03.2.13
RMSPE (Root Mean Square Percentage Error)
Ringkasan
- RMSPE mengukur akar kuadrat rata-rata dari kesalahan persentase antara prediksi dan nilai aktual.
- Dalam peramalan penjualan, digunakan untuk melihat rata-rata penyimpangan relatif antara nilai prediksi dan observasi.
- Menjelaskan cara menghindari pembagian nol menggunakan ε dan penanganan kasus permintaan rendah.
1. Definisi #
$$ \mathrm{RMSPE} = \sqrt{\frac{1}{n} \sum_{i=1}^n \left( \frac{y_i - \hat{y}_i}{y_i} \right)^2 } $$Dalam praktiknya, biasanya dikalikan 100 agar hasilnya berbentuk persentase.
Perlu berhati-hati ketika nilai aktual mendekati nol, karena hasil dapat menjadi tak stabil.
2. Perhitungan di Python #
| |
eps digunakan untuk mencegah pembagian dengan nol.
Jika banyak data dengan permintaan nol, pertimbangkan RMSLE atau WAPE sebagai alternatif.
3. Kapan Digunakan #
- Peramalan permintaan ritel: Saat ingin menekankan kesalahan dalam proporsi jumlah penjualan.
- Risiko keuangan: Untuk menilai kesalahan prediksi dalam pengembalian atau harga secara persentase.
- Prediksi beban energi: Cocok untuk mengukur deviasi relatif meski skala nilainya bervariasi besar.
4. Perbandingan dengan Metrik Persentase Lain #
| Metrik | Ciri | Perhatian |
|---|---|---|
| MAPE | Rata-rata kesalahan persentase; mudah dipahami | Reaksi linier terhadap kesalahan besar |
| RMSPE | Memberi penalti lebih besar pada kesalahan besar | Tidak stabil jika nilai aktual mendekati nol |
| RMSLE | Skala logaritmik | Serupa dengan perbandingan rasio, namun lebih sulit diinterpretasikan |
RMSPE menonjolkan kesalahan besar, sehingga cocok untuk KPI yang berorientasi risiko.
5. Catatan Praktis #
- RMSPE dapat tidak stabil jika banyak nilai nol atau sangat kecil. Hapus atau sesuaikan data tersebut, atau gunakan metrik lain sebagai pelengkap.
- Laporkan RMSPE bersama MAE atau WAPE untuk melihat kinerja absolut dan relatif.
- Saat membandingkan antarperiode, gunakan kumpulan data yang konsisten (produk/periode yang sama).
Ringkasan #
- RMSPE mengukur akar kuadrat rata-rata kesalahan persentase dan menyoroti kesalahan besar.
- Berguna untuk menilai risiko relatif tetapi perlu hati-hati terhadap nilai nol.
- Gunakan bersama MAPE, WAPE, atau RMSLE untuk menilai performa model dari dua sisi: absolut dan relatif.