OPTIMASI MODEL FUZZY TIME SERIES CHEN MENGGUNAKAN PARTICLE SWARM OPTIMIZATION (PSO) PADA PERAMALAN ANGKA INFLASI INDONESIA

Inflasi memainkan peran penting dalam menjaga stabilitas ekonomi nasional, membuat prakiraan yang akurat menjadi penting untuk mendukung keputusan kebijakan yang efektif. Namun, data inflasi sering kali menunjukkan pola non- linier dan berfluktuasi yang mengurangi keakuratan metode peramalan tradisional. Penelitian ini bertujuan untuk meningkatkan ketepatan prakiraan inflasi bulanan Indonesia dengan menerapkan metode Fuzzy Time Series Chen yang ditingkatkan melalui Particle Swarm Optimization. Data yang digunakan dalam penelitian ini terdiri dari catatan inflasi bulanan nasional yang diperoleh dari Badan Pusat Statistik periode 2020-2023. Metodologi penelitian meliputi prapemrosesan data, konstruksi model, optimalisasi parameter, dan evaluasi kinerja menggunakan metrik kesalahan umum. Proses pengoptimalan berfokus pada penentuan jumlah interval fuzzy yang paling sesuai untuk meminimalkan kesalahan prakiraan. Model awal menghasilkan MAE sebesar 0,1223 dan MSE sebesar 0,0188. Setelah dilakukan optimasi, model menunjukkan peningkatan kinerja yang cukup besar dan berdampak pada akurasi prediksi, dengan nilai MAE 0,0456 dan MSE 0,0034, yang mencerminkan kemampuan peramalan yang lebih baik. Hasil ini menunjukkan bahwa integrasi metode Chen pada Deret Waktu Fuzzy dengan PSO dapat meningkatkan performa model dalam menangkap dinamika inflasi secara lebih efektif. Pendekatan yang diusulkan memberikan potensi sebagai alat peramalan yang mendukung perencanaan ekonomi dan proses pengambilan keputusan kebijakan. Penelitian selanjutnya dapat mempertimbangkan penambahan variabel ekonomi lain atau pendekatan hibrida untuk semakin meningkatkan akurasi peramalan.

Kata kunci: Fuzzy Time Series, Peramalan Inflasi, Particle Swarm Optimization