F orecasting (peramalan) merupakan hal penting yang harus diperhatikan dan dipelajari oleh setiap perusahaan, dengan adanya forecasting penjualan produk di suatu perusahaan, maka pihak manajemen perusahaan tersebut dapat melangkah ke depan dengan lebih pasti. Akurasi forecasting untuk beberapa jenis industri sangat bernilai. Salah satu strategi yang dapat digunakan adalah dengan menggunakan model Exponential smoothing, dimana metode ini merupakan peramalan rata-rata bergerak dengan pembobotan canggih, namun masih mudah digunakan.. Pada model Exponential Smoothing diperlukan nilai parameter stokastik yang harus ditentukan terlebih dahulu melalui kalibrasi, untuk mendapatkan nilai α yang tepat. Pada umumnya dilakukan dengan trial and error untuk menentukan nilai kesalahan terendah. Nilai α dilakukan dengan membandingkan menggunakan interval pemulusan antar 0 < α < 1, yaitu α (0,1 sampai dengan 0,9). Dengan menggunakan metode trial and error tersebut menyebabkan kurangnya tingkat keakurasian peramalan. Pada penelitian kali ini implementasi akan digunakan untuk metode Single Exponential Smoothing Algoritma Particle Swarm Optimization (PSO) dan algoritma genetic (GA) merupakan salah satu metode iteratif yang dapat digunakan dalam menentukan parameter stokastik. Tujuan dari penelitian ini adalah untuk mendapatkan nilai konstanta (α) pada metode Single Exponential Smoothing dengan menggunakan metode pencarian metaheuristic PSO dan GA. Berdasarkan pengolahan data yang telah dilakukan, di dapat bahwa nilai α yang didapatkan dari Algoritma PSO adalah sebesar 0,3731 dengan nilai MSE sebesar 20012.0896 dan berdasarkan Algoritma Genetika menunjukan hasil sebesar 0.4065 dengan nilai MSE sebesar 19999.1602. Sehingga pada penelitian ini Algoritma genetic menjadi yang terbaik karena dapat menentukan nilai α yang mempunyai MSE yang paling kecil.