Jho Ppic 1
Jho Ppic 1
Klas : PPIC D
Dosen : Dr. Niniet Indah
Arvitrida
Definisikan deviasi absolut pada periode t, Pada, untuk menjadi nilai absolut dari kesalahan
pada periode t, yaitu:
𝐴𝑡 = | 𝐸𝑡 |
Definisikan Mean Absolute Deviation (MAD) sebagai rata-rata deviasi absolut pada semua
periode, sebagaimana dinyatakan oleh:
𝑛
1
𝑀𝐴𝐷𝑛 = ∑ 𝐴𝑡
𝑛
𝑡=1
MAD dapat digunakan untuk memperkirakan standar deviasi komponen acak dengan asumsi
bahwa komponen acak terdistribusi secara normal. Dalam hal ini simpangan baku dari
komponen acak adalah:
𝜎 = 1,25 𝑀𝐴𝐷
Ketika perkiraan bahwa rata-rata komponen acak adalah 0, dan standar deviasi komponen
permintaan acak adalah a. MAD adalah ukuran kesalahan yang lebih baik daripada MSE jika
kesalahan ramalan tidak memiliki distribusi yang sistematis. Bahkan ketika distribusi
kesalahan adalah simetris, MAD adalah pilihan yang tepat ketika memilih metode perkiraan
jika biaya kesalahan perkiraan sebanding dengan ukuran kesalahan.
Mean Absolute Percentage Error (MAPE) adalah kesalahan absolut rata-rata sebagai
persentase permintaan dan diberikan oleh:
𝐸
∑𝑛𝑡=1 | 𝑡 | 100
𝐷𝑡
𝑀𝐴𝑃𝐸𝑛 =
𝑛
MAPE adalah ukuran kesalahan ramalan yang baik ketika ramalan yang mendasarinya
memiliki musim yang signifikan dan permintaan bervariasi dari satu periode ke periode
berikutnya.
Salah satu pendekatan adalah dengan menggunakan jumlah kesalahan perkiraan untuk
mengevaluasi bias, di mana yang berikut ini berlaku:
𝑛
𝑏𝑖𝑎𝑠𝑛 = ∑ 𝐸𝑡
𝑡=1
Bias akan berfluktuasi di sekitar 0 jika kesalahannya benar-benar acak dan tidak bias satu arah
atau yang lain. Idealnya, jika kita memplot semua kesalahan, kemiringan garis lurus terbaik
yang melewati harus 0.
Trracking Signal (TS) adalah rasio dari bias dan MAD dan diberikan sebagai
𝑏𝑖𝑎𝑠𝑡
𝑇𝑆𝑡 =
𝑀𝐴𝐷𝑡
Jika TS pada periode apa pun berada di luar kisaran + 6 dan -6, ini merupakan sinyal bahwa
perkiraan tersebut bias dan bisa di bawah prakiraan (TS < -6) atau di atas prakiraan lebih (TS>
+6). Ini mungkin terjadi karena metode peramalan cacat atau pola permintaan yang
mendasarinya telah berubah. Salah satu contoh di mana TS negatif besar akan terjadi terjadi
ketika permintaan memiliki tren pertumbuhan dan manajer menggunakan metode perkiraan
seperti moving average, Karena tren tidak termasuk, rata-rata permintaan historis selalu lebih
rendah dari permintaan di masa depan. TS negatif mendeteksi bahwa metode peramalan secara
konsisten meremehkan permintaan dan memperingatkan manajer.