BAB II

PEMBAHASAN

A.Metode Penaksiran Permintaan

Metode untuk menaksir nilai dari koefesien-koefesien beta

dikelompokkan menjadi dua yaitu metode langsung dan tidak langsung.
Metode langsung adalah metode yang langsung melibatkan konsumen,
misalnya melalui wawancara dan survey, pasar simulai dan eksperimen
pasar terkendali. Konsumen ditanya apa yang akan mereka lakukan jika
terjadi perubahan dalam variable penentu, atau kita amati ketika mereka
betul-betul bereaksi ketika terjadi perubahan tersebut. Sementara itu,
penaksiran permintaan secara tidak langsung dilakukan berdasarkan data
yang dikumpulkan dan kemudian dilakukan upaya-upaya untuk
menetukan hubungan statistik antara variable dependen dan independen.
Teknik korelasi sederhana dan analisis regresi berganda merupkan metode
yang paling sering digunakan untuk menentukan hubungan-hubungan
tersebut. Metode penaksiran permintaan secara langsung tercangkup
secara rinci dalam riset pasar, sedangkan metode tidak lngsung dibahas
dalam metode kuantitatif. Pada bab ini kita akan memusatkan perhatian
kepada penerapan metode langsung dan tidak langsung di atas dalam
menaksir parameter-parameter fungsi permintaan.

Namun demikian, sebelum kita melanjutkan pembahasan, ada

baiknya kita mengetahui suatu metode riset pasar yang relative baru
dikembangkan. Belakangan ini telah dikembangkan suatu metode riset
pasar yang disebut VALS, yang merupakan singkatan dari Values and
Lifestyle, metode ini dikembangkan oleh Stanford Research Institute (SRI).
Metode ini membagi konsumen dalam kategori-kategori yang didasarkan
pada citra dari mereka, tujuan, dan produk-produk yang mereka gunakan.
Pendekatan ini ditekankan kepada pertanyaan : siapa konsumennya,
bagaimana cara mereka hidup (gaya hidup), apa yang mereka beli, dan
yang lebih penting adalah mengapa mereka membeli produk tersebut.
Pendekatan ini lebih komprehensif ketimbang pendekatan lama yang
hanya memperhatiakan karakteristik demografis konsumen: umur,
pendidikan, pendapatan, dan jumlah anak.

Para peneliti telah menemukan bahwa konsumen yang tadinya

mempunyai pola pembelian yang sama sekarang merupakan begian dari
kelompok-kelompok yang mempunyai kebutuhan dan keinginan yang
berbeda. Walaupun cara-cara sebelumnya masih tetap penting, tetapi
suatu golongan baru di dunia bisnis berusaha untuk menarik perhatian
konsumen dengan secara langsung melalui pelayanan dan kepuasan
konsumen. Secara alamiah, strategi ini membutuhkan penekanan secara
terus menerus pada keinginan dan preferensi konsumen, sama halnya
dengan sejumlah riset bagaimana cara menarik dan mempertahankan
para pelanggan.

WAWANCARA,SURVEY, DAN EKSPERIMEN

1. Wawancara dan Survey

Metode penaksiran permintaan langsung adalah dengan cara

mewawancarai para pembeli atau pembeli potensial: beberapa kenaikan
atau penurunan jumlah produk yang mereka beli jika harganya (atau
iklan, atau suatu variable independen) berubah. Kelompok sasaran dapat
dikumpulakan untuk membicarakan masalah tersebut, atau kuesioner
ditujukan kepada suatu sampel pembeli. Walaupun kalihatannya
sederhana, dalam pelaksanaannya pendekatan ini menghadapi banyak
kesulitan. Pertama, individu yang diwawancarai atau disurvey harus
mewakili pasar secara keseluruhan agar hasilnya tidak bias. Oleh karena
itu sampel yang paling besar, yang dikumpulkan secara acak, harus
diwawancarai untuk menghasilkan taksiran reaksi pasar yang masuk akal
(reasonabel) terhadap perubahan yang dikehendaki sehingga
membutuhkan biaya yang cukup besar.

Masalah kedua yang sering muncul adalah bias pewawancara

(interviewer bias) yang diartikan sebagai distorsi jawaban responden yang
disebabkan oleh si pewawancara. Dalam wawancara kadang kala si
responden enggan menjawab pertanyaan dengan jujur karena mungkin
malu dengan si pewawancara sehingga responden tersebut mungkin
memberikan jawaban yang tidak benar untuk menghindari keadaan
tersebut. Bias pewawancara ini akan nampak dalam wawancara pribadi,
wawancara lewat telepon, dan bahkan kuesioner yang diposkan sekalipun
(sebab ada orang lain yang membacanya). Kuesioner lewat pos dan
telepon bisa menghindari kontak mata dan mengurangi keadaan yang
mungkin akan memalukan dalam konteks yang lebih luas, tetapi
responden yang dipilih mungkin kurang representative dan jawabnya
kurang meyakinkan dibandingkan dengan wawancara secara tatap muka
(pribadi). Jawaban-jawaban yang tertulis tanpa nama atau lewat telepon
mungkin dapat lebih tepat (akurat) untuk mengurangi masalahbias
pewawancara ini, tetapi bias juga kurang tepat karena mungkin jawaban-
jawaban yang diperoleh sangat dangkal. Masalah ini sering juga disebut
sebagai bias jawaban (response bias).

Ketiga, adakesenjangan antara intense dan tindakan. Masalah ini

sering juga disbut sebagai masalah akurasi jawaban (response accuracy).
Konsumen mungkin benar-benar berniat membeli suatu produk ketika
diwawancarai, tetapi ketika dapasarkan mungkin sesuatu hal telah
mengubah niat dan pikiran konsumen tersebut. Akhirnya, jawaban-
jawaban responden juga tidak dapat dipercaya bila pertanyaannya yang
diajukan membingungkan atau ditafsir salah atau mengandung hal-hal di
luar dunia imajinasi konsumen. Sebagai contoh, produk-produk baru yang
digambarkan secara singkat pada saat peluncuran perdananya,
kemungkinan besar tak dapat ditunjukkan sebagai bagian dari gaya hidup
konsumen. Misalnya, perkiraan penjualan computer pribadi ketika
pertama kali dikenalkan mungkin terlalu renda dalam mengantisipasi
pertumbuhan permintaan dunia bisnis yang sangat tinggi pada awal 1980-
an.

Banyak penelitian yang telah dilakukan untuk mempelajari masalah

perumusan kuesioner ini dengan tujuan agar hasil dari wawancara,
survey, dan kelompok sasaran bias dipercaya. Jika pertanyaan secara
langsung sulit dilakukan, peneliti bias mendapat jawaban-jawaban
tertentu berdasarkan jawaban responden atas pertanyaan-pertanyaan
lain. Reliabilitas jawaban atas pertanyaan-pertanyaan tertentu tersebut
dapat diuji (diperiksa) dengan menanyakan pertanyaan yang sama
dengan bentuk yang berbeda pada pertanyaan berikutnya selama
wawancara atau dalam kuesioner.

Bentuk pertanyaan dapat mempengaruhi sifat jawabannya.

Pertanyaan yang terbuka memungkinkan konsumen untuk
mengungkapkan jawabannya dengan kata-katanya sendiri, sedangkan
pertanyaan terstruktur seperti pilihan ganda di mana responden harus
memilih satu dari empat atau lima jawaban tertentu, hanya menghasilkan
satu jawaban saja dan jawaban tersebut bias-bisa dari harapan penelitian.
Pemikiran kalimat merupakan hal yang perlu diperhatikan juga, karena
satu kata bias mengandung beberapa nuansa dan beberapa kata bias
mempunyai arti yang berbeda untuk orang-orang yang berbeda.
Pertanyaan harus berurutan sedemikian rupa menimbulkan perhatian
responden, menghasilkan jawaban yang akurat (tepat), dan tidak
menimbulkan reaksi emosional yang dapat menyebabkan timbulnya
jawaban yang menyimpang atau membuat konsumen menolak untuk
melanjutkan wawancara.
 Singkatnya, pertimbangan yang matang harus dilakukan dalam
proses penyusunan kuesioner ini, dan kita harus menganalisis secara kritis
dalam menginterpretasikan hasil-hasil survey tersebut. Perhatian hasil-
hasil survey pasar tersebut.

Contoh: perusahaan sepatu VANIA ingin memperkenalkan suatu

sandal baru dan ingin menaksir kurva permintaan untuk sandal baru itu.
Para staf departemen riset pasar telah membuat survey dengan kuesioner
atas seribu orang yang siwawancarai yang sedang berbelanja barang-
barang yang sifatnya sama. Orang-orang yang diwawancarai masing-
masing diminta untuk memilih salah satu dari enam jawaban apakah
mereka benar-benar ingin kembali sandal baru itu pada 5 tingkat harga.

Jawaban-jawaban adalah (a) sama sekali tidak; (b) nampaknya

tidak; (c) barangkali, mungkin; (d) nampak suka; (e) sangat suka; (f) pasti
ya. Jumlah orang-orang yang menjawab pada setiap kategori pada setiap
tingkat harga ditunjukan pada table 6.1. Analisis telah menentukanbahwa
probilitas untuk pembelian nyata atas produk tersebut untuk setiap
jawaban adalah 0,0 untuk jawaban (a); 0,2 untuk jawaban (b); 0,4 untuk
jawaban (c); 0,6 untuk jawaban (d); 0.8 untuk jawaban (e); dan 1,0 untuk
jawaban (f).

Table 6.1

Perusahaan Sepatu VANIA

Ringkasan Jawban Kuesioner

Harga Jumlah Responden Kuantitas

(ribu yang
rupiah diharapak
) an
(a) (b) (c) (d) (e) (f)
9 500 300 125 50 25 0 160
8 300 225 175 150 100 50 335
7 100 150 250 250 150 100 500
6 50 100 100 300 250 200 640
5 0 25 50 225 300 400 800

Dari data di atas, kita dapat memperoleh nilai harapan jumlah yang
diminta pada setiap tingkat harga. Sebagai contoh, pada tingkat harga Rp
9 ribu, harapan dari penkualan setiap kelompok responden adalah

E (Q) = 500(0,0) + 300 (0,2) + 125(0,4) + 50(0,6) + 25(0,8) +0(1,0)

=160 unit
 Dengan cara yang sama kita dapat menghitung harapan jumlah
yang diminta pada haraga Rp 8 ribu, Rp 7 ribu, dan seterusnya, seperti
namapak pada Tabel 6.1. dengan menempatkan koordinat kuantitas harga
tersebut pada suatu grafik, seperti Gambar 6.1, tampak bahwa intersep
kurva permintaan medekati Rp 10 ribu dan slopenya mendekati -5/800
atau -0,00625. Taksiran atas slope tersebut bisa dperoleh dengan melihat
bahwa jika harga turun dari Rp 10 ribu ke Rp 5 ribu (meningkat -5 ribu),
jumlah yang diminta meningkat dari 0 menjadi 800 unit (naik 800).
Hubungan ini menunjukkan bahawa untuk meningkatkan jumlah yang
diminta sebesar 100 unit, harga harus diturunkan sebesar Rp 625,00.

Px
Taksirsn kurva permintaan tersebut adalah = 10,00 0,00625
Qx MR x
, dan berdasarkan kurva ini kita dapat menentukan = 10,00
Qx
0,0125 , karena kurva MR mempunyai intersep yang sama dengan
kurva permintaan tetapi solpenya duakali solpe kurva permintaan.

Gambar 6.1

Kurva Permintaan Penaksiran dan MR

Perusahaan Sepatu VANIA

P/unit (ribu
Rp)
10
9
8
7
6
5
4
3
2 Px = 10,00
1 MR = 10,00
0.,0125 QX
0 0.,0125 Qx Kuantitas (00)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

2. Pasar Simulasi

Alat lain untuk mengetahui respons konsumen terhadap perubahan

harga atau kegiatan promosi adalah dengan cara membuat satu pasar
simulasi (buatan) dan mengamati perilaku dari para partisipan terpilih
dalam pasar simulasi tersebut. Cara seperto ini disebut klinik konsumen
dan dilakukan dengan cara memberikan sejumlah uang kepada para
partisipan tersebut dan meminta mereka agar membelanjakan uang
tersebut pada lingkungan toko buatan tersebut. Untuk kelompok
partisispan yang berbeda ditetapkan harga dan peragaan promosi yang
berbeda pula. Bila para partisipan dipilih secara seksama sehingga dapat
mewakili pasar produk-produk tersebut, kita dapat sesudah mengamati
reaksi mereka terhadap perubahan harga dan berbagai kegiatan promosi
menyimpulkan bahwa seluruh pasar akan merespons perubahan harga
tersebut dengan cara yang sama.

Hasil dari uji pasar simulasi ini harus diamati secara cermat. Ada
kemungkinan bahwa cara para partisipan tersebut membelanjakan uang
orang lain berbeda dengan cara mereka kalau membelanjakan uang
mereka sendiri. Kemungkinan lain adalah para partisipan tersebut akan
memilih produk tertentu bila harganya diturunkan agar tampak bahwa
mereka adalah pembelanja yang hemat dan bertanggung jawab. Metode
ini nampaknya merupakan metode pencarian data yang mahal sebab
biayanya relatif tinggi karena kita harus menyediakan produk yang akan
dipilih partisipan dan prosesnya memakan banyak waktu.
Konsekuensinya, tentu saja kita akan menentukan jumlah sempel yang
sedikit, dan akibatnya adalah bahwa hasilnya mungkin tidak dapat
mewakili reaksi seluruh pasar atas perubahan harga dan promosi
tersebut. Namun demikian, metode eksperimen ini dapat member
wawasan yang berguna bagi kita untuk mengetahui kesadaran harga
konsumen dan reaksi mereka secara umum terhadap perubahan variable-
variabel promosi tertentu.

Contoh: Perusahaan kopi bubuk KAHWA ingin mengetahui respon

konsumen atas perubahan harga kopinya. Ada enam kelompom yang
masing-masing terdiri dari 100 orang pembelanja diorganisir untuk
melakukan eksperimen pasar simulasi. Keanggotaan kelompok tersebut
dipilih sedemikian rupa sehingga karakteristik sosioekonomi dalam setiap
kelompok adalah sama dan serupa dengan keseluruhan pasar. Setiap sore
hati setiap kelompok dapat berblanja di supermarket simulasi tersebut
selama 30 menit. Setiap partisipan diberi uang mainan sebanyak Rp 30
ribu untuk membeli barang-barang yang ditunjukkan di supermarket
tiruan tersebut. Kopi bubuk KAHWA dipamerkan secara jelas
berdampingan dengan suatu merek kopi yang sedang laku keras. Untuk
setiap kelompok, perusahaan KAHWA menetapkan tingkat harga yang
berbeda sedangkan semua produk lain konstan.Tingkat harga dan jumlah
yang diminta untuk setiap kelompok ditunjukkan oleh Tabel 4.4.

Pada Gambar 4.2 kita menempatkan titik-titik harga kuantitas untuk

kopi KAHWA dan menggambar kurva permintaan yang ditunjukkan oleh
titik data tersebut. Perhatikan bahwa kita tidak hanya menggabungkan
observasi-observasi tersebut dan memperoleh satu garis berberigi, tetapi
kita mencari satu garis yang paling tepat. Pada bagian berikut kita akan
melihat bagaimana cara menghitung garis yang paling tepat tersebut
dengan menggunakan analisis regresi. Pada contoh tadi, kita hanya
melihat garis yang paling tepat tersebut dengan mata telanjang
berdasarkan titik-titik data yang ada. Dengan kata lain, kita membuat
kurva permintaan yang secara visual cocok untuk titik-titik yang
ditunjukkan. Demi kemudahan dan karena data yang ada tidak secra jelas
menunjukkan hubungan yang non-linier antara harga dengan jumlah
produk yang diminta, maka kita melihat kurva permintaan tersebut
sebagai suatu garis lurus.
 a. Eksperimen Pasar Secara Langsung

Eksperimen pasar secara langsung ini melibatkan orang-orang yang benar-

benar berada disituasi pasar yang sebenarnya, yang membelanjakan uangnya
untuk barang dan jasa yang mereka inginkan. Perusahaan memilih satu kota
atau lebih, pasar regional, atau Negara dan melakukan eskperimen pada pasar-
pasar uji ini yang dirancang untuk mencari tahu penerimaan konsumen atas
produk dan mengidentifikasi dampak perubahan dari satu variable yang dapat
dikendalikan atau terhadap jumlah yang diminta. Sebagai contoh, pada sebuah
pasar regional perusahaan dapat memotong harga produknya sebesar 10 persen
dan membandingkan reaksi penjualan pada pasar tersebut dengan pasar
regional serupa lainya.

Analisis regresi adalah sebuah tekhnik statistic yang digunakan untuk

menemukan derajat ketergantungan satu variable terhadap satu variable lainya
atau lebih. Jadi, teknik ini dapat diterapkan untuk mencari nilai dari menunjukkan
pengaruh dari variable yang menetukan permintaan sebuah produk. Untuk
analisis regresi, kita membutuhkan sejumlah observasi, masing-masing terjadi
dari variable dependen Y dan nilai variable independen X yang berhubungan.
Analisis regresi ini memungkinkan kita untuk menarik kesimpulan dari pola
hubungan yang ditunjukkan oleh hasil observasi. Dalam analisis ini dapat
digunakan data runtu-waktu (time- series) maupun data seksi-silang (cross-
selction).

b. Analisis Runtu-Waktu dan Seksi-Silang

Analisis runtut-waktu menggunakan observasi yang telah dicatat selama

waktu tertentu dalam situasi tertentu. Misalnya, tingkat harga dan penjualan
bulanan suatu produk dari sebuah perusahaan yang telah dikumpulkan selama
enam atau dua belas bulan. Satu masalah dalam analisis ini adalah bahwa
beberapa factor yang tak dapat dikendalikan yang mempengaruhi penjualan
cenderung untuk berubah selama periode waktu tersebut, sehingga bebererapa
perbedaan dalam observasi penjualan merupakan akibat dari pengaruh-
pengaruh ini, dan bukan karena pengaruh tingkat harga. Jika perubahan variable-
variabel tak terkendali tersebut dapat diamati dan diukur, kita dapat
memasukkan variable-variabel ini sebagai variable independen dalam analisis
regresi. Misalnya, tindakan para pesaing dan perubahan tingkat pendapatan
konsumen sebaiknya dikuantifikasikan (secara langsung atau dengan variable
proksi yang tepat) dan dapat dimasukkan kedalam analisis.

Sebaliknya, perubahan selera dan pola prefensi konsumen sulit diukur dan
diamati, walaupun kedua hal tersebut berubah sepanjang waktu kita dapat
memasukkan pengaruh selera dan factor-faktor lain yang cenderung berubah
sepanjang waktu tersebut dengan cara memasukkan variable waktu sebagai
variable independen dalam analisis regresi.

Analisis seksi-silang menggunakan observasi-observasi dari perusahaan

yang berbeda dalam lingkungan bisnis yang sama pada periode waktu yang
sama. Dengan demikian, analisis ini bisa mengurangi masalah yang ditimbulkan
oleh perubahan variable-variabel tak terkendali sepanjang waktu, tetapi timbul
faktor-faktor lain yang dapat berbeda di antara perusahaan-perusahaan pada
periode waktu yang sama. Jika faktor-faktor seperti efektifitas tenaga penjualan,
posisi aliran kas, tingkat kegiatan promosi, dan tujuan manajemen berbeda-beda
antar perusahaan, maka ke semua hal tersebut akan mempunyai dampak yang
berbeda pula terhadap tingkat penjualan. Sekali lagi, jika faktor-faktor ini dapat
dikuantifikasikan dan datanya dapat di peroleh, maka faktor-faktor tersebut
dapat di masukkan ke dalam analisis regresi untuk mengetahui dampaknya
terhadap variabel dependen.

c. Linieritas persamaan regresi

Dengan menganggap bahwa Y merupakan fungsi dari X atau beberapa

variable X dan setelah kita mendapatkan data tentang variable-variabel ini,
maka kita dapat menentukan bentuk ketergantungan varabel Y terhadap
variable-variabel X tersebut. Analisis regresi mensyaratkan bahwa
ketergantungan tersebut dinyatakan dalam bentuk yang linier.

Y = a + b1X1 + b2X2 + + bnXn + e

(6.2)

Di mana e merupakan nilai kesalahan atau residu yang timbul karena adanya
perbedaan antara lain aktual setiap Y yang di observasi untuk setiap nilai X
dengan nilai Y yang ditaksir oleh persamaan regresi untuk nila-nilai X tertentu.
Untuk observasi individual bisa terjadi nilai residu negative atau positif, sebab
adanya variasi random dari nilai Y.
 Hubungan non linier antara nilai-nilai X dengan Y, seperti fungsi kuadratik,
kubik, hiperbolik, dan lain-lain, dpat juga digunakan bila cocok denga pola
sebaran datanya, sebab bentuk-bentuk hubungan seperti ini dapat diubah
menjadi bentuk linier melalui transformasi matematis, (logaritma). Bentuk non

linier yang paling lazim adalah Y= X 1 X 2

Dimana variable-variabel independenya(X dan X) mempunyai pengaruh

berganda atau multiplikati terjadap variable dependen Y. Hubungan garis

lengkung ini dapat dinyatakan sebagai suatu hubungan garis lurus dengan
transformasi logaritma. Dengan melogaritmakan nilai Y, X dan X, kita dapat
membuat persamaan 6.3 diatas menjadi:

log Y = log a + b log X + b log X

Dalam bentuk ini, persamaanya menjadi linier dan koefisien b dan b langsung

dapat dicari dengan analisis regresi. Koefisien pada persamaan 6.3 dapat

diperoleh dengan membalikkan transformasi (yakni dengan atilog) nilai log

yang diberikan analisis regresi tersebut.

Kemungkinan lain, mungkin bentuk fungsi yang cocok untuk menunjukkan

hubungan antara variable dependen dengan variable-variabel independen
adalah bersifat kuadratik, seperti bentuk untuk kurva TR. Fungsi kuadratik ini
dapat dinyatakan secara linier sebagai berikut:

Y = a+b X + b X2

Perhatikan bahwa variable terakhir dalam persamaan ini adalah kuadrat

hdari variable indipenden yang sama (X). Begitu pula bila bentuk fungsi yang
cocok adalah pangkat tiga, seperti pada kasus fungsi produksi atau fungsi biaya
total yang dibahas pada Bab 7, kita dapat menyatakan hubungan itu sebagai:

Y = a + b X + b X2 + b3 X13

Dan analisis regresi dapat digunakan untuk menetukan nilai-nilai dari parameter
a, b, b, dan b.

d. Penaksiran Parameter Regresi

 Kita dapat menggunakan metode kuadrat terkecil untuk mencari nilai dari
parameter a dan b seperti ditunjukkan oleh persamaan regresi yang
menghubungkan nilai X dengan variable dependen Y. Sebagai ilustrasi untuk
model ini, kita akan membuat suatu contoh sederhana dengan suatu variable
independen. Cara ini sering juga disebut sebagai analisis regresi sederhana atau
analisis korelasi, dan analisis ini disebut analisis ganda, jika variable independen
yang digunakan adalah 2 atau lebih.

Misalkan ada 10 pasang observasi variable Y dan X (bisa runtut waktu atau
seksi silang). Data tersebut ditunjukkan sebagai titik-titik biintang pada Gambar
6.3 dengan mengamati titik-titik ini, kita menghipotesakan bahwa bentuk
hubungan Y = a+bX merupakan bentuk persamaan yang paling baik yang
menunjukkan hubungan antara variable X dan Y. Kemudian dengan
menggunakan analisis regresi kita dapat menaksir parameter a dan b.

Gambar 6.3

Garis yang paling tepat

Y1

Deviasi nilai Y aktual dari nilai

estimasi Y untuk suatu nilai X
Y1 *
*
*
Y1
*

* *
Y = a - bX
*
*

Variabel Independen
X1 X (x)
 Metode kuadrat kecil atau OLS, adalah proses matematis untuk
menentukan intersep dan slope garis yang paling tepat menghasilkan jumlah
kuadrat deviasi (atau simpangan) yang minimum. Deviasi-deviasi tersebut
ditunjukkan pada gambar 6.3 sebagai jarak vertical antara garis yang
berkesusaian paling baik dengan nilai observasi Y aktual untuk nilai X tertentu.
Sebagai contoh, untuk Xdalam gambar 6.3 nilai taksiran Y adalah Y.

Oleh karena itu, persamaan regresi menunjukkan garis yang paling tepat
tersebut. Garis tersebut ditentukan berdasarkan metode matematis sedemikian
rupa sehingga jumlah simpangan/kesalahan kuadrat menjadi minimum. Kita
mengkuadratkan lkesalahan-kesalahan tersebut untuk menghilangkan deviasi-
deviasi yang lebih besar. Perhatikan bahwa garis regresi terbaik tersebut
melewati titik-titik yang menunjukkan nilai rata-rata variable Y dan X(Y dan X).
Persamaan regresi tersebut menjelaskan variasi setiap observasi Y dan nilai Y,
dalam arti simpangan-simpangan antara observasi X yang berhubungan dengan
nilai X. pada gambar 6.3 jika X= X, persamaan regresi meprediksi Y, yang
menjelaskan variasi Y (Y-Y) dan variasi X (X-X). Residu yang tidak diterangkan
atau kesalahan adalah selisih antara nilai observasi aktual Y dengan nilai prediksi
Y (Y-Y).

TABEL 6.3

Observasi Harga/Penjualan Rambutan Pada 6 Toko Pada Satu Musim

Toko Harga Penjualan XY X2 Y2

No X Y
(000 Rp) (000)
1 0,79 4,650 3,6735 0,6241 21,6225
2 0,99 3,020 2,9898 0,9801 9,1204
3 1,25 2,150 2,6875 1,5625 4,6225
4 0,89 4,400 3,9160 0,7921 19,3600
5 0,59 6,380 3,7642 0,3481 40,7044
6 0,45 5,500 2,4750 0,2025 30,2500
4,96 26,100 19,5060 4,5094 125,6798
(X) (Y) (XY) (X2) (Y2)
 Y 26,1
Y=
= =4,35
n 6

X =

x 4,96
= =0,8267
n 6

Jadi Y =8,5327 5,0595X merupakan garis yang paling tepat bagi data
ini, dimana penjualan (Y) dinyatakan dalam ribuan unit. Seperti digambar 6.4,
interesep garis ini adalah 8,5327 unit pada sumbu Y, dan slope-nya adalah
-5.059,5 unit penjualan per rupiah kenaikan harga (yakni 50,595 untuk setiap
sen kenaikan harga). Nilai interesep tersebut tidak harus diinterprestasikan
sebagai tingkat penjualan yang diharapkan pada tingkat harga nol, sebab
kisaran observasi harga adalah antar Rp0,45 Rp1,25 ribu, dan nilai a dan b
hanya ditaksir pada kisaran tersebut.
Gambar 6.4
Estimasi Penjualan
Penjualan
9,000
8,000
7,000 * Y = 8532,7
5059,5 X
6,000 * *
5,000 *

4,000
3,000
*
2,000
*
1,000

Harga
0,20 0,40 0,60 0,80 1,00 1,20

Persamaan regresi diatas menunjukkan ketergantungan antara jumlah

yang diminta dengan harga per unit. Kita bisa mengubah bentuk persamaan
tersebut menjadi bentuk P= a + bQ yang merupakan kurva permintaan. Bila Q
dan P dalam persamaan regresi tersebut disubtitusikan maka diperoleh:

Q = 8,5327 P
(6.9)

Kemudian persamaan 6.9 dapat diubah menjadi:

5,0595 P = 8,5327 Q

P = 1,6865 0,19765Q

Kurva permintaan marginal (MR) diperoleh dari hasil taksiran kurva permintaan
ini. Berdasarkan teori bahwa MR mempunyai intersep yang sama dan 2 kali slope
kurva permintaan. Jadi

MR = 1,6865 0,3953Q
Elastisitas harga permintaan pada setiap tingkat harga dapat ditaksir
beradasarkan dQ/dP = -5,0595 dari persamaan 6.9 dan taksiran jumlah yang
diminta pada tingkat harga tersebut. Sebagai contoh, jika P = 0,85, maka Q
dapat dihitung berdasarkan persamaan 6.9 dengan cara berikut:

Q = 8,5327 5,0595(0,85) = 4,2321

Dengan memasukkan nilai-nilai ini kedalam rumus elatisitas titik, diperoleh:

dQ P
= .
dP Q

0,85
= -5,0595 . 4,2321

= 1,0162

Elastisitas harga permintaan pada tingkat harga Rp0,85 ribu hanya sedikit
sekali diatas satu yaitu sebesar 1,0162. Ini menandakan bahwa total penerimaan
(TR) akan tetap konstan walaupun harga meningkat atau turun dari harga Rp0,85
ribu tersebut.