Integrasi Machine Learning dan Model ARIMA untuk Prediksi Inflasi dan PDRB di Sulawesi Selatan

Latar Belakang. Pentingnya perkembangan teknologi informasi dan Machine Learning (ML) dalam analisis ekonomi, terutama dalam meningkatkan efisiensi dan akurasi prediksi variabel makroekonomi seperti inflasi dan Produk Domestik Regional Bruto (PDRB). ML mampu mengolah data besar dan kompleks tanpa memerlukan asumsi yang ketat, sehingga dapat mengidentifikasi pola dan hubungan yang tidak terlihat dengan metode tradisional. Implementasi ML di Bank Indonesia diharapkan mampu menghasilkan prediksi yang lebih konsisten dan akurat, mendukung pengambilan keputusan yang lebih tepat dalam kebijakan ekonomi, serta memperkuat stabilitas dan pertumbuhan ekonomi di Sulawesi Selatan. Tujuan. Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi model prediksi inflasi dan PDRB yang lebih efektif menggunakan machine learning, serta membandingkannya akurasi model ARIMA, dengan tujuan akhir untuk memperdalam pemahaman mengenai dinamika ekonomi di Sulawesi Selatan melalui analisis grafis dari data yang dihasilkan. Metode. Penelitian ini menggunakan metode Autoregressive Integrated Moving Average (ARIMA) dan implementasi ML untuk pemodelan otomatis. Hasil. penerapan model ARIMA menunjukkan efektivitas dalam memprediksi inflasi dan PDRB di Sulawesi Selatan. Dalam prediksi inflasi, model ARIMA manual (1,1,1) menunjukkan performa yang lebih baik dibandingkan model Auto ARIMA, dengan nilai RMSE sebesar 0.5795 dibandingkan 0.5813 pada Auto ARIMA, serta MAE 0.3980 berbanding 0.4032. Sebaliknya, untuk prediksi PDRB, model Auto ARIMA (1,1,0)(0,0,1) menghasilkan prediksi yang lebih akurat dengan RMSE 0.0199 dibandingkan model manual ARIMA yang memiliki RMSE 0.0217. Analisis tren menunjukkan pola musiman yang konsisten, dengan inflasi mengalami peningkatan signifikan hingga 2023 dan stabilisasi pada 2024.