Bagaimana menafsirkan nilai mape

Salah satu metrik yang paling umum digunakan untuk mengukur keakuratan perkiraan model adalah persentase kesalahan absolut rata-rata , yang sering disingkat MAPE .

Ini dihitung sebagai berikut:

MAPE = (1/n) * Σ(|aktual – perkiraan| / |aktual|) * 100

Emas:

• Σ – Simbol yang berarti “jumlah”
• n – Ukuran sampel
• aktual – Nilai sebenarnya dari data
• perkiraan – Nilai prediksi data

MAPE umum digunakan karena mudah diinterpretasikan. Misalnya nilai MAPE 14% berarti selisih rata-rata antara nilai prediksi dengan nilai sebenarnya adalah 14%.

Contoh berikut menunjukkan cara menghitung dan menafsirkan nilai MAPE untuk model tertentu.

Contoh: menginterpretasikan nilai MAPE untuk model tertentu

Misalkan sebuah jaringan toko kelontong sedang membuat model untuk meramalkan penjualan di masa depan. Bagan berikut menunjukkan penjualan aktual model dan perkiraan penjualan selama 12 periode penjualan berturut-turut:

Kita dapat menggunakan rumus berikut untuk menghitung persentase kesalahan absolut dari setiap perkiraan:

• Persentase kesalahan absolut = |perkiraan aktual| / |nyata| *100

Kami kemudian dapat menghitung rata-rata persentase kesalahan absolut:

MAPE untuk model ini ternyata 5,12% .

Hal ini menunjukkan bahwa persentase kesalahan absolut rata-rata antara penjualan yang diprediksi model dan penjualan aktual adalah 5,12% .

Menentukan apakah ini merupakan nilai yang baik untuk MAPE bergantung pada standar industri.

Jika standar industri makanan menghasilkan model dengan nilai MAPE sebesar 2%, maka nilai sebesar 5,12% tersebut dapat dianggap tinggi.

Sebaliknya, jika sebagian besar model peramalan bahan makanan industri menghasilkan nilai MAPE antara 10% dan 15%, maka nilai MAPE sebesar 5,12% dapat dianggap rendah dan model ini dapat dianggap sangat baik untuk meramalkan penjualan di masa depan.

Perbandingan nilai MAPE model yang berbeda

MAPE sangat berguna untuk membandingkan kesesuaian model yang berbeda.

Misalnya, sebuah jaringan toko kelontong ingin membuat model untuk memperkirakan penjualan di masa depan dan ingin menemukan model terbaik di antara beberapa model potensial.

Anggaplah ketiga model tersebut cocok dengan tiga model berbeda dan temukan nilai MAPE yang sesuai:

• MAPE Model 1: 14,5%
• Model 2 MAPE: 16,7%
• Model 3 MAPE: 9,8%

Model 3 memiliki nilai MAPE terendah, yang menunjukkan bahwa model tersebut mampu meramalkan penjualan di masa depan dengan akurasi tertinggi di antara ketiga model potensial.

Sumber daya tambahan

Cara Menghitung MAPE di Excel
Cara menghitung MAPE di R
Cara menghitung MAPE dengan Python
Kalkulator MAPE