BEDUG MERIAH Diskon 95%
Belajar Data 6 BULAN Bersertifikat hanya Rp150K!

0 Hari 2 Jam 46 Menit 51 Detik

Data Analisis di Excel dengan Exponential Smoothing

Belajar Data Science di Rumah 27-Januari-2021
https://dqlab.id/files/dqlab/cache/aedca934ea9022849ce911bb404d2dbf_x_Thumbnail800.jpg

Excel yang merupakan software keluaran dari Microsoft Corporation yang tentunya sudah familiar sebagai aplikasi pengelolaan lembar kerja spreadsheet. Tidak hanya itu, Microsoft Excel juga dapat membuat grafik yang keren, menarik dan user-friendly. Tapi, siapa sangka jika Microsoft Excel memiliki keunggulan lain yang tidak banyak orang ketahui. Microsoft Office Excel sebenarnya juga menyediakan fasilitas untuk melakukan pengolahan data (data analysis) atau fungsi Statistika yang lebih rumit seperti Analisis Statistik Inferensial yang dapat melakukan peramalan statistika ataupun menarik suatu kesimpulan tentang suatu kelompok data. 

 

Data Analysis sering digunakan bagi kita yang melakukan pengolahan data menggunakan Office Excel. Ketika sahabat data ingin melakukan analisis data statistik, Microsoft Office Excel menyediakan sebuah fitur yaitu Analysis ToolPak Excel. Add-Ins Analysis Toolpak merupakan Add-ins gratis bawaan dari Microsoft Excel itu sendiri, Jadi kita hanya perlu melakukan Install Analysis Toolpak saja. Salah satu penggunaan analisis data statistik yang paling umum digunakan adalah Exponential Smoothing.

 

Exponential smoothing atau dalam bahasa Indonesia disebut dengan Penghalusan Eksponensial adalah suatu metode peramalan rata-rata bergerak yang memberikan bobot secara eksponensial atau bertingkat pada data-data terbarunya sehingga data-data terbaru tersebut akan mendapatkan bobot yang lebih besar. Dengan kata lain, semakin baru atau semakin kini datanya, semakin besar pula bobotnya. Hal ini dikarenakan data yang terbaru dianggap lebih relevan sehingga diberikan bobot yang lebih besar. 

 

Parameter penghalusan (smoothing) biasanya dilambangkan dengan α (alpha). Penggunaan exponential smoothing biasanya digunakan untuk forecasting (peramalan) atau peramalan bisnis seperti prediksi curah hujan, produksi roti, persediaan obat-obatan, penjualan barang dengan alpha ataupun parameter yang ditentukan. Tentunya untuk melakukan analisis statistik berupa Exponential Smoothing dapat diselesaikan menggunakan Microsoft Excel. Pada artikel kali ini, DQLab akan mengupas tentang data analisis statistik berupa Exponential Smoothing dengan menggunakan Excel. 

 

Jadi, pastikan kalian simak artikelnya dan baca selengkapnya sampai habis ya! 


1. Kenali Tentang Analisis Runtun Waktu

excel

Source : Medium


Analisis Runtun Waktu atau dikenal juga dengan nama Time Series Analysis merupakan salah satu bagian dari statistik inferensial. Time Series Analysis akan menggunakan data time series juga, dimana datanya dikumpulkan dalam rentang waktu tertentu. Dengan Time Series Analysis, kita juga bisa untuk melakukan peramalan. Secara umum, metode peramalan bisa dikelompokkan menjadi 2 bagian besar, yaitu metode kualitatif atau metode subjektif dan metode kuantitatif atau metode objektif.

Beberapa metode yang termasuk ke dalam metode subjektif adalah:

  • Analogi

  • Teknik Survey

Sementara metode objektif terbagi lagi menjadi Time Series dan metode Kausal. Karena kita sedang fokus membahas tentang Time Series, maka kali ini hanya akan diberikan contoh dari metode Time Series saja, diantaranya adalah:

  • Moving Average

  • Exponential Smoothing

  • Simple Regression

  • ARMA

  • ARIMA

  • SARIMA

 

Baca juga : Rumus Excel yang Paling Sering Digunakan dalam Dunia Kerja


2. Mengenal Lebih Dekat Tentang Exponential Smoothing

excel

 

Exponential Smoothing masih erat dengan penggunaan analisis Time Series seperti kelompok metode ARIMA Box-Jenkins. Analisis tersebut mengembangkan model dimana prediksi adalah jumlah linier berbobot dari observasi atau lags suatu pengujian. Metode penghalusan eksponensial serupa karena prediksi adalah jumlah pembobotan dari pengamatan sebelumnya, tetapi model tersebut secara eksplisit menggunakan bobot yang menurun secara eksponensial untuk pengamatan sebelumnya. Secara khusus, pengamatan masa lalu diberi bobot dengan rasio yang menurun secara geometris.

 

Perkiraan yang dihasilkan menggunakan metode penghalusan eksponensial adalah rata-rata tertimbang dari pengamatan sebelumnya, dengan bobot yang menurun secara eksponensial seiring bertambahnya usia pengamatan. Dengan kata lain, semakin baru observasi semakin tinggi bobot terkait. Metode pemulusan eksponensial dapat dianggap sebagai rekan dan alternatif dari metode kelas ARIMA Box-Jenkins yang populer untuk peramalan deret waktu (time series). Secara kolektif, metode ini kadang-kadang disebut sebagai model ETS, dimana  mengacu pada pemodelan eksplisit Error, Trend, dan Musiman (Seasonality).


3. Tipe Exponential Smoothing

excel

Source: Google

Berdasarkan penelitian yang dilakukan oleh Hartono, Dwijana, Handiwidjojo bahwa terdapat perbandingan metode Single Exponential Smoothing dan Exponential Smoothing Adjusted for Trend digunakan untuk keakuratan meramalkan jumlah barang yang akan terjual untuk periode yang akan datang. Single Exponential Smoothing merupakan metode peramalan yang digunakan untuk data stasioner atau data yang relatif stabil. Exponential Smoothing Adjusted for Trend digunakan untuk data yang memiliki trend atau data yang memiliki kecenderungan peningkatan atau penurunan dalam jangka panjang. 

 

Hasil yang dicapai dari penelitian ini adalah metode Single Exponential Smoothing lebih tepat dibandingkan metode Exponential Smoothing Adjusted for Trend (Holt"s Method) karena pada histori penjualan tidak mengalami peningkatan penjualan / tidak ada trend. Selain itu, persentase kesalahan (selisih data aktual dengan nilai peramalan) dan MAD (untuk menghitung forecast error) yang didapat dari metode Single Exponential Smoothing lebih kecil dibandingkan dengan metode Exponential Smoothing Adjusted for Trend.

 

Baca juga : Rumus Excel yang Paling Sering Digunakan dalam Dunia Kerja 

 

4. Data Analisis di Excel: Exponential Smoothing

Berikut adalah data 11 tahun dari tahun 2011-2021. Tentukan nilai ramalan pada tahun 2022?

excel

Berikut adalah cara melakukan data analisis menggunakan metode peramalan Exponential Smoothing (Penghalusan Eksponensial) dengan Microsoft Excel:

  • Pastikan kamu telah menginstall add-ins Analysis ToolPak. Kamu bisa mengeceknya di File → Options → Add-Ins

excel

  • Setelah data dimasukkan ke Excel, klik Menu Data lalu pilih Data Analysis di group Analysis

excel

  • Ketika muncul dialog box seperti di bawah ini, pilih yang Exponential Smoothing lalu tekan OK.

excel

  • Setelah muncul kotak dialog Exponential Smoothing, isi input range, damping factor, serta output range. Lalu klik OK. Kamu juga bisa centang di bagian Chart output jika ingin melihat hasilnya secara trend.

excel

Dimana:

  • Input range : nilai yang dimiliki dan ingin di forecasting

  • Damping factor : 1 - ,  misalkan =0.1, maka damping factor nya adalah 0.9

  • Output range : cell tempat output mulai ditampilkan

  • Jika tidak ada yang salah lagi, maka tampilannya akan seperti ini:

excel

Kamu bisa mencoba beberapa nilai alpha dan membandingkan mana yang lebih mendekati nilai actual.

excel


Baca juga : Kenali Rumus IF pada 3 Kondisi dengan Excel


5. Kerjakan Quiz di DQLab untuk Mengukur Kemampuanmu Yuk!

Menyelesaikan Quiz Excel yang disediakan oleh DQLab bisa menjadi salah satu cara untuk uji kompetensi, lho! Sebagai orang yang masih terus belajar di bidang data, mengukur kemampuan memang sangat penting untuk dilakukan. Dengan begitu kamu bisa fokus untuk memperbaiki kelemahanmu.


Tenang saja, quiz ini gratis kok dan bisa diakses kapan saja. Ada 3 bab yang bisa kamu kerjakan, mulai dari komponen ruang kerja Excel, VLOOKUP, dan grafik. 


Nah, tunggu apalagi? Yuk segera signup di DQLab.id dan mulai belajar Excel sekarang!


Penulis 1: Reyvan Maulid Pradistya & Gifa Delyani Nursyafitri

Mulai Karier
sebagai Praktisi
Data Bersama
DQLab

Daftar sekarang dan ambil langkah
pertamamu untuk mengenal
Data Science.

Buat Akun


Atau

Sudah punya akun? Login