OPTIMASI PERFORMA ALGORITMA DOUBLE EXPONENTIAL SMOOTHING HOLT UNTUK PERAMALAN JUMLAH MAHASISWA BARU MENGGUNAKAN MODIFIED GOLDEN SECTION

Penelitian ini membahas tentang perencanaan Universitas Buana Perjuangan Karawang dalam menghadapi peningkatan jumlah pendaftar mahasiswa baru. Berdasarkan penelitian sebelumnya, algoritma double exponential smoothing (holt) telah terbukti efektif dalam meramalkan jumlah mahasiswa baru. Namun, algoritma tersebut membutuhkan waktu lama untuk menentukan parameter terbaik. Data yang digunakan adalah jumlah mahasiswa dari tahun 2015 hingga 2023 yang dibagi berdasarkan pergelombang pemdaftaran. Pengujian dilakukan berdasarkan Mean Squared Error (MSE) dan Root Mean Squared Error (RMSE). Kontribusi penelitian ini adalah optimasi nilai alhpa dan betha pada algoritma double exponential smoothing untuk menghasilkan peramalan jumlah mahasiswa baru dengan tingkat eror terkecil. Berdasarkan hasil penelitian yang telah dilakukan, bahwa teknik modified golden section terbukti bisa mengoptimalkan nilai alpha dan beta pada metode double exponential smoothing untuk peramalan jumlah mahasiswa baru di Universitas Buana Perjuangan Karawang. Hal tersebut dibuktikan dengan nilai MSE dan RMSE pada hasil perbandingan metode double exponential smoothing dengan optimasi dan tanpa optimasi menunjukkan adanya kesamaan. Adapun nilai MSE yaitu 0,05876 dan RMSE yaitu 0,19137. Sehingga, metode tersebut terbukti optimal dapat mengurangi perhitungan berulang-ulang yaitu cukup dengan iterasi ke 19 telah didapatkan nilai alpha dan beta terbaik.

Authors

Institutions

Publication Details

Journal
Jurnal Informatika Jurnal Pengembangan IT
Published
2025-09-15
DOI
https://doi.org/10.30591/jpit.v10i4.9301
Primary Topic
Data Mining and Machine Learning Applications
Type
article
Field-Weighted Citation Impact
0.00
Controls
|||
ALL TIME
JAN
FEB
MAR
APR
MAY
JUN
JUL
AUG
SEP
OCT
article

OPTIMASI PERFORMA ALGORITMA DOUBLE EXPONENTIAL SMOOTHING HOLT UNTUK PERAMALAN JUMLAH MAHASISWA BARU MENGGUNAKAN MODIFIED GOLDEN SECTION

Mrs Rusdah, Iin Kurniawati
Jurnal Informatika Jurnal Pengembangan IT
Data Mining and Machine Learning Applications
article

OPTIMASI PERFORMA ALGORITMA DOUBLE EXPONENTIAL SMOOTHING HOLT UNTUK PERAMALAN JUMLAH MAHASISWA BARU MENGGUNAKAN MODIFIED GOLDEN SECTION

Mrs Rusdah, Iin Kurniawati
article en

Abstract

Penelitian ini membahas tentang perencanaan Universitas Buana Perjuangan Karawang dalam menghadapi peningkatan jumlah pendaftar mahasiswa baru. Berdasarkan penelitian sebelumnya, algoritma double exponential smoothing (holt) telah terbukti efektif dalam meramalkan jumlah mahasiswa baru. Namun, algoritma tersebut membutuhkan waktu lama untuk menentukan parameter terbaik. Data yang digunakan adalah jumlah mahasiswa dari tahun 2015 hingga 2023 yang dibagi berdasarkan pergelombang pemdaftaran. Pengujian dilakukan berdasarkan Mean Squared Error (MSE) dan Root Mean Squared Error (RMSE). Kontribusi penelitian ini adalah optimasi nilai alhpa dan betha pada algoritma double exponential smoothing untuk menghasilkan peramalan jumlah mahasiswa baru dengan tingkat eror terkecil. Berdasarkan hasil penelitian yang telah dilakukan, bahwa teknik modified golden section terbukti bisa mengoptimalkan nilai alpha dan beta pada metode double exponential smoothing untuk peramalan jumlah mahasiswa baru di Universitas Buana Perjuangan Karawang. Hal tersebut dibuktikan dengan nilai MSE dan RMSE pada hasil perbandingan metode double exponential smoothing dengan optimasi dan tanpa optimasi menunjukkan adanya kesamaan. Adapun nilai MSE yaitu 0,05876 dan RMSE yaitu 0,19137. Sehingga, metode tersebut terbukti optimal dapat mengurangi perhitungan berulang-ulang yaitu cukup dengan iterasi ke 19 telah didapatkan nilai alpha dan beta terbaik.

Jurnal Informatika Jurnal Pengembangan ITVol. 10(4)
Universitas Budi Luhur (ID)
Openalex Percentile: Top 51%
Data Mining and Machine Learning Applications
AI Navigator

Ask Laika to Summarize, Analyze, and Connect papers live on the map.

Summarize Papers & Methodologies

Extract key findings, datasets, and comparative methods across publications.

Benchmark Rankings & Visual Analytics

Rank top research institutions, authors, funders, topics, and journals by Field-Weighted Citation Impact (FWCI) and paper volume with instant charts.

Connect Distant Disciplines

Bridge topological clusters on the map to find hidden collaborative intersections.