Moving Average Contoh ini mengajarkan cara menghitung moving average dari deret waktu di Excel. Rata-rata bergerak digunakan untuk memperlancar penyimpangan (puncak dan lembah) agar mudah mengenali tren. 1. Pertama, mari kita lihat rangkaian waktu kita. 2. Pada tab Data, klik Analisis Data. Catatan: cant menemukan tombol Analisis Data Klik disini untuk memuat add-in Analisis ToolPak. 3. Pilih Moving Average dan klik OK. 4. Klik pada kotak Input Range dan pilih range B2: M2. 5. Klik di kotak Interval dan ketik 6. 6. Klik pada kotak Output Range dan pilih sel B3. 8. Plot grafik nilai-nilai ini. Penjelasan: karena kita mengatur interval ke 6, rata-rata bergerak adalah rata-rata dari 5 titik data sebelumnya dan titik data saat ini. Akibatnya, puncak dan lembah dihaluskan. Grafik menunjukkan tren yang semakin meningkat. Excel tidak bisa menghitung moving average untuk 5 poin data pertama karena tidak ada cukup data point sebelumnya. 9. Ulangi langkah 2 sampai 8 untuk interval 2 dan interval 4. Kesimpulan: Semakin besar interval, semakin puncak dan lembah dihaluskan. Semakin kecil interval, semakin dekat rata-rata bergerak ke titik data aktual. Peramalan Peramalan Rata-Rata. Seperti yang Anda duga, kita melihat beberapa pendekatan paling primitif terhadap peramalan. Tapi mudah-mudahan ini setidaknya merupakan pengantar yang berharga untuk beberapa masalah komputasi yang terkait dengan penerapan prakiraan di spreadsheet. Dalam vena ini kita akan melanjutkan dengan memulai dari awal dan mulai bekerja dengan Moving Average prakiraan. Moving Average Forecasts. Semua orang terbiasa dengan perkiraan rata-rata bergerak terlepas dari apakah mereka yakin itu. Semua mahasiswa melakukannya setiap saat. Pikirkan nilai tes Anda di kursus di mana Anda akan menjalani empat tes selama semester ini. Mari kita asumsikan Anda mendapatkan 85 pada tes pertama Anda. Apa yang akan Anda perkirakan untuk skor tes kedua Anda Menurut Anda apa yang akan diprediksikan oleh guru untuk mendapatkan skor tes berikutnya? Menurut Anda, apa perkiraan teman Anda untuk memprediksi skor tes berikutnya? Menurut Anda, apa yang diprediksi orang tua Anda untuk skor tes berikutnya? Semua blabbing yang mungkin Anda lakukan terhadap teman dan orang tua Anda, mereka dan gurumu sangat mengharapkan Anda untuk mendapatkan sesuatu dari area yang Anda dapatkan. Nah, sekarang mari kita asumsikan bahwa meskipun promosi diri Anda ke teman Anda, Anda terlalu memperkirakan perkiraan Anda dan membayangkan bahwa Anda dapat belajar lebih sedikit untuk tes kedua dan Anda mendapatkan nilai 73. Sekarang, apa yang menarik dan tidak peduli? Mengantisipasi Anda akan mendapatkan pada tes ketiga Ada dua pendekatan yang sangat mungkin bagi mereka untuk mengembangkan perkiraan terlepas dari apakah mereka akan berbagi dengan Anda. Mereka mungkin berkata pada diri mereka sendiri, quotThis guy selalu meniup asap tentang kecerdasannya. Dia akan mendapatkan yang lain lagi jika dia beruntung. Mungkin orang tua akan berusaha lebih mendukung dan berkata, quotWell, sejauh ini Anda sudah mendapatkan nilai 85 dan angka 73, jadi mungkin Anda harus memikirkan tentang (85 73) 2 79. Saya tidak tahu, mungkin jika Anda kurang berpesta Dan werent mengibaskan musang seluruh tempat dan jika Anda mulai melakukan lebih banyak belajar Anda bisa mendapatkan skor yang lebih tinggi. quot Kedua perkiraan ini sebenarnya bergerak perkiraan rata-rata. Yang pertama hanya menggunakan skor terbaru untuk meramalkan kinerja masa depan Anda. Ini disebut perkiraan rata-rata bergerak menggunakan satu periode data. Yang kedua juga merupakan perkiraan rata-rata bergerak namun menggunakan dua periode data. Mari kita asumsikan bahwa semua orang yang menghina pikiran besar ini membuat Anda kesal dan Anda memutuskan untuk melakukannya dengan baik pada tes ketiga karena alasan Anda sendiri dan untuk memberi nilai lebih tinggi di depan kuotasi Anda. Anda mengikuti tes dan nilai Anda sebenarnya adalah 89 Setiap orang, termasuk Anda sendiri, terkesan. Jadi sekarang Anda memiliki ujian akhir semester yang akan datang dan seperti biasa Anda merasa perlu mendorong setiap orang untuk membuat prediksi tentang bagaimana Anda melakukannya pada tes terakhir. Nah, semoga anda melihat polanya. Nah, semoga anda bisa melihat polanya. Yang Anda percaya adalah Whistle paling akurat Sementara Kami Bekerja. Sekarang kita kembali ke perusahaan pembersih baru kita yang dimulai oleh saudara tirimu yang terasing bernama Whistle While We Work. Anda memiliki beberapa data penjualan terakhir yang ditunjukkan oleh bagian berikut dari spreadsheet. Kami pertama kali mempresentasikan data untuk perkiraan rata-rata pergerakan tiga periode. Entri untuk sel C6 harus Sekarang Anda dapat menyalin formula sel ini ke sel lain C7 sampai C11. Perhatikan bagaimana rata-rata pergerakan data historis terbaru namun menggunakan tiga periode paling terakhir yang tersedia untuk setiap prediksi. Anda juga harus memperhatikan bahwa kita benar-benar tidak perlu membuat ramalan untuk periode sebelumnya untuk mengembangkan prediksi terbaru kita. Ini jelas berbeda dengan model smoothing eksponensial. Ive menyertakan prediksi quotpast karena kami akan menggunakannya di halaman web berikutnya untuk mengukur validitas prediksi. Sekarang saya ingin menyajikan hasil yang analog untuk ramalan rata-rata pergerakan dua periode. Entri untuk sel C5 harus Sekarang Anda dapat menyalin formula sel ini ke sel lain melalui C6 C6. Perhatikan bagaimana sekarang hanya dua buah data historis terakhir yang digunakan untuk setiap prediksi. Sekali lagi saya telah menyertakan prediksi quotpast untuk tujuan ilustrasi dan untuk nanti digunakan dalam validasi perkiraan. Beberapa hal lain yang perlu diperhatikan. Untuk perkiraan rata-rata pergerakan m-m, hanya m data terakhir yang digunakan untuk membuat prediksi. Tidak ada hal lain yang diperlukan. Untuk perkiraan rata-rata pergerakan m-period, saat membuat prediksi quotpast predictququot, perhatikan bahwa prediksi pertama terjadi pada periode m 1. Kedua masalah ini akan sangat signifikan saat kita mengembangkan kode kita. Mengembangkan Fungsi Bergerak Rata-rata. Sekarang kita perlu mengembangkan kode ramalan rata-rata bergerak yang bisa digunakan lebih fleksibel. Kode berikut. Perhatikan bahwa masukan adalah untuk jumlah periode yang ingin Anda gunakan dalam perkiraan dan rangkaian nilai historis. Anda bisa menyimpannya dalam buku kerja apa pun yang Anda inginkan. Fungsi MovingAverage (Historis, NumberOfPeriods) Sebagai Single Declaring dan variabel inisialisasi Dim Item Sebagai Variant Dim Counter Sebagai Akumulasi Dim Integer Sebagai Single Dim HistoricalSize As Integer Inisialisasi variabel Counter 1 Akumulasi 0 Menentukan ukuran array historis HistoricalSize Historical. Count Untuk Counter 1 To NumberOfPeriods Mengumpulkan jumlah yang sesuai dari nilai yang teramati terakhir yang terakhir Akumulasi Akumulasi Historis (HistoricalSize - NumberOfPeriods Counter) MovingAverage Accumulation NumberOfPeriods Kode akan dijelaskan di kelas. Anda ingin memposisikan fungsi pada spreadsheet sehingga hasil perhitungan muncul di tempat yang seharusnya seperti berikut. Memilih trendline terbaik untuk data Anda Bila Anda ingin menambahkan trendline ke tabel di Microsoft Graph, Anda dapat memilih salah satu dari Enam tipe trendregression yang berbeda. Jenis data yang Anda tentukan jenis trendline yang harus Anda gunakan. Keandalan trendline Tren trendline paling dapat diandalkan bila nilai R-kuadratnya berada pada atau dekat 1. Bila Anda sesuai dengan trendline data Anda, Grafik menghitung secara otomatis nilai R-kuadratnya. Jika mau, Anda bisa menampilkan nilai ini pada bagan Anda. Garis tren linier adalah garis lurus terbaik yang cocok yang digunakan dengan kumpulan data linier sederhana. Data Anda linier jika pola pada titik datanya menyerupai garis. Garis tren linier biasanya menunjukkan bahwa ada sesuatu yang meningkat atau menurun pada tingkat yang stabil. Dalam contoh berikut, garis tren linier dengan jelas menunjukkan bahwa penjualan kulkas secara konsisten meningkat selama periode 13 tahun. Perhatikan bahwa nilai R-kuadrat adalah 0,9036, yang sesuai dengan data. Trendline logaritmik adalah garis lengkung yang paling sesuai yang paling berguna bila laju perubahan data meningkat atau menurun dengan cepat dan kemudian tingkat keluar. Trendline logaritmik dapat menggunakan nilai negatif dan positif. Contoh berikut menggunakan garis tren logaritmik untuk menggambarkan perkiraan pertumbuhan populasi hewan di area ruang tetap, di mana populasi diratakan sebagai ruang untuk hewan menurun. Perhatikan bahwa nilai R-kuadrat adalah 0,9407, yang merupakan garis yang relatif sesuai dengan data. Garis tren polinomial adalah garis melengkung yang digunakan saat data berfluktuasi. Hal ini berguna, misalnya, untuk menganalisis keuntungan dan kerugian dari kumpulan data yang besar. Urutan polinom dapat ditentukan oleh jumlah fluktuasi data atau berapa banyak tikungan (bukit dan lembah) yang muncul di kurva. Order 2 polinomial trendline umumnya hanya memiliki satu bukit atau lembah. Pesanan 3 umumnya memiliki satu atau dua bukit atau lembah. Order 4 umumnya memiliki sampai tiga. Contoh berikut menunjukkan garis tren polinomial Order 2 (satu bukit) untuk menggambarkan hubungan antara kecepatan dan konsumsi bensin. Perhatikan bahwa nilai R-kuadrat adalah 0,9474, yang sesuai dengan data. Garis tren daya adalah garis melengkung yang paling baik digunakan dengan kumpulan data yang membandingkan pengukuran yang meningkat pada tingkat tertentu misalnya, percepatan mobil balap pada interval satu detik. Anda tidak dapat membuat trendline daya jika data Anda berisi nilai nol atau negatif. Dalam contoh berikut, data percepatan ditunjukkan dengan memetakan jarak dalam meter per detik. Trendline kekuatan jelas menunjukkan akselerasi yang meningkat. Perhatikan bahwa nilai R-kuadrat adalah 0,9923, yang merupakan garis yang hampir sempurna terhadap data. Garis tren eksponensial adalah garis melengkung yang paling berguna saat nilai data naik atau turun pada tingkat yang semakin tinggi. Anda tidak dapat membuat trendline eksponensial jika data Anda mengandung nilai nol atau negatif. Dalam contoh berikut, trendline eksponensial digunakan untuk menggambarkan penurunan jumlah karbon 14 pada suatu benda yang berabad-abad. Perhatikan bahwa nilai R-kuadrat adalah 1, yang berarti garis tersebut sesuai dengan data dengan sempurna. Garis tren rata-rata bergerak menghaluskan fluktuasi data untuk menunjukkan pola atau tren yang lebih jelas. Garis tren rata-rata bergerak menggunakan sejumlah titik data tertentu (ditentukan oleh opsi Periode), rata-rata, dan menggunakan nilai rata-rata sebagai titik di garis tren. Jika Periode diatur ke 2, misalnya, maka rata-rata dua titik data pertama digunakan sebagai titik pertama dalam garis tren rata-rata bergerak. Rata-rata titik data kedua dan ketiga digunakan sebagai titik kedua di garis tren, dan seterusnya. Dalam contoh berikut, trendline rata-rata bergerak menunjukkan pola jumlah rumah yang terjual selama periode 26 minggu.
No comments:
Post a Comment