Excel yang merupakan software keluaran dari Microsoft Corporation tentunya sudah tidak asing lagi sebagai aplikasi pengelola lembar kerja spreadsheet. Tidak hanya itu, Microsoft Excel juga dapat membuat grafik yang keren, menarik, dan user-friendly. Namun, siapa sangka Microsoft Excel memiliki kelebihan lain yang tidak banyak diketahui orang. Microsoft Office Excel sebenarnya juga menyediakan fasilitas untuk melakukan pengolahan data (analisis data) atau fungsi statistik yang lebih rumit seperti Analisis Statistik Inferensial yang dapat melakukan peramalan statistik atau menarik kesimpulan tentang sekelompok data.
Analisis Data sering digunakan bagi kita yang melakukan pengolahan data menggunakan Office Excel. Ketika sobat data ingin menganalisis data statistik, Microsoft Office Excel menyediakan fitur bernama Analysis ToolPak Excel. Add-Ins Analysis Toolpak adalah Add-in gratis yang dibangun dari Microsoft Excel itu sendiri, jadi kita hanya perlu menginstal Analysis Toolpak. Salah satu penggunaan analisis data statistik yang paling umum adalah Exponential Smoothing
Exponential smoothing atau dalam bahasa Indonesia disebut Exponential Smoothing adalah metode peramalan rata-rata bergerak yang memberikan bobot eksponensial atau inkremental pada data terbaru sehingga data terbaru akan mendapatkan bobot yang lebih besar. Dengan kata lain, semakin baru atau semakin banyak data saat ini, semakin besar bobotnya. Hal ini karena data terbaru dianggap lebih relevan sehingga diberi bobot lebih besar.
Parameter smoothing biasanya dilambangkan dengan α (alpha). Penggunaan exponential smoothing biasanya digunakan untuk peramalan (forecasting) atau peramalan bisnis seperti prediksi curah hujan, produksi roti, penyiapan obat, penjualan barang dengan alfa atau parameter tertentu. Tentunya untuk melakukan analisis statistik berupa Exponential Smoothing dapat diselesaikan dengan menggunakan Microsoft Excel. Pada artikel kali ini, DQLab akan membahas data analisis statistik berupa Exponential Smoothing menggunakan Excel.
Jadi, pastikan Anda membaca artikel tersebut dan membacanya sampai akhir.
1. Pelajari Tentang Analisis Deret Waktu
Sumber. Medium
Analisis Deret Waktu atau disebut juga dengan Analisis Deret Waktu merupakan salah satu bagian dari statistik inferensial. Analisis Time Series akan menggunakan data time series juga, dimana data tersebut dikumpulkan selama periode waktu tertentu. Dengan Time Series Analysis, kita juga bisa melakukan peramalan. Secara umum metode peramalan dapat dikelompokkan menjadi 2 bagian besar yaitu metode kualitatif atau metode subjektif dan metode kuantitatif atau metode objektif.
Beberapa metode yang termasuk dalam metode subjektif adalah
Sedangkan metode objektif dibagi lagi menjadi metode Time Series dan Causal. Karena kita fokus membahas Time Series, kali ini hanya akan diberikan contoh dari metode Time Series, antara lain:
Rata-Rata Bergerak
Penghalusan Eksponensial
Regresi Sederhana
ARMA
Arima
Sarima
Baca juga. Rumus Excel yang Paling Sering Digunakan di Dunia Bisnis
2. Pelajari Lebih Lanjut Tentang Pemulusan Eksponensial
Exponential Smoothing masih erat kaitannya dengan penggunaan analisis Time Series seperti kelompok metode ARIMA Box-Jenkins. Analisis mengembangkan model di mana prediksi merupakan penjumlahan linier tertimbang dari pengamatan atau kelambatan suatu pengujian. Metode pemulusan eksponensial serupa karena prediksi adalah jumlah bobot dari pengamatan sebelumnya, tetapi model secara eksplisit menggunakan bobot yang menurun secara eksponensial untuk pengamatan sebelumnya. Secara khusus, pengamatan masa lalu diberi bobot dengan rasio yang menurun secara geometris
Estimasi yang dihasilkan dengan metode exponential smoothing merupakan rata-rata tertimbang dari pengamatan sebelumnya, dengan bobot yang menurun secara eksponensial seiring bertambahnya usia pengamatan. Dengan kata lain, semakin baru pengamatan, semakin tinggi bobot yang terkait. Metode pemulusan eksponensial dapat dianggap sebagai pendamping dan alternatif dari metode kelas ARIMA Box-Jenkins yang populer untuk peramalan deret waktu. Secara kolektif, metode ini terkadang disebut sebagai model ETS, yang mengacu pada pemodelan eksplisit Error, Trend, dan Seasonality (Seasonality).
3. Jenis Pemulusan Eksponensial
Sumber. Google
Berdasarkan penelitian yang dilakukan oleh Hartono, Dwijana, Handiwidjojo bahwa terdapat perbandingan metode Single Exponential Smoothing dan Exponential Smoothing Adjusted for Trend yang digunakan untuk memprediksi secara akurat jumlah barang yang akan dijual pada periode yang akan datang. Single Exponential Smoothing adalah metode peramalan yang digunakan untuk data yang stasioner atau data yang relatif stabil. Exponential Smoothing Adjusted for Trend digunakan untuk data yang memiliki trend atau data yang memiliki kecenderungan naik atau turun dalam jangka panjang.
Hasil yang dicapai dari penelitian ini adalah metode Single Exponential Smoothing lebih akurat dibandingkan dengan metode Exponential Smoothing Adjusted for Trend (Holt's Method) karena dalam sejarah penjualannya tidak ada peningkatan penjualan/tidak ada tren. Selain itu persentase error (selisih data aktual dengan nilai forecast) dan MAD (untuk menghitung forecast error) yang diperoleh dari metode Single Exponential Smoothing lebih kecil dibandingkan dengan metode Exponential Smoothing Adjusted for Trend
Baca juga. Rumus Excel yang Paling Sering Digunakan di Dunia Bisnis
4. Analisis Data di Excel. Penghalusan Eksponensial
Berikut data 11 tahun dari 2011-2021. Tentukan nilai prediksi pada tahun 2022?
Berikut adalah cara melakukan analisis data menggunakan metode peramalan Exponential Smoothing dengan Microsoft Excel
Pastikan Anda telah menginstal add-in Analysis ToolPak. Anda bisa mengeceknya di File â†' Options â†' Add-Ins
Setelah data dimasukkan ke Excel, klik Menu Data dan pilih Analisis Data di grup Analisis
Saat kotak dialog seperti di bawah ini muncul, pilih Exponential Smoothing dan tekan OK
Setelah muncul kotak dialog Exponential Smoothing, isikan input range, damping factor, dan output range. Lalu klik Oke. Anda juga bisa mengecek bagian Chart output jika ingin melihat hasilnya dalam trend
Di mana
Rentang masukan. nilai-nilai yang dimiliki dan ingin diramalkan
Faktor redaman. 1 - , misalkan =0. 1, maka faktor peredamnya adalah 0. 9
Kisaran keluaran. sel tempat output mulai ditampilkan
Jika tidak ada lagi yang salah, maka akan terlihat seperti ini
Anda dapat mencoba beberapa nilai alfa dan membandingkan mana yang mendekati nilai sebenarnya
Baca juga. Mengenal Rumus IF pada 3 Kondisi dengan Excel
5. Ikuti Kuis di DQLab untuk Mengukur Kemampuan Anda Let's Go
Menyelesaikan Quiz Excel yang disediakan oleh DQLab bisa menjadi salah satu cara untuk menguji kompetensi lho. Sebagai seseorang yang masih belajar di bidang data, kemampuan mengukur sangat penting untuk dilakukan. Dengan begitu Anda bisa fokus untuk memperbaiki kelemahan Anda
Jangan khawatir, kuis ini gratis dan bisa diakses kapan saja. Ada 3 bab yang bisa Anda kerjakan, mulai dari komponen ruang kerja Excel, VLOOKUP, dan grafik.