Menghitung Persentase Akurasi Perkiraan adalah tugas yang sangat akrab untuk dilakukan tidak hanya untuk orang-orang yang bekerja dengan statistik dan analisis data tetapi juga untuk orang-orang yang bekerja dengan ilmu data dan pembelajaran mesin. Dalam artikel ini, kami akan menunjukkan kepada Anda 4 metode termudah dan paling efisien tentang cara untuk Menghitung Persentase Akurasi Prakiraan di Excel.

Unduh Buku Kerja

Anda bisa mengunduh buku kerja Excel latihan gratis dari sini.

Pengantar Akurasi Prakiraan

Akurasi Prakiraan adalah deviasi antara permintaan yang diperkirakan dan permintaan aktual Ini juga disebut Kesalahan Prakiraan Jika kesalahan dari perkiraan permintaan sebelumnya dihitung dengan benar, ini memungkinkan Anda untuk memodifikasi perencanaan bisnis Anda di masa depan, seperti meningkatkan tingkat layanan Anda, mengurangi kehabisan stok, mengurangi biaya rantai pasokan, dll. untuk membuatnya lebih sukses.

Menghitung akurasi perkiraan sangat penting dalam bisnis, jadi Anda harus memiliki metode yang konsisten dan andal untuk memperkirakan perkiraan dengan mudah.

Dalam artikel ini, kami akan menunjukkan kepada Anda bagaimana Anda dapat menghitung persentase akurasi ramalan dengan 4 cara yang paling dapat diandalkan. Tetapi sebelum menunjukkan kepada Anda metode penghitungan tersebut, pertama-tama, Anda perlu tahu apa permintaan aktual dalam akurasi peramalan.

Pengantar Prakiraan Permintaan untuk Menghitung Persentase Akurasi Prakiraan

Peramalan Permintaan atau Peramalan Penjualan adalah topik yang sangat luas. Tujuan artikel ini adalah untuk menunjukkan kepada Anda bagaimana Anda dapat menghitung Persentase Akurasi Perkiraan Jadi, di sini kami hanya akan memberi Anda gambaran singkat tentang peramalan permintaan.

Di sisi lain, Prakiraan Permintaan adalah sesuatu yang tidak terlalu umum di setiap organisasi. Atau bahkan jika perusahaan Anda memilikinya, Anda mungkin tidak menyadarinya. Jika perusahaan Anda memiliki ERP atau perangkat lunak terkait, maka kemungkinan besar Anda memiliki perkiraan.

Rumus untuk menghitung Prakiraan Permintaan adalah,

Dengan menerapkan rumus ini, Anda dapat dengan mudah mengetahui perkiraan permintaan organisasi Anda.

4 Metode tentang Cara Menghitung Persentase Akurasi Prakiraan di Excel

Sekarang setelah Anda mengetahui tentang Aktual Prakiraan dan Prakiraan Permintaan , Anda bisa memulai perhitungan dari Persentase Akurasi Perkiraan di Excel.

Langkah-langkah untuk menghitung Akurasi Prakiraan untuk produk per produk di Excel diberikan di bawah ini.

Langkah-langkah:

• Pada awalnya, hanya kurangi perkiraan dari permintaan untuk menghitung kesalahan perkiraan untuk setiap produk.
• Setelah itu, gunakan ABS() rumus di Excel untuk menghitung nilai absolut dari kesalahan .
• Akhirnya, cukup membagi nilai absolut dari kesalahan dengan permintaan dan mengalikannya dengan 100 untuk menghitung persentase kesalahan pada level produk.

Semua langkah penghitungan ini ditunjukkan di bawah ini untuk horison penjualan 2 bulan.

Anda bisa memanfaatkan Fungsi SUM () untuk menghitung Total dari semua atribut dalam menghitung persentase akurasi peramalan di Excel.

Nah, seperti yang sudah Anda ketahui, kesalahan-kesalahan ini berada pada level item. Kita sekarang perlu mengetahui bagaimana cara mendapatkan indikator keseluruhan berdasarkan pengukuran ini.

Setelah bagian ini, Anda akan mempelajari 4 rumus matematika yang paling sederhana dan umum digunakan untuk menghitung persentase akurasi perkiraan di Excel.

1. Akurasi Prakiraan BIAS/ Kesalahan Prakiraan Konsisten untuk Menghitung Persentase Akurasi Prakiraan

Prediksi BIAS adalah analisis deviasi antara nilai aktual dan nilai estimasi .

Untuk menghitung akurasi perkiraan sederhana membagi Total Kesalahan dengan Total Permintaan .

Untuk memeriksa apakah prediksi untuk semua produk adalah terlalu tinggi ( BIAS> 0 ) atau diremehkan ( BIAS <0 ), Anda bisa memanfaatkan metode ini.

Baca selengkapnya: Cara Menghitung Persentase Keuntungan di Excel (3 Metode)

2. Mean Absolute Percentage Error (MAPE) untuk Menghitung Akurasi Prakiraan di Excel

Cara lain yang sederhana dan efektif untuk menghitung kesalahan prakiraan adalah dengan menghitung Kesalahan Persentase Absolut Rata-rata (MAPE) dari prakiraan. MAPE didefinisikan sebagai rata-rata dari persentase Kesalahan .

Sebagai MAPE adalah perhitungan kesalahan, persentase tinggi berarti buruk, dan persentase rendah berarti baik.

Kami tidak merekomendasikan metode ini karena tidak ada pembobotan pada kuantitas atau nilai. Periode permintaan yang tinggi dapat dengan mudah diremehkan jika Anda sepenuhnya mengandalkan indikator ini untuk mengukur perkiraan Anda.

Baca selengkapnya: Hitung Persentase Menggunakan Referensi Sel Absolut di Excel (4 Metode)

3. Kesalahan Absolut Rata-rata (MAE)/ Deviasi Absolut Rata-rata (MAD)/ Persentase Kesalahan Absolut Tertimbang (WAPE)

Kesalahan Absolut Rata-rata (MAE) atau Deviasi Absolut Rata-rata (MAD) atau Kesalahan Persentase Absolut Tertimbang (WAPE) adalah rata-rata kesalahan absolut tertimbang Nilai absolut berarti bahkan ketika perbedaan antara permintaan yang diperkirakan dan permintaan aktual adalah nilai negatif, itu menjadi positif.

Untuk menghitung Kesalahan Absolut Rata-rata (MAE) dari perkiraan saja membagi Total Kesalahan Absolut dengan Total Permintaan .

Metode ini diberi bobot berdasarkan kuantitas atau nilai, sehingga sangat direkomendasikan dalam perencanaan permintaan.

Namun demikian, ada satu kelemahan pada metode ini. Karena kesalahan permintaan tidak proporsional, metode ini bekerja paling baik ketika mengerjakan satu produk. Jika digunakan pada produk dengan volume yang berbeda, hasilnya akan bengkok dengan produk yang volumenya lebih berat.

Baca selengkapnya: Cara Menghitung Persentase Penurunan Berat Badan di Excel (5 Metode)

4. Root Mean Squared Error (RMSE) untuk Menghitung Akurasi Prakiraan di Excel

Akar Kesalahan Kuadrat Rata-rata (RMSE) dihitung dari akar kuadrat dari Kesalahan Kuadrat Rata-rata (MSE) atau Deviasi Kuadrat Rata-rata (MSD) .

Kita perlu menambahkan Kesalahan Kuadrat (Kesalahan ^ 2) untuk setiap produk untuk indikator ini. Kemudian kita dapat menghitung Kesalahan Kuadrat Rata-rata . Kesalahan Kuadrat Rata-rata (MSE) adalah kesalahan kuadrat rata-rata untuk setiap produk.

Sekarang kita memiliki nilai dari MSE , sekarang kita bisa mengukur RMSE untuk perkiraan kami.

Untuk menghitung RMSE , hanya membagi akar kuadrat MSE dengan Rata-rata Permintaan .

The RMSE Indikator ini relatif lebih kompleks untuk diimplementasikan dan mengekstrak hasil. Tetapi rumus ini sangat menghukum kesalahan perkiraan yang besar.

Ini juga merupakan metode yang sangat direkomendasikan karena metode ini mampu mengabaikan kesalahan komputasi dan menghasilkan hasil yang akurat.

Baca selengkapnya: Cara Menghitung Persentase Menang-Kalah di Excel (dengan Langkah Mudah)

Kesimpulan

Sebagai penutup, artikel ini menunjukkan kepada Anda 4 metode yang mudah dan berguna untuk Menghitung Persentase Akurasi Prakiraan Saya harap artikel ini sangat bermanfaat bagi Anda. Jangan ragu untuk mengajukan pertanyaan apa pun terkait topik tersebut.