Penelitian ini bertujuan untuk menganalisis kinerja model hibrida ARIMA-XGBoost dalam meramalkan jumlah kasus baru HIV di Indonesia. Mengingat bahwa HIV/AIDS merupakan tantangan kesehatan masyarakat yang signifikan, dengan total kumulatif 503.261 orang terinfeksi hingga Juni 2024, peramalan yang akurat menjadi sangat penting untuk mendukung pengambilan keputusan berbasis data. Penelitian ini menggunakan data sekunder dari Kementerian Kesehatan dan berfokus pada periode tahun 2012–2023, dengan proyeksi untuk tahun 2025–2026. Kerangka kerja yang digunakan adalah CRISP-DM yang melibatkan penerapan model ARIMA untuk menangkap pola linier dalam data, serta model XGBoost untuk menangani kompleksitas non-linier dan variabel eksogen. Mengingat terdapat indikasi jelas adanya faktor musiman dalam dataset, model hibrida yang digunakan dalam penelitian ini adalah model hibrida paralel SARIMAX-XGBoost, dengan parameter SARIMAX (1, 1, 1) (1, 0, 1, 4) dan parameter yang telah dioptimalkan. Hasil evaluasi menunjukkan bahwa model hibrida ini mencapai tingkat akurasi yang lebih tinggi dibandingkan model ARIMA dan XGBoost secara terpisah, dengan nilai RMSE sebesar 1748,02 dan MAPE sebesar 9,75%. Temuan ini menunjukkan bahwa penggabungan kedua metode dapat meningkatkan efektivitas peramalan dalam konteks epidemiologi. Penelitian ini menyimpulkan bahwa model hibrida ARIMA-XGBoost tidak hanya memberikan prediksi yang lebih akurat, tetapi juga diharapkan dapat membantu optimalisasi alokasi sumber daya dalam penanganan HIV di Indonesia. Penelitian ini diharapkan dapat memberikan wawasan berharga bagi para pembuat kebijakan dan pemangku kepentingan dalam merumuskan strategi pencegahan dan pengendalian HIV/AIDS yang lebih efektif.
Kata kunci: HIV, ARIMA, SARIMAX, XGBoost, peramalan, epidemiologi, model hybrid.