Author Description

Peramalan merupakan estimasi peristiwa (situasi di masa depan), yang dilihat berdasarkan keadaan data terdahulu serta data saat ini untuk menentukan bagaimana suatu peristiwa akan terjadi, sehingga dapat diketahui tindakan yang tepat untuk direncanakan. Pada penelitian ini data yang digunakan bersifat time series yang berasal dari kaggle, data yang digunakan berjumlah 3 unit data yang berbeda dan akan di uji masing-masing yaitu data industrial production index,sales shampoo, serta Energy Market Price. Kegiatan forecasting ini diperlukan untuk mengetahui perkiraan nilai untuk periode selanjutnya, kelemahan dari metode forecasting sendiri yaitu tidak dapat menentukan peramalan dengan nilai yang tepat. Untuk menyelesaikan masalah tersebut maka digunakan optimasi pada forecasting ini untuk meminimalkan nilai selisih prediksi yang dicari, sehingga mendapat nilai prediksi yang mendekati dengan nilai yang sebenarnya. Pada penelitian ini menggunakan gabungan dari metode Single Exponential Smoothing (SES) dan metode algoritma genetika (AG) serta menggunakan metode MAPE (Mean Absolute Percentage Error) untuk menghitung tingkat akurasi yang sangat baik. Dengan menggunakan kedua metode tersebut maka di dapatkan nilai akurasi berdasarkan 3 unit data dengan menggunakan metode MAPE. Untuk data unit 1 (Industrial Production Index) didapatkan nilai akurasi SES sebesar 1.2247% serta untuk SES dan AG sebesar 1.1571% untuk data unit 2 (Sales Shampoo) didapatkan nilai akurasi SES sebesar 23.3978% serta untuk SES dan AG sebesar 23.2395% untuk data unit 3 (Energy Production Index) didapatkan nilai akurasi SES sebesar 13.2125% serta untuk SES dan AG sebesar 13.2051%.