Perbandingan Model Autoregressive Integrated Moving Average (ARIMA), Neural Network Autoregressive (NNAR), dan Hibrida ARIMA-NNAR pada Peramalan Harga Minyak Mentah Indonesia

Oleh :
Salsa Dhea Anella - M0722070 - Fak. MIPA

Harga minyak mentah Indonesia merupakan salah satu indikator penting yang memengaruhi perekonomian nasional sehingga diperlukan model peramalan dengan performa terbaik sebagai dasar pengambilan keputusan. Penelitian ini bertujuan membandingkan performa model Autoregressive Integrated Moving Average (ARIMA), Neural Network Autoregressive (NNAR), dan hibrida ARIMA-NNAR dalam meramalkan harga minyak mentah Indonesia. Data yang digunakan berupa data bulanan periode November 2018 hingga Februari 2026 sebanyak 87 observasi yang dibagi menjadi 76 data training dan 11 data testing. Performa model dievaluasi menggunakan Mean Absolute Percentage Error (MAPE) pada data testing. Hasil penelitian menunjukkan bahwa model ARIMA terbaik adalah ARIMA(0,1,1) dengan MAPE sebesar 4,332%, sedangkan model NNAR terbaik adalah NNAR(2,1) dengan MAPE sebesar 4,541%. Model hibrida ARIMA(1,1,0)-NNAR(2,3) menghasilkan MAPE terkecil, yaitu 3,978% sehingga memberikan performa peramalan terbaik dibandingkan model tunggal. Namun, tidak semua kombinasi model hibrida meningkatkan performa seperti ARIMA(0,1,1)-NNAR(2,2) yang justru menghasilkan MAPE sebesar 5,108%, lebih besar daripada model tunggal. Hasil tersebut menunjukkan bahwa keberhasilan model hibrida bergantung pada karakteristik residu model ARIMA. Jika residu masih mengandung pola nonlinier, NNAR dapat memodelkan pola tersebut sehingga meningkatkan performa peramalan. Sebaliknya, jika residu tidak lagi mengandung pola, penambahan NNAR tidak memberikan informasi tambahan dan bahkan dapat menurunkan performa peramalan. Secara keseluruhan, model hibrida ARIMA(1,1,0)-NNAR(2,3) merupakan model yang memiliki performa terbaik untuk meramalkan harga minyak mentah Indonesia dalam penelitian ini.