Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Shaffa Ameera, Divanda
Unknown Affiliation
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
PENERAPAN MODEL HIBRIDA ARIMA-LSTM PADA PREDIKSI INFLASI DI INDONESIA Shaffa Ameera, Divanda; Terza Damaliana, Aviolla; Idhom, Mohammad
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13371

Abstract

Pengendalian inflasi penting untuk menjaga stabilitas ekonomi dan kesejahteraan masyarakat. Oleh karena itu, diperlukan perencanaan dan pengelolaan inflasi yang baik sebagai kunci untuk menjaga stabilitas ekonomi dan memastikan pertumbuhan yang berkelanjutan. Prediksi inflasi yang tepat memungkinkan pemerintah dan pelaku ekonomi untuk merancang kebijakan dan strategi yang efektif dalam menjaga stabilitas ekonomi. Penelitian ini bertujuan untuk menerapkan model hibrida ARIMA-LSTM untuk memprediksi inflasi di Indonesia. Konsep model hibrida yang sudah lama digunakan dalam literatur time series memungkinkan peneliti untuk memanfaatkan kelebihan dari setiap model dan memprediksi data dengan lebih efektif. Model ARIMA-LSTM adalah model hibrida yang menggabungkan dua metode peramalan, yaitu ARIMA (AutoRegressive Integrated Moving Average) dan LSTM (Long Short-Term Memory). Model ARIMA diterapkan pada komponen tren, sedangkan model LSTM diterapkan pada komponen musiman dan residual. Penelitian ini menggunakan data inflasi Indonesia sejak 1979 hingga 2024. Nilai terbaik yang didapatkan adalah kombinasi ARIMA (1, 1, 1) dengan LSTM yang menggunakan arsitektur sederhana, dengan satu lapisan LSTM yang terdiri dari 50 unit dan fungsi aktivasi ReLU. Dari hasil penggabungan ARIMA dan LSTM, didapatkan hasil evaluasi MAE = 0.27, MSE = 0.14, dan RMSE = 0.37. Hasil ini menunjukkan bahwa model memiliki performa yang baik.
Co-Authors idhom, Mohammad Terza Damaliana, Aviolla