<![CDATA[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.]]>
Copyrights © 2024
