 |
Root Mean Squared Error (RMSE) merupakan salah satu cara untuk mengevaluasi model regresi linear dengan mengukur tingkat akurasi hasil perkiraan suatu model. RMSE dihitung dengan mengkuadratkan error (prediksi – observasi) dibagi dengan jumlah data (= rata-rata), lalu diakarkan. RMSE tidak memiliki satuan.
RMSE merupakah salah satu cara mengevaluasi model selain Mean Absolute Percentage Error (MAPE) dan Mean Absolute Deviation (MAD).
Rumus
Secara matematis, rumusnya ditulis sebagai berikut.
Keterangan:
RMSE = nilai root mean square error
y = nilai hasil observasi
ŷ = nilai hasil prediksi
i = urutan data pada database
n = jumlah data
Nilai RMSE rendah menunjukkan bahwa variasi nilai yang dihasilkan oleh suatu model prakiraan mendekati variasi nilai obeservasinya. RMSE menghitung seberapa berbedanya seperangkat nilai. Semakin kecil nilai RMSE, semakin dekat nilai yang diprediksi dan diamati.
Cara Menghitung RMSE di Excel
Berikut panduan cepat dan mudah untuk menghitung RMSE di Excel.
1. Masukkan Judul/header
Pada Excel di sel A1, ketik "nilai obeservasi" sebagai header. Untuk sel B1, ketik "nilai prediksi". Di C1, ketik "selisih".
2. Tempatkan nilai dalam kolom
Periksa pengaturan. Jika Kamu memiliki 10 pengamatan, tempatkan nilai yang diamati dalam A2 hingga A11. Selain itu, mengisi nilai prediksi dalam sel B2 hingga B11 dari Excel.
3. Temukan perbedaan antara nilai yang diobservasi/diamati dan yang diprediksi
Dalam kolom C2, kurangi nilai observasi dan nilai prediksi. Ulangi untuk semua baris di mana nilai observasi dan nilai prediksi.
= A2-B2
Sekarang, nilai-nilai ini bisa positif atau negatif.
4. Hitung nilai RMSE
Simpan ke file Di sel D2, gunakan rumus berikut untuk menghitung RMSE:
= SQRT (SUMSQ (C2: C11) / COUNTA (C2: C11))
Sel D2 adalah nilai RMSE.
5. Tanpa Kolom C
Namun, langkah singkat agar tidak perlu membuat kolom C dapat dilakukan karena rumus Excel ini dapat menghitung RMSE dari kolom A dan B saja.
= SQRT (SUMXMY2 (A2: A11; B2: B11) / COUNTA (A2: A11))
Jika nilai RMSE lebih kecil, hal ini berarti bahwa nilai yang diprediski dekat dengan nilai yang diamati atau observasi, dan sebaliknya.
- October 22, 2019
- 2 Comments
