Optimasi Nilai Parameter pada Metode Brown’s Exponential Smoothing dengan Algoritma Multiple Genetik

Abstract

Untuk mendapatkan nilai alpha paling optimal untuk metode Brown's Double Exponential Smoothing (Brown's-DES) dapat menggunakan metode algoritma genetika. Namun, Kekurangan dari algoritma genetika yaitu memerlukan generasi yang banyak untuk menghasilkan sebuah nilai yang optimal. Perlu banyak iterasi yang harus dilakukan jika ingin mendapatkan nilai paling optimal dan presisi. Banyaknya iterasi akan berpengaruh pada kecepatan algoritma dalam menemukan nilai paling optimal. Maka dari itu, peneliti mengembangkan algoritma multiple genetik yang terinspirasi dari algoritma genetik. Algoritma yang dikembangkan mampu menemukan nilai alpha paling optimal dan lebih presisi dengan meminimalkan generasi yang diperlukan dalam algoritma. Dengan menerapkan algoritma multi genetika dua tingkat, didapatkan nilai alpha 0,74 dengan persentase MAPE 1,3224% dibandingkan dengan algoritma genetika biasa yang mendpatkan nilai alpha 0,7 dengan persentase MAPE 1,3456%. Semakin besar tingkatan algoritma multi genetika yang diterapkan, maka hasil alpha yang didapatkan akan semakin optimal dan presisi.