Model peramalan yang akurat untuk suatu data runtun waktu saat ini masih sulit diperoleh
jika datanya kompleks. Penelitian ini bertujuan untuk menganalisis dan membuat model
peramalan data ekspor impor.Metode yang digunakan adalah metode gabungan ARIMA –
Neural Networks. Metode penggabungan ini diduga akan meningkatkan kemampuanNN
dalammemodelkanpermasalahanyang kompleks dan meningkatkan akurasi peramalan.Model
peramalan yang diperoleh digunakan untuk memprediksi nilai ekspor-impor pada periode
berikutnya. Dari data yang ada, model peramalan ARIMA untuk data nilai ekspor adalah
ARIMA (1, 1, 12) dengan error 0,968 dan model peramalan NN dengan fungsi aktivasi
bipolar sigmoid menghasilkan error 0,180732 sedangkan model NN dengan fungsi aktivasi
semilinier menghasilkan error 0,081521. Untuk data nilai impor, diperoleh model ARIMA
(0, 1, 0) dengan error 0,971 dan model peramalan NN dengan fungsi aktivasi bipolar
sigmoid menghasilkan error 1,437723 sedangkan model NN dengan fungsi aktivasi
semilinier menghasilkan error 0,957831. Berdasarkan hasil tersebut, akan dibuat model
peramalan gabungan ARIMA dan Neural Network dengan fungsi aktivasi semilinier karena
memiliki nilai error yang lebih kecil dibandingkan dengan fungsi aktivasi bipolar sigmoid.
Model peramalan gabungan ARIMA NN dengan fungsi aktivasi semilinier ternyata
menghasilkan error sebesar 0,046010 untuk data nilai ekspor dan menghasilkan error sebesar
1,081964 untuk data nilai impor.