Fungsi FORECAST.ETS.CONFINT di Excel: Menghitung Interval Kepercayaan untuk Prediksi Deret Waktu

Ketika membuat prediksi deret waktu—baik penjualan, permintaan barang, pendapatan bulanan, atau jumlah pengunjung—kita tidak hanya membutuhkan angka prediksi, tetapi juga seberapa besar ketidakpastian dari prediksi tersebut.

Di sinilah fungsi FORECAST.ETS.CONFINT menjadi penting. Jika FORECAST.ETS memberikan angka prediksi utama, maka FORECAST.ETS.CONFINT memberikan interval kepercayaan (confidence interval) yang menunjukkan rentang nilai di mana hasil aktual kemungkinan besar akan berada.

Dengan kata lain, fungsi ini membantu kita memahami risiko, variasi, dan ketidakpastian dalam prediksi berbasis Exponential Smoothing (ETS)—terutama untuk data musiman atau tren kompleks.

File: fungsi-forecast-ets-confint-excel.xlsx

Daftar Isi

Apa Itu Fungsi FORECAST.ETS.CONFINTdi Excel?

FORECAST.ETS.CONFINT adalah fungsi Excel yang menghitung interval kepercayaan untuk prediksi yang dihasilkan oleh FORECAST.ETS. Interval kepercayaan ini menunjukkan rentang nilai yang secara statistik mungkin terjadi berdasarkan pola historis.

Dalam dunia statistik, nilai kembalian FORECAST.ETS.CONFINT umum disebut sebagai interval.

Sintak
FORECAST.ETS.CONFINT(target_date; values; timeline; [confidence_level]; [seasonality]; [data_completion]; [aggregation])

Keterangan:

target_date (wajib): Titik waktu yang ingin dihitung interval kepercayaannya.
values (wajib): Data historis yang digunakan untuk prediksi.
timeline (wajib): Deret waktu yang sesuai dengan values.
confidence_level (opsional): Tingkat kepercayaan (default = 0,95).
seasonality (opsional): Panjang pola musiman (default = 0).
data_completion (opsional): Apakah Excel harus mengisi data hilang—0 = Tidak (default), 1 = Ya.
aggregation (opsional): Cara menggabungkan nilai jika ada duplikasi tanggal.

Kapan Menggunakan Fungsi FORECAST.ETS.CONFINT?

Gunakan FORECAST.ETS.CONFINT ketika kita ingin memahami risiko dan variasi dari prediksi deret waktu, terutama jika:

Data memiliki pola musiman
Prediksi digunakan untuk perencanaan kapasitas
Perlu skenario terbaik vs terburuk
Data historis menunjukkan fluktuasi signifikan
Ingin membuat keputusan berbasis risiko, bukan hanya angka tunggal

Contoh kasus ideal:

peramalan penjualan musiman
prediksi permintaan barang
estimasi pengunjung website
perencanaan inventori
perencanaan anggaran berbasis risiko

Tips Menggunakan Rumus FORECAST.ETS.CONFINT

Pastikan timeline menggunakan periode konsisten
Gunakan minimal 8–12 periode data historis untuk stabilitas
Bersihkan outlier sebelum melakukan forecasting
Gunakan seasonality manual jika pola musiman diketahui pasti
Gunakan grafik untuk memvisualisasikan rentang prediksi
Jika interval terlalu lebar, kemungkinan data sangat fluktuatif
Jika interval terlalu sempit, periksa apakah seasonality sudah benar

Contoh Rumus FORECAST.ETS.CONFINT di Excel

Prediksi Pendapatan Kafe Bulan Depan

Sebuah kafe kecil ingin memproyeksikan pendapatan bulan Februari 2025 dan memahami rentang ketidakpastiannya agar dapat merencanakan kebutuhan staf dan persediaan.

=FORECAST.ETS(E1; B2:B13; A2:A13)
=FORECAST.ETS.CONFINT(E1; B2:B13; A2:A13)

Kedua rumus mengembalikan prediksi 154.979.021 dan interval 25.182.671. Artinya, pendapatan pada Januari 2025:

Serendah-rendahnya: 154.979.021 – 25.182.671 = 129.796.350
Setinggi-tingginya 154.979.021 + 25.182.671 = 180.161.692

Cocok untuk: Perencanaan staf dan persediaan.

Prediksi pendapatan kafe bulan depan dengan rumus FORECAST.ETS.CONFINT.

Grafik tren terlihat seperti di bawah ini.

Grafik prediksi pendapatan kafe bulan depan.

Prediksi Kebutuhan Listrik Pabrik

Sebuah pabrik ingin memperkirakan pemakaian listrik pada April 2025 berdasarkan pemakaian bulanan selama 2024 dan memahami rentang fluktuasi untuk menegosiasikan kontrak listrik.

=FORECAST.ETS(E1; B2:B13; A2:A13)
=FORECAST.ETS.CONFINT(E1; B2:B13; A2:A13)

Rumus memberikan margin 37.047. Dengan FORECAST.ETS memberikan estimasi 154.531, maka:

Minimal pemakaian: 154.531-37.047=117.485
Maksimal pemakaian: 154.531+37.047=191.578

Cocok untuk: Negosiasi kontrak, perencanaan risiko operasional.

Prediksi Pendaftaran Kursus Online

Sebuah perusahaan teknologi pendidikan ingin memprediksi pendaftaran Juni 2025 berdasarkan data bulanan di 2024.

=FORECAST.ETS(E1; B2:B13; A2:A13)
=FORECAST.ETS.CONFINT(E1; B2:B13; A2:A13)

Dengan interval 608 dan prediksi 3.269, maka:

Estimasi pendaftaran terendah adalah 3.269-608=2.661
Estimasi tertinggi adalah 3.269+608=3.877

Cocok untuk: Perencanaan kapasitas server atau gudang.

Prediksi dengan Tingkat Kepercayaan 90%

Seorang pemilik kafe menginginkan rentang perkiraan yang lebih agresif.

Pemilik menggunakan tingkat kepercayaan 90%, alih-alih standar 95%, untuk estimasi pendapatan pada Januari 2025.

=FORECAST.ETS(E1; B2:B13; A2:A13)
=FORECAST.ETS.CONFINT(E1; B2:B13; A2:A13; 0,9)

Rumus memberikan basis interval 21.133.964. Dengan estimasi sebesar 154.979.021, pendapatan Januari 2025 berada pada rentang 133.845.057 sampai 176.112.985.

Cocok untuk: Analisa dengan skenario cepat.

Prediksi dengan tingkat kepercayaan 90%.

Prediksi dengan Siklus Musiman 12 Bulan

Karena lokasinya, pendapatan sebuah kafe mengikuti siklus musiman 12 bulan (Ramadan, Lebaran, liburan sekolah, Natal, dan Tahun Baru).

Untuk menghindari Excel salah mendeteksi musiman, manajemen kafe menstabilkan rumus dengan seasonality = 12.

=FORECAST.ETS(E1; B2:B13; A2:A13; 12)
=FORECAST.ETS.CONFINT(E1; B2:B13; A2:A13; ; 12)

Rumus mengembalikan prediksi 154.979.021 dan interval 25.182.671:

Minimal pendapatan: 154.979.021-25.182.671=129.796.350
Maksimal pendapatan: 154.979.021+25.182.671=180.161.692

Cocok untuk: Ritel, pariwisata, FMCG.

Prediksi dengan siklus musiman 12 bulan.

Prediksi dengan Data Hilang

Sebuah kafe tidak memiliki data penjualan pada bulan-bulan tertentu karena tutup untuk renovasi.

Dengan menggunakan parameter data_completion = 1, kita memberi tahu Excel untuk melakukan interpolasi pada bulan-bulan di mana data absen, alih-alih memperlakukannya sebagai pendapatan nol.

=FORECAST.ETS(E1; B2:B13; A2:A13; ; 1)
=FORECAST.ETS.CONFINT(E1; B2:B13; A2:A13; ; ; 1)

Cocok untuk: Estimasi dengan dataset bercelah.

Prediksi dengan Duplikasi Tanggal

Sebuah kafe mencatat transaksi per hari per shift dari tanggal 1 sampai 3 Januari. Manajemen ingin mengetahui berapa rata-rata pendapatan pada tanggal 4.

Rumus menggunakan aggregation = 6 (AVERAGE).

=FORECAST.ETS(F1; C2:C10; A2:A10; ; ; 1)
=FORECAST.ETS.CONFINT(F1; C2:C10; A2:A10; ; ; ; 1)

Rumus memberikan kita bahwa estimasi rata-rata berkisar dari 2.895.942 (3.280.534–384.591) sampai 3.665.125 (3.280.534+384.591).

Cocok untuk: Data POS, transaksi harian, shift operasional.

Kesalahan Umum Rumus FORECAST.ETS.CONFINT dan Solusinya

Masalah	Penyebab	Solusi
Error #VALUE!	Format angka atau tanggal salah	Periksa format data
Error #N/A	Panjang values dan timeline berbeda	Samakan panjang data
Error #NUM!	confidence_level salah, seasonality tidak valid, atau data terlalu sedikit	Gunakan confidence 0–1, perbaiki seasonality
Error #REF!	Referensi mengacu pada cell yang tidak ada	Perbaiki referensi
Error #NULL!	Pemisah argumen salah	Gunakan pemisah sesuai regional Excel

Kesimpulan

FORECAST.ETS.CONFINT adalah fungsi penting untuk memahami ketidakpastian dalam prediksi deret waktu. Jika FORECAST.ETS memberikan angka prediksi utama, maka FORECAST.ETS.CONFINT memberikan rentang nilai yang mungkin terjadi, sehingga kita dapat membuat keputusan berbasis risiko.

Fungsi ini sangat berguna untuk data musiman, tren kompleks, atau dataset yang tidak sempurna. Dengan memahami interval kepercayaan, kita dapat merencanakan kapasitas, anggaran, dan strategi bisnis dengan lebih percaya baik.