Interpolasi Linear Excel
Interpolasi linier di excel berarti meramalkan atau menebak nilai berikutnya yang akan datang dari variabel tertentu yang diberikan pada data saat ini, di sini kami membuat garis lurus yang menghubungkan dua nilai dan kami memperkirakan nilai masa depan melaluinya, di excel kami menggunakan fungsi perkiraan dan pencarian berfungsi untuk melakukan interpolasi linier.
Interpolasi adalah alat matematika atau statistik yang digunakan untuk memprediksi nilai antara 2 titik pada suatu kurva atau garis. Alat ini tidak hanya digunakan dalam statistik tetapi juga digunakan di banyak bidang lain seperti bisnis, sains, dll. Di mana pun ada peluang untuk memprediksi nilai antara dua titik data.
Bagaimana cara melakukan Interpolasi Linear di Excel?
Anda dapat mendownload Template Excel Interpolasi Linear ini di sini - Template Excel Interpolasi LinearContoh 1
Melakukan Interpolasi untuk mengetahui suhu cuaca pada zona waktu yang berbeda
Pertama, catat angka suhu wilayah Bangalore untuk setiap jam dan datanya adalah sebagai berikut: -
Data menunjukkan bahwa kami telah mendapatkan detail suhu di wilayah Bangalore untuk beberapa tanggal. Kolom tepat waktu kami memiliki zona waktu untuk kolom hari dan jam penuh kami sebutkan nomor jam dari awal hari seperti 12:00 adalah 0 jam, 1:00 adalah 1 jam, dan seterusnya. di.
Sekarang kita akan melakukan interpolasi untuk data untuk menarik nilai suhu untuk zona waktu yang diperlukan yang mungkin kapan saja tidak hanya jam yang tepat.
Untuk melakukan interpolasi, kita harus menggunakan beberapa rumus di Excel seperti FORECAST, OFFSET, MATCH. Mari kita lihat secara singkat rumus-rumus ini sebelum kita melanjutkan.
FORECAST () - Fungsi excel Forecast ini menghitung atau memprediksi nilai masa depan berdasarkan nilai yang ada bersama dengan tren linier.
- X - Ini adalah nilai yang ingin kami prediksi.
- Diketahui_ys - Ini adalah nilai dependen dari data dan bidang wajib diisi
- Diketahui_xs - Ini adalah nilai independen dari data dan bidang wajib diisi.
MATCH () - Fungsi excel Pertandingan ini akan mengembalikan posisi relatif dari nilai pencarian dalam baris, kolom atau tabel yang sesuai dengan nilai yang ditentukan dalam urutan tertentu.
- Lookup_value - Ini adalah nilai yang harus dicocokkan dari lookup_array
- Lookup_array - Ini adalah kisaran untuk pencarian
[match_type] - Ini bisa menjadi 1,0, -1. Standarnya adalah 1. For 1 - Match akan menemukan nilai terbesar yang kurang dari atau sama dengan nilai look_up dan nilai harus dalam urutan menaik. Untuk 0 - Match menemukan nilai pertama persis sama dengan lookup_value dan tidak perlu disortir. Untuk -1 - Match akan menemukan nilai terkecil yang lebih besar dari atau sama dengan nilai look_up dan harus diurutkan dalam urutan menurun.
OFFSET () - Fungsi Offset ini akan mengembalikan sel atau rentang sel yang jumlah baris dan kolomnya ditentukan. Sel atau rentang sel akan bergantung pada tinggi dan lebar dalam baris dan kolom yang kita tentukan.
- Referensi - Ini adalah titik awal dari mana penghitungan baris dan kolom akan dilakukan.
- Baris - Jumlah baris yang akan diimbangi di bawah sel referensi awal.
- Kolom - Jumlah kolom yang akan diimbangi langsung dari sel referensi awal.
- [tinggi] - Tinggi dalam baris dari referensi yang dikembalikan. Ini opsional.
- [width] - Lebar kolom dari referensi yang dikembalikan. Ini opsional.
Seperti yang telah kita lihat secara singkat rumus yang akan kita gunakan untuk melakukan interpolasi. Sekarang mari kita lakukan interpolasi sebagai berikut:
Ketik rumus di sel yang kita butuhkan untuk melihat suhu untuk zona waktu yang berbeda. Ini memberitahu bahwa kita harus memilih sel yang perlu diramalkan dan fungsi offset & match digunakan untuk memilih known_ys dan known_xs.
PRAKIRAAN ($ F $ 5 - Pilih sel yang memiliki zona waktu yang akan diperkirakan.
OFFSET ($ C $ 3: $ C $ 26, MATCH ($ F $ 5, $ B $ 3: $ B $ 26,1) -1,0,2) - Ini digunakan untuk memilih known_ys sebagai referensi diambil kolom temp karena ini adalah nilai dependen. Fungsi pencocokan digunakan untuk menghasilkan posisi nilai yang kita butuhkan untuk meramalkan dan menghitung jumlah baris. Kolom harus 0 karena kita ingin nilai dependen pada kolom yang sama yang dipilih dan tingginya adalah 2 karena kita perlu melakukan ramalan berdasarkan 2 nilai terakhir.
OFFSET ($ B $ 3: $ B $ 26, MATCH ($ F $ 5, $ B $ 3: $ B $ 26,1) -1,0,2) - Ini digunakan untuk memilih known_xs sebagai referensi diambil kolom jam karena ini adalah nilai independen dan istirahat sama seperti yang telah kita lakukan untuk hitungan baris.
Sekarang berikan beberapa zona waktu dalam sel yang telah kita pertimbangkan untuk diramalkan. Disini nilai yang dimasukkan adalah 19.5 yaitu 7:30 PM dan kita akan mendapatkan suhu 30 yang diramalkan dari nilai suhu yang diberikan basis per jam.
Demikian pula, kita dapat melihat angka suhu untuk zona waktu yang berbeda dari rumus ini.
Contoh # 2
Melakukan Interpolasi Linier untuk mengetahui penjualan suatu organisasi pada tahun 2018
Mari kita asumsikan bahwa kita mendapatkan detail penjualan untuk suatu organisasi pada tahun 2018 seperti di bawah ini. Kami memiliki data dalam hal hari dan penjualannya secara kumulatif. Kami mendapat penjualan 7844 unit dalam 15 hari pertama tahun ini, 16094 unit dalam 50 hari dalam setahun, dan seterusnya.
Kami dapat menggunakan rumus yang sama yang kami gunakan dalam interpolasi untuk memperkirakan nilai penjualan untuk hari yang berbeda yang tidak disebutkan dalam data yang kami pertimbangkan. Disini penjualannya dalam garis lurus (linear) seperti yang kita ambil secara kumulatif.
Jika kita ingin melihat jumlah penjualan yang telah kita capai dalam 215 hari maka kita bisa mendapatkan perkiraan jumlah penjualan selama 215 hari seperti di bawah ini dengan memperhatikan data penjualan yang diberikan.
Demikian pula, kita dapat mengetahui jumlah penjualan pada tahun itu dengan meramalkan di antara poin-poin yang diberikan.
Hal-hal untuk diingat
- Ini adalah metode yang paling tidak akurat tetapi cepat dan akurat jika nilai tabel berjarak dekat.
- Ini juga dapat digunakan dalam memperkirakan nilai untuk titik data geografis, curah hujan, tingkat kebisingan, dll.
- Ini sangat mudah digunakan dan tidak terlalu akurat untuk fungsi non-linier.
- Selain interpolasi Linear Excel, kami juga memiliki berbagai jenis metode seperti Interpolasi Polinomial, Interpolasi Spline, dll.
