<![CDATA[Dalam ekosistem Keuangan Komputasi, peramalan arus kas sekuensial yang akurat merupakan tantangan komputasi yang signifikan karena tingginya volatilitas dan derau (noise) yang melekat pada data ekonomi global. Makalah ini bertujuan untuk mengimplementasikan algoritma Autoregressive Integrated Moving Average (ARIMA) sebagai solusi komputasi yang tangguh untuk memprediksi beban pembayaran impor internasional. Masalah utama yang diangkat adalah terbatasnya kemampuan sistem pendukung keputusan konvensional dalam menangani data tidak stasioner yang berasal dari transaksi 11 negara mitra antara tahun 2010 dan 2023. Kontribusi makalah ini terletak pada perumusan parameter (p, d, q) yang optimal melalui pendekatan statistik komputasi, menghasilkan model yang dicirikan oleh efisiensi tinggi (kompleksitas rendah) namun tetap mempertahankan akurasi tinggi. Dengan menggunakan kumpulan data 'Import Payments - by Country (1).csv', hasil eksperimen menunjukkan bahwa model ARIMA (1,1,1) mencapai Mean Absolute Percentage Error (MAPE) sebesar 14,89% pada data pembayaran impor Tiongkok, yang memiliki volatilitas tertinggi. Bukti ini menegaskan bahwa algoritma ARIMA dapat berfungsi sebagai mesin inti yang andal untuk sistem peramalan keuangan otomatis, terutama di lingkungan dengan sumber daya komputasi yang terbatas.]]>
Copyrights © 2026
