Penelitian ini bertujuan untuk mengetahui dan menganalisis model
peramalan antara ARIMA dan Exponential Smoothing yang cocok diterapkan untuk
meramalkan inflasi bulanan di Indonesia serta alasan mengapa model tersebut
cocok dalam meramalkan inflasi bulanan di Indonesia. Data yang digunakan
merupakan data time series inflasi bulanan di Indonesia periode Januari 2006
sampai Desember 2019 yang bersumber dari Badan Pusat Statistik. Proses
penelitian ini meramalkan inflasi bulanan Januari 2020 sampai Juni 2020. Alat
analisis yang digunakan dalam penelitian ini adalah metode ARIMA dan
Exponential Smoothing dengan menggunakan EViews8. Pada metode ARIMA,
pemilihan model ARIMA yang tepat adalah ARIMA(0,0,1), sedangkan pada
Exponential Smoothing digunakan Exponential Smoothing Holt Winters. Penelitian
ini melihat keakuratan metode menggunakan nilai RMSE dan SSE yang dimiliki
oleh masing-masing metode. Nilai Root Mean Squared Error (RMSE) pada
ARIMA adalah 0.450 sedangkan pada metode Exponential Smoothing senilai
0.435. Berdasarkan Sum of Squared Residuals (SSE) peramalan pada ARIMA
senilai 34.089 sedangkan pada Exponential Smoothing adalah 31.755. Dari hasil
perhitungan yang diperoleh, dapat disimpulkan bahwa dalam meramalkan inflasi
bulanan di Indonesia metode Exponential Smoothing lebih akurat karena memiliki
nilai RMSE dan Sum of Squared Residuals lebih kecil dibanding metode ARIMA