PENGGUNAAN MACHINE LEARNING DALAM PREDIKSI PERTUMBUHAN EKONOMI

Rizka Amelina Panggabean (Universitas Islam Negeri Sumatera Utara)
Surya Ashari (Universitas Islam negeri Sumatera Utara)
Muhammad Ikmal Fauzan (Universitas Islam negeri Sumatera Utara)
Afif zefri (Universitas Islam negeri Sumatera Utara)

Jurnal Ekonomi
Vol 4 No 1 (2026): Sepesial Issu

Penelitian ini bertujuan menganalisis penerapan teknologi Machine Learning (ML)khususnya Random Forest (RF), Support Vector Machines (SVM), dan Artificial Neural Networks (ANN)—dalam memprediksi pertumbuhan ekonomi (PDB). Metode yang digunakan adalah deskriptif kualitatif dengan pendekatan studi literatur dan analisis data sekunder yang bersumber dari publikasi terindeks Scopus dan Web of Science, serta laporan resmi BPS, Kementerian Keuangan, Bank Indonesia, dan OECD periode 2020–2025. Hasil studi menunjukkan bahwa model berbasis ML memberikan akurasi prediksi lebih tinggi (RMSE dan MAPE lebih rendah) dibandingkan model konvensional ARIMA dan VAR. Tantangan utama adalah efek black-box yang dapat diatasi melalui Explainable AI (XAI-SHAP). Pendekatan hibrida ANN+VAR mencapai RMSE terendah sebesar 0,161 dan MAPE 1,87%, menunjukkan performa prediksi yang optimal. Penelitian ini merekomendasikan agar bank sentral dan kementerian keuangan berinvestasi pada infrastruktur data frekuensi tinggi serta sumber daya manusia yang mampu mengintegrasikan inferensi ekonometrika dengan prediksi berbasis ML demi kebijakan ekonomi yang lebih adaptif dan akuntabel.