<![CDATA[Sampai saat ini, pasokan bahan baku logam, khususnya aluminium, yang masih didominasi oleh barang impor, sangat penting bagi ketahanan industri manufaktur nasional. Tujuan dari penelitian ini adalah untuk membuat model peramalan hibrida yang menggunakan metode statistik klasik Autoregressive Integrated Moving Average (ARIMA) dan algoritma kecerdasan buatan Artificial Neural Network (ANN) untuk memprediksi volume impor aluminium dari Indonesia berdasarkan negara asal utamanya. Model ini dirancang untuk menangkap komponen linear melalui ordo ARIMA(1,1,1), dan komponen non-linear melalui pemodelan residual menggunakan arsitektur Multilayer Perceptron (MLP). Data yang digunakan berasal dari Badan Pusat Statistik (BPS) dari 2017 hingga 2024. Baseline, Intermediate, dan Deep Optimized adalah tiga skenario optimasi yang digunakan untuk menguji. Hasil analisis menunjukkan bahwa volume impor aluminium mengalami fluktuasi besar sejak pandemi COVID-19 pada tahun 2020. Namun, seiring dengan peningkatan permintaan sektor otomotif dan pembangunan infrastruktur di seluruh negara, volumenya kembali meningkat. Nilai Mean Absolute Percentage Error (MAPE) model hibrida adalah 4.1%, menunjukkan bahwa mereka lebih akurat daripada model tunggal. Hasil ini memberikan dasar bagi pemerintah dan bisnis untuk membuat strategi pengadaan bahan baku yang lebih sesuai dengan dinamika pasar global.]]>
Copyrights © 2026
