Daftar Isi:
Video: Moving Average Time Series Forecasting with Excel 2024
Setelah menginstal Data Excel add-in dan Anda membuatnya tersedia di Excel, Anda dapat memilih salah satu alat analisisnya dan menjalankan analisis tersebut pada data masukan yang Anda menyediakan. Dalam dunia peramalan, itu berarti dasar yang telah Anda kumpulkan dan terstruktur dengan benar di lembar kerja.
Alat pertama yang mungkin Anda pertimbangkan - jika hanya karena itu yang paling mudah untuk digunakan dan dipahami - adalah alat Moving Average. Seperti biasa dengan add-in, mulailah dengan membuka tab Data Pita dan memilih Analisis Data. Pada kotak Analysis Tools, pilih Moving Average dan klik OK.
Kotak dialog Moving Average, yang ditunjukkan di sini, akan muncul.
Interval adalah jumlah aktual dari garis dasar Anda yang akan digunakan di setiap rata-rata bergerak.Pindah hari: Pergi dari sini ke sana
Mudah seperti rata-rata bergerak adalah untuk mengatur dan memahami, Anda mengambil tanggung jawab tambahan saat Anda memutuskan untuk meramalkannya. Masalahnya adalah berapa periode waktu dari baseline Anda yang harus Anda sertakan di setiap rata-rata bergerak.
Gunakan jumlah observasi aktual yang sama dalam menghitung setiap rata-rata bergerak. Jika rata-rata pergerakan pertama yang Anda gunakan Excel dihitung menggunakan tiga periode dari garis dasar, maka semua rata-rata bergerak dalam perkiraan Anda menggunakan tiga periode.
Anda ingin memilih jumlah periode yang tepat:
- Jika Anda menggunakan terlalu sedikit, prakiraan akan merespons guncangan acak di awal, saat apa yang Anda cari adalah memperlancar kesalahan acak dan fokus pada Penggerak nyata hasil penjualan Anda.
- Jika Anda menggunakan terlalu banyak, ramalannya tertinggal dari perubahan mendasar dan gigih di tingkat garis dasar - mungkin terlalu jauh bagi Anda untuk bereaksi secara efektif.
Bila Anda memutuskan untuk menggunakan alat Moving Average - atau lebih umum lagi, gunakan rata-rata bergerak terlepas dari apakah Anda menggunakan alat ini atau memasukkan rumusnya sendiri - Anda mengambil posisi pada efeknya. dari nilai dasar baru-baru ini versus pengaruh nilai dasar yang lebih jauh.
Misalkan Anda memiliki garis dasar yang membentang dari Januari 2016 sampai Desember 2016, dan Anda menggunakan rata-rata hasil penjualan tiga bulan untuk perkiraan Anda. Perkiraan untuk Januari 2017 akan menjadi rata-rata hasil dari bulan Oktober, November, dan Desember 2016. Perkiraan itu bergantung sepenuhnya pada kuartal terakhir tahun 2016 dan secara matematis tidak bergantung pada tiga perempat pertama tahun 2016.
Bagaimana jika sebaliknya Anda telah memilih moving average enam bulan? Kemudian perkiraan untuk Januari 2017 akan didasarkan pada rata-rata Juli sampai Desember 2016.Ini akan sepenuhnya bergantung pada paruh kedua tahun 2016, dan paruh pertama 2016 tidak akan memiliki pengaruh langsung pada perkiraan 2017 Januari.
Bisa jadi salah satu dari situasi ini - atau yang lainnya, seperti rata-rata pergerakan dua bulan - persis seperti yang Anda inginkan. Misalnya, Anda mungkin memerlukan perkiraan Anda untuk menekankan hasil terkini. Penekanan itu bisa sangat penting jika Anda menduga bahwa sebuah peristiwa baru-baru ini, seperti perubahan signifikan pada lini produk Anda, akan berpengaruh pada penjualan.
Di sisi lain, Anda mungkin tidak ingin menekankan hasil penjualan terakhir terlalu banyak. Menekankan hasil penjualan baru-baru ini dapat mengaburkan apa yang terjadi dengan baseline Anda dalam jangka panjang. Jika Anda tidak yakin berapa banyak untuk menekankan hasil terbaru, Anda memiliki beberapa pilihan bagus:
- Percobaan dengan jumlah periode waktu yang berbeda untuk menghasilkan rata-rata bergerak Anda. Pendekatan ini seringkali paling baik.
- Gunakan smoothing eksponensial, yang menggunakan keseluruhan garis dasar untuk mendapatkan perkiraan namun memberi bobot lebih besar pada nilai dasar yang lebih baru. Pemulusan eksponensial memberi bobot sedikit lebih rendah ke nilai dasar berikutnya, sedikit lebih rendah dari bobot sebelum itu, dan seterusnya sepanjang perjalanan kembali ke nilai dasar pertama, yang memiliki pengaruh paling sedikit pada ramalan berikutnya.
Rata-rata pergerakan dan garis dasar stasioner
Rata-rata pergerakan rata-rata cocok untuk garis dasar stasioner (garis dasar yang tingkatannya umumnya tidak meningkat atau menurun dalam jangka waktu yang panjang). Anda dapat menggunakan rata-rata bergerak dengan garis dasar yang cenderung naik atau turun, tapi biasanya Anda harus detrend terlebih dahulu atau menggunakan salah satu model moving-average yang lebih rumit.
Bagaimana Anda memberi tahu dasar stasiun diam dari yang sedang tren naik atau turun? Salah satunya adalah dengan melihatnya. Gambar berikut ini memiliki sebuah contoh. Garis dasar tentu terlihat stasioner. Ini memiliki lonjakan, puncak dan lembah, namun secara keseluruhan garis dasar tidak tampak tren naik atau turun.
Selama periode waktu yang lebih lama (katakanlah, enam tahun lebih dari dua), garis dasar ini mungkin berubah menjadi bagian dari sebuah siklus. Tapi untuk tujuan jangka pendek, ini adalah garis dasar diam. Masalahnya hanya dengan melihat garis dasar adalah terkadang tidak jelas apakah itu stasioner atau trending. Apa pendapat Anda tentang baseline yang ditunjukkan pada gambar berikut? Melihat grafik, sulit untuk mengatakan apakah garis dasar itu tidak bergerak. Mungkin, tapi sekali lagi mungkin benar-benar melayang turun. Anda bisa melakukan tes cepat dengan memeriksa korelasi antara tanggal dan pendapatan.Garis dasar ini terlihat seolah-olah mengarah ke bawah dengan lembut. Menambahkan garis tren untuk itu dapat membantu Anda menafsirkan apa yang sedang terjadi.