mungkin berhubungan dengan banyaknya populasi pendapatan masyarakat, jenis kelamin, budaya daerah, dan bulan-bulan khusus.
Jadi, maksud dari analisa metode kausal adalah untuk menemukan bentuk pola hubungan yang saling mempengaruhi antara variabel yang dicari dan
variabel-variabel yang mempengaruhinya, serta menggunakannya untuk meramalkan nilai-nilai dari variabel pada masa yang akan datang. Metode kausal
dapat dipergunakan dalam peramalan dengan keberhasilan yang lebih besar, sehingga sering dipergunakan untuk pengambilan keputusan.
3.5.7. Kriteria Performance Peramalan
Seorang perancang tentu menginginkan hasil perkiraan peramalan yang tepat atau paling tidak dapat memberikan gambaran yang paling mendekati
sehingga rencana yang dibuatnya merupakan rencana yang realistis. Ketepatan yang kecil memberikan arti ketelitian peramalan tinggi,
keakuratan hasil peramalan tinggi, begitu pula sebaliknya. Besar kesalahan suatu peramalan dapat dihitung dengan beberapa cara, antara lain adalah:
1. Mean Square Error MSE
m f
f MSE
t t
m t
2 1
ˆ −
=
∑
=
dimana:
t
f : data aktual periode t
t
fˆ : nilai ramalan periode t
m : banyaknya periode
Universitas Sumatera Utara
2. Standard Error of Estimate SEE
k m
f f
SEE
m t
t t
− −
=
∑
=1 2
ˆ dimana :
k = derajat kebebasan Untuk data konstan, k = 1 Untuk data linier, k = 2
Untuk data kuadratis, k = 3 Untuk data siklis, k = 3 3. Mean Error
n ei
ME
n i
∑
=
=
1
dimana : ei = kesalahan
n = banyaknya periode 4. Mean Absolute Percentage Error MAPE
m PE
MAPE
t m
t
∑
=
=
1
5. Avarage Error AE
n e
AE
i
∑
= 6. Mean Absolute Deviation MAD
n F
D MAD
t t
∑
− =
dimana : t = periode D
t
= permintaan pada periode t F
t
= peramalan pada periode t n = total periode
Universitas Sumatera Utara
Menghitung kesalahan dari peramalan merupakan prosedur peramalan yang kelima dari prosedur peramalan secara kuantitatif. Setelah didapat kesalahan
error dari masing – masing metode peramalan, maka akan dilakukan pengujian terhadap dua metode yang memiliki error yang terkecil, guna mendapatkan
metode peramalan yang lebih baik.
3.6.8. Verifikasi Peramalan
Langkah penting setelah peramalan dibuat adalah melakukan verifikasi peramalan sedemikian rupa sehingga hasil peramalan tersebut benar-benar
mencerminkan data masa lalu dan sistem sebab akibat yang mendasari permintaan tersebut. Sepanjang aktualitas peramalan tersebut dapat dipercaya, hasil
peramalan akan terus digunakan. Jika selama proses verifikasi tersebut ditemukan keraguan validitas metode peramalan yang digunakan, harus dicari metode
lainnya yang lebih cocok. Banyak alat yang dapat digunakan untuk memverifikasi peramalan dan mendeteksi perubahan sistem sebab akibat yang melatarbelakangi
perubahan pola permintaan. Bentuk yang paling sederhana adalah peta kontrol peramalan yang mirip dengan peta kontrol kualitas dengan nama Moving Range
Chart MRC. Peta kontrol ini dapat dibuat dengan dalama kondisi data yang tersedia minim. Dari peta ini dapat dilihat apakah sebaran masih dalam control
ataupun sudah berada di luar kontrol. Proses verifikasi dengan menggunakan Moving Range Chart MRC, dapat digambarkan pada Gambar 3.6 di bawah ini.
Universitas Sumatera Utara
Gambar 3.1. Moving Range Chart
Harga MR diperoleh dari :
1
1 2
− =
∑
− =
N MR
R M
N t
t
Dimana :
1
1
−
− −
− =
−
t t
F t
T t
t
Y Y
Y Y
MR atau :
1 −
− =
t t
t
e e
MR
Kondisi out of control dapat diperiksa dengan menggunakan empat aturan berikut: 1. Aturan Satu Titik
Bila ada titik sebaran Y-Y
f
berada di luar UCL dan LCL. 2. Aturan Tiga Titik
Bila ada tiga buah titik secara berurutan berada pada salah satu sisi, yang mana dua diantaranya jatuh pada daerah A.
3. Aturan Lima Titik Bila ada lima buah titik secara berurutan berada pada salah satu sisi, yang
mana empat diantaranya jatuh pada daerah B. 4. Aturan Delapan Titik
Moving Range Chart
-4000 -3000
-2000 -1000
1000 2000
3000 4000
1 2
3 4
5 6
7 8
9 10
Y-Y UCL
LCL 13 UCL
23 UCL 13 LCL
23 LCL
Universitas Sumatera Utara
Bila ada delapan buah titik secara berurutan berada pada salah satu sisi, pada daerah C.
3.7. Goal Programming
