4. Penerapan model
Penerapan dilakukan dengan cara memasukkan data histories data masa lalu untuk menghasilkan suatu peramalan.
5. Revisi dan evaluasi
Hasil peramaln yang dibuat harus senantiasa ditinjau unutk diperbaiki. Perbaikan perlu dilakukan apabila terdapat perubahan berarti. Pada variable
input. Hasil peramalan harus dibandingkan dengan koindisi yang nyata untuk menentukan pakah model peramalan yang digunakan masih memiliki tingkat
akurasi yang ditetapkan. Bila tidak, maka model peramalan harus dikembangkan ulang.
2.2.3 Ukuran Akurasi Hasil Peramalan
Ukuran akurasi hasil peramalan yang merupakan ukuran kesalahan peramalan adalah ukuran tentang tingkat perbedaan antara hasil peramlan dengan permintaan
yang sebenarnya terjadi.Hakim,1999:25. Ada 4 jenis ukuran yang biasa digunakan, antara lain yaitu :
1. Rata-Rata Deviasi Mutlak Mean Absolute Deviation=MAD
MAD merupakan rata-rata kesalahan mutlak selama periode tertentu tanpa memperhatikan apakah hasil peramalan lebih besar atau lebih kecil
dibandingkan kenyataannya secara sitematis, MAD dirumuskan sebagai berikut :
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
n F
A MAD
1 1
Dimana : A = permintaan actual pada periode –t
t
F = Permalan permintaan forecast pada periode –t
n = Jumlah periodeperamalan yang terlibat 2. Rata-rata kuadrat kesalahan Mean Square Error = MSE
MSE dihitung dengan menjumlahkan kuadrat semua kesalahan peramalan pada setiap periode dan membaginya dengan jumlah periode
peramalan. Secara matematis, MSE dirumuskan sebagai berikut :
n F
A MSE
2 1
1
3. Rata-rata kesalahan peramalan Mean Forecast Error = MFE
MFE sangat efektif untuk mengetahui pakah suatu hasil peramalan selama periode tertentu terlalu tinggi atau terlalu rendah. Bila hasil peramalan
tidak biasa, maka nilai MFE akan mendekati nol. MFE dihitung dengan menjumlahkan semua kesalahan selama periode peramalan dan membaginya
dengan jumlah periode peramalan. Secara sistematis, MFE dinyatakan sebagai :
n F
A MFE
1 1
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
4. Rata-Rata Presentasi Kesalahn Absolute Mean Absolute Percentage Error =
MAPE MAPE merupakan kesalahan relative. MAPE biasanya lebih berarti
dibandingkan MAD karena MAPE menyatakan persentasi kesalahan hasil peramalan terhadap permintaan actual selama periode tertentu yang akan
memberikan informasi persentasi kesalahan terlalu tinggi atau terlalu rendah. Secara sistematis MAPE dinyatakan sebagai berikut :
1 1
1
100 A
F A
n MAPE
2.3 Metode Peramalan