Inflation Prediction In Indonesia Using Extreme Learning Machine and K-Fold Cross Validation

Abstrak

Peramalan tingkat inflasi merupakan aspek penting dalam mendukung kebijakan ekonomi dan pengendalian harga oleh pemerintah. Penelitian ini bertujuan untuk mengevaluasi kinerja algoritma Extreme Learning Machine (ELM) dalam meramalkan tingkat inflasi di Indonesia dan memberikan hasil prediksi inflasi untuk tahun 2025. Data yang digunakan adalah data historis tingkat inflasi Indonesia periode 2003–2024. Proses analisis diawali dengan normalisasi data untuk memastikan skala yang seragam, dilanjutkan dengan partisi data menggunakan 10-Fold Cross Validation. Model ELM dibangun dengan 30 neuron tersembunyi, fungsi aktivasi sigmoid, dan parameter regularisasi sebesar 0,8. Hasil pengujian menunjukkan bahwa algoritma ELM memiliki kinerja yang unggul. Hal ini dibuktikan dengan nilai rata-rata MAPE sebesar 1,71%, RMSE sebesar 0,0359, dan koefisien determinasi (R²) sebesar 0,9833, yang menunjukkan akurasi yang sangat tinggi. Prediksi inflasi untuk periode Januari hingga Desember 2025 berada pada kisaran 1,03%–2,0%, dengan rata-rata mendekati 1,5%, menunjukkan pola yang relatif stabil sepanjang tahun. Berdasarkan hasil ini, algoritma ELM dapat digunakan sebagai metode alternatif yang efektif untuk meramalkan data deret waktu, terutama dalam konteks inflasi. Penelitian ini diharapkan dapat menjadi referensi bagi pemerintah dalam menetapkan kebijakan pengendalian inflasi dan bagi peneliti lain yang tertarik menerapkan model kecerdasan buatan dalam analisis ekonomi.