Video: Uji Anova dalam Analisis Regresi Linear Sederhana - Subtitle: English 2024
Istilah regresi tidak seburuk pemulusan eksponensial, tetapi lebih rumit, setidaknya dari segi matematika Dan itulah sebabnya alat Regresi dalam Analisis Data add-in mudah dilakukan. Add-in bertanggung jawab atas matematika, sama seperti halnya dengan moving averages dan exponential smoothing.
Anda masih harus memberikan dasar yang baik untuk alat dalam analisis Data add-in untuk mendapatkan hasil yang akurat.
Berikut adalah sekilas peramalan dengan regresi.
Gagasan di balik regresi adalah bahwa satu variabel memiliki hubungan dengan variabel lain. Saat Anda masih kecil, misalnya, tinggi badan Anda cenderung memiliki hubungan dengan usia Anda. Jadi jika Anda ingin meramalkan seberapa tinggi Anda akan menjadi tahun depan - setidaknya, sampai Anda berhenti tumbuh - Anda dapat memeriksa berapa umur Anda tahun depan.
Tentu saja, orang berbeda. Saat berusia 15 tahun, beberapa orang tingginya 5 kaki, tingginya enam kaki. Namun rata-rata, Anda dapat memperkirakan dengan yakin seberapa tinggi seseorang pada usia 15. (Dan Anda hampir dapat memperkirakan bahwa bayi yang baru lahir akan tingginya di bawah 2 kaki.)
Hal yang sama berlaku untuk peramalan penjualan. Misalkan perusahaan Anda menjual produk konsumen. Ini adalah taruhan yang bagus bahwa semakin banyak iklan yang Anda lakukan, semakin banyak yang akan Anda jual. Setidaknya perlu dicermati apakah ada hubungan antara ukuran anggaran iklan dan ukuran pendapatan penjualan Anda. Jika Anda menemukan bahwa ada hubungan yang dapat diandalkan - dan jika Anda tahu berapa banyak perusahaan Anda yang mau dihabiskan untuk iklan - Anda berada dalam posisi yang bagus untuk memperkirakan penjualan Anda.
Atau anggaplah perusahaan Anda memasarkan produk khusus, seperti pintu api. (A pintu api adalah salah satu yang tahan terhadap api untuk beberapa periode waktu tertentu, dan ada banyak bangunan di gedung perkantoran.) Tidak seperti produk konsumen, sesuatu seperti pintu api tidak Harus menjadi warna off-the-shelf tertentu atau memiliki aroma segar dari pada segar. Jika Anda membeli pintu api, Anda ingin mendapatkan yang memenuhi spesifikasi dan termurah.
Jadi jika Anda menjual pintu api, selama produk Anda memenuhi spesifikasi, Anda pasti ingin melihat hubungan antara harga pintu kebakaran dan berapa banyak yang terjual. Kemudian Anda memeriksa dengan departemen pemasaran Anda untuk mengetahui berapa banyak yang mereka inginkan untuk Anda bayar per pintu, dan Anda dapat membuat perkiraan Anda sesuai dengan itu.
Intinya adalah bahwa lebih sering daripada tidak, Anda dapat menemukan hubungan yang dapat diandalkan antara satu variabel (harga iklan atau harga satuan) dan yang lainnya (biasanya, pendapatan penjualan atau unit terjual).
Anda menggunakan alat Excel untuk mengukur hubungan itu. Dalam kasus perkiraan regresi, Anda memberi Excel beberapa garis dasar:
- Beban iklan historis dan pendapatan penjualan historis
- Berapa biaya yang Anda bayarkan untuk setiap pintu kebakaran dan berapa pintu yang Anda jual, misalnya
Jika Anda memberi Garis dasar yang bagus dari Excel, akan kembali kepada Anda dengan formula.
- Excel akan memberi Anda jumlah kalikan kalikan berapa banyak yang Anda harapkan untuk dibelanjakan untuk iklan, dan hasilnya akan menjadi perkiraan pendapatan penjualan Anda.
- Atau, misalnya, Excel akan memberi Anda sejumlah kalikan kalikan biaya unit per pintu, dan hasilnya adalah jumlah pintu yang dapat Anda jual.
Hanya sentuhan yang lebih rumit dari itu. Excel juga memberi Anda nomor, disebut konstanta, yang perlu Anda tambahkan ke hasil perkalian. Tapi, Anda bisa mendapatkan Excel untuk melakukan itu untuk Anda.
