∑ ∑
∑ ∑ ∑
− −
=
2 2
. .
t t
n t
f t
t f
t n
b
Dimana : n = jumlah periode dalam peramalan a = intercept nilai tetap y bila x = 0
t
b = slope derajat kemiringan persaman garis regresi
∑
t f
= jumlah dari variabel terikatnya
∑
t
= jumlah dari variabel bebasnya
∑
. t
f t
= jumlah perkalian variabel bebas dan variabel terikatnya
2.8.4. Ukuran Akurasi Hasil Peramalan
Ukuran akurasi hasil peramalan yaitu criteria ketepatan peramalan merupakan ukuran tentang tingkat perbedaan antara hasil peramalan dengan
penjualan yang sebenarnya terjadi. Ada 4 ukuran yang biasa digunakan yaitu : Arman Hakim, 2003 : 30
dan Teguh Baroto, 2002 : 47 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 matematis, MAD dirumuskan sebagai berikut :
m f
f MAD
m t
t t
∑
=
− =
1
Dimana :
t
f = permintaan aktual pada periode t
t
f
= peramalan permintaan forecast pada periode t
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
m = jumlah periode peramalan 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 :
m f
f MSE
m t
t t
∑
=
− =
1 2
3. Rata – Rata Kesalahan Peramalan Mean Forecast Error = MFE
MFE sangat efektif untuk mengetahui apakah suatu hasil peramalan selama
periode tertentu terlalu tinggi atau terlalu rendah. Bila hasil peramalan tidak bisa, maka nilai MFE akan mendekati nol. MFE dihitung dengan
menjumlahkan semua kesalahan peramalan selama periode peramalan dan membaginya dengan jumlah periode peramalan.
Secara matematis, MFE dirumuskan sebagai berikut :
m f
f MFE
m t
t t
∑
=
− =
1 2
4. Rata – Rata Persentase Kesalahan Absolute Mean Absolute Precentage Error
= MAPE MAPE
merupakan ukuran kesalahan relative, MAPE biasanya lebih berarti bila dibandingkan dengan MAD karena MAPE menyatakan persentase
kesalahan hail peramalan terhadap hasil permintaan actual selama periode tertentu yang akan memberikan informasi presentase kesalahan terlalu tinggi
atau terlalu rendah. Secara matematis, MSE dirumuskan sebagai berikut :
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
[ ]
m x
f f
f MAPE
m t
t t
t
∑
=
− =
1
100
Dimana :
t
f = penjualan aktual pada periode t
t
f = peramalan penjualan forecast pada periode t
m = jumlah periode peramalan yang terlibat
2.8.5. Uji Verifikasi Peramalan
