OPTIMASI PREDIKSI INFLASI DENGAN NEURAL NETWORK PADA TAHAP WINDOWING ADAKAH PENGARUH PERBEDAAN WINDOW SIZE

Abstract

AbstrakInflasi adalah indikator yang penting dalam penentuan kebijakan pemerintah. Data inflasi dirilis oleh Badan Pusat Statistik (BPS) di setiap awal bulan. Jika data inflasi dapat diprediksi lebih awal, pemerintah bisa menerapkan kebijakan yang tepat. Backpropagation neural network adalah salah satu metode prediksi yang lazim digunakan. Dengan menggunakan data bulan-bulan sebelumnya, inflasi dapat diprediksi menggunakan metode neural network dengan menggunakan teknik sliding window yang juga disebut metode windowing. Windowing adalah pembentukan struktur dari data time series menjadi data cross sectional. Ukuran dari windowing akan mempengaruhi akurasi dari hasil prediksi. Pada penelitian ini, penulis melakukan percobaan dengan tiga window size yaitu 6, 12, dan 18 untuk melihat adakah perbedaan akurasi hasil dari beberapa window size tersebut. Hasil percobaan menyimpulkan bahwa window size 6 memiliki akurasi paling baik untuk memprediksi inflasi dengan RMSE 0,435.Keywords: backpropagation, prediksi, sliding window