Peramalan Inflasi di Sukabumi: Dengan Metode Regresi Linear dan Exponential Smoothing

Abstract

Penelitian ini berfokus pada perbandingan efektivitas antara metode Linear Regression dan Exponential Smoothing dalam meramalkan inflasi di Kota Sukabumi. Menggunakan data historis inflasi selama 6 bulan terakhir dari Badan Pusat Statistik Sukabumi, penelitian ini mengidentifikasi pola, tren, dan faktor-faktor yang mempengaruhi perubahan tingkat inflasi. Linear Regression digunakan untuk menghubungkan variabel independen, sementara Exponential Smoothing menganalisis tren dan pola musiman dalam data inflasi. Hasil penelitian menunjukkan bahwa Exponential Smoothing memiliki tingkat akurasi lebih baik dibandingkan Linear Regression dalam meramalkan inflasi, diindikasikan oleh nilai Mean Absolute Error (MAE), Mean Square Error (MSE), dan Mean Absolute Percentage Error (MAPE) yang lebih rendah. Metode Exponential Smoothing menghasilkan MAE 0.31, MSE 0.34, dan MAPE 0.20, sedangkan Linear Regression memiliki MAE 0.48, MSE 0.35, dan MAPE 0.24. Untuk 6 bulan mendatang, hasil peramalan inflasi menggunakan Exponential Smoothing adalah 0.23, 0.07, 0.06, 0.01, 0.00, dan 0.00. Sedangkan peramalan dengan Linear Regression adalah 0.648, 0.201714, -0.24457, -0.69086, -1.13714, dan -1.58343. Dengan demikian, Exponential Smoothing dianggap lebih cocok untuk meramalkan inflasi di masa mendatang di Kota Sukabumi.