Indonesia sebagai negara agraris memiliki sektor pertanian yang berperan penting dalam perekonomian nasional dan ketahanan pangan. Kesejahteraan petani menjadi indikator utama keberhasilan pembangunan sektor ini, yang salah satunya diukur melalui Nilai Tukar Petani (NTP). Fluktuasi NTP dari waktu ke waktu menunjukkan adanya pola musiman dan indikasi sifat long memory, sehingga diperlukan model peramalan yang mampu menangkap kedua karakteristik tersebut secara optimal. Penelitian ini bertujuan untuk membandingkan performa model Seasonal Autoregressive Integrated Moving Average (SARIMA) dan Seasonal Autoregressive Fractionally Integrated Moving Average (SARFIMA) dalam meramalkan NTP di Indonesia menggunakan data bulanan periode 2009–2024 yang bersumber dari Badan Pusat Statistik (BPS). Hasil analisis menunjukkan bahwa model SARIMA(0,1,1)(0,1,1)?? memiliki nilai Mean Absolute Percentage Error (MAPE) sebesar 5.29%, lebih kecil dibandingkan dengan model SARFIMA(1,0.2688,0)(0,1,1)?? yang memiliki MAPE sebesar 5.97%. Dengan demikian, model SARIMA dinilai lebih akurat dalam memodelkan data NTP. Namun, selisih MAPE yang relatif kecil mengindikasikan adanya karakteristik long memory pada data NTP, meskipun tidak secara signifikan meningkatkan akurasi peramalan. Berdasarkan hasil peramalan model terbaik, NTP diproyeksikan meningkat secara bertahap sepanjang tahun 2025, mencapai nilai tertinggi pada Desember sebesar 127.2920, dan mengalami penurunan sementara pada Maret hingga Mei, dengan nilai terendah pada Mei sebesar 121.8456. Hasil ini dapat menjadi acuan bagi pemerintah dalam merumuskan kebijakan pertanian yang lebih tepat sasaran melalui pengendalian harga, penyaluran subsidi, serta penguatan strategi pemasaran hasil pertanian guna meningkatkan kesejahteraan petani dan mendukung ketahanan pangan nasional.