Studi ini mengaplikasikan modifikasi Peramalan Multivariate Prophet pada data SCFI Indeks. Pertama, data SCFI Indeks composite digunakan dari tahun 2019-2024, dan data data external variable dilakukan screening dengan menggunakan uji Boruta MIC serta visual line chart dan kemudian diperhitungkan dalam model peramalan. Kedua, dilakukan peramalan dengan logistic growth dan Sliding Window. Pada logistic growth, dilakukan pendekatan dinamis cap dan floor untuk mengontrol tren dan dilakukan sensitivity analysis untuk beberapa scenario agar bisa mendapatkan Optimal Model. Pada Optimal model ini didapatkan mampu melakukan peramalan indeks SCFI dengan sangat baik dan memiliki error RMSE 147.5, MAE 93.6, MAPE 4.48% dan MSE 21,765 lebih rendah jika dibandingkan dengan peramalan Multivariate LSTM Multi Step dimana RMSE 188.94, MAE 146.88, MAPE 7.25 % , MSE 35701.9 , dan SARIMA yang memiliki error RMSE 278.9, MAE 194.1, MAPE 8.8% , MSE 77834.2 .