ABSTRAKSI: Trafik dapat diartikan secara sederhana sebagai semua informasi yang berpindah dari transmitter ke receiver. Trafik bersifat tidak terduga dan tidak dapat diprediksi secara akurat dan presisi. Namun perilaku trafik memiliki suatu pola yang dapat digambarkan kecenderungannya. Penggambaran kecenderungan ini berguna bagi operator telekomunikasi untuk bisa mengetahui kesiapan perangkat, SDM dan lain-lain di masa datang.
Algoritma Genetika adalah algoritma yang diadopsi dari ilmu biologi. Algoritma ini memanfaatkan proses seleksi alam dalam teori evolusi. Algoritma ini banyak dipakai dalam pemecahan masalah optimasi, pemograman otomatis, pembelajaran mesin, model ekonomi, prediksi sumbu waktu dan sebagainya.
Dalam tugas akhir ini akan dibuat aplikasi prediksi sumbu waktu yang hanya mempelajari sejarah pertumbuhan trafik sebelumnya untuk melakukan generalisasi trafik yang akan datang dengan Visual Basic 6.0. Studi kasus untuk tugas akhir ini adalah pada trafik NGN PT. Telkom Bandung. Pendekatan yang dilakukan adalah dengan menghitung error fitting minimum dengan algoritma genetik pada data yang telah dimuluskan dengan linier trend fitting dan curve fitting dengan LOWESS kemudian membandingkan keduanya dengan single moving average (SMA).
Tugas akhir ini menunjukkan bahwa algoritma genetik dapat dimanfaatkan untuk memprediksi trafik dengan rata-rata MAPE sebesar 25.56% untuk pendekatan trend fitting dan 13.85% untuk curve fitting. Pada metode moving averag, rata-rata MAPE yang didapat hanya sekitar 39.06%.Kata Kunci : :”Prediksi trafik, Algoritma Genetik, linier trend fitting, dan curve fitting”ABSTRACT: Traffic simply defined as all information that moving from transceiver to receiver. The behaviour of traffic are unpredictable and cannot be known accuratelly and precission. But, the traffic behaviour has a trend pattern that could be projected and forecasted. The projection of pattern is useful by operators of telecommunication company for preparing devices, human recources, etc in next period.
Genetic Algorithm are adopted from biological sciences. This algorithm apply natural selection in evolution theory. Optimation problem, automatic programming, learning machine, economic model, time series forecasting, etc could be applicated by this algorithm.
This final project was created an application that forecast in time series axis. It learn the historical traffic growth and generating forecast value in Visual basic 6.0 language. Case of study in this final project are NGN traffic of PT.TELKOM Bandung. The approach of minimum error fitting are used by genetic algorithm to forecast data traffic that smoothed by linier trend fitting and curve fitting with LOWESS algorithm and then compare it with single moving average (SMA).
The final project has shown that genetic algoritm could be implemented to forecast the trafics. It has average MAPE in the amount of 25.56% for linier trend fitting approach and 13.85% for curve fitting approach. While moving average method has average MAPE 39.06%.Keyword: Keywords:”Traffic forecasting, Genetic Algorithm, linier trend fitting, and curve fitting”