<![CDATA[Harga bahan bakar minyak (BBM) di Indonesia sangat rentan terhadap dinamika pasar energi global, sehingga kemampuan peramalan yang akurat menjadi instrumen penting dalam perencanaan kebijakan energi nasional. Penelitian ini bertujuan membandingkan kinerja dua metode peramalan deret waktu, yaitu Double Exponential Smoothing (DES) Holt dan AutoRegressive Integrated Moving Average (ARIMA), dalam memprediksi harga bensin di Indonesia menggunakan pendekatan multi-split validation. Dataset bersumber dari Kaggle (World vs Asia Fuel Prices) mencakup 136 data bulanan dari Januari 2015 hingga April 2026. Validasi dilakukan pada tiga skenario rasio pembagian data (70:30, 80:20, dan 90:10) guna memverifikasi kekokohan (robustness) setiap model. Pemilihan orde optimal ARIMA dilakukan melalui grid search berbasis AIC, menghasilkan konfigurasi ARIMA(1,1,0). Kinerja model dievaluasi menggunakan metrik MAE, MSE, RMSE, dan MAPE. Hasil penelitian menunjukkan bahwa ARIMA(1,1,0) secara konsisten unggul dibandingkan DES Holt pada seluruh skenario. Pada rasio 80:20, ARIMA meraih MAPE 13,94% dibanding DES Holt 16,75%, keduanya masuk kategori "Akurat". Temuan ini membuktikan bahwa pola autokorelasi kompleks pada data harga BBM Indonesia lebih efektif dimodelkan oleh ARIMA dibandingkan asumsi tren linier pada DES Holt.]]>
Copyrights © 2026
