Deret waktu adalah rangkaian data pengamatan yang diukur selama periode waktu
tertentu dengan interval yang sama. Analisis deret waktu dan prediksi memiliki
peran penting dalam menganalisis perubahan ekonomi dan membantu
pengambilan keputusan yang efektif. Dalam penelitian ini, data inflasi dan tingkat
pengangguran di Indonesia digunakan sebagai objek penelitian. Data ini dihadapi
oleh faktor-faktor intervensi seperti pandemi Covid-19 dan pemangkasan subsidi
bahan bakar oleh Presiden ke-6 Indonesia, serta adanya pencilan dalam data
inflasi. Selain itu, variabel eksogen seperti pertumbuhan ekonomi dan tingkat
suku bunga juga dimasukkan dalam pemodelan ARIMAX. Pemilihan model
ARIMA dengan faktor intervensi dan pencilan serta ARIMAX didasarkan pada
analisis dan perbandingan kinerja keduanya. Hasil penelitian menunjukkan bahwa
model ARIMA dengan faktor intervensi memberikan tingkat akurasi yang lebih
baik untuk data tingkat pengangguran, dengan nilai MAPE sebesar 5,91%.
Sedangkan untuk data inflasi, model ARIMAX memberikan kinerja terbaik
dengan MAPE sebesar 7,97%. Hasil penelitian ini memberikan kontribusi penting
dalam memahami faktor-faktor yang mempengaruhi inflasi dan tingkat
pengangguran di Indonesia. Dengan menggunakan model ARIMA dengan faktor
intervensi dan pencilan serta ARIMAX, prediksi dapat dilakukan dengan tingkat
akurasi yang lebih baik. Hal ini memiliki implikasi yang signifikan dalam
pengambilan keputusan ekonomi dan perencanaan kebijakan di masa depan.