Inflasi merupakan indikator ekonomi yang penting dan memengaruhi stabilitas
ekonomi suatu negara. Inflasi didefinisikan sebagai kenaikan umum dan
berkelanjutan terhadap harga barang dan jasa dalam suatu ekonomi selama periode
waktu tertentu. Pemahaman yang tepat tentang inflasi diperlukan untuk
pengambilan keputusan dan kebijakan yang efektif. Tugas akhir ini bertujuan untuk
mengembangkan metode prediksi tingkat inflasi di Indonesia dengan pendekatan
pembelajaran mendalam, yaitu dengan model Long Short-Term Memory (LSTM).
Sebagai pembanding, digunakan model Autoregressive Integrated Moving Average
(ARIMA), Seasonal Autoregressive Integrated Moving Average (SARIMA), serta
model hybrid LSTM-ARIMA dan LSTM-SARIMA. Model hybrid
menggabungkan keunggulan dari kedua pendekatan untuk meningkatkan akurasi
prediksi. Selain itu, akan dilihat juga perbandingan hasil ketika diintegrasikan
faktor-faktor eksternal yang relevan terhadap tingkat inflasi. Dalam tugas akhir ini,
dihasilkan kesimpulan bahwa metode LSTM dengan integrasi faktor eksternal
menghasilkan performa terbaik dengan nilai MAPE sebesar 8,47%.