Perbandingan Model Long Short-Term Memory (LSTM) dan ARIMA untuk Prediksi Inflasi dan Indeks Harga Konsumen (IHK) di Kota Jayapura

Abstract

Inflasi dan Indeks Harga Konsumen (IHK) merupakan indikator makroekonomi penting yang memerlukan model prediksi yang andal untuk mendukung pengambilan keputusan. Penelitian ini membandingkan kinerja model Long Short-Term Memory (LSTM) dan Autoregressive Integrated Moving Average (ARIMA) dalam memprediksi Inflasi dan IHK menggunakan data deret waktu bulanan. Model LSTM dilatih dengan mekanisme EarlyStopping untuk mencegah overfitting, dan diuji pada empat konfigurasi panjang timesteps (3, 6, 9, dan 12). Hasil terbaik diperoleh pada timesteps = 9, yang kemudian dibandingkan dengan model ARIMA(1,1,1).. Evaluasi dengan metrik Mean Squared Error (MSE), Mean Absolute Error (MAE), dan koefisien determinasi (R²) menunjukkan bahwa untuk variabel Inflasi, kedua model menghasilkan R² negatif (LSTM = -0,012; ARIMA = -0,027), yang mengindikasikan kedua model belum mampu mengungguli prediksi nilai rata-rata sederhana. Untuk variabel IHK, LSTM menunjukkan performa lebih baik dibandingkan ARIMA (R² = 0,197 berbanding -0,002), meskipun kemampuan penjelasan variansnya masih tergolong rendah. Penelitian ini mengonfirmasi bahwa keterbatasan jumlah data historis menjadi kendala utama bagi model deep learning seperti LSTM, sehingga model sederhana seperti ARIMA tetap kompetitif pada kondisi data yang minim.