K_DM Book

WAPE (Weighted Absolute Percentage Error)

03.2.11

WAPE (Weighted Absolute Percentage Error)

Diperbarui 2020-07-01 Baca 2 menit
Ringkasan
  • WAPE mengukur galat absolut relatif terhadap total permintaan aktual.
  • Hitung WAPE pada forecast dan lihat bagaimana metrik ini dilaporkan di dashboard.
  • Pahami ketidakstabilan saat volume kecil serta cara memadukannya dengan MAE.

1. Definisi #

$$ \mathrm{WAPE} = \frac{\sum_{i=1}^n |y_i - \hat{y}_i|}{\sum_{i=1}^n |y_i|} \times 100\% $$
  • Menormalisasi galat absolut dengan total aktual sehingga dapat dibandingkan antar SKU dengan skala berbeda.
  • Tidak mudah meledak ketika nilai aktual mendekati nol, berbeda dengan MAPE.

2. Implementasi di Python #

1
2
3
4
5
6
7
import numpy as np

def wape(y_true: np.ndarray, y_pred: np.ndarray) -> float:
    """Weighted Absolute Percentage Error."""
    return float(np.sum(np.abs(y_true - y_pred)) / np.sum(np.abs(y_true)))

print("WAPE:", round(wape(y_test, y_pred) * 100, 2), "%")

Jika total aktual mendekati nol, keluarkan segmen tersebut atau normalisasikan memakai rerata permintaan.


3. Perbandingan WAPE vs MAPE #

MetrikKarakteristikCatatan
MAPERata-rata galat persentase per observasiMeledak ketika nilai aktual ≈ 0
WAPEGalat absolut total ÷ total aktualDidominasi item dengan volume besar
sMAPEMenggunakan rata-rata aktual & prediksiMengatasi nol tetapi kurang intuitif

Di bisnis ritel/CPG, WAPE populer karena merangkum akurasi total tanpa melebihkan SKU kecil.


4. Penggunaan praktis #

  • Perencanaan stok: jadikan WAPE sebagai KPI (misal target ≤ 10%). Bandingkan antar wilayah atau kategori.
  • Perbandingan model: MAE bergantung satuan, sedangkan WAPE (persen) membuat model lintas skala lebih mudah dibandingkan.
  • Drill-down: WAPE agregat bagus belum tentu setiap SKU akurat; tinjau WAPE per merek, wilayah, atau segmen.

5. Hal yang perlu diperhatikan #

  • Jika banyak periode dengan permintaan nol, hitung WAPE hanya pada periode aktif atau gunakan MAE.
  • Gunakan periode dan himpunan SKU yang sama saat membandingkan lintas waktu.
  • Lengkapi dengan MAE/MAPE tingkat SKU untuk menemukan masalah spesifik.

Ringkasan #

  • WAPE mengekspresikan galat absolut sebagai persentase dari permintaan total sehingga mudah dijadikan KPI.
  • Ia mengurangi kelemahan MAPE terhadap permintaan nol, namun tetap butuh metrik absolut untuk diagnosis detail.
  • Kombinasikan WAPE global dengan tampilan tersegmentasi untuk memprioritaskan peningkatan.