  - MAD memberikan gambaran tentang seberapa besar kesalahan rata-rata dalam peramalan.
2. Mean Squared Error (MSE) yaitu mengukur kesalahan antara nilai aktual dan prediksi, tapi dengan mengkuadratkan selisihnya terlebih dahulu.
  - Langkahnya adalah:
   1. Ambil selisih antara setiap nilai aktual dan prediksi.
   2. Kuadratkan setiap selisih.
   3. Jumlahkan semua selisih yang telah di kuadratkan.
   4. Bagi hasilnya dengan jumlah total observasi.
  - MSE memberikan bobot yang lebih besar pada kesalahan besar.
Secara sederhana, MAD memberikan gambaran tentang kesalahan rata-rata secara linier, sementara MSE lebih sensitif terhadap kesalahan besar. Sebagai contoh, jika kita memiliki prediksi untuk beberapa data dan ingin mengetahui seberapa akuratnya, kita bisa menggunakan salah satu dari metode ini untuk mengukur kesalahan peramalan. Semakin rendah nilai MAD atau MSE, semakin baik performa peramalan tersebut. (Rizal Rachman, 2018)
Metode peramalan Weighted Moving Average merupakan salah satu teknik peramalan yang lebih canggih daripada metode Moving Average. Pada metode ini, setiap data dalam deret waktu lampau diberi bobot khusus. Bobot ini dapat berbeda-beda untuk masing-masing data, sehingga memberikan pentingnya yang berbeda pada masing-masing observasi. Dengan kata lain, data-data terbaru memiliki pengaruh yang lebih besar daripada data lama dalam melakukan peramalan. Hal ini memungkinkan untuk lebih sensitif terhadap tren atau perubahan yang baru terjadi dalam data historis. (Dharma Agista Pratama, 2020).
Metode yang digunakan dalam peramalan permintaan produk baru yaitu: Metode Regresi: Menggunakan hubungan statistik antara variabel independen (seperti harga, promosi, waktu, dll.) dan variabel dependen (permintaan produk baru). Metode Time Series: Menganalisis pola dan tren dalam data historis untuk meramalkan permintaan di masa depan. Ini termasuk metode seperti rata-rata bergerak, dekomposisi, dan analisis spektral. Model Persediaan: Menggunakan model persediaan seperti Model EOQ (Economic Order Quantity) atau model persediaan probabilistik untuk memprediksi permintaan. (Husnan, 2008)
