| Summary: | Algoritma DES (Double Exponential Smoothing) Brown merupakan algoritma peramalan yang digunakan untuk memprediksi data deret berkala baik berpola tren positif maupun tren negatif. Namun algoritma ini mempunyai kelemahan yaitu dalam menentukan nilai parameter optimum untuk meminimasi error peramalan (MAPE), nilai parameter tersebut dicari menggunakan metode Golden Section dimana sebelumnya dicari secara manual menggunakan percobaan berulang kali. Penelitian ini menggunakan 60 data berpola tren yang dianalisis untuk pengelompokan pola data tren positif dan negatif dimana selanjutnya dilakukan proses peramalan, evaluasi dan pengujian untuk mengetahui jenis pola data tren apa yang terbaik. Dari hasil perhitungan dan pengujian diketahui bahwa parameter optimasi menghasilkan nilai MAPE yang optimum, dimana selanjutnya nilai parameter tersebut dilakukan proses peramalan pada kelompok pola data tren positif dan negatif yang menghasilkan rata-rata nilai MAPE sebesar 9,73401% (highly accurate) untuk data berpola tren positif dan 15,78467% (good forecast) untuk data berpola tren negatif. Algoritma peramalan DES Brown dengan metode optimasi parameter menghasilkan nilai pendekatan terhadap data asli jika data tersebut menunjukkan penambahan atau penurunan nilai disekitar nilai rata-rata. Sebaliknya, akan menghasilkan nilai MAPE yang tinggi (tidak akurat) jika data tersebut memiliki lonjakan periode nilai data. Dari kedua kelompok nilai MAPE tersebut dilakukan uji t statistik yang menyatakan bahwa data berpola tren positif () menghasilkan nilai rata-rata MAPE lebih baik dibandingkan data berpola tren negatif (μ2).
|
|---|
