Skip to main content
Home Analisis Regresi Cara Menghitung MAPE (Mean Absolute Percentage Error) di Excel dan R

Cara Menghitung MAPE (Mean Absolute Percentage Error) di Excel dan R

Daftar Isi:

  1. Rumus MAPE
  2. Interpretasi MAPE
  3. Cara Menghitung MAPE di Excel
  4. Cara Menghitung MAPE di R
  5. Kekurangan MAPE

MAPE (Mean Absolute Percentage Error) adalah alat statistik yang digunakan untuk mengukur keakuratan suatu model statistik dalam melakukan prediksi atau peramalan.

Dalam referensi lain MAPE dikenal juga dengan Mean Absolute Percentage Deviation (MAPD).

Rumus MAPE

\[\text{MAPE} = \frac{1}{n} \sum_{i = 1}^{n} \left| \frac{A_i - F_i}{A_i} \right| \times 100\%\]

dimana:

\(n\) adalah ukuran sampel
\(A_i\) adalah nilai data aktual
\(F_i\) adalah nilai data peramalan

Berdasarkan rumus tersebut, selisih data aktual dengan peramalan dibagi dengan data aktual, kemudian nilainya di mutlakkan (absolut). Artinya MAPE akan selalu bernilai positif.

Interpretasi MAPE

MAPE termasuk alat ukur ketepatan model peramalan yang paling sering digunakan dibandingkan MAD, MAE, RMSE atau lainnya. Hal ini karena nilai MAPE lebih mudah diinterpretasikan dibandingkan alat ukur yang lain tersebut.

Nilai MAPE sebesar 10% dapat diartikan bahwa selisih rata-rata nilai peramalan dengan nilai sebenarnya adalah 10%.

Semakin kecil MAPE maka semakin akurat sebuah model dalam melakukan peramalan. Hal ini berarti sebuah model yang memiliki nilai MAPE sebesar 5% merupakan model yang lebih baik dalam melakukan peramalan dibandingkan model lain yang memiliki MAPE sebesar 10%.

Interpretasi nilai MAPE dapat dilihat dari interval nilainya sebagai berikut.

Nilai MAPE Interpretasi
≤ 10 Hasil peramalan sangat akurat
10 - 20 Hasil peramalan baik
20 - 50 Hasil peramalan layak (cukup baik)
> 50 Hasil peramalan tidak akurat

Cara Menghitung MAPE di Excel

Langkah-langkah menghitung MAPE di Excel adalah sebagai berikut.

  1. Masukkan data aktual dan data hasil peramalan.

    2. 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.

    Data MAPE

  2. Hitung persentase kesalahan absolut (absolute percentage error) setiap baris pada kolom D.

    3. Persentase kesalahan absolut dihitung pada setiap baris, dimana rumus yang digunakan untuk baris ke-\(i\) adalah:

    \[\left| \frac{A_i - F_i}{A_i} \right| \times 100\%\]

    Konversikan rumus tersebut ke Excel pada kolom D, misalnya pada kolom D2:

    =ABS((B2-C2)/B2)*100

    Persentase Kesalahan Absolut

  3. Hitung rata-rata persentase kesalahan absolut (mean absolute percentage error) pada baris D14.
    4. =AVERAGE(D2:D13)

    Rumus MAPE

    Hasilnya adalah sebagai berikut.

    MAPE di Excel


Cara Menghitung MAPE di R

Langkah-langkah penghitungan MAPE di R adalah sebagai berikut.

  1. Masukkan data ke R, yaitu data aktual dan data hasil peramalan. 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
  2. Hitung banyaknya data
    3. n <- nrow(df)
n
    ## [1] 12
  3. Hitung MAPE sesuai dengan rumus MAPE
    4. MAPE <- 1/n*sum(abs((df$aktual - df$peramalan)/df$aktual))*100
MAPE
    ## [1] 10.26599

Kekurangan MAPE

Meskipun MAPE cukup sering digunakan dibandingkan ukuran ketepatan peramalan yang lain, namun MAPE memiliki kelemahan sehingga perlu kehati-hatian dalam menggunakannya.

Kelemahan tersebut di antaranya adalah:

  1. Rumus MAPE mengandung komponen \[\left| \frac{A_i - F_i}{A_i} \right|\] dimana ketika salah satu nilai aktual sama dengan 0 \((A_i = 0),\) maka nilai komponen tersebut tidak akan terdefinisikan. Solusi untuk masalah ini adalah dengan menggunakan rumus MAPE tertimbang atau dengan metode berikut: Mean Absolute Scaled Error (MASE), Symmetric Mean Absolute Percentage Error (sMAPE), Mean Directional Accuracy (MDA), Mean Arctangent Absolute Percentage Error (MAAPE).

  2. MAPE sebaiknya tidak digunakan untuk data yang nilainya kecil. Misalnya data yang nilai aktualnya adalah 1, sedangkan hasil peramalannya adalah 2, maka persentase kesalahan absolutnya adalah \(\left| \frac{1 - 2}{1} \right| = 50\%.\) Walaupun sebenarnya ramalan tersebut tidak terlalu meleset, namun persentase kesalahan absolutnya kelihatan sangat besar sehingga bisa saja nilai MAPE nantinya lebih besar dari 100% akibat banyaknya nilai penyebut yang sangat kecil.

Artikel yang berhubungan: