<![CDATA[Peramalan nilai impor migas dan non-migas berperan penting dalam pengambilan keputusan ekonomi dan perdagangan. Model AutoRegressive Integrated Moving Average (ARIMA) sering digunakan dalam peramalan deret waktu, tetapi memiliki keterbatasan dalam menangkap pola non-linear. Penelitian ini mengevaluasi performa model hybrid ARIMA-NNAR dan ARIMA-SVR dalam peramalan nilai impor migas dan non-migas Indonesia, menentukan model terbaik berdasarkan metrik keakuratan, serta menganalisis pola residual untuk menilai perlunya pendekatan hybrid. Data impor migas dan non-migas Indonesia dari Januari 2011 hingga Desember 2024 digunakan dengan pembagian 80% untuk pelatihan dan 20% untuk pengujian. Model hybrid mengombinasikan ARIMA dengan Neural Network AutoRegression (NNAR) dan Support Vector Regression (SVR), menggunakan residual ARIMA sebagai input tambahan. Evaluasi menggunakan RMSE, MAE, dan MAPE menunjukkan bahwa ARIMA-NNAR lebih akurat untuk impor migas, sedangkan ARIMA-SVR lebih unggul untuk impor non-migas. Residual ARIMA untuk impor migas sudah bersifat white noise, sehingga pendekatan hybrid tidak diperlukan, sedangkan residual ARIMA untuk impor non-migas belum white noise, sehingga pendekatan hybrid ARIMA-SVR terbukti lebih efektif dalam meningkatkan akurasi peramalan.]]>
Copyrights © 2025
