PEMBAHASAN
Table 6.1
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
=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
2. Pasar Simulasi
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.
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.
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
Dalam bentuk ini, persamaanya menjadi linier dan koefisien b dan b langsung
dapat dicari dengan analisis regresi. Koefisien pada persamaan 6.3 dapat
Y = a+b X + b X2
Y = a + b X + b X2 + b3 X13
Dan analisis regresi dapat digunakan untuk menetukan nilai-nilai dari parameter
a, b, b, dan b.
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
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
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
Q = 8,5327 P
(6.9)
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:
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.