Proyeksi Jumlah Kendaraan Bermotor Menurut Jenisnya di Deli Serdang Tahun 2018
BAB 2
TINJAUAN TEORITIS
2.1 Peramalan
Dalam melakukan analisa ekonomi atau analisa kegiatan perusahaan, haruslah
diperkirakan apa yang akan terjadi dalam bidang ekonomi atau dunia usaha pada
masa yang akan datang. Kegiatan memperkirakan apa yang akan terjadi pada masa
yang akan datang,
dikenal
dengan
sebutan
peramalan
(forecasting).
Setiap
kebijakan ekonomi maupun kebijakan kebijakan perusahaan tidak akan terlepas dari
usaha untuk meningkatkan kesejahteraan masyarakat atau meningkatkan keberhasilan
perusahaan untuk mencapai tujuan pada masa yang akan datang dimana kebijakan
tersebut dilaksanakan. Usaha untuk melihat dan mengkaji situasi dan kondisi tersebut
tidak terlepas dari kegiatan peramalan.
2.2 Jenis – Jenis Peramalan
Pada umumnya peramalan dapat dibedakan dari beberapa segi tergantung dari cara
melihatnya. Apabila dilihat dari sifat penyusunnya, maka peramalan dapat dibedakan
atas dua macam, yaitu:
1. Peramalan yang subyektif, yaitu peramalan yang didasarkan atas perasaan atau
intuisi dari orang yang menyusunnya. Dalam hal ini pandangan atau “judgment”
dari orang yang menyusunnya sangat menentukan baik tidaknya hasil ramalan
tersebut.
2. Peramalan yang objektif, peramalan yang didasarkan atas data yang relevan
pada masa lalu, dengan menggunakan teknik – teknik dan metode dalam
Universitas Sumatera Utara
6
penganlisaan data tersebut.
Disamping itu, jika dilihat dari jangka waktu ramalan yang akan disusun.
Maka dapat dibedakan atas dua macam, yaitu:
1. Peramalan jangka panjang, yaitu peramalan yang dilakukan untuk penyusunan
hasil ramalan jangka waktunya lebih dari satu setengah tahunatau tiga
semester. Peramalan seperti ini misalnya diperlukan dalam penyusunan rencana
pembangunan suatu Negara atau suatu daerah, corporate planning, rencana
investasi atau rencana ekspansi dari suatu perusahaan.
2. Peramalan jangka pendek, yaitu peramalan yang dilakukan untuk penyusunan
hasil ramalan dalam jangka waktu yang kurang dari satu setengah tahun, atau tiga
semester. Peramalan seperti ini diperlukan dalam penyusunan rencana tahunan,
rencana kerja operasional, dan anggaran contoh penyusunan rencana produksi,
rencana penjualan, rencana persediaan, anggaran produksi, dan anggaran
perusahaan.
Berdasarkan sifat yang telah disusun, maka peramalan dapat dibedakan atas
dua macam, yaitu:
1. Peramalan kualitatif, yaitu peramalan yang didasarkan atas data kualitatif pada
masa lalu. Hasil peramalan yang dibuat sangat tergantung pada orang yang
menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan
berdasarkan pemikiran yang bersifat intuisi, judgment atau pendapat, dan
pengetahuan serta pengalaman dari penyusunnya. Biasanya peramalan secara
kualitatif ini didasarkan atas hasil penyelidikan.
2. Peramalan kuantitatif, yaitu peramalan yang didasarkan atas data kuantitatif pada
masa lalu. Hasil peramalan yang dibuat sangat tergantung pada metode yang
digunakan dalam peramalan tersebut. Dengan peramalan yang berbeda akan
diperoleh hasil peramalan yang berbeda.
Adapun
yang
perlu
diperhatikan
dari penggunaan metode – metode tersebut, adalah baik tidaknya metode yang
dipergunakan, sangat ditentukan oleh perbedaan atau penyimpangan yang
Universitas Sumatera Utara
7
mungkin terjadi. Peramalan kuantitatif hanya dapat digunakan terdapat tiga
kondisi seperti berikut:
a.Adanya informasi tentang keadaan yang lain.
b.Informasi tersebut dapat dikuantifikasikan dalam bentuk data.
c.Dapat diasumsikan bahwa pola yang lalu akan berkelanjutan pada
masa akan datang.
Dari
uraian
diatas
dapatlah
diketahui
bahwa
jenis
–
jenis
peramalan sangat tergantung dari segi mana kita memandangnya.
2.3 Langkah – Langkah Peramalan
Kualitas atau mutu dari hasil peramalan yang disusun, sangat ditentukan oleh proses
pelaksanaan penyusunnya. Peramalan yang baik adalah peramalan yang dilakukan
dengan mengikuti langkah – langkah atau prosedur penyusunan yang baik. Pada
dasarnya ada tiga langkah peramalan yang penting, yaitu:
1. Menganalisa data yang lalu. Tahap ini berguna untuk pola yang terjadi pada masa
yang lalu. Analisa ini dilakukan dengan cara membuat tabulasi data maka dapat
diketahui pola data tersebut.
2. Menentukan metode yang digunakan. Masing – masing metode akan memberikan
hasil peramalan yang berbeda. Dimana metode peramalan yang baik adalah
metode yang menghasilkan penyimpangan antara hasil peramalan dengan
kenyataan yang sekecil mungkin.
3. Memproyeksikan
data
yang
lalu
dengan
menggunakan
metode
yang
dipergunakan, dan mempertimbangkan adanya beberapa factor perubahan. Faktor
– faktor perubahan tersebut antara lain terdiri dari perubahan kebijakan –
kebijakan yang mungkin terjadi, termasuk kebijakan pemerintah.
Proyeksi adalah adanya suatu kecendrungan sesuatu hal pada masa yang akan
datang yang masih belum diketahui dan mempunyai nilai pada masa yang akan
Universitas Sumatera Utara
8
datang yang merupakan petunjuk tentang jumlah sesuatu hal tersebut di masa yang
akan datang.
2.4Metode Peramalan
Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang
akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan
akan terjadi pada masa yang akan datang. Metode peramalan adalah cara
memperkirakan secara kuantitatif apa yang akan terjadi pada masa depan,
berdasarkan data yang relevan pada masa lalu. Oleh karena metode peramalan atas
data yang relevan pada masa lalu, maka metode peramalan ini dipergunakan
peramalan yang objektif. Perlu diketahui bahwa, keberhasilan peramalan didasarkan
atas:
1. Pengetahuan teknik tentang informasi yang lalu dibutuhkan.
2. Teknik metode peramalan.
2.5
Metodologi Penelitian
2.5.1
Metode Smoothing
Metode smoothing merupakan teknik untuk meramal dengan cara mengambil rata –
rata dari beberapa periode yang lalu untuk menaksir nilai pada masa atau periode
yang akan datang. Dalam metode smoothing ini data historis digunakan untuk
memperoleh angka yang dilicinkan atau diratakan.Metode smoothing ini dibagi
menjadi dua, yaitu:
1. Moving Averages (MOVA)/ rata – rata bergerak.
2. Eksponensial smoothing
Universitas Sumatera Utara
9
2.5.2 Moving Average
Metode ini dilakukan dengan mengambil sekelompok nilai pengamatan, mencari rata
– ratanya kemudian menggunakan rata – rata tersebut sebagai ramalan untuk periode
yang akan datang, metode ini disebut rata – rata bergerak karena setiap kali data
observasi baru tersedia, maka angka rata – rata baru dihitung dan digunakan sebagai
ramalan (forecast). Metode Moving Average ini dibagi menjadi dua, yaitu:
1. Rata – rata Bergerak tunggal (Single Moving Average)
Metode ini mempunyai karakteristik khusus, yaitu:
a. Untuk menentukan ramalan pada periode yang akan datang memerlukan data
historis selama jangka waktu tertentu. Misalnya, dengan 4 bulan moving
average, maka ramalan bulan ke 5 baru bisa dibuat setelah bulan ke 4 selesai.
Jika 6 bulan moving average, ramalan bulan ke 7 baru bias dibuat setelah
bulan ke 6 selesai.
b. Semakim panjang jangka waktu moving average, efek pelicinan semakin
terlihat dalam ramalan atau menghasilkan moving average yang semakin luas.
2. Rata - rata Bergerak Ganda (double moving average)
Dasar dari ini adalah menghitung rata - rata bergerak yang kedua. Rata -rata
bergerak ganda ini merupakan rata - rata bergerak dari rata - rata bergerak, dan
menurut symbol ditulis sebagai MA( M x N) dimana artinya adalah MA M
periode MA N. Adapun prosedur peramalan rata - rata bergerak linier meliputi
tiga aspek :
1. Penggunaan rata - rata bergerak tunggal pada waktu t (Si)
2. Penyesuaian, yang merupakan perbedaan antara rata - rata bergerak tunggal
dan ganda pada waktu t (ditulis - S~t).
3.
Penyesuaian untuk kecendrungan dari periode t ke periode t +1 (atau ke
periode t + m jika kita meramalkan M periode ke muka).
Secara umum pembahasan tersebut dapat dilakukan sebagai berikut: prosedur
Universitas Sumatera Utara
10
rata - rata bergerak linier secara umum dapat diterangkan melalui persamaan
berikut:
a. Menentukan smoothing pertama (Sj) , persamaan ini mempunyai asumsi
bahwa saat ini kita berada pada periode waktu t dan mempunyai nilai
masa lalu sebanyak N, sebagai berikut :
��′ =
�� + ��− + ��− +. . . +��−�+
��′ = smoothing pertama periode t
�� = nilai real periode pertama
N= jumlah periode
b. Menentukan smoothing kedua (S"t), persamaan ini menganggap bahwa
semua rata - rata bergerak tunggal (S`t) telah dihitung. Persamaan ini kita
menghitung rata - rata bergerak N periode dari nilai - nilai S`t tersebut.
��" =
′
′
′
+ ��−
+. . . +��−�+
��′ + ��−
��" = smoothing kedua periode t
c. Menentukan besaranya konstanta (at), persamaan ini mengacu terhadap
penyesuaian MA tunggal, Si dengan persamaan sebagai berikut :
�
�
= ��" + (��" − ��" ) = ��" − ��"
= besarnya konstanta periode t
d. Menentukan besarnya slope (bt), persamaan ini menentukan taksiran
kecenderungan dari periode waktu
yang satu ke periode lain
waktuberikutnya, persamaannya sebagai berikut :
�
�
=
��" − ��"
−
= slope/nilai trend dari data yang sesuai
e. Menentukan besarnya ramalan forecast, persamaan ini menunjukkan
Universitas Sumatera Utara
11
bagaiamana memperoleh ramalan untuk m periode ke muka dari t.
Ramalan untuk m periode ke muka adalah at dimana merupakan nilai rata
- rata yang disesuaikan untuk periode t ditambah m kali komponen
kecendrungan bt, persamaannya sebagai berikut:
=
�+
�
+
�
= besarnya forecast
�+
= jangka waktu forecast
2.6 ketepatan Ramalan
Ketepatan ramalan adalah salah satu hal yang mendasar didalam peramalan, yaitu
bagaimana mengukur kesesuaian suatu kumpulan data yang diberikan. Ketepatan
dipandang sebagai kriteria penolakan untuk memilih satu metode peramalan. Dalam
pemodelan pemulusan (smoothing), dari data masa lalu dapat diramalkan situasi yang
akan terjadi dimasa yang akan datang. Untuk menguji kebenaran ini digunakan
ketepatan ramalan. Untuk hasil peramalan yang akurat adalah ramalan yang bisa
meminimalkan kesalahan meramal (forecast eror). Besarnya forecast error dihitung
sebagai
berikut:
Error = Jumlah Kendaraan – Ramalan
�� = �� −
dimana:
�
�� = data kendaraan bermotor berdasarkan jenisnya periode ke-i
�
= ramalan periode ke-i
Suatu ukuran ketepatan peramalan, maka digunakan ukuran - ukuran alternatif
yang diantaranya menyangakut kesalahan persentase. Empat ukuran tersebut yaitu :
Universitas Sumatera Utara
12
1. Percentage Error
Adalah suatu kesalahan persentase
�
�
�� −
= (
��
2. Absolute Percentage Error
�
)×
Adalah kesalahan persentase absolute
�� −
�� = |
��
3. Mean Persentage Error
�
|×
Adalah nilai tengah kesalahan
� =∑
4. Mean Absolute Percentage Error
�=
� �⁄
Adalah nilai tengah kesalahan persentase absolute
�� = ∑
�=
|� � |⁄
Universitas Sumatera Utara
TINJAUAN TEORITIS
2.1 Peramalan
Dalam melakukan analisa ekonomi atau analisa kegiatan perusahaan, haruslah
diperkirakan apa yang akan terjadi dalam bidang ekonomi atau dunia usaha pada
masa yang akan datang. Kegiatan memperkirakan apa yang akan terjadi pada masa
yang akan datang,
dikenal
dengan
sebutan
peramalan
(forecasting).
Setiap
kebijakan ekonomi maupun kebijakan kebijakan perusahaan tidak akan terlepas dari
usaha untuk meningkatkan kesejahteraan masyarakat atau meningkatkan keberhasilan
perusahaan untuk mencapai tujuan pada masa yang akan datang dimana kebijakan
tersebut dilaksanakan. Usaha untuk melihat dan mengkaji situasi dan kondisi tersebut
tidak terlepas dari kegiatan peramalan.
2.2 Jenis – Jenis Peramalan
Pada umumnya peramalan dapat dibedakan dari beberapa segi tergantung dari cara
melihatnya. Apabila dilihat dari sifat penyusunnya, maka peramalan dapat dibedakan
atas dua macam, yaitu:
1. Peramalan yang subyektif, yaitu peramalan yang didasarkan atas perasaan atau
intuisi dari orang yang menyusunnya. Dalam hal ini pandangan atau “judgment”
dari orang yang menyusunnya sangat menentukan baik tidaknya hasil ramalan
tersebut.
2. Peramalan yang objektif, peramalan yang didasarkan atas data yang relevan
pada masa lalu, dengan menggunakan teknik – teknik dan metode dalam
Universitas Sumatera Utara
6
penganlisaan data tersebut.
Disamping itu, jika dilihat dari jangka waktu ramalan yang akan disusun.
Maka dapat dibedakan atas dua macam, yaitu:
1. Peramalan jangka panjang, yaitu peramalan yang dilakukan untuk penyusunan
hasil ramalan jangka waktunya lebih dari satu setengah tahunatau tiga
semester. Peramalan seperti ini misalnya diperlukan dalam penyusunan rencana
pembangunan suatu Negara atau suatu daerah, corporate planning, rencana
investasi atau rencana ekspansi dari suatu perusahaan.
2. Peramalan jangka pendek, yaitu peramalan yang dilakukan untuk penyusunan
hasil ramalan dalam jangka waktu yang kurang dari satu setengah tahun, atau tiga
semester. Peramalan seperti ini diperlukan dalam penyusunan rencana tahunan,
rencana kerja operasional, dan anggaran contoh penyusunan rencana produksi,
rencana penjualan, rencana persediaan, anggaran produksi, dan anggaran
perusahaan.
Berdasarkan sifat yang telah disusun, maka peramalan dapat dibedakan atas
dua macam, yaitu:
1. Peramalan kualitatif, yaitu peramalan yang didasarkan atas data kualitatif pada
masa lalu. Hasil peramalan yang dibuat sangat tergantung pada orang yang
menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan
berdasarkan pemikiran yang bersifat intuisi, judgment atau pendapat, dan
pengetahuan serta pengalaman dari penyusunnya. Biasanya peramalan secara
kualitatif ini didasarkan atas hasil penyelidikan.
2. Peramalan kuantitatif, yaitu peramalan yang didasarkan atas data kuantitatif pada
masa lalu. Hasil peramalan yang dibuat sangat tergantung pada metode yang
digunakan dalam peramalan tersebut. Dengan peramalan yang berbeda akan
diperoleh hasil peramalan yang berbeda.
Adapun
yang
perlu
diperhatikan
dari penggunaan metode – metode tersebut, adalah baik tidaknya metode yang
dipergunakan, sangat ditentukan oleh perbedaan atau penyimpangan yang
Universitas Sumatera Utara
7
mungkin terjadi. Peramalan kuantitatif hanya dapat digunakan terdapat tiga
kondisi seperti berikut:
a.Adanya informasi tentang keadaan yang lain.
b.Informasi tersebut dapat dikuantifikasikan dalam bentuk data.
c.Dapat diasumsikan bahwa pola yang lalu akan berkelanjutan pada
masa akan datang.
Dari
uraian
diatas
dapatlah
diketahui
bahwa
jenis
–
jenis
peramalan sangat tergantung dari segi mana kita memandangnya.
2.3 Langkah – Langkah Peramalan
Kualitas atau mutu dari hasil peramalan yang disusun, sangat ditentukan oleh proses
pelaksanaan penyusunnya. Peramalan yang baik adalah peramalan yang dilakukan
dengan mengikuti langkah – langkah atau prosedur penyusunan yang baik. Pada
dasarnya ada tiga langkah peramalan yang penting, yaitu:
1. Menganalisa data yang lalu. Tahap ini berguna untuk pola yang terjadi pada masa
yang lalu. Analisa ini dilakukan dengan cara membuat tabulasi data maka dapat
diketahui pola data tersebut.
2. Menentukan metode yang digunakan. Masing – masing metode akan memberikan
hasil peramalan yang berbeda. Dimana metode peramalan yang baik adalah
metode yang menghasilkan penyimpangan antara hasil peramalan dengan
kenyataan yang sekecil mungkin.
3. Memproyeksikan
data
yang
lalu
dengan
menggunakan
metode
yang
dipergunakan, dan mempertimbangkan adanya beberapa factor perubahan. Faktor
– faktor perubahan tersebut antara lain terdiri dari perubahan kebijakan –
kebijakan yang mungkin terjadi, termasuk kebijakan pemerintah.
Proyeksi adalah adanya suatu kecendrungan sesuatu hal pada masa yang akan
datang yang masih belum diketahui dan mempunyai nilai pada masa yang akan
Universitas Sumatera Utara
8
datang yang merupakan petunjuk tentang jumlah sesuatu hal tersebut di masa yang
akan datang.
2.4Metode Peramalan
Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang
akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan
akan terjadi pada masa yang akan datang. Metode peramalan adalah cara
memperkirakan secara kuantitatif apa yang akan terjadi pada masa depan,
berdasarkan data yang relevan pada masa lalu. Oleh karena metode peramalan atas
data yang relevan pada masa lalu, maka metode peramalan ini dipergunakan
peramalan yang objektif. Perlu diketahui bahwa, keberhasilan peramalan didasarkan
atas:
1. Pengetahuan teknik tentang informasi yang lalu dibutuhkan.
2. Teknik metode peramalan.
2.5
Metodologi Penelitian
2.5.1
Metode Smoothing
Metode smoothing merupakan teknik untuk meramal dengan cara mengambil rata –
rata dari beberapa periode yang lalu untuk menaksir nilai pada masa atau periode
yang akan datang. Dalam metode smoothing ini data historis digunakan untuk
memperoleh angka yang dilicinkan atau diratakan.Metode smoothing ini dibagi
menjadi dua, yaitu:
1. Moving Averages (MOVA)/ rata – rata bergerak.
2. Eksponensial smoothing
Universitas Sumatera Utara
9
2.5.2 Moving Average
Metode ini dilakukan dengan mengambil sekelompok nilai pengamatan, mencari rata
– ratanya kemudian menggunakan rata – rata tersebut sebagai ramalan untuk periode
yang akan datang, metode ini disebut rata – rata bergerak karena setiap kali data
observasi baru tersedia, maka angka rata – rata baru dihitung dan digunakan sebagai
ramalan (forecast). Metode Moving Average ini dibagi menjadi dua, yaitu:
1. Rata – rata Bergerak tunggal (Single Moving Average)
Metode ini mempunyai karakteristik khusus, yaitu:
a. Untuk menentukan ramalan pada periode yang akan datang memerlukan data
historis selama jangka waktu tertentu. Misalnya, dengan 4 bulan moving
average, maka ramalan bulan ke 5 baru bisa dibuat setelah bulan ke 4 selesai.
Jika 6 bulan moving average, ramalan bulan ke 7 baru bias dibuat setelah
bulan ke 6 selesai.
b. Semakim panjang jangka waktu moving average, efek pelicinan semakin
terlihat dalam ramalan atau menghasilkan moving average yang semakin luas.
2. Rata - rata Bergerak Ganda (double moving average)
Dasar dari ini adalah menghitung rata - rata bergerak yang kedua. Rata -rata
bergerak ganda ini merupakan rata - rata bergerak dari rata - rata bergerak, dan
menurut symbol ditulis sebagai MA( M x N) dimana artinya adalah MA M
periode MA N. Adapun prosedur peramalan rata - rata bergerak linier meliputi
tiga aspek :
1. Penggunaan rata - rata bergerak tunggal pada waktu t (Si)
2. Penyesuaian, yang merupakan perbedaan antara rata - rata bergerak tunggal
dan ganda pada waktu t (ditulis - S~t).
3.
Penyesuaian untuk kecendrungan dari periode t ke periode t +1 (atau ke
periode t + m jika kita meramalkan M periode ke muka).
Secara umum pembahasan tersebut dapat dilakukan sebagai berikut: prosedur
Universitas Sumatera Utara
10
rata - rata bergerak linier secara umum dapat diterangkan melalui persamaan
berikut:
a. Menentukan smoothing pertama (Sj) , persamaan ini mempunyai asumsi
bahwa saat ini kita berada pada periode waktu t dan mempunyai nilai
masa lalu sebanyak N, sebagai berikut :
��′ =
�� + ��− + ��− +. . . +��−�+
��′ = smoothing pertama periode t
�� = nilai real periode pertama
N= jumlah periode
b. Menentukan smoothing kedua (S"t), persamaan ini menganggap bahwa
semua rata - rata bergerak tunggal (S`t) telah dihitung. Persamaan ini kita
menghitung rata - rata bergerak N periode dari nilai - nilai S`t tersebut.
��" =
′
′
′
+ ��−
+. . . +��−�+
��′ + ��−
��" = smoothing kedua periode t
c. Menentukan besaranya konstanta (at), persamaan ini mengacu terhadap
penyesuaian MA tunggal, Si dengan persamaan sebagai berikut :
�
�
= ��" + (��" − ��" ) = ��" − ��"
= besarnya konstanta periode t
d. Menentukan besarnya slope (bt), persamaan ini menentukan taksiran
kecenderungan dari periode waktu
yang satu ke periode lain
waktuberikutnya, persamaannya sebagai berikut :
�
�
=
��" − ��"
−
= slope/nilai trend dari data yang sesuai
e. Menentukan besarnya ramalan forecast, persamaan ini menunjukkan
Universitas Sumatera Utara
11
bagaiamana memperoleh ramalan untuk m periode ke muka dari t.
Ramalan untuk m periode ke muka adalah at dimana merupakan nilai rata
- rata yang disesuaikan untuk periode t ditambah m kali komponen
kecendrungan bt, persamaannya sebagai berikut:
=
�+
�
+
�
= besarnya forecast
�+
= jangka waktu forecast
2.6 ketepatan Ramalan
Ketepatan ramalan adalah salah satu hal yang mendasar didalam peramalan, yaitu
bagaimana mengukur kesesuaian suatu kumpulan data yang diberikan. Ketepatan
dipandang sebagai kriteria penolakan untuk memilih satu metode peramalan. Dalam
pemodelan pemulusan (smoothing), dari data masa lalu dapat diramalkan situasi yang
akan terjadi dimasa yang akan datang. Untuk menguji kebenaran ini digunakan
ketepatan ramalan. Untuk hasil peramalan yang akurat adalah ramalan yang bisa
meminimalkan kesalahan meramal (forecast eror). Besarnya forecast error dihitung
sebagai
berikut:
Error = Jumlah Kendaraan – Ramalan
�� = �� −
dimana:
�
�� = data kendaraan bermotor berdasarkan jenisnya periode ke-i
�
= ramalan periode ke-i
Suatu ukuran ketepatan peramalan, maka digunakan ukuran - ukuran alternatif
yang diantaranya menyangakut kesalahan persentase. Empat ukuran tersebut yaitu :
Universitas Sumatera Utara
12
1. Percentage Error
Adalah suatu kesalahan persentase
�
�
�� −
= (
��
2. Absolute Percentage Error
�
)×
Adalah kesalahan persentase absolute
�� −
�� = |
��
3. Mean Persentage Error
�
|×
Adalah nilai tengah kesalahan
� =∑
4. Mean Absolute Percentage Error
�=
� �⁄
Adalah nilai tengah kesalahan persentase absolute
�� = ∑
�=
|� � |⁄
Universitas Sumatera Utara