Cara Menghitung Mad Mse Mape Manual

Mad, mse, dan mape adalah tiga istilah yang sering digunakan dalam analisis data. Ketiganya adalah ukuran kesalahan atau error yang digunakan untuk mengevaluasi kinerja model atau prediksi. Pada artikel ini, kita akan membahas cara menghitung mad mse mape manual.

1. Mean Absolute Deviation (MAD)

MAD adalah salah satu cara untuk mengukur seberapa jauh data dari nilai rata-rata. MAD mengukur jumlah kesalahan absolut dari setiap prediksi atau hasil dan kemudian dirata-ratakan untuk memberikan nilai kesalahan rata-rata.

Langkah-langkah untuk menghitung MAD adalah sebagai berikut:

Hitung nilai rata-rata dari data
Hitung selisih antara setiap nilai data dengan nilai rata-rata
Ubah nilai selisih menjadi nilai absolut
Jumlahkan semua nilai absolut
Bagi jumlah nilai absolut dengan jumlah data

Rumus untuk menghitung MAD adalah:

Contoh:

Misalkan kita memiliki data nilai ujian matematika siswa sebagai berikut:

50, 60, 70, 80, 90

Kita akan menghitung MAD dari data tersebut:

Hitung nilai rata-rata dari data

Hitung selisih antara setiap nilai data dengan nilai rata-rata

Nilai selisih untuk setiap data adalah:

-20, -10, 0, 10, 20

Ubah nilai selisih menjadi nilai absolut

Nilai absolut untuk setiap data adalah:

20, 10, 0, 10, 20

Jumlahkan semua nilai absolut

20 + 10 + 0 + 10 + 20 = 60

Bagi jumlah nilai absolut dengan jumlah data

MAD = 60/5 = 12

Jadi, nilai MAD dari data nilai ujian matematika siswa di atas adalah 12.

2. Mean Squared Error (MSE)

MSE adalah salah satu cara untuk mengukur seberapa dekat prediksi atau hasil dengan nilai yang sebenarnya. MSE mengukur rata-rata dari selisih kuadrat antara nilai prediksi atau hasil dan nilai sebenarnya.

Langkah-langkah untuk menghitung MSE adalah sebagai berikut:

Hitung selisih antara setiap nilai prediksi atau hasil dengan nilai sebenarnya
Kuadratkan setiap nilai selisih
Jumlahkan semua nilai kuadrat
Bagi jumlah nilai kuadrat dengan jumlah data

Rumus untuk menghitung MSE adalah:

Contoh:

Misalkan kita memiliki data nilai ujian matematika siswa dan prediksi nilai dari model sebagai berikut:

Nilai sebenarnya: 50, 60, 70, 80, 90

Prediksi nilai: 55, 65, 75, 85, 95

Kita akan menghitung MSE dari data tersebut:

Hitung selisih antara setiap nilai prediksi atau hasil dengan nilai sebenarnya

Nilai selisih untuk setiap data adalah:

5, 5, 5, 5, 5

Kuadratkan setiap nilai selisih

Nilai kuadrat untuk setiap data adalah:

25, 25, 25, 25, 25

Jumlahkan semua nilai kuadrat

25 + 25 + 25 + 25 + 25 = 125

Bagi jumlah nilai kuadrat dengan jumlah data

MSE = 125/5 = 25

Jadi, nilai MSE dari data nilai ujian matematika siswa dan prediksi nilai dari model di atas adalah 25.

3. Mean Absolute Percentage Error (MAPE)

MAPE adalah salah satu cara untuk mengukur persentase kesalahan rata-rata antara prediksi atau hasil dan nilai sebenarnya. MAPE mengukur rata-rata dari persentase kesalahan absolut dari setiap prediksi atau hasil.

Langkah-langkah untuk menghitung MAPE adalah sebagai berikut:

Hitung selisih absolut antara setiap nilai prediksi atau hasil dengan nilai sebenarnya
Hitung persentase selisih absolut untuk setiap prediksi atau hasil
Jumlahkan semua persentase selisih absolut
Bagi jumlah persentase selisih absolut dengan jumlah data

Rumus untuk menghitung MAPE adalah:

Contoh:

Misalkan kita memiliki data nilai ujian matematika siswa dan prediksi nilai dari model sebagai berikut:

Nilai sebenarnya: 50, 60, 70, 80, 90

Prediksi nilai: 55, 65, 75, 85, 95

Kita akan menghitung MAPE dari data tersebut:

Hitung selisih absolut antara setiap nilai prediksi atau hasil dengan nilai sebenarnya

Nilai selisih absolut untuk setiap data adalah:

5, 5, 5, 5, 5

Hitung persentase selisih absolut untuk setiap prediksi atau hasil

Persentase selisih absolut untuk setiap data adalah:

10%, 8.33%, 7.14%, 6.25%, 5.56%

Jumlahkan semua persentase selisih absolut

10% + 8.33% + 7.14% + 6.25% + 5.56% = 37.28%

Bagi jumlah persentase selisih absolut dengan jumlah data

MAPE = (100/5) x 37.28% = 74.56%

Jadi, nilai MAPE dari data nilai ujian matematika siswa dan prediksi nilai dari model di atas adalah 74.56%.

Kesimpulan

Mad, mse, dan mape adalah tiga ukuran kesalahan atau error yang sering digunakan dalam analisis data. Ketiganya dapat digunakan untuk mengevaluasi kinerja model atau prediksi. Cara menghitung mad mse mape manual dapat dilakukan dengan langkah-langkah seperti yang telah dijelaskan di atas.

Semoga artikel ini dapat membantu pembaca dalam memahami cara menghitung mad mse mape manual. Terima kasih telah membaca artikel ini dan sampai jumpa kembali di artikel menarik B