Dalam analisis deret waktu, tidak semua data mengikuti pola linier sederhana. Data seperti penjualan bulanan, pemesanan hotel, curah hujan, jumlah pasien, atau unduhan aplikasi memiliki pola musiman, tren naik/turun, atau fluktuasi berulang yang tidak bisa ditangani oleh regresi linier biasa.
Untuk kebutuhan seperti ini, Excel menyediakan FORECAST.ETS, fungsi forecasting berbasis Exponential Smoothing (ETS) yang mampu:
- menangkap pola musiman,
- merespons perubahan tren secara cepat,
- mengisi data hilang,
- mengagregasi data duplikat,
- dan menghasilkan prediksi yang lebih realistis untuk data deret waktu.
Artikel ini membahas cara kerja FORECAST.ETS, kapan menggunakannya, contoh kasus nyata, kesalahan umum, serta perbandingan lengkap dengan FORECAST dan FORECAST.LINEAR agar tidak terjadi duplikasi konten.
File: fungsi-forecast-ets-excel.xlsx
Apa Itu Fungsi FORECAST.ETS Excel?
FORECAST.ETS adalah fungsi Excel yang memprediksi nilai masa depan menggunakan metode Exponential Triple Smoothing (ETS). Berbeda dengan regresi linier, ETS memberikan bobot lebih besar pada data terbaru, sehingga prediksi lebih responsif terhadap perubahan pola.
Sintak
FORECAST.ETS(target_date; values; timeline; [seasonality]; [data_completion]; [aggregation])
Keterangan:
- target_date (wajib): Titik waktu yang ingin diprediksi.
- values (wajib): Nilai historis yang digunakan sebagai dasar prediksi.
- timeline (wajib): Deret waktu yang terkait dengan values.
- seasonality (opsional): Panjang siklus musiman, bernilai default nol (0) atau bisa ditentukan secara manual.
- data_completion (opsional): Penanganan data hilang. TRUE (default) agar Excel melengkapi secara otomatis, FALSE untuk mengabaikan.
- aggregation (opsional): Cara mengagregasi jika satu titik waktu memiliki beberapa nilai.
FORECAST.ETS akan menghasilkan prediksi nilai pada target_date berdasarkan pola, tren, dan musiman yang terdeteksi dari data historis.
Kapan Menggunakan Fungsi FORECAST.ETS?
Gunakan FORECAST.ETS ketika data memiliki karakteristik berikut:
- Pola musiman yang konsisten. Contoh: penjualan bulanan, pemesanan hotel, curah hujan.
- Tren naik atau turun yang jelas. Cocok untuk data yang berubah secara bertahap.
- Fluktuasi berulang, misalnya unduhan aplikasi yang naik saat musim promosi.
- Data deret waktu yang tidak sepenuhnya rapi
Fungsi ini dapat digunakan untuk:
- perencanaan stok,
- forecasting penjualan musiman,
- peramalan permintaan,
- estimasi anggaran,
- analisis operasional,
- deret waktu musiman
- forecasting penjualan musiman
Tips Menggunakan Rumus FORECAST.ETS
Agar prediksi lebih stabil dan realistis:
- Pastikan timeline berurutan dan tanpa duplikasi
- Gunakan seasonality manual jika siklus diketahui, misal 12 untuk data bulanan, 4 untuk triwulanan
- Isi data hilang atau gunakan data_completion = TRUE
- Gunakan aggregation jika ada banyak transaksi per periode
- Bandingkan hasil dengan data aktual secara berkala
- Jika data sangat fluktuatif, pertimbangkan pembersihan outlier
- Untuk data tanpa musiman, gunakan FORECAST.LINEAR agar tidak overfitting
Contoh Rumus FORECAST.ETS di Excel
Memprediksi Pemesanan Hotel Bulan Depan
Hotel XYZ mencatat pemesanan kamar bulanan. Pariwisata bersifat musiman — puncaknya pada bulan Juni sampai Agustus dan Desember. Mereka ingin memperkirakan pemesanan untuk Januari 2025.
=FORECAST.ETS(D2; B2:B13; A2:A13)Rumus mengembalikan 237 sebagai estimasi pemesanan kamar pada Januari 2025.
Cocok untuk: Peramalan permintaan musiman
Memprediksi Curah Hujan Bulanan
Kantor cuaca ingin mengetahui curah hujan bulan Januari 2025 berdasarkan data selama 2024.
=FORECAST.ETS(D2; B2:B13; A2:A13)Rumus memperkirakan curah hujan pada Januari 2025 adalah 155 mm.
Cocok untuk: Prakiraan cuaca
Memprediksi Unduhan Aplikasi Bulanan
Sebuah perusahaan informasi teknologi mengalami fluktuasi musiman terhadap aplikasi buatan mereka:
- Januari: Resolusi keuangan Tahun Baru
- Juni sampai Juli: Penganggaran pertengahan tahun
- November: Musim promosi
Perusahaan ingin memperkirakan unduhan untuk Maret 2025 untuk merencanakan kapasitas server.
=FORECAST.ETS(D2; B2:B13; A2:A13)Cocok untuk: Perencanaan kapasitas server, strategi pemasaran musiman.
Prediksi dengan Siklus Musiman 12 Bulan
Hotel XYZ mengetahui bahwa pemesanan kamar mengikuti siklus 12 bulan. Manajemen ingin mengetahui pemesanan kamar pada Januari 2025. Alih-alih menggantungkan perhitungan pada sistem musiman default Excel, mereka memastikan rumus menggunakan siklus tahunan (seasonality = 12).
=FORECAST.ETS(D2; B2:B13; A2:A13; 12)Cocok untuk: Ritel, pariwisata, barang konsumsi cepat habis.
Prediksi dengan Data Hilang
Sebuah rumah sakit mencatat jumlah pasien setiap hari, tetapi data beberapa hari hilang karena gangguan sistem. Dengan menggunakan data_completion = 1, Excel mengisi nilai yang hilang secara otomatis sehingga model ETS tetap stabil.
=FORECAST.ETS(D2; B2:B8; A2:A8; ; 1)Cocok untuk: Operasional apa pun yang melibatkan ketidaklengkapan data.
Prediksi dengan Duplikasi Tanggal
Sebuah kedai kopi mencatat transaksi per outlet, sehingga setiap tanggal muncul beberapa kali. Mereka ingin memperkirakan total pendapatan dari semua outlet pada 4 Januari 2026, dengan memberi tahu Excel untuk menggabungkan duplikasi tanggal.
=FORECAST.ETS(E2; C2:C10; B2:B10; ; ; 7)7 adalah nilai aggregation untuk total atau SUM.
Rumus mengembalikan Rp 182.045.210, yaitu estimasi pendapatan semua outlet pada tanggal yang diinginkan.
Cocok untuk: Sistem POS, pesanan e-commerce, catatan transaksi.
Kesalahan Umum Rumus FORECAST.ETS dan Solusinya
| Masalah | Penyebab | Solusi |
| Error #VALUE! | Parameter bukan angka atau tanggal valid. | Pastikan semua parameter berupa angka, tanggal, atau waktu |
| Error #N/A | Jumlah values dan timeline tidak sama, atau timeline tidak berurutan. | Periksa dan samakan panjang values dan timeline, serta urutkan timeline secara kronologis. |
| Error #NUM! | Parameter seasonality di luar rentang yang diizinkan, atau jumlah data terlalu sedikit. | Gunakan seasonality default (0) atau pastikan jumlah data cukup untuk mendeteksi pola musiman. |
| Prediksi tidak akurat | Data sangat fluktuatif atau banyak data hilang. | Lakukan pembersihan data, lengkapi data yang hilang, atau gunakan data_completion = 1. |
| Nilai prediksi terlalu ekstrem | Outlier dalam data atau agregasi tidak sesuai. | Perbaiki outlier atau sesuaikan agregasi |
Perbandingan FORECAST.LINEAR vs FORECAST.ETS
| Aspek | FORECAST.LINEAR | FORECAST.ETS |
| Jenis data | Linear, tanpa musiman | Musiman, tren kompleks |
| Metode | Regresi linier | Exponential Triple Smoothing |
| Respons terhadap perubahan | Lambat | Cepat (bobot lebih besar pada data terbaru) |
| Musiman | Tidak didukung | Didukung otomatis/manual |
| Data hilang | Tidak bisa diisi otomatis | Bisa diisi otomatis |
| Duplikasi tanggal | Tidak bisa | Bisa (aggregation) |
| Kapan digunakan | Tren stabil | Tren + musiman |
Kesimpulan
FORECAST.ETS adalah fungsi forecasting canggih di Excel yang dirancang untuk data deret waktu dengan pola musiman, tren kompleks, dan fluktuasi berulang. Berbeda dengan FORECAST dan FORECAST.LINEAR yang hanya cocok untuk tren linier, FORECAST.ETS mampu menangkap dinamika data nyata yang lebih rumit.
Jika kita bekerja dengan penjualan musiman, permintaan bulanan, data operasional harian, atau pola berulang lainnya, FORECAST.ETS adalah alat yang tepat untuk menghasilkan prediksi yang lebih akurat dan responsif.