nilai X yang diamati, sedangkan simbol menunjukkan titik pada garis yang diekspresikan pada persamaan
t
Y
t
bX a
salahan acak
ma es
ilai y yang diperoleh dari hasil pengamatan tidak akan tepat jatuh pada garis perkiraan karena terdapatnya ke
N
lih pada data. Pada setiap titik pengamatan,
si persamaan kesalahan diatas dengan memi
nilai a dan b yang s kesalahan ditujukkan sebagai xi – yi, dan total varian atau kesalahan kuadrat untuk
seluruh titik pengamatan tersebut adalah :
2 2
i i
i i
y bx
a y
2.32 Analisa regresi bertujuan memini
uai. Kesalahan terkecil akan diperoleh dengan cara derivatif, dimana hasil akhirnya adalah :
n x
b y
a
i i
2.33 n
2
i
x
2
i i
i i
i
x y
x y
x n
b 2.34
Untuk n pasang data yang diberikan, nilai a dan b dapat dicari dengan persamaan a dan persamaan b di atas
eru
dalam pem etode peramalan pada data historis yang
metode tertentu untuk suatu n
pa
i . Nilai-n
ilihan dan penerapan m ilai ini akan membentuk garis lurus yang
m kan kuadrat terkecil prediktor terbaik atas permintaan y berdasarkan variabel
bebas x.
2.11.7 Pengukuran Ketepatan Metode Peramalan.
D tersedia, perlu dilakukan pengukuran kesesuian
kumpu
alan untuk n periode serta n
lan data yang diberikan. Dalam banyak situasi peramalan, ketepatan accuracy dipandang sebagai kriteria penolakan untuk metode peramalan.
Ukuran statistik standart yang sering digunakan untuk pengukuran ketepatan metode peramalan dimana terdapat nilai pengamatan dan ram
buah kesalahan adalah Makridakis, 1993 dan Arman hakim, 1999 : 1.
Kesalahan Rata-rata ME dan Kesalahan Rata-rata Kuadrat MSE. Kesalahan rata-rata dapat dirumuskan sebagai berikut :
n ME
t
1
F A
t t
2.35
MSE dihitung dengan menjumlahkan kuadrat semua kesalahan peramalan pada setiap perio
n
de dan membaginya dengan jumlah periode peramalan. Secara matematis MSE dirumuskan sebagai berikut
n
F A
t t
2
MSE
2.36 2.
Standar Deviasi Kesalahan SDE dan Deviasi Absolut Rata-rata MAD. Rumus dari standar deviasi kesalahan adalah :
1
n
2
F A
SDE
t t
2.37 MAD merupakan rata-rata kesalahan mutlak selama periode tertentu tanpa
memperhatikan apakah hasil peram dibanding kenyataannya. Secara matematis, dirumuskan sebagai berikut :
alan lebih besar atau lebih kecil
n F
A MAD
t t
2.38
Kesalahan Persentase PEi dan Kesalahan Persentase Rata-rata MPE. Kesalahan persentase dirumuskan sebagai berikut :
3.
100 X
A F
A
PE
t t
t t
2.39
Sedangkan rumus dari kesalahan persentase rata-rata adalah :
n MPE
i
1
PE
i
2.40 4.
Kesalahan Persentase A lebih berarti
dibandingkan MAD karena MAPE menyatakan persentase kesalahan hasil peramalan terh
memberikan informasi persentase kesalahan terlalu tinggi atau terlalu rendah. Secara matematis MAPE dinyatakan sebagai berikut :
n
bsolut Rata-rata MAPE. MAPE merupakan ukuran kesalahan relatif. MAPE biasanya
adap permintaan aktual selama periode tertentu yang akan
n PE
MAPE
n i
i
1
2.41
atau
t t
A F
A n
MAPE 100
t
2.42 Dalam banyak situasi peramalan, perbandingan dari masing-masing metode
peramalan yang dicoba adalah dijadikan sebagai acuan pemilihan dan pilihan diambil berdasarkan nilai MSE paling minimum. Bila dihubungkan dengan penentuan
konstanta pemulusan pada metode smoothing, maka besar kecilnya nilai ,
,
dan
harus ditentukan agar MSE dari metode-metode yang dicoba menghasilkan nilai minimum. Penentuan nilai
, ,
dan ini dapat dilakukan dengan cara trial and error
atau da
alan
k yang digunakan a Pet
entang Bergerak Moving Rang ChartMRC, mati dengan yang diramalkan
dari su pat dibantu dengan programsofware komputer untuk memperoleh nilai yang
baik.
2.11.8 Pemeriksaan dan Pengendalian Peramalan.
