Nilai tukar rupiah terhadap dolar Amerika Serikat (USD/IDR) merupakan indikator ekonomi yang dinamis dan fluktuatif, dipengaruhi oleh berbagai faktor internal maupun eksternal. Analisis plot Autocorrelation Function (ACF) pada data harian JISDOR Bank Indonesia periode Januari 2023 hingga September 2025 mengindikasikan adanya sifat long memory, yakni ketergantungan yang kuat antara nilai pengamatan saat ini dan nilai di masa lampau yang jauh, sehingga model ARIMA standar kurang sesuai dan diperlukan pendekatan yang mampu menangani diferensiasi fraksional sekaligus pola nonlinier. Penelitian ini bertujuan membentuk model peramalan hybrid terbaik menggunakan pendekatan Hybrid ARFIMA–FFNN dengan data tersebut yang dibagi menjadi data training (80%) dan testing (20%). Tahapan analisis meliputi uji stasioneritas, identifikasi long memory dengan Rescaled Range Statistics (R/S) dan Hurst Exponent, pemodelan ARFIMA, pemodelan residual menggunakan Feed Forward Neural Network (FFNN) dengan algoritma backpropagation dan optimasi Adam, serta evaluasi menggunakan MAE dan MAPE. Hasil penelitian menunjukkan adanya karakteristik long memory pada data USD/IDR dengan Hurst Exponent H = 0.8365 dan parameter fraksional d = 0.3365. Model terbaik yang diperoleh adalah ARFIMA (2, 0.3365, 1)–FFNN (2-3-1) dengan MAPE sebesar 0.5024%, lebih kecil dibandingkan ARFIMA tunggal (MAPE = 2.6509%), yang menunjukkan bahwa penggabungan ARFIMA dengan FFNN mampu meningkatkan akurasi peramalan dengan memanfaatkan kemampuan FFNN dalam menangkap pola nonlinier pada residual model. Hasil peramalan 10 hari kerja ke depan pada periode 1–14 Oktober 2025 menghasilkan kisaran Rp17,139.32–Rp17,358.10 per dolar AS, mengindikasikan proyeksi pelemahan rupiah sekitar 3–5% yang bersifat persistent dibandingkan periode September 2025 yang berada di kisaran Rp16,430–Rp16,775. Kondisi ini berpotensi berdampak pada meningkatnya biaya impor bahan baku industri, energi, maupun pangan sehingga dapat mendorong tekanan inflasi di dalam negeri. Dengan tingkat akurasi yang sangat baik tersebut, model hybrid ARFIMA–FFNN ini dapat menjadi acuan yang akurat bagi pelaku usaha yang memiliki eksposur terhadap USD/IDR maupun otoritas moneter dalam mengambil langkah antisipasi yang tepat terhadap pergerakan nilai tukar rupiah ke depan.