Bab 5

Penaksiran Fungsi
Permintaan

1
Ekonomi Manajerial
Manajemen
 Pertanyaan Umum Tentang
2
Permintaan
Seberapa besar penerimaan perusahaan
akan berubah setelah adanya
peningkatan harga?
Berapa banyak produk yang diminta
apabila konsumen naik pendapatannya?
Berapa banyak kenaikan penjualan
apabila perusahaan mengeluarkan biaya
iklan dalam jumlah tertentu?
Berapa banyak Permintaan akan jatuh
apabila pesaing menaikkan biaya iklan
atau menurunkan harga?
 Masalah Identifikasi
3

Masalah identifikasi merujuk pada

beberapa kesulitan menurunkan kurva
permintaan dari data yang ada dipasar
Kurva permintaan biasanya di estimasi dari
kuantitas dan harga produk dari pasar
Akan tetapi kesulitannya adalah waktu,
pasar, selera, pendapatan, harga
komoditas yang berhubungan selalu
berubah

SULIT UNTUK
DIIDENTIFIKASIKAN
 Kurva Harga Kuantitas &
4 Masalah Identifikasi
 Estimasi Permintaan:
5
Pendekatan Riset Pemasaran
 Survei Konsumen : mensurvei konsumen
bagaimana reaksi terhadap jumlah yang diminta
jika ada perubahan harga, pendapatan, dll
menggunakan kuisioner
 Penelitian Observasi : pengumpulan informasi
tentang preferensi konsumen dgn mengamati
bagaimana mereka membeli dan menggunakan
produk
 Klinik Konsumen : eksperimen lab dimana
partisipan diberi sejumlah uang tertentu dan
diminta membelanjakannya dalam suatu toko
simulasi dan mengamati bagaimana reaksi
mereka jika terjadi perubahan harga,
pendapatan, selera, dll
 Eksperimen Pasar : mirip klinik konsumen, tetapi
dilaksanakan di pasar yang sesungguhnya
 Pengenalan Terhadap
6
Analisis Regresi
Pengeluaran Iklan (X) & Penjualan (Y)

Year X Y
Scatter Diagram
1 10 44
2 9 40
3 11 42
4 12 46
5 11 48
6 12 52
7 13 54
8 13 58
9 14 56
10 15 60 Persamaan Regresi : Y = a + bX
 Analisis Regresi
7
 Garis Regresi : Line
of Best Fit
 Garis Regresi :
meminimumkan
jumlah dari
simpangan kuadrat
pada sumbu vertikal
(et) dari setiap titik
pada garis regresi
tersebut.
 Metode OLS
(Ordinary Least
Squares): metode
jumlah kuadrat et  Yt  Yˆt
terkecil
8 Analisis Regresi Sederhana
Analisis Regresi Sederhana hanya melakukan
analisis regresi untuk 2 variabel saja (1 variabel
independent & 1 variabel depedent)

Proses-proses:

1. Menghitung nilai a (titik potong vertikal) dan nilai b

(koefisien kemiringan dari garis regresi

2. Mengadakan uji signifikasi dari estimasi parameter

3. Membuat interval keyakinan untuk parameter

sebenarnya
 Metode OLS (Ordinary Least Square)
9

 Tujuan analisis regresi adalah untuk menghasilkan

nilai estimasi a dan b dari garis regresi

Jumlah Simpangan kuadrat atau galat (keseluruhan observasi) :

n n n

 e   (Y  Yˆ )   (Y  aˆ  bX
t 1
2
t
t 1
t t
2 ˆ )
t 1
t t
2
 Estimasi nilai a & b dengan
10
Metode OLS
Estimasi nilai a & b didapatkan dari
meminimumkan jumlah simpangan kuadrat
n

(X t  X )(Yt  Y )
bˆ  t 1
n

(X
t 1
t  X) 2

ˆ
â  Y  bX
 Contoh Estimasi dgn OLS
11

Time Xt Yt Xt  X Yt  Y ( X t  X )(Yt  Y ) ( X t  X )2
1 10 44 -2 -6 12 4
2 9 40 -3 -10 30 9
3 11 42 -1 -8 8 1
4 12 46 0 -4 0 0
5 11 48 -1 -2 2 1
6 12 52 0 2 0 0
7 13 54 1 4 4 1
8 13 58 1 8 8 1
9 14 56 2 6 12 4
10 15 60 3 10 30 9
120 500 106 30

n n n n

n  10 X t  120 Y  500 t  ( X t  X )(Yt  Y )  106

t 1
(X t  X )2  30
t 1 t 1 t 1
n
X t 120
X 
n
  12 Y 
Yt 500 106
t 1 n 10 t 1 n

10
 50 bˆ   3.533
30
aˆ  50  (3.533)(12)  7.60
 Uji Signifikasi Estimasi Parameter
12

• Untuk menguji hipotesis bahwa b adalah signifikan scr

statistik (bahwa iklan mempengaruhi penjualan secara
positif perlu uji signifikasi
• Langkah 1: Tentukan Galat baku (standard error/SE) dari
b yaitu sebagai berikut

sbˆ 
 ˆ
(Yt  Y ) 2


 2
et
( n  k ) ( X t  X ) 2
(n  k ) ( X t  X ) 2

n = Jumlah observasi/sampel
k = jumlah koefisien/variabel
Derajat kebebasan = n-k
 Uji Signifikasi Estimasi
13
Parameter
Contoh Perhitungan
Time Xt Yt Yˆt et  Yt  Yˆt et2  (Yt  Yˆt )2 ( X t  X )2
1 10 44 42.90 1.10 1.2100 4
2 9 40 39.37 0.63 0.3969 9
3 11 42 46.43 -4.43 19.6249 1
4 12 46 49.96 -3.96 15.6816 0
5 11 48 46.43 1.57 2.4649 1
6 12 52 49.96 2.04 4.1616 0
7 13 54 53.49 0.51 0.2601 1
8 13 58 53.49 4.51 20.3401 1
9 14 56 57.02 -1.02 1.0404 4
10 15 60 60.55 -0.55 0.3025 9
65.4830 30

 (Y  Yˆ )
n n n

 e   (Yt  Yˆt )2  65.4830  ( X t  X )2  30

2
2 65.4830
t sbˆ  t
  0.52
t 1 t 1 t 1 ( n  k ) ( X  X )t
2
(10  2)(30)
 Uji t Untuk Signifikasi
14

Perhitungan : t-Statistic

bˆ 3.53
t   6.79
sbˆ 0.52
Derajat Bebas = (n-k) = (10-2) = 8
Critical Value at 5% level dari tabel t =2.306
 Uji Kecocokan Model &
15 Korelasi

Langkah-Langkahnya:
Decomposition of Sum of Squares
Total Variation = Explained Variation + Unexplained Variation

 (Yt  Y )   (Y  Y )   (Yt  Yt )
ˆ 2 2 ˆ 2
 Variasi Total Yang bisa dijelaskan
16 dan yang tidak bisa dijelaskan
 Contoh Estimasi Koefisien
17 Determinasi
18 Koefisien Determinasi

Explained Variation  (Y  Y )
ˆ 2

R 
2

TotalVariation  (Yt  Y ) 2

373.84
R  2
 0.85
440.00
 19
Koefisien Korelasi

ˆ
r  R withthe sign of b
2

1  r  1

r  0.85  0.92
 20 Analisis Regresi Berganda
Apabila saat variabel Dependent (Terikat) yang
kita cari untuk dijelaskan, dihipotesis tergantung
pada lebih dari satu variabel bebas/penjelas.

Fungsi linearnya:

Y  a  b1 X1  b2 X 2   bk ' X k '
 Contoh Perhitungan Analisis
21
Regresi Berganda
 22

• Koefisien Determinasi mengukur proporsi dari

variasi total variabel terikat yang dijelaskan oleh
variabel bebas
• Akan tetapi di analisis regresi berganda, dengan
mempertimbangkan besaran derajat kebebasan
menurun sehubungan denga bertambahnya
variabel bebas, R2 perlu disesuaikan, sbb:

(n 1)
R  1  (1  R )
2 2

(n  k )
 Analisis Varians/Uji F
23

 Kekuatan menerangkan secara

keseluruhan regresi dapat diuji dengan
menggunakan analisis varians

Explained Variation /(k  1)

F
Unexplained Variation /(n  k )

R /(k  1)
2
F
(1  R ) /(n  k )
2
24 Multikolinieritas

Merupakan korelasi (keterkaitan) yang tinggi

antara variabel-variabel bebas dalam suatu
model regresi linear berganda
Alat statistik yang sering dipergunakan untuk
menguji multikolinearitas adalah
1.Variance Inflation Factor (VIF),
2.Korelasi Pearson antara variabel-variabel
bebas, atau
3.Eigenvalues dan Condition Index (CI)
25 Heteroskedisitas
 Merupakan ketidaksamaan varians dari residual
satu ke pengamatan ke pengamatan yang lain di
suatu regresi berganda
 Model regresi yang memenuhi persyaratan adalah
di mana terdapat kesamaan varians dari residual
satu pengamatan ke pengamatan yang lain tetap
(Homoskedisitas)
 Biasanya terdapat pada data cross section

 Deteksi heteroskedastisitas dapat dilakukan

dengan
1.Metode scatter plot dengan memplotkan nilai ZPRED (nilai
prediksi) dengan SRESID (nilai residualnya)
2.Uji Glejser, Uji Park, Uji White
26 Autokorelasi

Terjadi korelasi antara suatu periode t

dengan periode sebelumnya (t -1).
Analisis regresi adalah untuk melihat
pengaruh antara variabel bebas
terhadap variabel terikat, jadi tidak
boleh ada korelasi antara observasi
dengan data observasi sebelumnya
Uji autokorelasi hanya dilakukan pada
data time series (runtut waktu) dan tidak
perlu dilakukan pada data cross section
 Pola Gangguan Heteroskedisitas
27 dan Otokorelasi
 Langkah-Langkah Estimasi
28
Permintaan dengan Regresi
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