Video: Benarkah Umur Umat Manusia Sampai 1500 H - Buya Yahya Menjawab | 2024
Saat Anda diminta membuat perkiraan penjualan menggunakan data Excel, salah satu hal pertama yang perlu Anda pertimbangkan adalah seberapa jauh ke masa depan Anda. ingin mengintip Beberapa teknik peramalan menempatkan Anda pada posisi untuk memperkirakan lebih jauh daripada yang lain. Angka ini menunjukkan dua teknik yang memungkinkan Anda memperkirakan hanya satu periode waktu di depan.
Perhatikan apa yang terjadi saat Anda meregangkannya terlalu jauh: Seperti karet gelang, mereka akan patah dan kembali pada Anda.
Lihat dulu di sel D5. Ini adalah rata-rata sel B2, B3, dan B4, dan itulah perkiraan prakiraan pergerakan rata-rata untuk bulan September 2004. Artinya, cara perkiraan ini disiapkan, perkiraan untuk bulan September adalah rata-rata bulan Juni, Juli, dan Agustus.. Anda bisa melihat perkiraan $ 40, 867 di sel D5, dan formula itu sendiri untuk ilustrasi di sel E5.
Rumus di D5 disalin dan ditempelkan di sel D28, di mana ia menyediakan ramalan "sebenarnya" untuk Agustus 2016. Saya menggunakan "nyata" dalam artian saya belum melihat nilai sebenarnya untuk itu. bulan - nilai aktual saya yang terakhir adalah untuk bulan Juli 2016 - sehingga Agustus 2016 melewati akhir garis dasar dan ramalan untuk bulan tersebut merupakan perkiraan yang sebenarnya. Rumus itu sendiri muncul di sel E28.
Tapi jika Anda menyalin dan menempelkan formula satu baris lagi ke bawah, untuk mencoba perkiraan untuk bulan September 2016, Anda telah membentangkannya terlalu jauh. Sekarang mencoba untuk rata-rata hasil aktual untuk Juni sampai Agustus 2016, dan Anda tidak memiliki sebenarnya untuk Agustus. Karena cara kerja AVERAGE Excel, ia mengabaikan sel B28 dan formula tersebut menghasilkan rata-rata B26 dan B27.
Jaksa Distrik akan menolak untuk mengadili jika Anda menemukan pengalihan tiba-tiba dari rata-rata pergerakan tiga bulan ke rata-rata pergerakan dua bulan, namun Anda seharusnya tidak melakukannya. Jika Anda melakukannya, Anda mengundang sebuah apel untuk dicampur dengan jeruk.
Dan jika Anda memperkirakan perkiraan Anda lebih jauh lagi, itu akan mengembalikan nilai kesalahan yang sangat buruk
# DIV / 0!
. (Hal seru itu saya maksudkan untuk menarik perhatian Anda Excel berteriak kepada Anda, "Anda mencoba untuk membagi dengan nol!")
Situasi yang sama terjadi dengan eksponensial smoothing, dan ini ditunjukkan pada gambar ini. Rumus untuk merapikan berbeda dari rumus untuk moving averages, tapi hal serupa terjadi saat Anda melewati perkiraan satu langkah di sel D28.
Perhatikan bahwa rumus di sel D29 (rumus ditunjukkan pada E29; nilai yang mengembalikan rumus muncul di D29) menggunakan nilai pada sel B28 dan D28.Tapi karena Anda belum memilikinya pada bulan Agustus, "ramalan" untuk bulan September 2016 rusak: Faktanya, ini tidak lebih dari perkiraan untuk bulan Agustus dikalikan 0. 7. Sekali lagi, dalam jenis pemulusan eksponensial ini, Anda terbatas pada perkiraan satu langkah di depan.
Angka tersebut menunjukkan situasi yang berbeda, di mana ramalan dibangun menggunakan regresi daripada rata-rata bergerak atau smoothing eksponensial.
Dengan menggunakan regresi, Anda berada pada posisi yang berbeda dengan rata-rata bergerak dan eksponensial. Seperti yang ditunjukkan gambar berikut, Anda dapat membuat perkiraan Anda menggunakan tanggal itu sendiri sebagai prediktor: Setiap nilai perkiraan ada berdasarkan hubungan di garis dasar antara tanggal dan pendapatan.
Karena Anda tahu nilai dari dua tanggal berikutnya, Agustus dan September 2016, Anda dapat menggunakan hubungan antara tanggal dan pendapatan di baseline pada dua tanggal berikutnya untuk mendapatkan perkiraan. Nilai perkiraan muncul di sel C28 dan C29 dan muncul di grafik sebagai dua poin terakhir dalam seri Forecast.
Sekarang, semakin jauh ke depan yang Anda ramalkan menggunakan regresi, semakin tipis esnya (atau jika Anda lebih suka metafora sebelumnya, semakin banyak ketegangan yang Anda hadapi di karet). Semakin jauh Anda dapatkan dari akhir garis dasar Anda, semakin banyak kesempatan untuk mengubah arah - misalnya, untuk menolak atau menurunkan tingkat.
Jika Anda memiliki kebutuhan nyata untuk memperkirakan, katakanlah, 12 bulan ke depan setiap bulan, dan jika Anda merasa ada hubungan yang dapat diandalkan antara jumlah tanggal dan pendapatan, maka regresi mungkin adalah pilihan terbaik Anda. Namun perlu diingat bahwa segala sesuatunya menjadi serampangan di masa depan.
Metode lain untuk mendorong perkiraan Anda melampaui pendekatan satu langkah di depan adalah perataan musiman. Pendekatan ini, yang bergantung pada komponen musiman di baseline Anda, dapat mendukung perkiraan yang berlanjut pada tahun itu di masa depan. Itu belum tentu begitu, tapi mungkin saja.
