Dasar Peramalan Pertama

Sebelum menggunakan model yang rumit, Anda memerlukan tolok ukur dasar: prakiraan yang sangat sederhana dan harus dikalahkan oleh metode yang lebih rumit agar layak digunakan. 🪜

Tolok ukur dasar yang paling sederhana adalah prakiraan naif: memprediksi bahwa nilai besok sama dengan nilai hari ini. Untuk data yang stabil, prakiraan ini ternyata sulit dikalahkan.

Prakiraan naif hanya mengulangi pengamatan terbaru ke masa depan. Tidak ada tren, tidak ada musim, hanya titik terbaru yang diketahui.

Untuk data siklik, prediksikan nilai dari satu musim penuh sebelumnya. Prakiraan naif musiman ini mempertahankan pola berulang dengan biaya rendah.

Tolok ukur dasar lainnya adalah merata-ratakan beberapa titik terakhir. Rata-rata bergerak menghaluskan derau dan memproyeksikan tingkat tersebut ke depan.

Simpan bagian waktu terakhir sebagai kumpulan pengujian. Jangan pernah mengacaknya: urutan waktu harus dipertahankan agar masa depan tetap belum terlihat.

Bandingkan prediksi dengan nilai sebenarnya yang disisihkan menggunakan metrik kesalahan. MAE melaporkan ukuran rata-rata kesalahan Anda dalam satuan sebenarnya.

Kesalahan tolok ukur dasar Anda menjadi patokan. Model apa pun yang menghasilkan nilai lebih buruk tidak sepadan dengan kerumitan tambahannya.

Selalu gambarkan prediksi di atas nilai pengujian sebenarnya. Pengamatan Anda dapat menangkap keterlambatan dan bias yang mungkin tersembunyi di balik satu angka.

Jika model yang rumit tidak dapat mengalahkan model naif, percayailah model yang sederhana. Kesederhanaan yang menghasilkan kinerja baik adalah keunggulan, bukan kegagalan.

Setelah memiliki tolok ukur dasar, Anda siap menggunakan model nyata seperti ARIMA atau Prophet, yang masing-masing dinilai terhadap titik awal yang jujur ini.

Anda membuat tolok ukur dasar naif, musiman, dan rata-rata bergerak, lalu mengukur kesalahan agar model-model berikutnya harus membuktikan bahwa kinerjanya lebih baik.