Electronic Theses and Dissertation

Perubahan iklim global yang dipicu oleh peningkatan emisi karbon dioksida (CO₂) menjadi permasalahan lingkungan yang serius, termasuk di Indonesia. Peningkatan aktivitas industri, transportasi, dan konsumsi energi fosil menyebabkan tren emisi karbon yang cenderung meningkat dari waktu ke waktu. Oleh karena itu, diperlukan metode peramalan yang akurat untuk memprediksi emisi karbon sebagai dasar perumusan kebijakan mitigasi di masa depan. Penelitian ini bertujuan untuk memprediksi emisi karbon di Indonesia hingga tahun 2030 menggunakan metode Autoregressive Integrated Moving Average (ARIMA) dan Double Exponential Smoothing (DES), serta membandingkan tingkat akurasi kedua metode tersebut. Data yang digunakan dalam penelitian ini merupakan data tahunan emisi karbon di Indonesia periode 1977–2022 yang diperoleh dari Worldometer. Tahapan analisis meliputi analisis deskriptif, pengujian stasioneritas data, pembentukan dan estimasi model ARIMA, penerapan metode Double Exponential Smoothing, serta evaluasi akurasi peramalan menggunakan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa kedua metode mampu menangkap pola tren emisi karbon yang meningkat. Namun, berdasarkan nilai MAPE yang dihasilkan, diperoleh metode yang memiliki tingkat akurasi peramalan lebih baik dalam memprediksi emisi karbon di Indonesia hingga tahun 2030. Hasil peramalan ini diharapkan dapat menjadi referensi bagi pemerintah dan pemangku kebijakan dalam perencanaan dan pengendalian emisi karbon secara berkelanjutan.
Kata kunci: Emisi Karbon, Time Series, ARIMA, Double Exponential Smoothing, MAPE

Global climate change triggered by increasing carbon dioxide (CO₂) emissions has become a serious environmental issue, including in Indonesia. The growth of industrial activities, transportation, and fossil energy consumption has led to an upward trend in carbon emissions over time. Therefore, accurate forecasting methods are required to predict carbon emissions as a basis for formulating future mitigation policies. This study aims to forecast carbon emissions in Indonesia up to the year 2030 using the Autoregressive Integrated Moving Average (ARIMA) and Double Exponential Smoothing (DES) methods, as well as to compare the forecasting accuracy of both approaches. The data used in this study consist of annual carbon emission data for Indonesia from 1977 to 2022, obtained from Worldometer. The analytical stages include descriptive analysis, stationarity testing, ARIMA model development and estimation, the application of the Double Exponential Smoothing method, and forecasting accuracy evaluation using the Mean Absolute Percentage Error (MAPE). The results indicate that both methods are capable of capturing the increasing trend in carbon emissions. However, based on the resulting MAPE values, one method demonstrates better forecasting accuracy in predicting carbon emissions in Indonesia up to 2030. The forecasting results are expected to serve as a reference for the government and policymakers in planning and controlling carbon emissions in a sustainable manner. Keywords: Carbon Emissions, Time Series, ARIMA, Double Exponential Smoothing, MAPE