<![CDATA[Impor non‑migas memiliki peran penting dalam memenuhi kebutuhan domestik yang belum dapat diproduksi di dalam negeri. Selama periode 2013–2022, impor non‑migas Indonesia tercatat mendominasi dengan kontribusi rata‑rata 83,61% per tahun. Namun, karakteristik data impor non‑migas cenderung bersifat non stasioner dan kompleks, sehingga memerlukan teknik analisis yang mampu menguraikan pola data secara lebih mendalam. Ensemble Empirical Mode Decomposition (EEMD) merupakan metode dekomposisi adaptif yang mampu memecah data menjadi beberapa Intrinsic Mode Functions (IMF), sehingga memudahkan proses pemodelan. Selanjutnya, Autoregressive Fractionally Integrated Moving Average (ARFIMA) digunakan untuk memodelkan komponen‑komponen yang memiliki sifat long memory. Penelitian ini bertujuan untuk menerapkan metode hybrid EEMD‑ARFIMA dalam meramalkan nilai impor non‑migas Indonesia, serta membandingkan akurasinya dengan metode ARFIMA tanpa dekomposisi. Data impor non‑migas Indonesia periode Januari 2000 hingga Desember 2023 didekomposisi menggunakan EEMD menjadi tujuh IMF dan satu komponen residu. Setiap komponen kemudian dimodelkan menggunakan ARFIMA, dan hasil peramalannya dijumlahkan untuk memperoleh ramalan akhir nilai impor non‑migas. Hasil penelitian menunjukkan bahwa pendekatan hybrid EEMD‑ARFIMA memberikan kinerja peramalan yang lebih baik dibandingkan model ARFIMA tanpa dekomposisi. Hal ini ditunjukkan oleh nilai MAPE metode EEMD‑ARFIMA sebesar 14,29056, lebih rendah dibandingkan MAPE ARFIMA sebesar 18,97699. Dengan demikian, metode EEMD‑ARFIMA terbukti mampu menangkap dinamika data impor non‑migas secara lebih efektif dan meningkatkan akurasi hasil peramalan.]]>
Copyrights © 2026
