Dalam statistik, mean squared error ( MSE ) adalah metrik penting yang mengukur jumlah kesalahan dalam model statistik. Ini sering digunakan untuk menilai keakuratan model yang digunakan untuk memprediksi nilai masa depan.

Pada tutorial kali ini kami akan menjelaskan apa itu MSE secara lebih detail dan kemudian menunjukkan cara menghitung MSE di Excel .

Apa itu Kesalahan Rata-Rata Kuadrat?

Mean squared error ( MSE ) adalah penghitungan yang mengukur selisih kuadrat rata-rata antara nilai perkiraan dan nilai aktual dalam kumpulan data. Dengan kata lain, ini memperkirakan jumlah kesalahan dalam model statistik. Bagi para ahli statistik di luar sana, ini menghitung seberapa dekat garis regresi cocok dengan sekumpulan titik data.

Misalnya, Anda memiliki model yang memprediksi nilai penjualan yang akan Anda terima sebagai perusahaan perangkat lunak selama setahun. Di akhir tahun, Anda memasukkan nilai penjualan aktual yang Anda hasilkan. Anda kemudian dapat menghitung MSE untuk melihat seberapa baik model Anda memprediksi hasilnya.

MSE dihitung dengan mengambil rata-rata selisih kuadrat antara nilai prediksi dan nilai aktual variabel target.

Rumus UMKnya seperti ini:

Di mana:

1. Σ berarti jumlah nilai;
2. n adalah ukuran sampel atau jumlah observasi;
3. Yi adalah nilai yang diamati, dan;
4. Ŷi adalah nilai prediksi.

Nilai error yang lebih rendah menunjukkan bahwa model memiliki standar error yang lebih kecil dan lebih baik dalam memprediksi variabel target. MSE banyak digunakan dalam regresi statistik dan analisis data dan dapat membantu dalam membandingkan berbagai model atau menyetel parameter untuk meningkatkan akurasi prediksi.

Hal ini terlihat membingungkan, namun tidak terlalu sulit untuk diikuti jika kami menguraikannya di bagian berikut.

Cara Menghitung Mean Squared Error di Microsoft Excel

Ada dua cara utama untuk menghitung MSE di Microsoft Excel : fungsi SUMSQ , fungsi AVERAGE^{(AVERAGE function)} , dan rumus MSE . Kami akan menggunakan contoh di bawah ini untuk menunjukkan cara menghitung MSE menggunakan masing-masing fungsi berikut:

Dalam contoh sederhana ini, kita akan melihat nilai penjualan fiktif untuk setiap bulan ( Kolom A^{(Column A)} ). Nilai taksiran ditampilkan di Kolom B^{(Column B)} dan nilai aktual di Kolom C^{(Column C)} .

Hitung MSE^{(Calculate MSE)} Menggunakan Fungsi SUMSQ^{(SUMSQ Function)}

Fungsi SUMSQ di Excel digunakan untuk menghitung jumlah kuadrat angka dalam suatu rentang. Berikut cara menggunakannya untuk menghitung UMK^(MSE) :

1. Buat kolom baru di Kolom D^{(Column D)} yang disebut “ Perbedaan^(Difference) ”. Ini akan mewakili perbedaan antara nilai yang diharapkan dan nilai aktual.

1. Gunakan rumus “C2-B2” untuk menghitung selisih titik data di setiap baris.

1. Pilih sel baru dan ketik sintaks berikut: “=SUMSQ(D2: D13/COUNT (D2: D13 )”. Ganti sel dalam rumus dengan sel yang benar dari spreadsheet Excel Anda . Hasil akhir dalam sel ini adalah MSE Anda .

Hitung MSE^{(Calculate MSE)} Menggunakan Fungsi AVERAGE

Fungsi AVERAGE pada MS Excel digunakan untuk menghitung rata-rata suatu rentang angka. Metode ini mengembalikan hasil yang sama seperti fungsi SUMSQ , namun setiap langkah dilakukan secara manual.

1. Lakukan^(Perform) Langkah 1 dan 2 yang dijelaskan dalam metode SUMSQ . Ini akan mengembalikan perbedaan antara nilai perkiraan dan data sebenarnya.

1. Beri nama Kolom E “Kuadrat Selisih”, lalu gunakan rumus “=D2^ 2 ” untuk menghitung kuadrat selisih setiap nilai pada Kolom D.^{(Column D)}

1. Pilih sel baru dan hitung nilai rata-rata Kolom E.^{(Column E.)} Ini akan mengembalikan rata-rata nilai kuadrat yang Anda hitung sebelumnya. Untuk melakukannya, ketik “=AVERAGE(E2:E12)” dan tekan Enter . Pastikan^(Make) untuk mengganti sel dengan sel yang Anda gunakan di lembar kerja^(worksheet) Anda . Nilai data yang dihasilkan adalah MSE Anda .

Analisis Statistik di Microsoft Excel

Microsoft Excel telah lama menjadi salah satu alat paling ampuh untuk analisis data. Semoga^(Hopefully) dengan adanya tutorial ini, Anda kini dapat menggunakan Excel untuk menghitung UMK^(MSE) dengan mudah. Dan, karena keduanya sangat mirip, Anda seharusnya dapat melakukan penghitungan yang sama di Google Spreadsheet^{(Google Sheets)} .

How to Calculate Mean Squared Error (MSE) in Microsoft Excel

In statistics, thе mean squared error (MSE) is an important metric that measures the amount of error in a statistical model. It’s often usеd to assess the accυracу of a model that’s used to predict future values.

In this tutorial, we’ll explain what MSE is in more detail and then show you how to calculate MSE in Excel.

What Is Mean Squared Error?

The mean squared error (MSE) is a calculation that measures the average squared difference between estimated and actual values in a dataset. In other words, it estimates the amount of error in a statistical model. For the statistics geeks out there, it calculates how closely a regression line fits a set of data points.

For example, say you have a model that predicts the value of sales you’ll receive as a software company over a year. At the end of the year, you plug in the actual sales values that you generated. You can then calculate the MSE to see how well your model predicted the outcome.

MSE is calculated by taking the average of the squared differences between the predicted and actual values of the target variable.

The MSE formula looks like this:

Where:

1. Σ means the sum of values;
2. n is the sample size or number of observations;
3. Yi are the observed values, and;
4. Ŷi are the predicted values.

A lower error value indicates that the model has a smaller standard error and is better at predicting the target variable. MSE is widely used in statistical regression and data analysis and can be helpful in comparing different models or tuning parameters to improve the accuracy of predictions.

This looks confusing, but it isn’t too hard to follow when we break it down in the following sections.

How to Calculate Mean Squared Error in Microsoft Excel

There are two main ways you can calculate MSE in Microsoft Excel: the SUMSQ function, the AVERAGE function, and the MSE formula. We’ll use the example below to show you how to calculate MSE using each of these functions:

In this simplified example, we’ll look at fictional sales values for each month (Column A). The estimated values are represented in Column B and the actual values in Column C.

Calculate MSE Using the SUMSQ Function

The SUMSQ function in Excel is used to calculate the sum of the squares of numbers in a range. Here’s how to use it to calculate MSE:

1. Create a new column in Column D called “Difference”. This will represent the difference between the expected and actual values.

1. Use the formula “C2-B2” to calculate the difference for the data points in each row.

1. Select a new cell and type the following syntax: “=SUMSQ(D2:D13/COUNT(D2:D13)”. Replace the cells in the formula with the correct cells from your Excel spreadsheet. The final result in this cell is your MSE.

Calculate MSE Using the AVERAGE Function

The AVERAGE function in MS Excel is used to calculate the average of a range of numbers. This method returns the same result as the SUMSQ function, but each step is performed manually.

1. Perform Steps 1 and 2 described in the SUMSQ method. This will return the differences between the forecasted values and actual data.

1. Name Column E “Square of Differences”, then use the formula “=D2^2” to calculate the square of the difference of each value in Column D.

1. Select a new cell and calculate the average value of Column E. This will return the mean of the squared values that you previously calculated. To do so, type “=AVERAGE(E2:E12)” and press Enter. Make sure to replace the cells with the cells you used in your worksheet. The resulting data value is your MSE.

Statistical Analysis in Microsoft Excel

Microsoft Excel has long been one of the most powerful tools for data analysis. Hopefully, with this tutorial, you can now use Excel to calculate MSE easily. And, since they’re so similar, you should be able to perform the same calculations in Google Sheets.

Related posts

• Ulasan router nirkabel ASUS RT-AC85P: Apa yang ditawarkannya?

• Review ASUS RT-AX68U: Sebuah desain ulang klasik untuk Wi-Fi 6! -

• Ulasan ASUS RT-AX82U: game memenuhi Wi-Fi 6! -

• Ulasan ASUS TUF-AX5400: router Wi-Fi 6 untuk para gamer! -

• Meninjau ASUS RT-AC58U - Apakah ini router nirkabel AC1300 terbaik?

• Ulasan TP-Link Deco X60: Penampilan cantik memenuhi Wi-Fi 6!

• Apa itu jaringan ASUS AiMesh dan bagaimana cara membuatnya? -

• Cara mengkonfigurasi router ASUS Anda untuk transfer BitTorrent (P2P)

• 7 cara ASUS Parental Controls melindungi anak-anak Anda

• Ulasan TP-Link Archer AX20: Mendefinisikan ulang nilai uang? -

• Review ASUS RT-AC67U: Sistem WiFi AiMesh paling terjangkau!

• Review ASUS BRT-AC828 - Untuk bisnis yang menginginkan lebih!

• Meninjau ASUS USB-AC68 - Adaptor WiFi yang terlihat seperti burung

• Ulasan TP-Link Archer AX10 (AX1500) - Wi-Fi 6 Terjangkau untuk Semua Orang!

• Ulasan ASUS Lyra Voice: Transformers memenuhi router WiFi!

• Cara mengatur Kontrol Orang Tua pada router ASUS -

• Ulasan ASUS Lyra AC2200: Sistem WiFi seluruh rumah pertama oleh ASUS!

• Bagaimana cara mereset router ASUS ke pengaturan pabrik? (4 cara)

• Ulasan ASUS Blue Cave: Tampilan berbeda, performa hebat!

• Review ASUS RT-AX58U: Wi-Fi 6 dengan harga lebih terjangkau!