OPTIMASI PARAMETER ALPHA MENGGUNAKAN ALGORITMA PEMROGRAMAN NON LINIER UNTUK PERAMALAN KLIMATOLOGI KOTA BANDUNGDALAM METODE PEMULUSAN EKSPONENSIAL GANDA SATU PARAMETER DARI BROWN

Dalam dunia peramalan ada beberapa kategori peramalan, misalnya kategori pemulusan eksponensial, kategori regresi dan kategori dekomposisi. untuk metode peramalan yang menggunakan pemulusan eksponensial, membutuhkan satu sampai tiga konstanta. pada penelitian ini, metode pemulusan eksponensial digun...

Full description

Saved in:
Bibliographic Details
Main Author: Prayogo, Muhammad Nur (Author)
Format: Book
Published: 2013-10-31.
Subjects:
Online Access:Link Metadata
Tags: Add Tag
No Tags, Be the first to tag this record!

MARC

LEADER 00000 am a22000003u 4500
001 repoupi_5785
042 |a dc 
100 1 0 |a Prayogo, Muhammad Nur  |e author 
245 0 0 |a OPTIMASI PARAMETER ALPHA MENGGUNAKAN ALGORITMA PEMROGRAMAN NON LINIER UNTUK PERAMALAN KLIMATOLOGI KOTA BANDUNGDALAM METODE PEMULUSAN EKSPONENSIAL GANDA SATU PARAMETER DARI BROWN  
260 |c 2013-10-31. 
500 |a http://repository.upi.edu/5785/59/S_KOM_0801363_Title.pdf 
500 |a http://repository.upi.edu/5785/60/S_KOM_0801363_Abstract.pdf 
500 |a http://repository.upi.edu/5785/2/S_KOM_0801363_Table_of_content.pdf 
500 |a http://repository.upi.edu/5785/3/S_KOM_0801363_Chapter1.pdf 
500 |a http://repository.upi.edu/5785/8/S_KOM_0801363_Chapter2.pdf 
500 |a http://repository.upi.edu/5785/5/S_KOM_0801363_Chapter3.pdf 
500 |a http://repository.upi.edu/5785/6/S_KOM_0801363_Chapter4.pdf 
500 |a http://repository.upi.edu/5785/7/S_KOM_0801363_Chapter5.pdf 
500 |a http://repository.upi.edu/5785/4/S_KOM_0801363_bibliography.pdf 
500 |a http://repository.upi.edu/5785/1/S_KOM_0801363_Appendix.pdf 
520 |a Dalam dunia peramalan ada beberapa kategori peramalan, misalnya kategori pemulusan eksponensial, kategori regresi dan kategori dekomposisi. untuk metode peramalan yang menggunakan pemulusan eksponensial, membutuhkan satu sampai tiga konstanta. pada penelitian ini, metode pemulusan eksponensial digunakan untuk meramalkan klimatologi kota bandung, dalam metode tersebut besaran dari nilai konstanta sangat berpengaruh terhadap keakuratan peramalan. maka dari itu, tujuan dari skripsi ini adalah mengoptimasi konstanta tersebut. nilai konstanta dikatakan optimal jika proses keseluruhan peramalan menghasilkan nilai galat yang kecil. satuan galat yang digunakan pada penelitian ini adalah mean absoulute percentage error (mape). pada penelitian ini juga berhasil dibangun perangkat lunak untuk membuktikan hasil perhitungan dan keabsahan dari parameter yang dioptimasi. perangkat lunak juga mampu untuk meramalkan klimatologi kota bandung sebanyak 36 periode atau tiga tahun ke depan. dari serangkaian pengujian pada kasus temperature kota bandung didapatkan hasil yang baik, terbukti dari mape yang dihasilkan oleh konstanta optimal sebesar 2,3596%. adapun rata-rata gap atau selisih antara data asli dibandingkan data ramalan pada periode yang sama, didapatkan rata-rata gap sebesar 0,27930c.kata kunci : peramalan, optimasi, klimatologi, parameter alpha, non linier, pemulusan eksponensial. Abstract In forecasting mehtods there are several categories, such as exponential smoothing category, regression category and decomposition category. for forecasting method using exponential smoothing, requires one to three constants. in this study, exponential smoothing method is used to forecast bandung's climatology. in that method, constant's value very influenced to accuray of forecasting. therefore, the purpose of this paper is to optimize that constants. constant value is optimal when the whole forecasting process gives a small error value. error units used in this study is absoulute mean percentage error (mape). n this study also softwaresuccessfully built to prove validity of results and calculation parameters are optimized. this software is also able to predict bandung's climatology as many as 36 periods or three years into the future. from a series of tests, in the case of bandung's temperature obtained good results, proven from mape produced by 2,3596%. the average gap or difference between the original data compared to forecast data during the same period, the average gap obtained by 0,.27930 0c. 
546 |a en 
546 |a en 
546 |a en 
546 |a en 
546 |a en 
546 |a en 
546 |a en 
546 |a en 
546 |a en 
546 |a en 
690 |a Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam 
690 |a Program Studi Pendidikan Ilmu Komputer 
655 7 |a Thesis  |2 local 
655 7 |a NonPeerReviewed  |2 local 
787 0 |n http://repository.upi.edu/5785/ 
856 |u https://repository.upi.edu/5785  |z Link Metadata