ABSTRAK
Penelitian ini bertujuan untuk menganalisis dan memprediksi tingkat kehadiran siswa menggunakan metode time series, yaitu Seasonal Autoregressive Integrated Moving Average (SARIMA) dan Artificial Neural Network (ANN). Data yang digunakan merupakan data absensi siswa SMK Negeri 1 Empat Lawang periode Juli 2022 hingga Juni 2025 yang telah direkap dalam bentuk bulanan.Metode SARIMA digunakan untuk menangkap pola linier dan musiman, sedangkan ANN digunakan untuk memodelkan pola nonlinier yang kompleks. Evaluasi model dilakukan menggunakan Mean Absolute Error (MAE), Root Mean Square Error
(RMSE), dan Mean Absolute Percentage Error (MAPE). Hasil penelitian
menunjukkan bahwa model ANN memiliki performa terbaik pada variabel
kehadiran (HADIR) dengan nilai MAPE sebesar 19,42% yang termasuk dalam
kategori akurasi baik. Sementara itu, model SARIMA lebih unggul pada variabel izin (IZIN) dengan nilai MAPE sebesar 38,23% yang termasuk dalam kategori cukup. Pada variabel ALFA dan SAKIT, kedua model menghasilkan nilai MAPE di atas 50% yang menunjukkan tingkat akurasi yang rendah akibat tingginya fluktuasi data. Dengan demikian, dapat disimpulkan bahwa tidak terdapat satu model yang unggul secara konsisten untuk semua variabel. Model ANN lebih sesuai untuk data dengan pola kompleks dan volume besar, sedangkan SARIMA lebih efektif untuk data dengan pola musiman yang kuat.
Kata Kunci : Forecasting, SARIMA, ANN, Kehadiran Siswa