Nilai dan volume ekspor impor adalah dua indikator penting dalamperdagangan internasional. Nilai ekspor impor mengacu pada total nilaimoneter barang dan jasa yang dijual (ekspor) atau dibeli (impor) oleh suatunegara, mencerminkan pendapatan dan pengeluaran. Sementara itu, volumeekspor impor menunjukkan kuantitas fisik barang yang diperdagangkan,memberikan gambaran tentang jumlah riil produk yang keluar masuk negara.Keduanya esensial untuk menganalisis kinerja perdagangan dan kesehatanekonomi suatu negara. Machine learning memiliki karakteristik model yangberbeda dalam memprediksi data. Model yang digunakan adalah SupportVector Machine (SVM) dan Extreme Gradient Boosting (XGBoost).Tujuan penelitian ini adalah menerapkan dua model machine learninguntuk memprediksi nilai dan volume ekspor-impor, menentukan model yangmemiliki hasil prediksi lebih baik, dan menganalisis kontribusi faktor-faktordalam model tersebut. Dalam menerapkan kedua model tersebut digunakandata bulanan dari Januari 2015 hingga Desember 2024. Untuk mendapatkanmodel yang lebih baik digunakan perbandingan hasil metrik MAPE, MAE, danRMSE. Untuk menganalisis kontribusi faktor-faktor model tersebut ditentukannilai Shapley Additive exPlanation (SHAP).Berdasarkan hasil dan pembahasan, diperoleh dua model machine learninguntuk memprediksi nilai dan volume ekspor-impor. Performa setiap modeldievaluasi menggunakan tiga metrik, yaitu MAPE, MAE, dan RMSE, denganmodel terbaik ditentukan berdasarkan nilai kesalahan terendah. Hasil penelitianmenunjukkan bahwa XGBoost adalah model dengan performa terbaik. Padanilai ekspor, XGBoost mencatat MAPE sebesar 4,68%, MAE sebesar81.345.843, 88, dan RMSE sebesar 369.251.795, 93. Untuk volume ekspor, modelmenghasilkan MAPE 6,54%, MAE 88.385.874, 52, dan RMSE 427.649.944, 00.Pada sisi impor, performa prediksi nilai impor sangat baik dengan MAPE2,59%, MAE 38.919.747, 73, dan RMSE 98.009.673, 09, sedangkan volume impormemiliki MAPE 4,24%, MAE 79.971.160, 00, dan RMSE 328.919.549, 61. Selainitu, analisis kontribusi faktor-faktor menggunakan SHAP membantumenjelaskan pengaruh setiap fitur terhadap prediksi model dan mengidentifikasifaktor paling signifikan. Faktor-faktor yang berpengaruh besar terhadapprediksi nilai dan volume ekspor-impor adalah kurs dengan SHAP sebesar12.625, IHK sebesar −0, 24, FOB ekspor sebesar 13.244, 9, dan FOB imporsebesar 12.612, 6.