{"id":1720,"date":"2023-07-25T06:28:26","date_gmt":"2023-07-25T06:28:26","guid":{"rendered":"https:\/\/statorials.org\/id\/bagaimana-menafsirkan-peta\/"},"modified":"2023-07-25T06:28:26","modified_gmt":"2023-07-25T06:28:26","slug":"bagaimana-menafsirkan-peta","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/bagaimana-menafsirkan-peta\/","title":{"rendered":"Bagaimana menafsirkan nilai mape"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\">Salah satu metrik yang paling umum digunakan untuk mengukur keakuratan perkiraan model adalah <strong>persentase kesalahan absolut rata-rata<\/strong> , yang sering disingkat <strong>MAPE<\/strong> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Ini dihitung sebagai berikut:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>MAPE<\/strong> = (1\/n) * \u03a3(|aktual \u2013 perkiraan| \/ |aktual|) * 100<\/span><\/p>\n<p> <span style=\"color: #000000;\">Emas:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><strong>\u03a3<\/strong> \u2013 Simbol yang berarti \u201cjumlah\u201d<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>n<\/strong> \u2013 Ukuran sampel<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>aktual<\/strong> \u2013 Nilai sebenarnya dari data<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>perkiraan<\/strong> \u2013 Nilai prediksi data<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">MAPE umum digunakan karena mudah diinterpretasikan. Misalnya<\/span> <span style=\"color: #000000;\">nilai MAPE 14% berarti selisih rata-rata antara nilai prediksi dengan nilai sebenarnya adalah 14%.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Contoh berikut menunjukkan cara menghitung dan menafsirkan nilai MAPE untuk model tertentu.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Contoh: menginterpretasikan nilai MAPE untuk model tertentu<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">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:<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\" wp-image-16913 aligncenter\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/mape_interpret1.png\" alt=\"\" width=\"215\" height=\"347\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Kita dapat menggunakan rumus berikut untuk menghitung persentase kesalahan absolut dari setiap perkiraan:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Persentase kesalahan absolut = |perkiraan aktual| \/ |nyata| *100<\/span> <\/li>\n<\/ul>\n<p><img decoding=\"async\" loading=\"lazy\" class=\" wp-image-16914 aligncenter\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/mape_interpret2.png\" alt=\"\" width=\"353\" height=\"329\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Kami kemudian dapat menghitung rata-rata persentase kesalahan absolut:<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\" wp-image-16915 aligncenter\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/mape_interpret3.png\" alt=\"\" width=\"358\" height=\"365\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">MAPE untuk model ini ternyata <strong>5,12%<\/strong> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Hal ini menunjukkan bahwa persentase kesalahan absolut rata-rata antara penjualan yang diprediksi model dan penjualan aktual adalah <strong>5,12%<\/strong> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Menentukan apakah ini merupakan <a href=\"https:\/\/statorials.org\/id\" target=\"_blank\" rel=\"noopener\">nilai yang baik untuk MAPE<\/a> bergantung pada standar industri.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Jika standar industri makanan menghasilkan model dengan nilai MAPE sebesar 2%, maka nilai sebesar 5,12% tersebut dapat dianggap tinggi.<\/span><\/p>\n<p> <span style=\"color: #000000;\">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.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Perbandingan nilai MAPE model yang berbeda<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">MAPE sangat berguna untuk membandingkan kesesuaian model yang berbeda.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Misalnya, sebuah jaringan toko kelontong ingin membuat model untuk memperkirakan penjualan di masa depan dan ingin menemukan model terbaik di antara beberapa model potensial.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Anggaplah ketiga model tersebut cocok dengan tiga model berbeda dan temukan nilai MAPE yang sesuai:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">MAPE Model 1: <strong>14,5%<\/strong><\/span><\/li>\n<li> <span style=\"color: #000000;\">Model 2 MAPE: <strong>16,7%<\/strong><\/span><\/li>\n<li> <span style=\"color: #000000;\">Model 3 MAPE: <strong>9,8%<\/strong><\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">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.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Sumber daya tambahan<\/strong><\/span><\/h3>\n<p> <a href=\"https:\/\/statorials.org\/id\/kartu-excel\/\" target=\"_blank\" rel=\"noopener\">Cara Menghitung MAPE di Excel<\/a><br \/> <a href=\"https:\/\/statorials.org\/id\/kartu-r\/\" target=\"_blank\" rel=\"noopener\">Cara menghitung MAPE di R<\/a><br \/> <a href=\"https:\/\/statorials.org\/id\/kartu-python\/\" target=\"_blank\" rel=\"noopener\">Cara menghitung MAPE dengan Python<\/a><br \/> <a href=\"https:\/\/statorials.org\/id\/kalkulator-kartu\/\" target=\"_blank\" rel=\"noopener\">Kalkulator MAPE<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>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) * \u03a3(|aktual \u2013 perkiraan| \/ |aktual|) * 100 Emas: \u03a3 \u2013 Simbol yang berarti \u201cjumlah\u201d n \u2013 Ukuran sampel aktual \u2013 Nilai sebenarnya dari data [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Bagaimana menafsirkan nilai MAPE - Statologi<\/title>\n<meta name=\"description\" content=\"Tutorial ini menjelaskan cara menafsirkan nilai MAPE untuk model tertentu, dengan sebuah contoh.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/id\/bagaimana-menafsirkan-peta\/\" \/>\n<meta property=\"og:locale\" content=\"id_ID\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Bagaimana menafsirkan nilai MAPE - Statologi\" \/>\n<meta property=\"og:description\" content=\"Tutorial ini menjelaskan cara menafsirkan nilai MAPE untuk model tertentu, dengan sebuah contoh.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/id\/bagaimana-menafsirkan-peta\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-25T06:28:26+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/mape_interpret1.png\" \/>\n<meta name=\"author\" content=\"Benjamin anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Ditulis oleh\" \/>\n\t<meta name=\"twitter:data1\" content=\"Benjamin anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Estimasi waktu membaca\" \/>\n\t<meta name=\"twitter:data2\" content=\"2 menit\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/id\/bagaimana-menafsirkan-peta\/\",\"url\":\"https:\/\/statorials.org\/id\/bagaimana-menafsirkan-peta\/\",\"name\":\"Bagaimana menafsirkan nilai MAPE - Statologi\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/id\/#website\"},\"datePublished\":\"2023-07-25T06:28:26+00:00\",\"dateModified\":\"2023-07-25T06:28:26+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\"},\"description\":\"Tutorial ini menjelaskan cara menafsirkan nilai MAPE untuk model tertentu, dengan sebuah contoh.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/id\/bagaimana-menafsirkan-peta\/#breadcrumb\"},\"inLanguage\":\"id\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/id\/bagaimana-menafsirkan-peta\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/id\/bagaimana-menafsirkan-peta\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/statorials.org\/id\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Bagaimana menafsirkan nilai mape\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/id\/#website\",\"url\":\"https:\/\/statorials.org\/id\/\",\"name\":\"Statorials\",\"description\":\"Panduan anda untuk kompetensi statistik!\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/id\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"id\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\",\"name\":\"Benjamin anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"id\",\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/image\/\",\"url\":\"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"caption\":\"Benjamin anderson\"},\"description\":\"Halo, saya Benjamin, pensiunan profesor statistika yang menjadi guru Statorial yang berdedikasi. Dengan pengalaman dan keahlian yang luas di bidang statistika, saya ingin berbagi ilmu untuk memberdayakan mahasiswa melalui Statorials. Baca selengkapnya\",\"sameAs\":[\"http:\/\/statorials.org\/id\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Bagaimana menafsirkan nilai MAPE - Statologi","description":"Tutorial ini menjelaskan cara menafsirkan nilai MAPE untuk model tertentu, dengan sebuah contoh.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/statorials.org\/id\/bagaimana-menafsirkan-peta\/","og_locale":"id_ID","og_type":"article","og_title":"Bagaimana menafsirkan nilai MAPE - Statologi","og_description":"Tutorial ini menjelaskan cara menafsirkan nilai MAPE untuk model tertentu, dengan sebuah contoh.","og_url":"https:\/\/statorials.org\/id\/bagaimana-menafsirkan-peta\/","og_site_name":"Statorials","article_published_time":"2023-07-25T06:28:26+00:00","og_image":[{"url":"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/mape_interpret1.png"}],"author":"Benjamin anderson","twitter_card":"summary_large_image","twitter_misc":{"Ditulis oleh":"Benjamin anderson","Estimasi waktu membaca":"2 menit"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/id\/bagaimana-menafsirkan-peta\/","url":"https:\/\/statorials.org\/id\/bagaimana-menafsirkan-peta\/","name":"Bagaimana menafsirkan nilai MAPE - Statologi","isPartOf":{"@id":"https:\/\/statorials.org\/id\/#website"},"datePublished":"2023-07-25T06:28:26+00:00","dateModified":"2023-07-25T06:28:26+00:00","author":{"@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81"},"description":"Tutorial ini menjelaskan cara menafsirkan nilai MAPE untuk model tertentu, dengan sebuah contoh.","breadcrumb":{"@id":"https:\/\/statorials.org\/id\/bagaimana-menafsirkan-peta\/#breadcrumb"},"inLanguage":"id","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/id\/bagaimana-menafsirkan-peta\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/id\/bagaimana-menafsirkan-peta\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/statorials.org\/id\/"},{"@type":"ListItem","position":2,"name":"Bagaimana menafsirkan nilai mape"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/id\/#website","url":"https:\/\/statorials.org\/id\/","name":"Statorials","description":"Panduan anda untuk kompetensi statistik!","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/id\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"id"},{"@type":"Person","@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81","name":"Benjamin anderson","image":{"@type":"ImageObject","inLanguage":"id","@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/image\/","url":"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","contentUrl":"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","caption":"Benjamin anderson"},"description":"Halo, saya Benjamin, pensiunan profesor statistika yang menjadi guru Statorial yang berdedikasi. Dengan pengalaman dan keahlian yang luas di bidang statistika, saya ingin berbagi ilmu untuk memberdayakan mahasiswa melalui Statorials. Baca selengkapnya","sameAs":["http:\/\/statorials.org\/id"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/1720"}],"collection":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/comments?post=1720"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/1720\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/media?parent=1720"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/categories?post=1720"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/tags?post=1720"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}