Ukuran Ketepatan Peramalan Data Time Series Ketepatan Metode
- Slides: 12
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) •
- Peramalan sumber daya manusia
- Peramalan dan perencanaan keuangan
- Metode rasio rantai adalah
- Metode peramalan keuangan
- Metode peramalan kualitatif
- Teknik proyeksi bisnis gunadarma
- Metode peramalan asosiatif
- Rumus skewness
- Rumus angka kematian bayi
- Ukuran statistik bagi data
- Ukuran gejala pusat dan ukuran letak
- Ukuran gejala letak
- Perbandingan ukuran linear pada gambar terhadap