Perbandingan Metode Autoregressive Integrated Moving Average dengan Metode Hybrid Autoregressive Integrated Moving Average Jaringan Saraf Tiruan Pada Peramalan Harga Emas

Peramalan data deret waktu adalah serangkaian pengamatan terhadap suatu variabel yang diambil dan dicatat secara berurutan dari waktu ke waktu. Salah satu model dalam peramalan adalah Autoregressive Integrated Moving Average (ARIMA). Namun, dalam model ARIMA memiliki kelemahan yaitu hanya mampu mengikuti pola deret waktu yang linier. Salah satu metode peramalan yang dapat digunakan untuk mengatasi pola deret waktu nonlinier yaitu menggunakan metode Jaringan Saraf Tiruan, namun terdapat kekurangan yaitu sering ditemui adanya permasalahan overfitting. Tetapi masalah tersebut dapat diminalisir dengan menggunakan metode Hybrid ARIMA Jaringan Saraf Tiruan. Tujuan dari penelitian ini adalah untuk membandingkan akurasi peramalan Hybrid ARIMA Jaringan Saraf Tiruan dengan model ARIMA dan memprediksi harga emas pada tahun 2020. Hasil yang diperoleh model ARIMA terbaik adalah ARIMA (1,1,0) dengan MAPE 14,7%. Dengan model ARIMA terbaik, diperoleh residual untuk input Jaringan Saraf Tiruan. Hasil yang diperoleh adalah arsitektur jaringan terbaik yaitu 4 input 20 hidden layer dan 1 output dengan nilai kesalahan terkecil. Dari hasil pengujian model Hybrid ARIMA Jaringan Saraf Tiruan terhadap data pengujian diperoleh nilai MAPE sebesar 10%.