Ukuran Akurasi Hasil Peramalan

2.5.5 Ukuran Akurasi Hasil Peramalan

Ukuran hasil peramalan yang merupakan ukuran kesalahan peramalan adalah ukuran tentang tingkat perbedaan antara hasil peramalan dengan permintaan yang sebenarnya terjadi. Ada 4 ukuran yang biasa digunakan, yaitu : 1. Rata-Rata Deviasi Mutlak MAD Mean Absolute Deviation Merupakan rata-rata kesalahan mutlak selama periode tertentu tanpa memperhatikan apakah hasil permalan lebih besar atau lebih kecil dibandingkan kenyataannya. Secara matematis, MAD Mean Absolute Deviation dirumuskan sebagai berikut : ∑ − = n F A MAD t t Dimana : A t = Permintaan aktual pada periode-t. F t = Peramalan permintaan Forecast pada periode-t. n = Jumlah periode peramalan yang terlibat. 2. Rata-Rata Kuadrat Kesalahan MSE Mean Square Error MSE dihitung dengan menjumlahkan kuadrat semua kesalahan peramalan pada setiap periode dan membaginya dengan jumlah periode peramalan. Secara sistematis, MSE Mean Square Error dirumuskan sebagai berikut : ∑ − = n F A MSE t t 2 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 3. Rata-Rata Kesalahan Peramalan MFE Mean Forecast Error MFE Mean Forecast Error sangat efektif untuk mengetahui apakah suatu hasil peramalan selama periode tertentu terlalu tinggi atau terlalu rendah. Bila hasil peramalan tidak bias, maka nilai MFE Mean Forecast Error akan mendekati nol. MFE Mean Forecast Error dihitung dengan menjumlahkan semua kesalahan peramalan selama periode peramalan dan membaginya dengan jumlah periode peramalan. Secara matematis, MFE Mean Forecast Error dinyatakan sebagai berikut : ∑ − = n F A MFE t t 4. Rata-Rata Persentase Kesalahan Mutlak MAPE Mean Absolute Percentage Error MAPE merupakan ukuran kesalahan relatif. MAPE Mean Absolute Percentage Error biasanya lebih berarti dibandingkan MAD Mean Absolute Deviation karena MAPE Mean Absolute Percentage Error menyatakan persentase kesalahan hasil peramalan terhadap permintaan aktual selama periode tertentu yang akan memberikan informasi persentase kesalahan terlalu tinggi atau terlalu rendah. Secara matematis, MAPE Mean Absolute Percentage Error dinyatakan sebagai berikut : ∑ −       = t t t A F A n MAPE 100 Dalam hal ini metode peramalan dianggap terbaik bila nilai MAPE Mean Absolute Percentage Error memiliki persentase terkecil. Nasution, 2003. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

2.5.6 Verifikasi Dan Pengendalian Peramalan