Pertemuan 2: Evaluasi Ramalan

- BF: Keharusan Mengevaluasi Ramalan

- Dua Indikator Evaluasi Terkuat: Error dan R2(R square)
- 6 Jenis Error: Mana yang kita pakai?
1. Mean Error (ME)

2. Mean Absolute Error (MAE)

3. Mean Percentage Error (MPE)

4. Mean Absolute Percentage Error (MAPE)

5. Mean Squared Error (MSE)

6. Root-mean-squared Error (RMSE)

Jumlah Pengiriman Tas

Perusahaan Prada 2014 - 2015

Month
January
February
March
April
May
June
July
August
September
October
November
December
January
February
March
April
May
June

Sales (kg) (At)

120
125
145
125
152
145
159
162
178
172
179
159
143
129
139
148
150
154

Naive Forecast F(t)

120
125
145
125
152
145
159
162
178
172
179
159
143
129
139
148
150

July
August
September
October
November
December
January (Ramalan)

155
175
168
185
192
198

154
155
175
168
185
192
198

luasi Ramalan
error=AT-FT

(R square)

error=pengurangan dari data sebenarnya dan data f

error:jumlah data

(the best error)

(the best error)

man Tas

2014 - 2015
Moving Average (3-month) F(t)

130
131.6666666667
140.6666666667
140.6666666667
152
155.3333333333
166.3333333333
170.6666666667
176.3333333333
170
160.3333333333
143.6666666667
137
138.6666666667
145.6666666667

at=actual data (data sebenarnya)

Naive=at sebelumnya

150.6666666667
153
161.3333333333
166
176
181.6666666667
191.6666666667

sebenarnya dan data forcast

Evaluasi Metode Naive

Month

Sales (kg)

January
February
March
April
May
June
July
August
September
October
November
December
January
February
March
April
May
June
July
August
September
October
November
December

120
125
145
125
152
145
159
162
178
172
179
159
143
129
139
148
150
154
155
175
168
185
192
198
SIGMA
N (Data Amount)

ME
MAE
MPE
MAPE
MSE
RMSE

Naive
Forecast F(t)

120
125
145
125
152
145
159
162
178
172
179
159
143
129
139
148
150
154
155
175
168
185
192

Error

Absolute Error
=ABS

5
20
-20
27
-7
14
3
16
-6
7
-20
-16
-14
10
9
2
4
1
20
-7
17
7
6
78

3.3913043478
11.217391304 =abs/n
0.017893425 =erorr/n
1.6736040879
175.04347826 =error^2/n
13.230399777

5
20
20
27
7
14
3
16
6
7
20
16
14
10
9
2
4
1
20
7
17
7
6
258

Error^2

Error/At

25
0.04
400 0.137931034
400
-0.16
729 0.177631579
49 -0.04827586
196 0.088050314
9 0.018518519
256 0.08988764
36 -0.03488372
49 0.039106145
400 -0.12578616
256 -0.11188811
196 -0.10852713
100 0.071942446
81 0.060810811
4 0.013333333
16 0.025974026
1 0.006451613
400 0.114285714
49 -0.04166667
289 0.091891892
49 0.036458333
36 0.03030303
4026 0.411548774
23

Absolute
(Error/At)

0.04
0.1379310345
0.16
0.1776315789
0.0482758621
0.0880503145
0.0185185185
0.0898876404
0.0348837209
0.0391061453
0.1257861635
0.1118881119
0.1085271318
0.071942446
0.0608108108
0.0133333333
0.025974026
0.0064516129
0.1142857143
0.0416666667
0.0918918919
0.0364583333
0.0303030303
1.6736040879
ambil dari naive forcast

Evaluasi Metode Moving Average (3 bulan)

Month

Sales (kg)

January
February
March
April
May
June
July
August
September
October
November
December
January
February
March
April
May
June
July
August
September
October
November
December

MA(3) F(t)

Error

Absolute
Error

Error^2

Error/At

120
125
145
125
131.6666667 -6.66666667 6.666666667 44.44444444 -0.05333333
152
140.6666667 11.33333333 11.33333333 128.4444444 0.074561404
145
140.6666667 4.333333333 4.333333333 18.77777778 0.029885057
159
152
7
7
49 0.044025157
162
155.3333333 6.666666667 6.666666667 44.44444444 0.041152263
178
166.3333333 11.66666667 11.66666667 136.1111111 0.065543071
172
170.6666667 1.333333333 1.333333333 1.777777778 0.007751938
179
176.3333333 2.666666667 2.666666667 7.111111111 0.014897579
159
170
-11
11
121 -0.06918239
143
160.3333333 -17.3333333 17.33333333 300.4444444 -0.12121212
129
143.6666667 -14.6666667 14.66666667 215.1111111 -0.11369509
139
137
2
2
4 0.014388489
148
138.6666667 9.333333333 9.333333333 87.11111111 0.063063063
150
145.6666667 4.333333333 4.333333333 18.77777778 0.028888889
154
150.6666667 3.333333333 3.333333333 11.11111111 0.021645022
155
153
2
2
4 0.012903226
175
161.3333333 13.66666667 13.66666667 186.7777778 0.078095238
168
166
2
2
4 0.011904762
185
176
9
9
81 0.048648649
192
181.6666667 10.33333333 10.33333333 106.7777778 0.053819444
198
191.6666667 6.333333333 6.333333333 40.11111111 0.031986532
SIGMA
57.66666667
157 1610.333333 0.285736849
N (Data Amount)
21

ME
MAE
MPE
MAPE
MSE
RMSE

2.746031746
7.476190476
0.013606517
1.000582718
76.68253968
8.756856724

3 bulan)
Absolute
(Error/At)

0.0533333333
0.0745614035
0.0298850575
0.0440251572
0.0411522634
0.0655430712
0.007751938
0.0148975791
0.0691823899
0.1212121212
0.1136950904
0.0143884892
0.0630630631
0.0288888889
0.0216450216
0.0129032258
0.0780952381
0.0119047619
0.0486486486
0.0538194444
0.031986532
1.0005827185

ME
MAE
MPE
MAPE
MSE
RMSE

Naive
MA (3)
3.391304348 2.746031746
11.2173913 7.476190476
0.017893425 0.013606517
1.673604088 1.000582718
175.0434783 76.68253968
13.23039978 8.756856724

Kesimpulan:
jadi, metode yang terbaik adalah metode naive karena memiliki error yg lebih kecil (dibanding MA
yang dapat dilihat dari pengukuran (error) MAPE dan RMSE

h kecil (dibanding MA 3 bulan)