Ukuran Ketepatan Peramalan Data Time Series

Ketepatan Metode Peramalan Beberapa pertanyaan : Berapa ketepatan tambahan yang dapat dicapai dengan menggunakan metode formal? Untuk situasi yg diketahui, seberapa besar perbaikan yang dapat dicapai dalam keakuratan peramalan? Jika kesempatan untuk mencapai keakuratan lebih besar dlm situasi tersebut dipahami, bagaimana pengetahuan tsb membantu dlm memilih teknik peramalan yang cocok?

Ukuran Standar Ketepatan Peramalan Rata-rata eror (Mean error) Rata-rata eror absolut (Mean Absolute Error: MAE) Jumlah kuadrat eror (Sum of Square Error: SSE) Rata-rata kuadrat eror (Mean of Square Error: MSE)

Kelemahan MSE Kurang tepat digunakan untuk membandingkan peramalan antara metode yang berbeda, alasannya: Berbeda metode, memungkinkan berbeda dalam melakukan taksiran awal (inisialisasi) Berbeda metode, berbeda pula jumlah parameter yang digunakan Ukuran tersebut menunjukkan kecocokan suatu model terhadap data historis, alasannya: MSE bernilai nol dapat diperoleh dengan polinomial derajat tinggi atau transformasi fourier (model terlalu sensitif)

Ukuran Relatif Ketepatan Peramalan Eror persentase (Percentage error) Rata-rata eror persentase (Mean Percentage Error) Rata-rata absolut eror persentase (Mean Absolute Percentage Error: MAPE) Statistik U

Simbol Misalkan: No Data Asli Data Peramalan Error 1 y1 ŷ1 e1 2 y2 ŷ2 3 y3 Ŷ3 e3 4 y4 ŷ4 e4 …

Ukuran Standar Ketepatan Peramalan Rata-rata galat (Mean Error) Rata-rata galat absolut (Mean Absolute Error: MAE)

Jumlah kuadrat galat (Sum of Square Error: SSE) Rata-rata kuadrat eror (Mean of Square Error: MSE)

Ukuran Relatif Ketepatan Peramalan Galat persentase (Percentage error) Rata-rata galat persentase (Mean Percentage Error) Rata-rata absolut eror persentase (Mean Absolute Percentage Error: MAPE)

Statistik U Dimana: Jika U = 1, metode peramalan naif sama baiknya dengan teknik peramalan yang dievaluasi; Jika U < 1, metode peramalalan yang digunakan lebih baik daripada metode naif, semakin kecil semakin baik; Jika U > 1, metode peramalan naif lebih baik

Metode ramalan naif adalah (shading orange) Contoh: Dimana: Metode ramalan naif adalah (shading orange) Contoh: Perhitungan: No yI ŷI Pembilang Penyebut 1 22 - 24 0.05 0.002 2 23 28 0.093 0.484 3 39 32 0.001 0.003 4 37 36 0.147 0.49 Statistik U: Baris 1 𝑈= 0.147 0.49 =0.55

Durbin-Watson (D-W) D-W diformulakan: 𝐷−𝑊= 𝑡=2 𝑛 𝑒 𝑡 − 𝑒 𝑡−1 2 𝑡=1 𝑛 𝑒 𝑡 2