digilib@itb.ac.id +62 812 2508 8800

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%.