<![CDATA[Penelitian ini mengevaluasi performa metode hybrid Seasonal Autoregressive Integrated Moving Average (SARIMA) dan Extreme Learning Machine (ELM) untuk peramalan data deret waktu. Metode SARIMA digunakan untuk menangkap pola musiman dan linier, sedangkan ELM diaplikasikan pada residual prediksi SARIMA untuk mendeteksi pola non-linier yang sulit ditangkap oleh model tradisional. Studi kasus difokuskan pada prediksi produksi beras bulanan di Provinsi Jawa Timur, salah satu lumbung beras nasional dengan fluktuasi produksi yang memengaruhi perencanaan distribusi dan kebijakan pangan. Hasil evaluasi menunjukkan bahwa model hybrid SARIMA–ELM mencapai nilai MAPE sebesar 9,01% dan RMSE sebesar 38.639,93, menunjukkan akurasi prediksi yang baik. Temuan ini menegaskan bahwa kombinasi SARIMA dan ELM dapat menjadi pendekatan yang efektif untuk peramalan deret waktu dengan pola linier dan non-linier, serta memiliki potensi untuk diterapkan pada dataset atau sektor lain yang memiliki karakteristik serupa.]]>
Copyrights © 2025
