Cara melakukan peramalan naif di r: dengan contoh

Ramalan naif adalah ramalan yang ramalannya pada periode tertentu sama dengan nilai yang diamati pada periode sebelumnya.

Misalnya, kita mempunyai penjualan produk tertentu selama tiga bulan pertama tahun ini:

Perkiraan penjualan bulan April sama dengan penjualan aktual bulan Maret sebelumnya:

Meskipun metode ini sederhana, namun dalam praktiknya cenderung bekerja dengan sangat baik.

Tutorial ini memberikan contoh langkah demi langkah tentang cara melakukan perkiraan naif di R.

Langkah 1: Masukkan datanya

Pertama, kita akan memasukkan data penjualan selama periode 12 bulan di perusahaan imajiner:

 #create vector to hold actual sales data
actual <- c(34, 37, 44, 47, 48, 48, 46, 43, 32, 27, 26, 24)

Langkah 2: buat perkiraan naif

Selanjutnya, kita akan menggunakan rumus berikut untuk membuat perkiraan naif setiap bulan:

 #generate naive forecasts
forecast <- c(NA, actual[- length (actual)])

#view naive forecasts
forecast

[1] NA 34 37 44 47 48 48 46 43 32 27 26

Perhatikan bahwa kami hanya menggunakan NA untuk nilai prediksi pertama.

Langkah 3: Ukur keakuratan perkiraan

Terakhir, kita harus mengukur keakuratan perkiraan tersebut. Dua metrik umum yang digunakan untuk mengukur akurasi meliputi:

• Rata-rata Kesalahan Persentase Absolut (MAPE)
• Berarti Kesalahan Absolut (MAE)

Kita dapat menggunakan kode berikut untuk menghitung kedua metrik:

 #calculate MAPE
mean(abs((actual-forecast)/actual), na. rm = T ) * 100

[1] 9.898281

#calculate MAE
mean(abs(actual-forecast), na. rm = T )

[1] 3.454545

Rata-rata persentase kesalahan mutlak sebesar 9,898% dan rata-rata kesalahan mutlak sebesar 3,45.

Untuk mengetahui apakah ramalan ini berguna, kita dapat membandingkannya dengan model ramalan lainnya dan melihat apakah akurasi pengukurannya lebih baik atau lebih buruk.

Langkah 4: Visualisasikan ramalan cuaca

Terakhir, kita dapat membuat plot garis sederhana untuk memvisualisasikan perbedaan antara penjualan aktual dan perkiraan penjualan naif selama setiap periode:

 #plot actual sales
plot(actual, type=' l ', col = ' red ', main=' Actual vs. Forecasted Sales ',
     xlab=' Sales Period ', ylab=' Sales ')

#add line for forecasted sales
lines(forecast, type=' l ', col = ' blue ')

#add legend
legend(' topright ', legend=c(' Actual ', ' Forecasted '),
       col=c(' red ', ' blue '), lty=1)

Perhatikan bahwa garis jual yang diprediksi pada dasarnya adalah versi pergeseran dari garis jual sebenarnya.

Hal ini persis seperti yang kita harapkan karena perkiraan naif hanya memperkirakan bahwa penjualan pada periode saat ini akan sama dengan penjualan pada periode sebelumnya.

Sumber daya tambahan

Cara menghitung MAE di R
Cara menghitung MAPE di R
Apa yang dianggap sebagai nilai bagus untuk MAPE?