Tutorial kelas excel ini membahas tentang fungsi FORECAST.ETS.CONFINT
lengkap dengan syntax dan contohnya.
Fungsi FORECAST.ETS.CONFINT
ini termasuk dalam kategori fungsi statistik di excel.
Deskripsi
Pengertian fungsi FORECAST.ETS.CONFINT
adalah fungsi microsoft excel untuk menghitung nilai selang kepercayaan / confidence interval untuk memprediksi nilai pada tanggal yang spesifik.
Nilai selang kepercayaan 95% artinya, 95% nila ekspektasi masa depan akan sesuai dengan radius perhitungan FORECAST.ETS
dengan distribusi normal.
Dengan menggunakan fungsi ini, maka akan membantu memahami akurasi model yang diprediksi.
Penggunaan
Mencari nilai interval kepercayaan untuk prediksi nilai di tanggal yang diinginkan.
Nilai yang Dihasilkan
Nilai selang kepercayaan.
Sintaksis
Berikut adalah syntax penulisan fungsi FORECAST.ETS.CONFINT
:
=FORECAST.ETS.CONFINT(target_date; values; timeline; [confidence_level]; [seasonality]; [data_completion]; [aggregation])
Argumen
Fungsi FORECAST.ETS.CONFINT
memiliki argumen berikut:
target_date
wajib – tanggal yang akan diprediksi (nilai x).values
wajib – nilai histori yang ada (nilai y).timeline
wajib – tanggal data history yang ada (nilai x).confidence_level
tidak wajib – tingkat kepercayaan (0-1), defaultnya 0,95.seasonality
tidak wajib – perhitungan musiman / trend (0 = tidak ada season, 1 = ada season, n = panjang musim dalamtimeline
)data_completion
tidak wajib – pengolahan data yang tidak lengkap / missing data (0 = data kosong diisi 0, 1 = diisi rata-rata), defaultnya 1.aggregation
tidak wajib – fungsi agregasi, default 1 (lihat tabel).
Catatan
Berikut catatan penggunaan rumus fungsi FORECAST.ETS.CONFINT
:
target_date
adalah tanggal pada timeline yang akan diprediksi nilai futurenya, nilaitarget_date
dapat berupa date/time atau numeric.values
disebut juga nilaiy
adalah data berupa range atau array dependen, biasanya berisikan data histori yang menjadi dasar nilai prediksi padatarget_date
.timeline
atau disebut nilaix
, berisikan data berupa range atau array independen. Datanya harus berupa numerik dan penambahannya konstan dalam setiap interval, bisa berupa harian, tahunan, bulanan, dll. timeline tidak harus urut, karena fungsiFORECAST.ETS.CONFINT
secara implisit akan mengurutkannya pada saat perhitungan.confidence_level
adalah tingkat kepercayaan untuk menghitung selang kepercayaan, bernilai antara 0 sampai 1 (ekslusif). Contoh, jika nilai interval kepercayaan 90% maka tingkat kepercayaan yang akan dihitung adalah 90% (90% nilai prediksi ada pada radius ini).seasonality
adalah pola yang ada padatimeline
, misal jika data per semester maka nilaiseasonality
adalah 2.- 0 = tanpa pola / musim.
- 1 = menghitung pola musim otomatis.
- 2 ≤
seasonality
≤ 8784 = nilai pola yang digunakan.
data_completion
adalah fungsi bagaimana excel akan mengatasi data yang hilang dalamtimeline
, misal dalam data histori ada beberapa data yang tidak ada. FungsiFORECAST.ETS.CONFINT
mendukung sampai 30% data yang hilang dan otomatis akan disesuaikan. Jika nilaidata_completion
0 maka data yang hilang akan otomatis diisi 0, jika diisi 1 maka data yang hilang akan diisi rata-rata dari data tetangganya (sebelum dan sesudah).aggregation
digunakan untuk menentukan fungsi apa yang akan digunakan untuk melakukan agregrasi / menggabungkan banyak data pada timeline yang sama.
- Error
#VALUE!
jikatarget_date
,seasonality
,data_completion
,aggregation
berisi non numerik. - Error
#N/A
jikatimeline
danvalues
memiliki panjang jumlah data yang berbeda. - Error
#NUM
jika:- Nilai data pada
timeline
semuanya sama. timeline
polanya tidak teratur / tidak terdefinisi.- Nilai
aggregation
tidak 1-7. - Nilai
data_completion
tidak 0 atau 1. - Nilai
seasonality
tidak 0-8784.
- Nilai data pada
Contoh
Berikut example dari fungsi FORECAST.ETS.CONFINT
:
Cara menggunakan rumus FORECAST.ETS.CONFINT
di atas sebagai berikut:
=FORECAST.ETS.CONFINT(A7;B2:B6;A2:A6;93%;1;1;4)
Hasil: 191,8409332
Diberikan target_date
tanggal 6 November 2021 (A7
), values
berupa stok barang (B2:B6
), timeline
berupa tanggal (A2:A6
), confidence_level
bernilai 93%, nilai seasonality
adalah 1, data_completion
diisi 1, dan aggregation
berupa fungsi MAX
(4
).