ABSTRAKSI: PT. Telekomunikasi Indonesia, Tbk adalah perusahaan informasi dan komunikasi Indonesia yang menyediakan jasa dan jaringan telekomunikasi terbesar di Indonesia. Dimana core business dan penghasilan terbesarnya berasal dari penyedia layanan jaringan telepon PSTN (Public Switched Telephone Network) atau telepon kabel (fixed wire line). Namun, munculnya penerapan dan pengembangan teknologi telekomunikasi baru, yaitu GSM (Global Sistem for Mobile) dan CDMA (Code Division Multiple Access), mengakibatkan banyak konsumen telepon PSTN berpindah ke layanan telepon GSM atau CDMA dan akhirnya mengakibatkan jumlah pelanggan telepon PSTN bergejolak dengan tingkat ketidakpastian yang tinggi. Oleh karena itu, dibutuhkanlah suatu sistem yang dapat memprediksi jumlah pelanggan PSTN TELKOM. Pendekatan prediksi yang banyak dipergunakan adalah metode kuantitatif dengan subkategori metode time series.
Proses prediksi akan dilakukan dengan menggunakan teknik komputasi yang berbasiskan evolusi dan genetika atau yang lebih dikenal dengan nama Evolutionary Computation (EC). Salah satu algoritma EC yang dapat digunakan untuk mencari solusi pada masalah prediksi adalah Grammatical Evolution(GE). GE mampu menghasilkan solusi untuk memprediksi pola data yang bersifat nonlinear dengan lebih tepat karena menggunakan definisi grammar Backus Naur Form (BNF) dalam pemetaan genotype ke phenotype. Solusi yang dicari pada masalah prediksi data time series ini adalah fungsi yang memiliki pola yang paling mendekati karakteristik dari data historis jumlah pelanggan PSTN TELKOM. Kemudian fungsi tersebut digunakan untuk melakukan prediksi dalam n periode berikutnya. Akurasi prediksi dihitung dengan menggunakan rumus Mean Absolute Percentage Error(MAPE). Sistem GE akan mencari fungsi prediksi yang paling akurat melalui proses evolusi yang menggunakan parameterparameter evolusi. Untuk mendapatkan sistem GE yang mampu menghasilkan fungsi prediksi yang optimal tersebut maka dilakukan pengujian terhadap definisi BNF, kombinasi parameter pada GE dan perhitungan akurasi prediksi yang dihasilkan.
Berdasarkan observasi yang telah dilakukan dapat diketahui bahwa prediksi dengan menggunakan sistem yang berbasiskan Grammatical Evolution mampu menghasilkan solusi dalam bentuk fungsi prediksi dengan tingkat adaptasi yang lebih tinggi terhadap data prediksi sebenarnya dibandingkan dengan metode prediksi konvensional seperti Linear Regression with time(LR) dan Moving Average(MA), karena adanya penggunaan definisi BNF yang menyebabkan sifat non linearitas. Selain itu, pendefinisian MAPE merupakan komponen yang sangat penting dalam sistem GE. Hal ini disebabkan karena grammar yang digunakan pada BNF sangat menentukan kemungkinan pola solusi yang dibangun.Kata Kunci : prediksi, data time series, Evolutionary Computation (EC), Grammatical Evolution (GE)ABSTRACT: PT Telekomunikasi Indonesia, Tbk. Is Information and Communication Technology (ICT) company that offers the biggest service and telecommunication network in Indonesia. Its biggest core business and revenue come from offering PSTN (Public Switched Telephone Network) service or cable telephone (fixed wireline). But, new telecommunication technology implementation and development, GSM (Global System for Mobile) and CDMA (Code Division Multiple Access), make many PSTN subscribers switch to GSM and CDMA services and finally make the number of PSTN subscribers fluctuates in high uncertainly. So, it is needed a system that can forecast the number of PSTN subscribers. Forecast approach that many people use is quantitative method with time series method subcategory.
Forecasting process will be done by using computation technique based on evolution and genetics or called Evolutionary Computation (EC). One of EC algorithms that can used for finding solution in forecasting is Grammatical Evolution (GE). GE can give solution to forecast nonlinear data pattern more accurately because of using Backus Naur Form (BNF) grammar definition in mapping genotype to phonotype. Solution that will be finds in this time series data forecasting is the best function which has closest pattern with historic data characteristic of PSTN subscriber. Then, this selected function will be used to forecast the number of PSTN subscribers in next n-periods. Forecast accurate will be count by using Mean Absolute Percentage Error (MAPE) formula. GE system will find the most accurate function by evolution process that uses evolution parameters. For getting GE system that can give the most optimal forecasting function, testing of BNF, GE parameters combination, and forecasting result accurate calculation, definition will be done.
Based on observation that has be done, it is known that forecasting with system based Grammatical Evolution can generate function which has the most adaptive of others konvensional forecasting method such as Linear Regression(LR) and Moving Average(MA), because it’s uses BNF definition with non linearitas behaviour. Beside that, MAPE defining is the most important component in GE system because grammar that is used in BNF determines the possibility of development solution pattern.Keyword: forecasting, time series data, Evolutionary Computation (EC), Grammatical Evolution (GE)