28
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).
MAD =
S
|
aktual - peramalan
|
n
2. Kesalahan Rata – rata Kuadrat ( Mean Square Er®or
= MSE )
MSE merupakan cara kedua untuk mengukur kesalahan peramalan keseluruhan. MSE
merupakan rata-rata selisih kuadrat antara nilai yang diramalkan dan yang diamati.
Kekurangan penggunaan MSE adalah bahwa ia cenderung menonjolkan deviasi yang
besar karena adanya pegkuadratan.
MSE =
S
(kesalahan peramalan)
n
3. Kesalahan persen Rata – rata Absolut ( Mean Absolute
Percentage Error
= MAPE )
Masalah
yang
terjadi
dengan MAD dan MSE adalah bahwa
nilai mereka tergantung
pada besarnya unsur yang diramal. Jika unsur tersebut dihitung dalam satuan
ribuan,
maka
nilai
MAD
dan
MSE
bisa
menjadi
sangat
besar.
Untuk
menghindari
masalah ini,
kita dapat menggunakan MAPE.
MAPE dihitung sebagai rata-rata
diferensiasi
absolut
antara
nilai
yang
diramal
dan
aktual,
dinyatakan
sebagai
persentase nilai aktual.
 |