<![CDATA[Inflasi atau laju kenaikan harga barang dan jasa yang naik turun secara ekstrem, dan tidak terkendali di Indonesia berdampak terhadap perekonomian dan menurunkan daya beli masyarakat, hingga diperlukan pengendalian. Bermacam upaya yaitu dengan identifikasi faktor yang mempengaruhi dan peramalan. Data inflasi yaitu data deret waktu berpola non-linear dan dipengaruhi oleh lebih dari satu faktor. Regresi Linear Berganda dipakai untuk melihat pengaruh bermacam variabel bebas (X) terhadap variabel terikat (Y). Backpropagation Neural Network yaitu metode peramalan yang memodelkan hubungan diantara input dan output dengan memperbarui bobot secara berulang berdasarkan nilai error atau epoch. Penelitian ini bertujuan untuk identifikasi faktor yang berpengaruh secara signifikan pada Inflasi serta meramalkan tingkat inflasi di Indonesia menggunakan metode Backpropagation Neural Network (BPNN). Proses penelitian dilakukan dengan pengumpulan data inflasi, nilai tukar, impor, harga minyak dunia, jumlah uang beredar, serta suku bunga periode Januari 2015-Desember 2024. Lalu data diolah hingga diperoleh model regresi linear berganda selanjutnya dilakukan pengujian terhadap model yang yaitu uji F, uji t, menghitung koefisien determinasi, dan uji asumsi klasik. Sesudah didapat faktor yang berpengaruh signifikan, dilakukan normalisasi, membagikan data latih-uji, pelatihan dengan algoritma Backpropagation, pengujian data target, dan peramalan dengan BPNN. Hasilnya, harga minyak dunia dan jumlah uang beredar berpengaruh signifikan pada inflasi. Arsitektur BPNN terbaik yaitu 3-6-1, dengan data 80% latih dan 20% uji, learning rate 0,7, fungsi aktivasi sigmoid, dan 1000 epoch dengan MSE 0,149030 dan MAPE 11,07%. Sesudah dilakukan peramalan pada 2025, diperoleh nilai inflasi tertinggi 2,05% pada Agustus-Desember dan inflasi terendah 1,81% pada Januari.]]>
Copyrights © 2025
