Cara menghitung mape di r

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

Rumus untuk menghitung MAPE adalah sebagai berikut:

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

Emas:

• Σ – simbol mewah yang berarti “jumlah”
• n – ukuran sampel
• nyata – nilai sebenarnya dari data
• perkiraan – nilai yang diharapkan dari data

MAPE umum digunakan karena mudah diinterpretasikan dan dijelaskan. Misalnya nilai MAPE 6% berarti selisih rata-rata antara nilai prediksi dan nilai sebenarnya adalah 6%.

Tutorial ini menyediakan dua metode berbeda yang dapat Anda gunakan untuk menghitung MAPE di R.

Metode 1: Tulis fungsi Anda sendiri

Misalkan kita mempunyai kumpulan data dengan kolom berisi nilai data aktual dan kolom berisi nilai data prediksi:

 #create dataset
data <- data. frame (actual=c(34, 37, 44, 47, 48, 48, 46, 43, 32, 27, 26, 24),
                   forecast=c(37, 40, 46, 44, 46, 50, 45, 44, 34, 30, 22, 23))

#view dataset
data

   current forecast
1 34 37
2 37 40
3 44 46
4 47 44
5 48 46
6 48 50
7 46 45
8 43 44
9 32 34
10 27 30
11 26 22
12 24 23

Untuk menghitung MAPE, kita dapat menggunakan fungsi berikut:

 #calculate MAPE
mean(abs((data$actual-data$forecast)/data$actual)) * 100

[1] 6.467108

MAPE untuk model ini ternyata 6,467% . Artinya, rata-rata selisih mutlak antara nilai prediksi dengan nilai sebenarnya adalah 6,467%.

Metode 2: Gunakan paket

Kita juga dapat menghitung MAPE untuk kumpulan data yang sama menggunakan fungsi MAPE() dari paket MLmetrics , yang menggunakan sintaks berikut:

MAPE(y_pred, y_true)

Emas:

• y_pred: nilai prediksi
• y_true: nilai nyata

Berikut adalah sintaks yang akan kita gunakan dalam contoh kita:

 #load MLmetrics package
library (MLmetrics)

#calculate MAPE
MAPE(data$forecast, data$actual)

[1] 0.06467108

Ini menghasilkan nilai MAPE yang sama yaitu 6,467% yang kita hitung menggunakan metode sebelumnya.