PERAMALAN TINGKAT INFLASI INDONESIA MENGGUNAKAN MACHINE LEARNING DENGAN METODE BACKPROPAGATION NEURAL NETWORK

Penelitian ini bertujuan untuk mengembangkan model peramalan tingkat
inflasi Indonesia menggunakan metode Backpropagation Neural Network (BPNN).
Peramalan tingkat inflasi yang akurat sangat membantu pengambil kebijakan dalam
merencanakan kebijakan ekonomi. Data inflasi Indonesia dari tahun 2000 hingga
2023, yang dikelompokkan berdasarkan Classification of Individual Consumption
According to Purpose (COICOP) 2018, digunakan sebagai input untuk melatih
model jaringan saraf tiruan ini. Metode BPNN dipilih karena kemampuannya
dalam memodelkan pola non-linear yang kompleks dalam data inflasi. Pelatihan
dilakukan dengan data latih sebanyak 144 menggunakan bahasa pemrograman
Python, dengan konfigurasi terbaik yang ditemukan adalah 10 neuron pada hidden
layer, learning rate sebesar 0.1, dan momentum 0.5. Dalam pengujian, didapatkan
tingkat akurasi sebesar 84.96%. Hasil penelitian menunjukkan bahwa metode
BPNN efektif dalam meramalkan tingkat inflasi Indonesia dengan tingkat akurasi
yang cukup baik.