Daftar Isi: |
MAE (Mean Absolute Error) adalah rata-rata selisih mutlak nilai sebenarnya (aktual) dengan nilai prediksi (peramalan).
MAE digunakan untuk mengukur keakuratan suatu model statistik dalam melakukan prediksi atau peramalan.
MAE bersama dengan MAPE (Mean Absolute Percentage Error) merupakan ukuran keakuratan yang paling sering digunakan dalam analisis deret waktu (time series).
Rumus MAE
\[\text{MAE} = \frac{1}{n} \sum_{i = 1}^{n} \left| A_i - F_i \right|\]dimana:
- \(n\) adalah ukuran sampel
- \(A_i\) adalah nilai data aktual ke-\(i\)
- \(F_i\) adalah nilai data peramalan ke-\(i\)
Karena pada rumus MAE di atas terdapat tanda mutlak (| |), maka nilai MAE akan selalu bernilai positif.
Interpretasi MAE
Berdasarkan rumus MAE, komponen \(\left| A_i - F_i \right|\) menunjukkan nilai kesalahan atau perbedaan nilai sebenarnya dengan nilai peramalan. Perbedaan (kesalahan) yang diharapkan tentu saja adalah kesalahan yang terkecil.
Nilai MAE seringkali digunakan dalam membandingkan dua model dalam melakukan peramalan.
Semakin kecil nilai MAE, semakin baik model tersebut dalam melakukan peramalan.
Oleh karena itu, dalam melakukan perbadingan dua atau beberapa model statistik, maka model terbaik adalah model yang memiliki nilai MAE terkecil.
Cara Menghitung MAE di Excel
Langkah-langkah menghitung MAE di Excel adalah sebagai berikut.
- Masukkan data aktual dan data hasil peramalan.
- Hitung kesalahan absolut (absolute error) setiap baris pada kolom D.
- Hitung rata-rata kesalahan absolut (mean absolute error) pada baris D14.
Banyaknya data aktual dan data peramalan harus sama dan berpasangan. Kedua data ditempatkan di kolom yang terpisah.
Misalnya pada data di bawah ini, data aktual ditempatkan di kolom B dan data peramalan di kolom C. Jumlah pasangan data tersebut adalah 12.
Kesalahan absolut dihitung pada setiap baris, dimana rumus yang digunakan untuk baris ke-\(i\) adalah:
\[\left| A_i - F_i \right|\]Konversikan rumus tersebut ke Excel pada kolom D, misalnya pada kolom D2:
=ABS(B2-C2)
=AVERAGE(D2:D13)
Hasilnya adalah sebagai berikut.
Cara Menghitung MAE di R
Langkah-langkah penghitungan MAE di R adalah sebagai berikut.
- Masukkan data ke R, yaitu data aktual dan data hasil peramalan. Kemudian susun data tersebut dalam bentuk dataframe.
bulan <- c("jan", "feb", "mar", "apr", "mei", "jun", "jul", "agt", "sep", "okt", "nov", "des") aktual <- c(29, 26, 25, 35, 28, 28, 32, 26, 27, 19, 16, 19) peramalan <- c(30, 27, 27, 37, 27, 26, 36, 22, 32, 15, 19, 18) df <- data.frame(bulan, aktual, peramalan) df
## bulan aktual peramalan ## 1 jan 29 30 ## 2 feb 26 27 ## 3 mar 25 27 ## 4 apr 35 37 ## 5 mei 28 27 ## 6 jun 28 26 ## 7 jul 32 36 ## 8 agt 26 22 ## 9 sep 27 32 ## 10 okt 19 15 ## 11 nov 16 19 ## 12 des 19 18
- Hitung banyaknya data
- Hitung MAE sesuai dengan rumus MAE
n <- nrow(df)
n
## [1] 12
MAE <- 1/n*sum(abs(df$aktual - df$peramalan))
MAE
## [1] 2.5
Dari penghitungan menggunakan Excel dan R di atas, kita peroleh nilai MAE sebesar 0,5. Artinya rata-rata kesalahan absolut antara nilai yang sebenarnya dan nilai peramalan adalah 2,5.