Pemilihan metode peramalan deret waktu yang tepat merupakan suatu permasalahan yang membutuhkan analisis yang mendalam terhadap data tersebut. Metode peramalan yang dapat digunakan untuk meramalkan deret waktu adalah Random Walk, Pemulusan Eksponensial, ARIMA, dan Jaringan Saraf Tiruan. Salah satu solusi yang dapat digunakan untuk menyelesaikan permasalahan tersebut adalah dengan membangun aturan-aturan yang tepat. Penelitian ini menggunakan Classification Based on Associations (CBA) dan Decision Tree C4.5 dalam membangun aturan-aturan untuk memilih metode peramalan yang tepat. Dalam tahap pembangunan aturan, pemilihan metode yang tepat didasarkan pada nilai kesalahan peramalan terkecil dengan menggunakan fungsi kesalahan MASE. Data percobaan yang digunaakan adalah data deret waktu M3. Hasil percobaan menunjukan bahwa metode CBA menghasilkan nilai tingkat kesalahan yang lebih rendah jika dibandingkan dengan metode Decision Tree. Metode CBA menghasilkan nilai kesalahan sebesar 69.22% dalam performa terbaiknya, sedangkan metode Decision Tree menghasilkan nilai kesalahan sebesar 69.71% dalam performa terbaiknya.