Forecasting
Perkirakan permintaan sebagai rentang, siap untuk Ramadan, 11.11, dan 12.12.
Yang dibahas di kursus ini
Untuk data analyst dan data scientist yang membuat forecast penjualan, permintaan, atau traffic, dan untuk tim yang memesan stok darinya. Forecast sebagai rentang, horizon dan tingkat detail, dan beda forecast dengan target. Lalu pola mingguan, gajian, Ramadan dan Lebaran yang bergeser setiap tahun, kampanye tanggal kembar, metode dari forecast naif sampai exponential smoothing, dan cara mengukur akurasi dan bias. Unit terakhir membawa semuanya ke Python, dengan backtest yang jujur.
Baru mengenal AI? Mulai dari Dasar-dasar AI & data.
Bagian dari jalur karier:Data scientist
Yang akan bisa Anda lakukan
- Membuat forecast dalam bentuk rentang, dengan horizon dan tingkat detail yang cocok untuk keputusannya
- Memisahkan tren, musiman, dan momen seperti Ramadan dan 11.11 dari riwayat penjualan
- Mengukur akurasi dan bias forecast, dan membandingkannya dengan forecast naif
- Membuat dan menguji forecast dengan Python
Unit dan bite
- Unit 14 biteSekitar 12 menit
Dasar-dasar forecasting
Apa itu forecast, kenapa selalu meleset, dan kenapa itu tidak apa-apa.
- 3 menit
Forecast adalah rentang, bukan satu angka
Kenapa "minggu depan terjual 500" kurang berguna dibanding "antara 420 dan 580".
- 3 menit
Horizon dan tingkat detail
Forecast besok per SKU berbeda dengan forecast kuartal depan per kategori — dan keduanya perlu.
- 3 menit
Untuk apa forecast dipakai
Pembelian, stok, staf toko, dan budget promo membutuhkan forecast yang berbeda — dan biaya meleset yang berbeda.
- 3 menit
Forecast bukan target
Forecast menebak apa yang akan terjadi; target adalah apa yang Anda inginkan. Mencampurnya merusak keduanya.
- Unit 25 biteSekitar 15 menit
Musiman dan momen belanja
Ramadan, Lebaran, 11.11, 12.12, gajian, dan libur sekolah — pola yang bisa direncanakan.
- 3 menit
Pola mingguan dan gajian
Kenapa akhir pekan dan tanggal gajian sering mengubah penjualan harian.
- 3 menit
Ramadan dan Lebaran
Momen terbesar di Indonesia bergeser sekitar 11 hari lebih awal setiap tahun — forecast harus ikut bergeser.
- 3 menit
Kampanye tanggal kembar
9.9, 11.11, dan 12.12 (Harbolnas): lonjakan besar yang sering meminjam penjualan dari minggu sesudahnya.
- 3 menit
Libur nasional dan kalender sekolah
Natal, Imlek, tahun ajaran baru, dan libur panjang sebagai penanda di kalender forecast.
- 3 menit
Menyusun kalender momen
Satu tabel tanggal promo dan momen yang membuat setiap forecast berikutnya lebih baik.
- Unit 35 biteSekitar 15 menit
Metode forecasting sederhana
Metode yang bisa dikerjakan di spreadsheet, dan kapan perlu tool AI.
- 3 menit
Forecast naif: tolok ukur Anda
"Sama seperti minggu lalu" atau "sama seperti tahun lalu" — metode yang harus dikalahkan metode lain.
- 3 menit
Rata-rata bergerak
Meratakan noise dengan rata-rata beberapa minggu terakhir, dan harga yang dibayar untuk itu.
- 3 menit
Forecast dengan pola musiman
Menggabungkan tren terbaru dengan pola musim dari tahun lalu.
- 3 menit
Exponential smoothing, tanpa rumus
Memberi bobot lebih ke minggu terbaru — ide di balik banyak tool forecasting.
- 3 menit
Kapan memakai forecasting dengan AI
Machine learning membantu saat ada banyak SKU dan banyak faktor, bukan sebagai pengganti data yang bersih.
- Unit 44 biteSekitar 12 menit
Mengukur akurasi forecast
Error, bias, dan MAPE — cara menilai apakah forecast Anda membaik.
- 3 menit
Error forecast
Selisih antara forecast dan penjualan, dan kenapa dirata-ratakan tanpa tanda plus-minus.
- 3 menit
MAPE dan jebakannya
Persentase error yang populer, dan kenapa ia menyesatkan untuk produk yang jarang terjual.
- 3 menit
Bias: selalu terlalu tinggi atau rendah
Error yang condong ke satu sisi lebih mahal daripada error yang acak.
- 3 menit
Apakah forecast Anda menambah nilai?
Membandingkan setiap metode dan setiap koreksi manual dengan forecast naif.
- Unit 54 biteSekitar 12 menit
Forecasting dengan Python
Dari spreadsheet ke kode: menyiapkan deret waktu, model ETS dan bergaya Prophet, dan backtest yang jujur.
- 3 menit
Deret waktu dengan pandas
Resample harian ke mingguan, mengisi tanggal yang hilang, dan membedakan nol dari stok kosong.
- 3 menit
Model ETS dengan statsmodels
Level, tren, dan musim — exponential smoothing yang sama, kini dengan rentang prediksi.
- 3 menit
Model bergaya Prophet
Tren, musim, dan kalender momen sebagai regressor — termasuk Ramadan yang bergeser setiap tahun.
- 3 menit
Backtest: menguji di masa lalu
Rolling origin, membandingkan dengan forecast naif, dan kenapa satu periode uji tidak cukup.
Pertanyaan tentang kursus ini
Belajar
Berapa lama menyelesaikan Forecasting?
Sekitar 66 menit total: 5 unit yang terdiri dari 22 bite, masing-masing sekitar tiga menit, dan setiap bite diakhiri pertanyaan singkat. Anda bisa mengerjakan satu bite sehari atau beberapa sekaligus.
Apakah saya perlu bisa coding?
Tidak untuk memulai. Kursus fondasi menjelaskan setiap ide dengan bahasa sehari-hari lebih dulu; kalau sebuah kursus memakai SQL atau Python, kursus itu mengajarkannya dari awal, dengan playground di dalam pelajaran.
Saya harus mulai dari mana?
Kalau Anda baru mengenal AI, mulai dari Dasar-dasar AI & data. Kalau Anda sudah tahu pekerjaan yang dituju, ikuti jalur kariernya; Forecasting punya tempat di dalamnya.
Kapan saya bisa mulai belajar?
Datamew segera hadir di iOS dan Android. Belum ada tanggal rilis maupun harga yang diumumkan: gabung waitlist dan kami akan memberi tahu saat aplikasinya tersedia.
Apakah tersedia dalam Bahasa Indonesia?
Ya. Datamew ditulis dalam Bahasa Indonesia dan Bahasa Inggris.
Kursus lainnya
- Dasar-dasar AI & dataCara kerja AI, cara memberinya instruksi, dan cara membaca angka dengan jujur.
- Data analystCara analis berpikir dan bekerja: dari pertanyaan bisnis ke jawaban yang dipakai orang.
- Data engineerMembangun pipeline yang membawa data tepat waktu dan benar: SQL, Python, orkestrasi, dan warehouse.
- Data scientistApa yang dikerjakan data scientist, dan cara memakai LLM dalam pekerjaannya.
- Persiapan dataDari export mentah ke tabel yang bisa dipercaya: bentuk yang rapi, nilai kosong, duplikat, dan format.
- Visualisasi dataGrafik yang menjawab pertanyaan dengan jujur, dari memilih jenisnya sampai dashboard dan cerita.
- SQL untuk analisisBertanya langsung ke database: menyaring, meringkas, menggabungkan tabel, dan window function.
- StatistikDasar statistik yang dipakai setiap peran data: meringkas, membaca sebaran, dan mengukur ketidakpastian.
- Supervised dan unsupervised learningDua cara mesin belajar dari data: dengan jawaban, dan tanpa jawaban.
- Rekomendasi produkCara kerja "mungkin Anda suka", data di baliknya, dan cara membuktikan dampaknya.
- A/B testingMengukur apakah sebuah perubahan benar-benar berhasil, dengan dua grup acak dan hasil yang dibaca jujur.
- Segmentasi pelangganMembagi pelanggan ke kelompok yang berbeda, lalu memperlakukan setiap kelompok dengan berbeda.
- Analitik media sosialMembaca angka Instagram, TikTok, dan YouTube dengan jujur, dan memakai AI tanpa tertipu.
- AI untuk rekonsiliasi keuanganMencocokkan mutasi rekening dengan invoice: aturan dulu, AI untuk sisanya, manusia yang memutuskan.
- AI untuk SEOCara kerja pencarian di era jawaban AI, riset kata kunci, Search Console, dan menulis dengan AI secara bertanggung jawab.
Bacaan sambil menunggu
Panduan dari tim Datamew, gratis di web hari ini.
Cara Menjadi Data Analyst di Indonesia: Skill, Roadmap, dan Gaji (2026)
Untuk menjadi data analyst, pelajari spreadsheet, SQL, satu tool BI seperti Looker Studio atau Power BI, statistik dasar, dan cara menjelaskan temuan dengan bahasa sederhana. Dasarnya bisa dikuasai dalam sekitar enam bulan belajar paruh waktu, lalu Anda butuh dua atau tiga proyek portofolio untuk dipanggil wawancara. Rata-rata gaji data analyst di Indonesia menurut Indeed sekitar Rp6,3 juta per bulan.
8 menit bacaCara Menjadi Data Scientist di Indonesia: Skill, Roadmap, dan Gaji (2026)
Data scientist memakai Python, statistik, dan machine learning untuk memprediksi apa yang akan terjadi dan menguji apa yang berhasil. Kebanyakan orang sampai ke sana lewat data analysis dulu: kuasai SQL dan statistik, lalu Python, eksperimen, dan machine learning, yang butuh sekitar satu tahun belajar paruh waktu. Di Indonesia, rata-rata gaji data scientist di Indeed sekitar Rp14,5 juta per bulan.
8 menit bacaJadi yang pertama memakai aplikasinya
Tinggalkan email Anda dan kami akan memberi tahu saat Datamew tersedia di ponsel Anda. Satu email saat rilis, tanpa spam.
- Segera hadir diApp Store
- Segera hadir diGoogle Play
- Pakai sekarang diweb