menghilangkan unsur musiman dengan membuat rata-rata dari periode yang musimnya tinggi dan periode yang musimnya rendah. Karena
kesalahan random tidak mempunyai pola yang sistematis maka pemerata-rataan ini juga mengurangi kerandoman.
2. Pisahkan rata-rata bergerak N periode langkah 1 di atas dari deret
data semula untuk memperoleh unsur trend dan siklus 3.
Pisahkan faktor musiman dengan menghitung rata-rata untuk tiap periode yang menyusun panjang musiman secara lengkap.
4. Identifikasi bentuk trend yang tepat linier, eksponensial, dan lain-lain
dan hitung nilainya untuk setiap periode Tt 5.
Pisahkan musiman, trend dan siklus dari data asli untuk mendapatkan unsur random yang ada Et.
3.4.4. Kriteria Performance Peramalan
Kesalahan peramalan dapat mempengaruhi dua keputusan yang dapat diambil. Salah satunya adalah dalam membuat pilihan dari antara variasi teknik
peramalan, dan yang lainnya adalah dalam mengevaluasi keberhasilan atau kegagalan dari teknik yang digunakan. Keputusan untuk menggunakan model
baru atau melanjutkan yang sedang digunakan biasanya bertumpu pada beberapa ukuran kesalahan peramalan. Setiap teknik diuji pada data historisnya dan satu
dengan kesalahan peramalan terkecil digunakan sebagai instrumen peramalan Tersine, 1994. Beberapa langkah yang dapat digunakan untuk mengukur
kesalahan peramalan dapat dilihat pada Tabel 3.1.
Universitas Sumatera Utara
Tabel 3.1. Pengukuran Kesalahan Error Peramalan No.
Pengukur Rumus
1. Meanabsolute deviation MAD
MAD = ∑ �Y
i
–Y �
i
�
n i = 1
n 2.
Mean squared error MSE MSE =
∑ �Y
i
–Y �
i
�
2 n
i = 1
n 3.
Standard deviation of regression S
r
S
r
= ∑ �Y
i
–Y �
i
�
2 n
i = 1
n – 2 4.
Mean absolute percent error MAPE MAPE =
100 ∑ �Y
i
–Y �
i
�Y
i n
i = 1
n 5.
Mean error ME ME =
� ∑ �Y
i
–Y �
i
�
n i = 1
n 6.
Mean percent error MPE MPE =
100 ∑ �Y
i
–Y �
i
�Y
i n
i = 1
n 7.
Tracking signal TS TS =
∑ �Y
i
–Y �
i
�
n i = 1
MAD 8.
Standard error of estimate SEE SEE
2
= ∑ �Y
i
–Y �
i
�
2 n
i = 1
n – f Keterangan:
Y
i
= Permintaan aktual pada periode i Y
�
i
= Hasil peramalan permintaan pada periode i n
= Banyaknya pengamatan atau periode waktu f
= Derajat kebebasan
3.4.5. Proses Verifikasi Peramalan
Proses verifikasi peramalan dilakukan dengan menggunakan Moving Range Chart MRCuntuk melihat apakah metode peramalan yang diperoleh
representatif terhadap data atau tidak. Chart ini menunjukkan apakah sebaran data masih berada dalam batas kontrol ataupun sudah di luar kontrol Ginting, 2007.
Apabila sebaran data berada di luar kontrol, maka fungsimetode peramalan yang
Universitas Sumatera Utara
digunakan tidak sesuai dan perlu dilakukan revisi. Moving Range Chart dapat dilihat pada Gambar 3.1.
Gambar 3.1. Moving Range Chart
Empat aturan titik yang dapat digunakan untuk memeriksa kondisi out of controladalah sebagai berikut:
1. Aturan Satu Titik
Bila titik sebaran berada di luar UCL dan LCL. Walaupun semua titik sebaran berada di dalam batas kontrol, fungsimetode peramalan belum tentu
representatif. Oleh karena itu,analisis perlu dilanjutkan dengan membagi MRC dalam tiga daerah, yaitu A, B dan C.
2. Aturan Tiga Titik
Bila tiga buah titik secara berurutan berada pada salah satu sisi, dimana dua diantaranya jatuh pada daerah A.
3. Aturan Lima Titik
Bila lima buah titik secara berurutan berada pada salah satu sisi, dimana empat diantaranya jatuh pada daerah B.
Universitas Sumatera Utara
4. Aturan Delapan Titik
Bila delapan buah titik secara berurutan berada pada salah satu sisi, yaitu pada daerah C
3.5. Goal Programming
