi pada penelitian ini adalah metode Autoregressive Integrated Moving Average ( ARIMA ) dan metode Extreme Learning Machine ( ELM ) . Berdasarkan perhitungan yang diperoleh bahwa tingkat akurasi metode ELM lebih tinggi dibandingkan metode ARIMA dan metode ELM memiliki nilai kesalahan atau nilai MAPE yang lebih kecil dibandingkan metode ARIMA yaitu masing - masing sebesar 6,0387 % dan 6,6947 %