Menurut Lalu Sumayang, 2004 rumusnya sebagai berikut : Rumusnya :
1
1 ..
t t
t
A D
A
Menurut Teguh Baroto, 2002 rumusnya sebagai berikut : Rumusnya :
1 1
1
t t
f f
f
Keterangan : =
perkiraan pada periode t
t
f
= suatu nilai
1
yang ditentukan secara subjektif
= permintaan actual pada periode t
t
f
1
t
f
= perkiraan permintaan pada periode t-1
2.1.3 Pengukuran Ketepatan Metode Peramalan
Didalam pengukuran peramalan pada data histories yang tersedia, perlu dilakukan pengukuran kesesuaian metode tertentu untuk suatu kumpulan data
yang diberikan. Dalam banyak situasi peramalan, ketepatan accuracy dipandang sebagai criteria penolakan untuk metode peramalan.
Ukuran statistic yang sering digunakan untuk pengukuran ketepatan metode peramalan dimana terdapat nilai pengamatan dan peramalan untuk n
periode serta n buah kesalahan adalah Spyros Makridakis dan Steven C. Wheelwright 1995 dan Arman Hakim, 2003
Jika Xi merupakan data actual untuk periode da Fi merupakan ramalan nilai kecocokanfitted value untuk periode yang sama, maka didefinisikan
sebagai berikut :
Fi Xi
ei
Jika terjadi nilai pengamatan dan ramalan untuk n periode waktu, maka akan terdapat n buah kesalahan dan ukuran statistic standar berikutnya dapat
didefinisikan sebagai berikut : 1. Kesalahan Rata-rata Mean Error
ME =
n
i
n ei
1
2. NIlai tengah kesalahan absolute Mean Absolute Error MAE
=
n
i
n ei
1
3. Jumlah kuadrat kesalahan SUM Of Square Error SSE
=
n
i
ei
1 2
4. Nilai tengah kesalahan kuadrat mean Square Error MSE
=
n
i
n ei
1 2
MSE dihitung dengan menjumlahkan kuadrat semua kesalahan peramalan pada setiap periode dan membaginya dengan jumlah periode peramalan.
5. Deviasi standard kesalahan standard deviation error dan deviasi absolute rata-rata MAD
Rumusnya dari standard deviasi kesalahan adalah : SDE =
n i
n ei
1 2
1
MAD merupakan rata-rata kesalahan mutlak selama periode tertentu tanpa memperhatikan apakah hasil peramalan lebih besar atau lebih kecil
dibandingkan kenyataan. Secara sistematis, dirumuskan sebagai berikut : MAD =
n
F A
t t
6. 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 sistematis, MFE
dinyatakan sebagai berikut : MFE =
n
F A
t t
7. Rata-rata Persentase Kesalahan Absolut Mean Absolute Percentage Error = MAPE
MAPE merupakan ukuran kesalahan relative. MAPE biasanya lebih berarti dibandingkan MAD karena MAPE menyatakan persentase kesalahan hasil
peramalan terhadap permintaan actual selama periode tertentu yang akan memberikan informasi persentase kesalahan terlalu tinggi atatu terlalu rendah.
Secara sistematis, MAPE dinyatakan sebagai berikut : MAPE =
t t
t
A F
A n
100
Dalam banyak situasi peramalan, perbandingan dari masing-masing metode peramalan yang dicoba adalah dijadikan sebagai acuan pemilihan dan
pilihan diambil berdasarkan nilai MSE paling minimum. Bila dihubungkan dengan penetuan konstanta pemulusan pada metode smoothing, maka besar
kecil nya nilai dan
ini dapat dilakukan dengan cara trial and error atatu dapat dibantu dengan programsoftware computer untuk nilai yang baik.
2.1.4 Verifikasi Dan Pengendalian Peramalan
