30
Keterangan:
y = nilai terhitung dari variabel yan g akan dihitung (variabel terikat)
a = perpotongan sumbu Y
b = koefisien regresi / slop
X = nilai variabel bebas yan g diketahui
Y = nilai variabel terikat yang diketahui
n = jumlah data
b = kemiringan garis regresi (tingkat perubahan pada y untuk perubahan yang
terjadi di x)
Menurut Chase dan Jacobs (2011: 525), regresi linear digunakan baik di deret
waktu (time-series) dan kausal. Saat variabel terikat (digambarkan dengan
sumbu vertikal pada grafik) berubah sebagai hasil dari waktu (digambarkan
dengan sumbu horizontal), maka termasuk dalam analisis deret waktu. Apabila
satu variabel berubah karena perub ahan pada variabel lain, maka merupakan
hubungan kausal.
2.4.5 Mengukur Kesalahan Peramalan
Heizer dan Render (2010: 177) menyatakan akurasi keseluruhan dari setiap
model peramalan – rata-rata bergerak, penghalusan eksponensial, atau lainn ya –
dapat dijelaskan dengan membandingkan nilai yang diramal dengan nlai aktual atau
nilai yang sedang diamati. Jika Ft melambangkan peramalan pada p eriode t, dan At
melamban gkan permintaan aktual pada periode t, maka kesalahan peramalann ya
(deviasi) adalah sebagai berikut:
Kesalahan peramalan = Permintaan aktual – Nilai peramalan
= At - Ft
Ada beberapa perhitungan yang biasa digunakan u ntuk menghitung kesalahan
peramalan total. Perhitungan ini dapat digunakan untuk membandingkan model
peramalan yan g berbeda, mengawasi peramalan, dan untuk memastikan peramalan
berjalan dengan baik. Pengukuran kesalahan peramalan adalah diantaranya adalah:
1. Mean Absolute Deviation – MAD (Deviasi Mutlak Rerata)
MAD merupakan ukuran kesalahan peramalan keseluruhan untuk sebuah model.
 |