19
MSE dihitung dengan menjumlah kuadrat semua kesalahan
peramalan pada setiap periode dan membaginya dengan jumlah
periode peramalan.
2.
Rata-rata persentase Kesalahan Absolut (Mean Absolute Percentage
Error atau MAPE)
MAPE mengukur kesalahan relative
dan biasanya lebih berarti
dibandingkan dengan MAD, karena MAPE menyatakan persentase
kesalahan hasil peramalan terhadap permintaan aktual selama
periode tertentu.
3.
Rata – rata Kesalahan Absolut (Mean Absolute Error atau MAE)
MAE merupakan hasil nilai absolut dari selisih antara nilai output
model dengan data sebenarnya.
Berdasarkan Nachrowi dan Hardius (2004 : 239) menyatakan bahwa
sebenarnya
membandingkan kesalahan peramalan itu adalah cara sederhana,
apakah suatu teknik peramalan tersebut patut dipilih untuk digunakan sebagai
indikator apakah suatu teknik peramalan cocok digunakan atau tidak dan
teknik yang mempunyai jumlah MSE yang terkecil adalah metode peramalan
terbaik.
Sedangkan menurut Gaspers, Vincent (2004 : 80) dalam bukunya
menyatakan akurasi peramalan akan semakin tinggi apabila nilai-nilai MAD,
MSE semakin kecil.
Dan menurut Rangkuti, Freddy (2005
: 70) dalam bukunya menyatakan
bahwa keharusan untuk membandingkan perhitungan yang memiliki nilai
MAD paling kecil, karena semakin kecil nilai MAD semakin kecil pula
perbedaan antara hasil peramalan dan nilai actual.
Dalam penelitian ini, pengukuran akurasi data hasil peramalan hanya
menggunakan MSE (Mean Square Error) nya saja.
 |