= nilai variabel terikat yang diketahui
= jumlah data atau pengamatan
2.2.8 Menghitung Kesalahan Per amalan
Menurut Rangkuti (2005:80) me nyatakan keha rusan untuk
membandingkan perhitungan yang memiliki nilai MAD (Mean Absolute Deviation)
pa ling kecil, karena semakin kecil MAD berarti semakin kecil pula perbedaan antara
ha sil forecasting nila i aktual.
Menurut Heizer dan Render (2009:177), ada beberapa perhitungan yang
biasa digunakan untuk membandingkan model perama lan yang berbeda, mengawasi
pe ramalan, dan untuk memastikan peramalan, dan untuk memastikan peramalan
be rja lan baik. Tiga dari perhitungan yang paling terkena l adalah deviasi mutlak
rerata (Mean Absolute De viation – MAD), kesalahan kuadrat rerata (Mean Square d
Error – MSE), da n kesalahan persen mutlak rerata (Me an Absolute Percent Error –
MAPE).
1. Deviasi Rata-Rata Absolut (Mean Absolute Deviation)
MAD merupakan ukuran pe rtama kesala han
peramalan keseluruhan
untuk se buah model. Nilai ini dihitung dengan mengambil jumlah nilai
absolut dari tiap kesalaha n peramalan dibagi dengan jumlah periode
da ta n. Rumus untuk menghitung MAD adalah sebagai berikut.
MAD =
2. Kesalahan Rata -Rata Kuadrat (Mean Square Error)
MSE merupakan cara kedua untuk mengukur kesalahan peramalan
ke seluruhan. MSE merupakan rata-rata se lisih kua drat antara nilai yang
diramalkan dan yang diamati. Kekurangan penggunaan MSE adalah
ba hwa ia cenderung menonjolkan deviasi yang besar karena a danya
pe ngkuadra tan. Rumus untuk menghitung MSE adalah sebagai berikut.
 |