Perbandingan Keakuratan Metode Autoregressive Integrated Moving Average (Arima) dan Exponential Smoothing pada Peramalan Inflasi Bulanan di Indonesia Periode Tahun 2006 Sampai 2019

Penelitian ini bertujuan untuk mengetahui dan menganalisis model peramalan antara ARIMA dan Exponential Smoothing yang cocok diterapkan untuk meramalkan inflasi bulanan di Indonesia serta alasan mengapa model tersebut cocok dalam meramalkan inflasi bulanan di Indonesia. Data yang digunakan merupakan data time series inflasi bulanan di Indonesia periode Januari 2006 sampai Desember 2019 yang bersumber dari Badan Pusat Statistik. Proses penelitian ini meramalkan inflasi bulanan Januari 2020 sampai Juni 2020. Alat analisis yang digunakan dalam penelitian ini adalah metode ARIMA dan Exponential Smoothing dengan menggunakan EViews8. Pada metode ARIMA, pemilihan model ARIMA yang tepat adalah ARIMA(0,0,1), sedangkan pada Exponential Smoothing digunakan Exponential Smoothing Holt Winters. Penelitian ini melihat keakuratan metode menggunakan nilai RMSE dan SSE yang dimiliki oleh masing-masing metode. Nilai Root Mean Squared Error (RMSE) pada ARIMA adalah 0.450 sedangkan pada metode Exponential Smoothing senilai 0.435. Berdasarkan Sum of Squared Residuals (SSE) peramalan pada ARIMA senilai 34.089 sedangkan pada Exponential Smoothing adalah 31.755. Dari hasil perhitungan yang diperoleh, dapat disimpulkan bahwa dalam meramalkan inflasi bulanan di Indonesia metode Exponential Smoothing lebih akurat karena memiliki nilai RMSE dan Sum of Squared Residuals lebih kecil dibanding metode ARIM