21
yang sedang kita analisa atau tidak. Minimal prosedur ini dapat digunakan sebagai
indikator apakah suatu teknik peramalan cocok digunakan atau tidak. Dan teknik yang
mempunyai MSE terkecil merupakan ramalan yang terbaik.
Sedangkan menurut Freddy Rangkuti (2005:80) menyatakan keharusan untuk
membandingkan perhitungan yang memiliki nilai MAD paling kecil, karena semakin
kecil MAD. Berarti semakin kecil pula perbedaan antara hasil forecasting
dan nilai
aktual.
Heizer danRender (2009:177) mengemukakan bahwa, tiga dari perhitungan yang
paling terkenal adalah deviasi mutlak rerata (Mean Absolute Deviation -
MAD)
dan
kesalahan kuadrat rerata (Mean Squared Error - MSE).
1.
Deviasi Mutlak Rerata (Mean Absolute Deviation = MAD)
MAD merupakan ukuran pertama kesalahan peramalan keseluruhan untuk
sebuah model. Nilai ini dihitung dengan mengambil jumlah nilai absolut dari tiap
kesalahan peramalan dibagi dengan jumlah periode data (n).
2.
Kesalahan Kuadrat Rerata (Mean Square Error = MSE)
MSE merupakan cara kedua untuk mengukur kesalahan peramalan keseluruhan.
MSE merupakan rata-rata selisih kuardrat antara nilai yang diramalkan dan yang
diamati. Kekurangan penggunaan MSE adalah bahwa ia cenderung menonjolkan
deviasi yang besar karena adanya pengkuadratan.
 |