Ukuran Ketepatan Peramalan Data Time Series Ketepatan Metode

Ukuran Ketepatan Peramalan Data Time Series

Ketepatan Metode Peramalan Beberapa pertanyaan : • Berapa ketepatan tambahan yang dapat dicapai dengan menggunakan metode formal? • Untuk situasi yg diketahui, seberapa besar perbaikan yang dapat dicapai dalam keakuratan peramalan? • Jika kesempatan untuk mencapai keakuratan lebih besar dlm situasi tersebut dipahami, bagaimana pengetahuan tsb membantu dlm memilih teknik peramalan yang cocok?

Ukuran Standar Ketepatan Peramalan 1. 2. 3. 4. Rata-rata eror (Mean error) Rata-rata eror absolut (Mean Absolute Error: MAE) Jumlah kuadrat eror (Sum of Square Error: SSE) Rata-rata kuadrat eror (Mean of Square Error: MSE)

Kelemahan MSE 1. Kurang tepat digunakan untuk membandingkan peramalan antara metode yang berbeda, alasannya: ü Berbeda metode, memungkinkan berbeda dalam melakukan taksiran awal (inisialisasi) ü Berbeda metode, berbeda pula jumlah parameter yang digunakan 2. Ukuran tersebut menunjukkan kecocokan suatu model terhadap data historis, alasannya: ü MSE bernilai nol dapat diperoleh dengan polinomial derajat tinggi atau transformasi fourier (model terlalu sensitif)

Ukuran Relatif Ketepatan Peramalan 1. 2. 3. 4. Eror persentase (Percentage error) Rata-rata eror persentase (Mean Percentage Error) Rata-rata absolut eror persentase (Mean Absolute Percentage Error: MAPE) Statistik U

Simbol • Misalkan: No Data Asli Data Peramalan Error 1 y 1 ŷ 1 e 1 2 y 2 ŷ 2 e 2 3 y 3 Ŷ 3 e 3 4 y 4 ŷ 4 e 4 … … … …

Ukuran Standar Ketepatan Peramalan 1. Rata-rata galat (Mean Error) 2. Rata-rata galat absolut (Mean Absolute Error: MAE)

3. Jumlah kuadrat galat (Sum of Square Error: SSE) 4. Rata-rata kuadrat eror (Mean of Square Error: MSE)

Ukuran Relatif Ketepatan Peramalan 1. Galat persentase (Percentage error) 2. Rata-rata galat persentase (Mean Percentage Error) 3. Rata-rata absolut eror persentase (Mean Absolute Percentage Error: MAPE)

5. Statistik U Dimana: Jika U = 1, metode peramalan naif sama baiknya dengan teknik peramalan yang dievaluasi; Jika U < 1, metode peramalalan yang digunakan lebih baik daripada metode naif, semakin kecil semakin baik; Jika U > 1, metode peramalan naif lebih baik

• Dimana: Metode ramalan naif adalah Contoh: (shading orange) No y. I ŷI ŷI Pembilang Penyebut 1 22 - 24 0. 05 0. 002 2 23 22 28 0. 093 0. 484 3 39 23 32 0. 001 0. 003 4 37 39 36 0. 003 0. 001 0. 147 0. 49 Perhitungan: Baris 1 Statistik U:

Durbin-Watson (D-W) •