Bab 4 :

PhD

in Economics, 1998,
Dept. of Economics, The
University of Queensland,
Australia.
Post

Graduate Diploma in
Regional Dev.,1994, Dept.
of Economics, The Univ. of
Queensland, Australia.
MS in Rural & Regional
Development Planning,
1986, Graduate School,
Bogor Agricultural
University, Bogor

Estimasi
Permintaan
Lecturer : Muchdie, PhD in Economics

Masalah Identifikasi
Pendekatan Penelitian Pemasaran
untuk Estimasi Permintaan
Analisis Regresi Sederhana
Analisis Regresi Berganda
Masalah dalam Analisis Regresi
Mengestimasi Permintaan Regresi

Observasi Harga-Quantitas TIDAK SECARA LANGSUNG

menghasilkan kurva Permintaan dari suatu komoditas

Survei Konsumen : mensurvei konsumen bgm

reaksi tehd jumlah yg diminta jika ada perubahan

harga, pendapatan, dll menggunakan kuisioner
Penelitian Observasi : pengumpulan informasi ttg
preferensi konsumen dgn mengamati bgmana mereka
membeli dan menggunakan produk
Klinik Konsumen : eksperimen lab dimana
partisipan diberi sejumlah uang tertentu dan diminta
membelanjakannya dalam suatu toko simulasi dan
mengamati bgmana reaksi mereka jika terjadi
perubahan harga, pendapatan, selera, dll
Eksperimen Pasar : mirip klinik konsumen, tetapi
dilaksanakan di pasar yang sesungguhknya

Year

10

44

40

11

42

12

46

11

48

12

52

13

54

13

58

14

56

10

15

60

Scatter Diagram

Persamaan Regresi : Y = a + bX

Garis Regresi : Line of Best Fit

Garis Regresi : meminimunkan jumlah

dari simpangan kuadrat pada sumbu
vertikal (et) dari setiap titik pada garis
regresi tersebut.

Metode OLS (Ordinary Least Squares):

metode jumlah kuadrat terkecil

et Yt Yt

Analisis Regresi Sederhana

Model:

Yt a bX t et

Yt a bX t

et Yt Yt

Tujuan: menentukan kemiringan

(slope) dan intercept yang
meminimumkan jumlah simpangan
kuadrat (sum of the squared errors).
n

t 1

t 1

2
2

e (Yt Yt ) (Yt a bX t )
t 1

2
t

Prosedur Estimasi :
n

(X
t 1

X )(Yt Y )

(X
t 1

a Y bX

X)

Contoh Estimasi
Time

Xt

1
2
3
4
5
6
7
8
9
10

10
9
11
12
11
12
13
13
14
15
120

n 10

Yt
44
40
42
46
48
52
54
58
56
60
500

X t 120

Yt 500

t 1

X 120
X t
12
10
t 1 n

t 1

Y 500
Y t
50
10
t 1 n

Xt X

Yt Y

-2
-3
-1
0
-1
0
1
1
2
3

-6
-10
-8
-4
-2
2
4
8
6
10

(X
t 1

t 1

( X t X )2

12
30
8
0
2
0
4
8
12
30
106

4
9
1
0
1
0
1
1
4
9
30

X ) 2 30

106
b
3.533
30

X )(Yt Y ) 106

a 50 (3.533)(12) 7.60

(X

( X t X )(Yt Y )

Contoh Estimasi
n

X t 120
X

12
10
t 1 n

n 10
n

X
t 1

t 1

t 1

t 1

500

Yt 500
Y
50
10
t 1 n

X ) 30

X )(Yt Y ) 106

a 50 (3.533)(12) 7.60

(X

106

b
3.533
30

(X

120

Standard Error of the Slope Estimate

sb

(Yt Y )

( n k ) ( X t X )

e
(n k ) ( X X )
2
t

Contoh Perhitungan

Time

Xt

Yt

Yt

et Yt Yt

et2 (Yt Yt ) 2

( X t X )2

10

44

42.90

1.10

1.2100

40

39.37

0.63

0.3969

11

42

46.43

-4.43

19.6249

12

46

49.96

-3.96

15.6816

11

48

46.43

1.57

2.4649

12

52

49.96

2.04

4.1616

13

54

53.49

0.51

0.2601

13

58

53.49

4.51

20.3401

14

56

57.02

-1.02

1.0404

10

15

60

60.55

-0.55

0.3025

65.4830

30

e (Yt Yt )2 65.4830
t 1

2
t

t 1

(X X )
t 1

(Y Y )
(n k ) ( X X )
2

30

sb

65.4830
0.52
(10 2)(30)

Contoh Perhitungan
n

e (Yt Yt ) 65.4830
t 1

2
t

t 1

2
(
X

X
)
30
t
t 1

(
Y

Y
)
t

65.4830
sb

0.52
2
( n k ) ( X t X )
(10 2)(30)

Perhitungan : t-Statistic

b 3.53
t
6.79
sb 0.52
Derajat Bebas = (n-k) = (10-2) = 8
Critical Value at 5% level =2.306

Decomposition of Sum of Squares

Total Variation = Explained Variation + Unexplained Variation

2
2

(Yt Y ) (Y Y ) (Yt Yt )
2

Decomposition of Sum of Squares

Koefisien Determinasi
2

(Y Y )

Explained Variation
R

2
TotalVariation
(Yt Y )
2

373.84
R
0.85
440.00
2

Koefisien Korelasi

r R with the sign of b

2

1 r 1

r 0.85 0.92

Model:

Y a b1 X 1 b2 X 2 L bk ' X k '

Adjusted Coefficient of Determination

(n 1)
R 1 (1 R )
(n k )
2

Analysis of Variance and F Statistic

Explained Variation /(k 1)

F
Unexplained Variation /(n k )
R /(k 1)
F
2
(1 R ) /(n k )
2

Multicollinearity: Dua atau lebih variabel

bebas mempunyai korelasi yang sangat
kuat.
Heteroskedasticity: Variance of error term
is not independent of the Y variable.
Autocorrelation: Consecutive error terms
are correlated.

Uji Autocorrelation
n

2
(
e

e
)
t t 1
t 2

2
e
t
t 1

If d=2, autocorrelation is absent.

Spesifikasi Model dengan Cara

Mengidentifikasi Variabel-Variabel,
misalnya :
Qd = f (Px, I, Py, A, T)
Pengumpulan Data
Spesifikasi Bentuk Persamaan Permintaan
Linier : Qd = A - a1Px + a2 I + a3 Py + a4 A + a5 T
Pangkat : Qd = A(Px)b(Py)c
Estimasi Nilai-Nilai Parameter
Pengujian Hasil

Ringkasan (8 butir)
Pertanyaan Diskusi (15
pertanyaan)
Soal-soal (15 Soal) termasuk
Soal Gabungan No. 15
Alamat Situs Internet