PENENTUAN NILAI PARAMETER METODE EXPONENTIAL SMOOTHING DENGAN ALGORITMA GENETIK DALAM MENINGKATKAN AKURASI FORECASTING

Ilham Falani

doi:10.24114/cess.v3i1.8268

Authors

Ilham Falani Universitas Indraprasta PGRI Jakarta

DOI:

https://doi.org/10.24114/cess.v3i1.8268

Abstract

Penelitian ini bertujuan untuk mengetahui penentuan nilai parameter pada model Exponential Smoothing. Penentuan nilai ini dilakukan dengan menggunakan algoritma genetik. Nilai konstanta parameter sangat menentukan keakurasian forecasting. Nilai parameter yang diperoleh dengan menggunakan algoritma genetik selanjutnya akan dibandingkan dengan nilai parameter yang sering digunakan dalam penelitian yakni: 0.1, 0.5, dan 0.9. Keakurasian forecasting dengan masing-masing dapat dilihat dari error yang digunakan. Berdasarkan hasil yang diperoleh, nilai yang diperoleh dengan menggunakan algoritma genetik menghasilkan nilai error yang paling kecil. Sehingga dapat disimpulkan bahwa penentuan nilai parameter dengan menggunakan algoritma genetik dapat meningkatkan akurasi forecasting dibandingkan.

Author Biography

Ilham Falani, Universitas Indraprasta PGRI Jakarta

Universitas Indraprasta PGRI Jakarta

References

Riduwan. 2010. Metode dan Teknik Menyusun Tesis. Alfabeta, Bandung.

Leabo, Dick A. 1997. Basic of Statistic. NY: brightfuture press

Subagyo, Pangestu. (2001). Forecasting Konsep dan Aplikasi. Yogyakarta: BPFE UGM Yogyakarta.

Arsyad. 1997. Perencanaan dan Pengendalian Produksi, Edisi Pertama, Penerbit Guna Widya, Surabaya

M. Obitko. 1998. Introduction to Genetic Algoritm. University of Applied Sciences.

E. Satriyanto. 2009. Algoritma Genetika. Jakarta: Duta Ilmu Press.

D E Goldberg. 1989. Genetic Algorithms in search, optimization and machine learning. NY

Brownlee, Jason. 2011. Clever Algorithms: Nature-Inspired Programming Recipes. Melbourn: Creative common.

Eberhart, R. C., & Shi, Y,.1998. Comparison Between Genetic Algorithms and Particle Swarm Optimization. Proceedings IEE int. Conf. Evol. Comput,Anchorage, AK, pp 611-616.

Engelbrecht, Andries P.2007. Computational Intelligence: An Introduction (2nd. Ed). England: John Wiley and Sons Ltd.

Makridakis, Spyros. (2002). Analisis Runtun Waktu. Jakarta: Karunika.

Tularam, G. A., at.al. (2008), Exponential Smoothing Method of Base Flow Separationand Its Impact on Continuous Loss Estimates, AmericanJournal of Environmental Sciences 4 (2): 136-144, ISSN 1553-345X Science Publications