shadow

2 Cara Mengukur Forecast Error


kartun kalkulator2 Cara Mengukur Forecast Error dan Contoh-nya

Seperti telah dibahas pada artikel sebelumnya mengenai Prinsip-prinsip Forecasting bahwa Forecast biasanya salah.

Hal ini disebabkan oleh beberapa hal antara lain adalah human error atau hal lain misalnya kondisi ekonomi.

Oleh karena itu Forecast harus dievaluasi Forecast accuracy-nya atau ditracking. Tracking Forecast adalah proses membandingkan actual demand dengan Forecast.

Tracking Forecast bertujuan untuk mencari penyebab Forecast Error, setelah diketahui penyebabnya maka dapat dibuat CAPA nya (Corrective action dan Preventive Action).

 

FORECAST ERROR

FORECAST ERROR adalah perbedaan antara actual demand dan Forecast.

Error ada 2 yaitu : BIAS dan RANDOM VARIATION

  1. BIAS
  • BIAS adalah kesalahan sistematis dimana actual demand secara konsisten terjadi forecast error.
  • Actual demand kumulatif, misalnya 6 bulan, berbeda sangat signifikan dengan Forecast.
  • Ketika BIAS terjadi utk suatu produk, maka Forecast utk product tersebut harus segera ditinjau dan direvisi.
  • Biasanya BIAS disebabkan oleh kejadian yang luar biasa, misalnya : kehilangan customer/perusahaan customer tdk beroperasi lagi, promosi penjualan, dsb.
  1. RANDOM VARIATION
  • Demand cenderung stabil dan hanya terjadi average error sedikit saja mendekati 0.

 

2 Cara mengukur Forecast error yang akan dipelajari disini adalah MAD dan MAPE

MEAN ABSOLUTE DEVIATION (MAD)

Salah satu cara utk mengukur Forecast accuracy adalah MAD

  • Mean = Rata-rata
  • Absolute = mutlak tidak ada plus atau minus
  • Deviation = kesalahan

MAD = Jumlah absolute deviasi

            Jumlah data

 Jumlah absolute deviasi = 5+6+2+4+3+4 = 24

Jumlah data = 6

MAD = 24 / 4 = 6

Month                 Forecast              Actual               Variation (Error)
1                           100                      105                     5
2                           100                        94                    -6
3                           100                        98                    -2
4                           100                      104                     4
5                           100                      103                     3
6                           100                        96                    -4
Average               100                      100                     0

 

MEAN AVERAGE PERCENTAGE ERROR

MAPE adalah Mean Absolute Percentage Error

MAPE = ∑ |(A-F)| / ∑ A

  • A= Actual sales
  • F = Forecast

Month    Forecast       Actual        I (A-F) I               Error             Forecast accuracy
1              100               105                 5                        5%                         95%
2              100                 94                 6                        6%                         94%
3              100                 98                 2                        2%                         98%
4              100               104                 4                        4%                         96%
5              100               103                 3                        3%                         97%
6              100                 96                 4                         4%                         96%
Average                                                                         4%                          96%

 

 

 

Kesimpulan

Forecasting adalah suatu ilmu exact yang sangat bermanfaat untuk menentukan perkiraan demand, tetapi ada beberapa hal yang harus diingat yaitu:

  1. Forecast harus ditracking.
  2. Harus ada ukuran batas kewajaran Forecast Error.
  3. Ketika actual demand melebihi batas kewajaran error, maka investigasi harus dilakukan untuk menemukan penyebab kesalahan.
  4. Jika tidak ada sebab kesalahan yg jelas, maka metode Forecasting harus ditinjau kembali, utk melihat kemungkinan apakah ada cara yang lebih baik untuk meramalkan.

 

Ada beberapa metode yang digunakan untuk meramalkan, termasuk kualitatif, intrinsik, dan metode ekstrinsik.

 

source:

1) Materi internal training di PPIC

2) Jr.Tony Arnold., Stephen N. Chapman., Llyoid M. Clive.2008. Introduction to material management. 6th edition.Prentice Hall.

 

Incoming search terms:

  • cara menghitung mad
  • cara menghitung mean absolute error
  • contoh perhitungan mape
  • cara menghitung bias kesalahan
  • forecast error adalah
  • rumus mad
  • contoh perhitungan mean absolute de
  • cara menghitung mape
  • cara hitung forecasting error
  • cara membandingkan forescast dan privious
facebooktwittergoogle_pluslinkedinrssyoutube

Leave a Reply

Your email address will not be published. Required fields are marked *