Electronic Theses and Dissertation

Optimasi numerik adalah proses pencarian nilai parameter optimal pada permasalahan matematis guna meminimalkan fungsi objektif. pemilihan parameter optimal menjadi kunci utama dalam menghasilkan akurasi hasil prediksi yang mendekati nilai aktual pada peramalan runtun waktu. penentuan parameter optimal dalam metode ini merupakan salah satu tantangan penting yang harus diselesaikan melalui pendekatan optimasi numerik. oleh karena itu, dilakukan penerapan algoritma optimasi numerik seperti metode pencarian dikotomi dan metode golden section yang digunakan untuk menentukan nilai parameter optimal. parameter optimal yang diperoleh digunakan dalam model holt-winters untuk menghitung komponen smoothing level, tren, dan musiman sehingga meningkatkan akurasi pada peramalan runtun waktu. setelah mengkonstruksikan algoritma metode pencarian dikotomi dan metode golden section, akan ditentukan parameter optimal pada model holt-winters, serta menentukan hasil peramalan menggunakan parameter optimal pada data harga saham penutupan pt telkom indonesia periode januari 2019-desember 2023. penerapan metode pencarian dikotomi dan metode golden section akan dilakukan secara terpisah tanpa saling mempengaruhi proses satu sama lain, kedua metode akan mencari nilai parameter optimal pada 8 titik evaluasi secara iteratif. hasil perhitungan dari kedua metode tersebut dibandingkan menggunakan mape minimum, dimana nilai mape di bawah 10% menunjukkan tingkat akurasi peramalan yang tinggi, lalu dilakukan peramalan pada model holt-winters menggunakan parameter optimal. berdasarkan hasil analisis, kedua metode menghasilkan titik evaluasi yang sama. metode pencarian dikotomi membutuhkan 12 iterasi dengan mape sebesar 6,48449%, sedangkan metode golden section membutuhkan 17 iterasi dengan mape 6,96998%, sehingga metode pencarian dikotomi memiliki akurasi peramalan yang tinggi. kata kunci: holt-winters, optimasi, pencarian dikotomi, golden section, mape

Numerical optimization is the process of finding the optimal parameter values in mathematical problems to minimize the objective function. The selection of optimal parameters is the main key in producing prediction accuracy that is close to the actual value in time series forecasting. The selection of the right parameters in this method is the main challenge so it is necessary to apply numerical optimization algorithms, such as the Dichotomous Search method and the Golden Section method, to determine the optimal parameter values that improve accuracy. The optimal parameters obtained are used in the Holt-Winters model to optimize the smoothing component thereby improving accuracy in time series forecasting. After constructing the algorithms of the Dichotomous Search method and the Golden Section method, the optimal parameters in the Holt-Winters model will be determined, as well as determining the forecasting results using the optimal parameters on the closing stock price data of PT Telkom Indonesia for the period January 2019-December 2023. The application of the Dichotomous Search method and the Golden Section method will be carried out separately without affecting each other's processes, both methods will search for optimal parameter values at 8 evaluation points iteratively. The calculation results of the two methods are compared using the minimum MAPE, where the MAPE value below 10% indicates a high level of forecasting accuracy, then forecasting is carried out using the Holt-Winters model. Based on the analysis results, both methods produce the same evaluation point. The Dichotomous Search method requires 12 iterations with a MAPE of 6.48449%, while the Golden Section method requires 17 iterations with a MAPE of 6.96998%, so the Dichotomous Search method has high forecasting accuracy. Keywords: Holt-Winters, Optimization, Dichotomous Search, Golden Section,MAPE