PT Pertani merupakan produsen beras di Indonesia. PT Pertani memerlukan sistem yang dapat memprediksi persediaan beras agar persediaan beras dapat tetap terjaga. Prediksi persediaan beras memerlukan metode yang tepat karena datanya mengandung komponen linier dan nonlinier. Untuk itu diperlukan metode yang dapat menangani struktur linier dan nonlinier pada suatu data. Metode hybrid ARIMA-ANN mampu menangani keduanya.
Pemisahan kedua jenis data tersebut dapat menggunakan metode moving average. Selanjutnya struktur linier pada data diproses dengan ARIMA sedangkan ANN mampu menangani struktur non linier pada data. Proses ANN menggunakan multilayer perceptron yang menggunakan training backpropagation dan Levenberg-Marquardt. Hasil akhir prediksi didapatkan dengan menggabungkan hasil prediksi linier dari ARIMA dengan hasil prediksi nonlinier dari ANN.
Algoritma ARIMA-ANN dengan training Levenberg-Marquardt lebih efisien karena membutuhkan 36,7 epoch yang lebih sedikit dibandingkan dengan backpropagation yang membutuhkan 1381,1 epoch. Hasil penggabungan didapatkan hasil akhir prediksi ARIMA-ANN backpropagation dengan MAPE 15,029% yang masuk dalam kategori peramalan baik dan ARIMA-ANN Levenberg-Marquardt dengan MAPE sebesar 26,270% yang masuk dalam kategori peramalan layak.
Kata Kunci: ARIMA-ANN, backpropagation, Levenberg-Marquardt, Moving Average, Prediksi Persediaan Beras
