Zalfa Nurjihan, - (2024) OPTIMASI PARAMETER TRIPLE EXPONENTIAL SMOOTHING MENGGUNAKAN DIFFERENTIAL EVOLUTION: Studi Kasus Harga Pembukaan Saham Apple Inc. Periode Agustus 2020 – Agustus 2022. S1 thesis, Universitas Pendidikan Indonesia.
![]() |
Text
S_MAT_2000026_Title.pdf Download (613kB) |
![]() |
Text
S_MAT_2000026_Chapter1.pdf Download (246kB) |
![]() |
Text
S_MAT_2000026_Chapter2.pdf Restricted to Staf Perpustakaan Download (669kB) |
![]() |
Text
S_MAT_2000026_Chapter3.pdf Download (375kB) |
![]() |
Text
S_MAT_2000026_Chapter4.pdf Restricted to Staf Perpustakaan Download (676kB) |
![]() |
Text
S_MAT_2000026_Chapter5.pdf Download (161kB) |
![]() |
Text
S_MAT_2000026_Appendix.pdf Restricted to Staf Perpustakaan Download (813kB) |
Abstract
Metode Triple Exponential Smoothing (TES) merupakan metode peramalan runtun waktu yang mampu meramalkan pola data yang memiliki pengaruh musiman serta tren yang muncul secara bersamaan dengan sangat baik. Metode TES memiliki tiga parameter, yaitu parameter pemulusan level (α), parameter pemulusan tren (β), dan parameter pemulusan musiman (γ). Saat ini, belum ada metode khusus yang secara definitif dapat digunakan untuk memilih nilai optimal dari parameter-parameter tersebut. Oleh karena itu, penentuan parameter α, β, dan γ yang optimal seringkali mengandalkan pendekatan trial and error yang kurang efisien. Pada penelitian ini, digunakan algoritma Differential Evolution (DE) untuk mendapatkan nilai optimal dari parameter α, β, dan γ. Sementara itu, peramalan harga saham menjadi topik yang menarik dan menantang bagi para profesional karena merupakan langkah penting sebelum melakukan investasi. Penelitian ini bertujuan untuk melakukan optimasi parameter α, β, dan γ pada metode TES menggunakan algoritma DE untuk data harga pembukaan saham Apple Inc. Hasil penelitian menunjukkan bahwa algoritma DE efektif dalam mencari kombinasi nilai parameter yang menghasilkan peramalan harga pembukaan saham Apple Inc. yang dapat diandalkan. Berdasarkan penerapan algoritma DE dalam optimasi parameter, diperoleh bahwa parameter terbaik yang paling sesuai untuk harga pembukaan saham Apple Inc. yaitu nilai parameter pemulusan level sebesar 7,90703 ×10^(-6), nilai parameter pemulusan tren sebesar 0,26981, dan nilai parameter pemulusan musiman sebesar 0,99966. Nilai MAPE pada penelitian ini berhasil mencapai 0,01228%, yang menunjukkan bahwa model TES dengan parameter yang dihasilkan memiliki akurasi peramalan yang sangat baik. The Triple Exponential Smoothing (TES) method is a time series forecasting method capable of accurately predicting data patterns that exhibit both seasonal and trend influences simultaneously. The TES method has three parameters: the level smoothing parameter (α), the trend smoothing parameter (β), and the seasonal smoothing parameter (γ). Currently, there is no definitive method to optimally select these parameters. Therefore, the determination of the optimal values for parameters α, β, and γ often relies on a trial-and-error approach, which is less efficient. In this study, the Differential Evolution (DE) algorithm is used to obtain the optimal values for parameters α, β, and γ. However, stock price forecasting remains an interesting and challenging topic for professionals as it is a crucial step before making investment decisions. This study aims to optimize the parameters α, β, and γ in the TES method using the DE algorithm for the opening stock price data of Apple Inc. The results of the study indicate that the DE algorithm is effective in finding parameter combinations that produce reliable forecasts for the opening stock prices of Apple Inc. Based on the application of the DE algorithm in parameter optimization, it was found that the best-suited parameters for the opening stock prices of Apple Inc. are: the level smoothing parameter with a value of 7,90703 ×10^(-6), the trend smoothing parameter with a value of 0,26981, and the seasonal smoothing parameter with a value of 0,99966. The MAPE value in this study reached 0.01228%, indicating that the TES model with the optimized parameters has very good forecasting accuracy.
Item Type: | Thesis (S1) |
---|---|
Additional Information: | https://scholar.google.com/citations?user=MvhT8EoAAAAJ&hl=en&authuser=2&oi=sra ID SINTA Dosen Pembimbing: Fitriani Agustina: 5981275 Nar Herrhyanto: - |
Uncontrolled Keywords: | Peramalan Runtun Waktu, Triple Exponential Smoothing, Differential Evolution Time Series Forecasting, Triple Exponential Smoothing, Differential Evolution |
Subjects: | H Social Sciences > HD Industries. Land use. Labor H Social Sciences > HG Finance |
Divisions: | Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Jurusan Pendidikan Matematika > Program Studi Matematika (non kependidikan) |
Depositing User: | Zalfa Nurjihan |
Date Deposited: | 05 Aug 2024 04:35 |
Last Modified: | 15 Aug 2024 08:18 |
URI: | http://repository.upi.edu/id/eprint/119360 |
Actions (login required)
![]() |
View Item |