Electronic Theses and Dissertation

Pertumbuhan perekonomian adalah indikator penting dalam menilai perkembangan dan stabilitas suatu negara. Oleh sebab itu, perlu dilakukan peramalan yang mampu memberikan hasil prediksi yang cukup akurat sebagai acuan saat mengambil kebijakan ekonomi. Penelitian ini bertujuan untuk melakukan peramalan pertumbuhan perekonomian dengan metode hybrid Autoregssive Integrated moving average (ARIMA) dan metode Multilayer Perceptron (MLP). Penggabungan kedua metode ini diharapkan untuk metode ARIMA mampu menangani pola linier dalam data dan metode MLP mampu menangani pola non-linier dalam data. Data yang digunakan dalam penelitian ini merupakan data Produk Domestik Bruto (PDB) dari Triwulanan I 2028 hingga Triwulanan II 2025. Alasan penulis memilih data PDB dalam penelitian ini adalah dimana PDB merupakan indikator tolak ukur utama dalam pertumbuhan ekonomi di Indonesia. Data PDB diramalkan untuk Triwulanan III 2025 hingga Triwulanan IV 2026. Model ARIMA tunggal memiliki nilai MAPE sebesar 0.415%, yang menunjukkan tingkat akurasi sangat tinggi. Sementara itu, model MLP tunggal menghasilkan nilai MAPE sebesar 0.08%, dan model hybrid ARIMA–MLP menghasilkan nilai MAPE sebesar 1.16%. Nilai tersebut menunjukkan bahwa model hybrid belum mampu meningkatkan akurasi peramalan dibandingkan ARIMA tunggal. Hasil peramalan model ARIMA tunggal memproyeksikan pertumbuhan ekonomi Indonesia pada Triwulan III 2025 sebesar 4.78% dan Triwulan IV 2025 sebesar 4.88%, dengan tren stabil di kisaran 4.65%–4.76% sepanjang tahun 2026.

Kata kunci: Peramalan, pertumbuhan ekonomi, ARIMA, MLP, hybrid ARIMA-MLP.

Economic growth is an important indicator in assessing a country’s development and stability. Therefore, it is necessary to conduct forecasting that can provide accurate predictions as a reference for economic policy-making. This study aims to forecast Indonesia’s economic growth using a hybrid method combining the Autoregressive Integrated Moving Average (ARIMA) and Multilayer Perceptron (MLP) models. The integration of these two methods is expected to allow ARIMA to capture linear patterns in the data, while MLP is capable of modeling non-linear relationships. The data used in this study consist of Indonesia’s Gross Domestic Product (GDP) from the first quarter of 2018 to the second quarter of 2025. The reason for using GDP data is that it serves as the main indicator for measuring Indonesia’s economic growth. The forecasting was conducted for the period from the third quarter of 2025 to the fourth quarter of 2026. The single ARIMA model achieved a MAPE value of 0.415%, indicating a very high level of accuracy. Meanwhile, the single MLP model produced a MAPE of 0.08%, and the hybrid ARIMA–MLP model achieved a MAPE of 1.16%. These results indicate that the hybrid model did not outperform the single ARIMA model in forecasting accuracy. The ARIMA model projected Indonesia’s economic growth at 4.78% in the third quarter of 2025 and 4.88% in the fourth quarter of 2025, with a stable trend ranging between 4.65% and 4.76% throughout 2026. Keywords: Forecasting, economic growth, ARIMA, MLP, hybrid ARIMA–MLP.