Cara Menghitung Mad Mse Mape

Pengenalan

Mad, MSE, dan MAPE adalah tiga metrik umum yang digunakan dalam analisis data untuk mengukur akurasi model atau prediksi. Metrik ini membantu untuk menentukan seberapa baik model tersebut mampu memprediksi nilai yang sebenarnya. Dalam artikel ini, kita akan membahas tentang cara menghitung Mad, MSE, dan MAPE secara terperinci.

Cara Menghitung Mad

Mad (Mean Absolute Deviation) adalah metrik yang mengukur rata-rata jarak antara setiap nilai prediksi dan nilai aktual. Metrik ini berguna untuk menentukan seberapa besar kesalahan rata-rata antara prediksi dan nilai aktual. Berikut adalah langkah-langkah untuk menghitung Mad:

1. Ambil nilai prediksi dan nilai aktual.
2. Hitung selisih absolut antara nilai prediksi dan nilai aktual.
3. Jumlahkan selisih absolut tersebut.
4. Bagi hasil penjumlahan dengan jumlah total nilai prediksi dan nilai aktual.
5. Hasilnya adalah nilai Mad.

Contoh:

Misalnya, kita memiliki data berikut:
– Nilai prediksi: 3, 5, 7
– Nilai aktual: 4, 4, 8

Maka, langkah-langkah untuk menghitung Mad adalah sebagai berikut:

1. Selisih absolut antara nilai prediksi dan nilai aktual:
– |3 – 4| = 1
– |5 – 4| = 1
– |7 – 8| = 1
2. Jumlahkan selisih absolut tersebut: 1 + 1 + 1 = 3
3. Bagi hasil penjumlahan dengan jumlah total nilai prediksi dan nilai aktual:
– 3 / (3 + 3) = 0.5
4. Hasilnya adalah 0.5.

Cara Menghitung MSE

MSE (Mean Squared Error) adalah metrik yang mengukur rata-rata kuadrat jarak antara setiap nilai prediksi dan nilai aktual. Metrik ini berguna untuk menentukan seberapa besar kesalahan rata-rata antara prediksi dan nilai aktual. Berikut adalah langkah-langkah untuk menghitung MSE:

1. Ambil nilai prediksi dan nilai aktual.
2. Hitung selisih kuadrat antara nilai prediksi dan nilai aktual.
3. Jumlahkan selisih kuadrat tersebut.
4. Bagi hasil penjumlahan dengan jumlah total nilai prediksi dan nilai aktual.
5. Hasilnya adalah nilai MSE.

Contoh:

Misalnya, kita memiliki data berikut:
– Nilai prediksi: 3, 5, 7
– Nilai aktual: 4, 4, 8

Maka, langkah-langkah untuk menghitung MSE adalah sebagai berikut:

1. Selisih kuadrat antara nilai prediksi dan nilai aktual:
– (3 – 4)^2 = 1
– (5 – 4)^2 = 1
– (7 – 8)^2 = 1
2. Jumlahkan selisih kuadrat tersebut: 1 + 1 + 1 = 3
3. Bagi hasil penjumlahan dengan jumlah total nilai prediksi dan nilai aktual:
– 3 / (3 + 3) = 0.5
4. Hasilnya adalah 0.5.

Cara Menghitung MAPE

MAPE (Mean Absolute Percentage Error) adalah metrik yang mengukur rata-rata persentase kesalahan antara nilai prediksi dan nilai aktual. Metrik ini berguna untuk menentukan seberapa besar kesalahan rata-rata antara prediksi dan nilai aktual dalam persentase. Berikut adalah langkah-langkah untuk menghitung MAPE:

1. Ambil nilai prediksi dan nilai aktual.
2. Hitung selisih absolut antara nilai prediksi dan nilai aktual.
3. Bagi selisih absolut tersebut dengan nilai aktual.
4. Jumlahkan hasil bagi tersebut.
5. Bagi hasil penjumlahan dengan jumlah total nilai prediksi dan nilai aktual.
6. Kalikan hasilnya dengan 100.
7. Hasilnya adalah nilai MAPE.

Contoh:

Misalnya, kita memiliki data berikut:
– Nilai prediksi: 3, 5, 7
– Nilai aktual: 4, 4, 8

Maka, langkah-langkah untuk menghitung MAPE adalah sebagai berikut:

1. Selisih absolut antara nilai prediksi dan nilai aktual:
– |3 – 4| = 1
– |5 – 4| = 1
– |7 – 8| = 1
2. Bagi selisih absolut tersebut dengan nilai aktual:
– 1 / 4 = 0.25
– 1 / 4 = 0.25
– 1 / 8 = 0.125
3. Jumlahkan hasil bagi tersebut: 0.25 + 0.25 + 0.125 = 0.625
4. Bagi hasil penjumlahan dengan jumlah total nilai prediksi dan nilai aktual:
– 0.625 / (3 + 3) = 0.1041666667
6. Kalikan hasilnya dengan 100: 0.1041666667 x 100 = 10.41666667
7. Hasilnya adalah 10.41666667%.

Kesimpulan

Mad, MSE, dan MAPE adalah tiga metrik umum yang digunakan dalam analisis data untuk mengukur akurasi model atau prediksi. Metrik ini membantu untuk menentukan seberapa baik model tersebut mampu memprediksi nilai yang sebenarnya. Mad mengukur rata-rata jarak antara setiap nilai prediksi dan nilai aktual, MSE mengukur rata-rata kuadrat jarak antara setiap nilai prediksi dan nilai aktual, dan MAPE mengukur rata-rata persentase kesalahan antara nilai prediksi dan nilai aktual. Dengan mengetahui cara menghitung Mad, MSE, dan MAPE, kita dapat menilai kualitas model atau prediksi dengan lebih akurat.

Terima kasih telah membaca artikel Cara Menghitung Mad Mse Mape ini dan sampai jumpa kembali di artikel menarik BicaraFakta.com lainnya.