Perusahaan yang dapat secara akurat memperkirakan penjualan dapat berhasil menyesuaikan tingkat produksi di masa depan, alokasi sumber daya dan strategi pemasaran agar sesuai dengan tingkat penjualan yang diantisipasi. Tindakan ini membantu mengoptimalkan operasi dan memaksimalkan laba. Model regresi meramalkan nilai variabel dependen - dalam hal ini penjualan - berdasarkan variabel independen. Spreadsheet Excel dapat dengan mudah menangani jenis persamaan ini.
Pengumpulan data
Tentukan variabel independen. Misalnya, anggap perusahaan Anda menghasilkan produk dengan penjualan yang terkait erat dengan perubahan harga minyak. Pengalaman Anda adalah bahwa penjualan meningkat ketika harga minyak naik. Untuk menyiapkan regresi, buat kolom spreadsheet untuk penjualan tahunan Anda selama beberapa tahun sebelumnya. Buat kolom kedua yang menunjukkan perubahan persentase dalam harga rata-rata minyak tahun ke tahun di setiap tahun penjualan. Untuk melanjutkan, Anda akan memerlukan Excel Analysis ToolPak, yang dapat Anda muat secara gratis dengan memilih "Add-in" pada menu "Options".
Menjalankan Regresi
Pilih "Regresi" dari item "Analisis Data" pada menu "Data". Tandai rentang variabel independen sebagai sumbu X dan variabel dependen sebagai sumbu Y. Berikan rentang sel untuk output dan tandai kotak untuk residu. Saat Anda menekan "OK," Excel akan menghitung regresi linier dan menampilkan hasilnya dalam rentang output Anda. Regresi mewakili garis lurus dengan kemiringan yang paling cocok dengan data. Excel menampilkan beberapa statistik untuk membantu Anda menginterpretasikan kekuatan korelasi antara kedua variabel.
Menafsirkan Hasil
Statistik R-squared menunjukkan seberapa baik variabel independen memperkirakan penjualan. Dalam contoh ini, R-squared minyak versus penjualan adalah 89,9, yang merupakan persen dari penjualan produk yang dijelaskan oleh persentase perubahan harga minyak. Angka di atas 85 menunjukkan hubungan yang kuat. Y-intersep, dalam contoh ini 380.000, menunjukkan jumlah produk yang akan Anda jual jika harga minyak tetap tidak berubah. Koefisien korelasi, dalam hal ini 15.000, menunjukkan bahwa kenaikan harga minyak sebesar 1 persen akan mendorong penjualan hingga 15.000 unit.
Menggunakan Hasil
Nilai regresi linier tergantung pada seberapa baik Anda dapat memperkirakan variabel independen. Misalnya, Anda dapat membayar analis industri minyak untuk perkiraan pribadi yang memperkirakan kenaikan harga minyak sebesar 6 persen selama tahun berikutnya. Lipat gandakan koefisien korelasinya dengan 6, dan tambahkan hasilnya - 90.000 - ke jumlah Y-intersep Anda sebesar 380.000. Jawabannya, 470.000, adalah jumlah unit yang kemungkinan akan Anda jual jika harga minyak naik 6 persen. Anda dapat menggunakan prediksi ini untuk menyiapkan jadwal produksi Anda untuk tahun mendatang. Anda juga dapat menjalankan regresi menggunakan pergerakan harga minyak yang berbeda untuk memprediksi hasil terbaik dan terburuk. Tentu saja, ini hanya prediksi, dan kejutan selalu memungkinkan. Anda juga dapat menjalankan regresi dengan beberapa variabel independen, jika sesuai.
