Peramalan Menggunakan Model Holt-Winters Exponential Smoothing Multiplikatif dengan Optimasi Parameter Menggunakan Particle Swarm Optimization (PSO)


Annisa Martina(1*), Apianti Setia Dewi(2), Asep Solih Awalluddin(3)

(1) Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung, Indonesia
(2) UIN Sunan Gunung Djati Bandung, Indonesia, Indonesia
(3) UIN Sunan Gunung Djati Bandung, Indonesia
(*) Corresponding Author

Abstract


Peramalan merupakan suatu metode yang digunakan untuk memprediksi kejadian di masa yang akan datang berdasarkan pada sekumpulan data historis. Adanya pola trend dan musiman multiplikatif pada suatu data memerlukan metode peramalan yang sesuai agar peramalan yang dilakukan dapat memberikan hasil yang baik. Model Holt-Winters Exponential Smoothing Multiplikatif merupakan salah satu yang dapat mengatasi data dengan pola tersebut. Pada Holt-Winters Exponential Smoothing Multiplikatif terdapat nilai parameter pemulusan yang biasanya diperoleh dengan menggunakan trial and error. Namun, metode trial and error dirasa kurang efektif karena akan ada banyak kombinasi parameter pemulusan yang mungkin memberikan hasil peramalan optimal. Oleh karena itu, metode Particle Swarm Optimization digunakan untuk mengoptimasi parameter pemulusan Holt-Winters Exponential Smoothing Multiplikatif dengan nilai MAPE sebagai nilai akurasi peramalan. Dari hasil simulasi yang dilakukan diperoleh bahwa metode Particle Swarm Optimization memiliki kinerja yang baik dalam memperoleh nilai parameter pemulusan Holt-Winters Exponential Smoothing Multiplikatif dalam meramalkan data jumlah kunjungan wisatawan mancanegara ke Indonesia.

Keywords


Peramalan, Holt-Winters Exponential Smoothing Multiplikatif, Particle Swarm Optimization, Optimasi Paramater

References


A. Martina, M.A Jajuli, dan R. Cahyandari, “Peramalan Menggunakan Metode MS-AR, MS-Regression dan MS-VAR pada Model Perubahan Struktur”. KUBIK: Jurnal Publikasi Ilmiah Matematika, vol. 9, no. 1, pp. 14-29, 2024, doi: https://doi.org/10.15575/kubik.v9i1.31371

A. Martina, D.N. Khairunnisa, dan R. Cahyandari, “Brown’s Weighted Exponential Moving Average (B-WEMA) untuk Peramalan Data Pendaftaran Keanggotaan Perpustakaan Nasional RI”. Jurnal Pemanfaatan Teknologi untuk Masyarakat, vol. 3, no. 1, 2024.

A. Martina and I. Girana, “Application of Singular Spectrum Analysis (SSA) Decomposition in Artificial Neural Network (ANN) Forecasting”. International Journal on Information and Communication Technology (IJoICT), vol. 10, no. 1, pp.13-27, 2024, doi: https://doi.org/10.21108/ijoict.v10i1.870

A. Martina, “Application of Singular Spectrum Analysis (SSA) Decomposition in Artificial Neural Network (ANN) Forecasting”. International Journal on Information and Communication Technology (IJoICT), vol.7, no. 2, pp.48-57, 2024, doi: https://doi.org/10.21108/ijoict.v7i2.604

S. Makridakis, S. C. Wheelwright, and V. E. McGee, Metode dan Aplikasi Peramalan Jilid 1, Edisi 2, terjemahan Untung Sus Andriyanto dan Abdul Basith. Penerbit Erlangga, 2020.

Q. Bai, “Analysis of Particle Swarm Optimization Algorithm,” Comput. Inf. Sci., vol. 3, no. 1, 2010, doi: 10.5539/cis.v3n1p180.

T.Dewi dan I. Husein, “Implementation of Particle Swarm Optimization (PSO) Method In Determining The Composition of Animal Feed In Broiler Chickens With Minimum Cost”. KUBIK: Jurnal Publikasi Ilmiah Matematika, vol. 8, no. 2, pp. 119-128, 2023, doi: https://doi.org/10.15575/kubik.v8i2.29631

M.R.Sierra, and C Coello, “Multi-Objective Particle Swarm Optimizers: A Survey of the State-of-the-Art”. International Journal of Computational Intelligence, 2006, doi: 10.5019/J.IJCIR.2006.68

A. Banks, J.Vincent, and C.Anyakoha, “A review of particle swarm optimization. Part I: background and development”. Natural Computing: An International Journal, vol. 6, pp 467–484, 2007, doi: https://doi.org/10.1007/s11047-007-9049-5

A. Raj, P. Punia, & P. Kumar, “A novel hybrid pelican-particle swarm optimization algorithm (HPPSO) for global optimization problem”, Int J Syst Assur Eng Manag, vol. 15, pp 3878–3893 2024, doi: https://doi.org/10.1007/s13198-024-02386-9

Y.Liu, G.Wang, H. Chen, H. Dong, X. Zhu, and S. Wang, “An Improved Particle Swarm Optimization for Feature Selection”, Journal of Bionic Engineering, vol. 8, No. 2, pp 191–200 2011, doi: https://doi.org/10.1016/S1672-6529(11)60020-6

F.R Harahap dan O. Darnius, “Optimization Of Holt-Winters Exponential Smoothing Parameters Using The Golden Section And Dichotomous Search Method”. FARABI: Jurnal Matematika dan Pendidikan Matematika, vol. 5, no. 2, pp. 104-115, 2022, doi: 10.47662/farabi.v5i2.385

H. R. Makridakis S, Wheelwright SC, Forecasting: Methods and Applications, 3rd Edition. 1997.

R. Pan, “Holt–Winters Exponential Smoothing”. Wiley Encyclopedia of Operations Research and Management Science, 2011, https://doi.org/10.1002/9780470400531.eorms0385

R. C. Eberhart and Y. Shi, “Computational Intelligence Concepts to Implementations”, Penerbit: Elsevier, 2011.

Kennedy and James F, “Swarm intelligence”, Penerbit: Morgan Kaufmann Publisher, San Francisco, 2001.

Maurice Clerc, “Particle Swarm Optimization” Penerbit: ISTE, UK, 2006, doi: 10.1002/9780470612163

Suryanto, Swarm Intelligence : Komputasi Modern untuk Optimasi dan Big Data Mining. Informatika, 2017.

B. Santoso and T. J. Ai, Pengantar Metaheuristik: Implementasi dengan Matlab. Surabaya: ITS Tekno Sains, 2017.

Y. Shi and R. C. Eberhart, “Empirical study of particle swarm optimization,” Proc. 1999 Congr. Evol. Comput. CEC 1999, vol. 3, no. February, pp. 1945–1950, 1999, doi: 10.1109/CEC.1999.785511.

B. A. Mercangoz, Applying Particle Swarm Optimization, International Series in Operations Research & Management Science. Springer Nature Switzerland AG, 2021.

Forecasting with Exponential Smoothing: The State Space Approach" oleh Rob J. Hyndman, Anne B. Koehler, Ralph D. Snyder, dan Simone Grose (2008)

J. Scott Armstrong, “Principles of Forecasting: A Handbook for Researchers and Practitioners" Penerbit: Springer. 2001.

C. D. Lewis, Industrial and Business Forecasting Methods. Butterworth-Heinemann, 1982.




DOI: https://doi.org/10.15575/kubik.v9i2.31368

Refbacks

  • There are currently no refbacks.


Copyright (c) 2024 Annisa Martina

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.


Journal KUBIK: Jurnal Publikasi Ilmiah Matematika has indexed by:

SINTA DOAJ Dimensions Google Scholar Garuda Moraref DOI Crossref

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.