Prediksi Inflasi di Indonesia Menggunakan Metode Random Forest Regression

Abstract

Inflasi merupakan indikator makroekonomi penting yang memengaruhi stabilitas ekonomi nasional, daya beli masyarakat, serta kebijakan moneter dan fiskal. Dalam penelitian ini, dibangun sebuah model prediksi inflasi di Indonesia dengan menggunakan metode Random Forest Regression berdasarkan data time series bulanan tahun 2020 hingga 2025. Variabel independen yang digunakan adalah BI Rate, nilai tukar rupiah terhadap dolar Amerika Serikat, dan jumlah uang beredar (M2), sedangkan variabel dependen adalah tingkat inflasi. Proses pra-pemrosesan meliputi sinkronisasi, normalisasi dengan MinMaxScaler, serta pembagian data secara kronologis. Pemodelan dilakukan dengan tuning hyperparameter menggunakan teknik Grid Search dan Cross-Validation untuk memperoleh parameter optimal. Hasil evaluasi model menunjukkan performa yang cukup baik dengan nilai Mean Absolute Error (MAE) sebesar 0,265 dan Mean Squared Error (MSE) sebesar 0,142. Model juga mampu mengikuti pola tren inflasi aktual, meskipun masih terdapat deviasi kecil di beberapa titik waktu. Penelitian ini membuktikan bahwa Random Forest Regression dapat digunakan secara efektif dalam memprediksi laju inflasi di Indonesia dan berpotensi menjadi alat bantu dalam mendukung pengambilan kebijakan ekonomi.