PENGUKURAN KESALAHAN PERAMALAN FORECAST ERORR

50

J. PENGUKURAN KESALAHAN PERAMALAN FORECAST ERORR

Menurut Taylor, 2004:318 pengukuran kesalahan peramalan merupakan perbedaan antara peramalan permintaan dengan permintaan aktual. Persamaan menghitung nilai error asli atau residual dari setiap periode peramalan adalah sebagai berikut Subagyo, 2002 : 10 : E t = X t - S t Keterangan : E t : Kesalahan peramalan pada periode t X t : Data pada periode t S t : Nilai peramalan pada periode t Untuk mengukur kesalahan error forecast digunakan Mean Absolute Error Subagyo, 2002 : 10 : Mean Absolute Error adalah rata-rata nialai absolute dari kesalahan meramal tidak dihiraukan tanda positif atau negatif atau dapat dirumuskan sebagai berikut : n S X MAE t t - å = Keterangan : X t : Data pada periode t S t : Nilai peramalan pada periode t n : Jangka waktu MAE Nilai error yang asli biasanya tidak dirata-rata sebagai ukuran besar kecilnya error, sebab ada yang positif dan ada yang negatif. Meskipun penyimpangan dari forecast besar, seolah-olah rata-rata 51 error kecil, karena kalau error dijumlahkan begitu saja error positif besar dikurangi dengan error negatif yang besar. Untuk menghindari hal ini maka error perlu dijadikan angka mutlak diabaikan tanda positif dan negatifnya, kemudian baru dirata-rata, yaitu merupakan Mean Absolute Error Subagyo, 2002 : 11 Sedangkan menurut Nasution, 2003 : 30 pengukuran kesalahan peramalan merupakan ukuran tentang tingkat perbedaan antara hasil peramalan dengan permintaan sebenarnya terjadi. Ada dua rumus yang digunakan dalam pengukuran kesalahan, yaitu : 1. Rata-rata Deviasi Mutlak Mean Absolute Deviation atau MAD MAD merupakan rata-rata kesalahan mutlak selama periode tertentu tanpa memperhatikan apakah hasil peramalan lebih besar atau lebih kecil dibandingkan dengan kenyataannya. Secara matematis MAD dapat dirumuskan : n F A MAD t t - å = Keterangan : A t : Permintaan aktual pada periode t F t : Peramalan permintaan pada periode t n : Jumlah periode peramalan yang terlibat 2. Rata-rata kuadrat Kesalahan Mean Squere Error atau MSE 52 MSE merupakan metode alternatif dalam suatu metode peramalan. Pendekatan ini penting karena tekhnik ini menghasilkan kesalahan yang moderat lebih disukai oleh suatu peramalan yang menghasilkan kesalahan yang sangat besar, secara sistematis MSE dirumuskan sebagai berikut : n F A MSE t t - å = Keterangan : A t : Permintaan aktual pada periode t F t : Peramalan permintaan pada periode t n : Jumlah periode peramalan yang terlibat 53

BAB III PEMBAHASAN