Pertumbuhan suatu negara dapat diukur melalui indikator ekonomi, salah satunya adalah inflasi. Inflasi yang tidak stabil dapat berdampak pada kesejahteraan masyarakat. Penelitian ini bertujuan untuk meramalkan inflasi di Indonesia menggunakan metode support vector regression (SVR) dua pendekatan fungsi kernel, yaitu kernel linear dan kernel radial basis function (RBF) yang diperoleh melalui proses grid search dan cross-validation. Data yang digunakan dalam penelitian ini adalah data inflasi periode bulan Januari 2016 hingga bulan Juni 2024 yang dikeluarkan oleh Bank Indonesia. Penelitian ini menggunakan nilai nilai hyperparameter C,  dan  dikombinasikan melalui proses grid search dan dievaluasi dengan cross-validation untuk mengidentifikasi nilai hyperparameter optimal dari kernel linear dan RBF pada data training. Hasil kombinasi menunjukkan bahwa nilai hyperparameter optimal dari kernel linear yaitu C = 1 dan  = 0,009, sedangkan dari kernel RBF yaitu C = 1,  = 0,001, dan  = 0,1. Model dari nilai hyperparameter optimal yang diperoleh pada data training diujikan pada data testing.  Hasil evaluasi menunjukkan bahwa nilai MAPE dan RMSE model dengan kernel linear lebih rendah dari kernel RBF baik pada data training maupun data testing. MAPE kernel linear pada data training sebesar 22,1?n data testing sebesar 13%. Nilai RMSE dari kernel linear pada data training dan testing sebesar 0,07. Nilai MAPE kernel RBF pada data training sebesar 23,4% dan data testing sebesar 14,5%. Nilai RMSE kernel RBF pada data training sebesar 0,08 dan data testing sebesar 0,09.