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.