“ESTIMASI PERMINTAAN”
DOSEN :
Drs. Wayan Mudiartha Utama, MM
OLEH :
KELOMPOK 3
MANAJEMEN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS UDAYANA
2018 / 2019
BAB I
PENDAHULUAN
Sebelum membahas persoalan diatas lebih jauh, terlebih dahulu kita bedakan pengertian
antara penaksiran (estimation) dan prakiraan (forecasting) permintaan. Penaksiran permintaan
merupakan proses untuk menemukan nilai dari koefisien-koefisien fungsi permintaan akan suatu
produk pada masa kini (curen values). Sedangkan prakiraan permintaan merupakan proses
menemukan nilai-nilai permintaan pada periode waktu yang akan datang (future values). Nilai-nilai
masa kini dibutuhkan untuk mengevaluasi optimalitas penentuan harga sekarang dan kebijaksanaan
promosi dan untuk membuat keputusan sehari-hari. Nilai-nilai pada untuk waktu yang akan datang
diperlukan untuk perencanaan produksi, pengembangan produk baru, investasi, dan keadaan-
keadaan lain dimana keputusan yang harus dibuat mempunyai dampak pada periode waktu yang
panjang.
1. Metode Langsung
Metode langsung adalah metode-metode pengestimasian dimana pada
pengumpulandatanya mengikutkan konsumen secara langsung. Metode ini merupakan
pendekatan penelitian pemasaran. Metode-metode yang termasuk dalam metode langsung
yaitu :
Metode-metode diatas secara mendalam dipelajari lebih spesifik dalam buku riset
pemasaran.
Secara ringkas bisa dikatakan bahwa dalam membuat koesioner, harus dilakukan
dengan pertimbangan yang matang, dan kita harus berpikir kritis dalam menginterpretasikan
hasil-hasil survey tersebut. Berikut contoh hasil survey pasar :
Contoh:
Perusahaan sepatu BISTAR ingin memperkenalkan sepatu baru dan ingin menaksir
kurva permintaan untuk sepatu baru itu. Para staf departemen riset pasar telah
membuat survey dengan kuesioner atas seribu orang yang diwawancarai 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 membeli sepatu baru itu pada 5 tingkat harga?
Jawaban-jawabannya 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 ditunjukkan
pada table dibawah. Analisis telah menentukan bahwa probabilitas 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); 1,0 untuk jawaban (f).
Harga Jumlah Responden Kuantitas
(ribu yang
(a) (b) (c) (d) (e) (f)
rupiah) diharapkan
Dari data di atas kita dapat memperoleh nilai harapan jumlah yang diminta pada
setiap tingkat harga. Sebagi contoh, pada tingkat harga Rp 9 ribu, harapan dari
penjualan 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 begitu kita dapat menghitung harga-harga yang lain dengan cara yang sama.
Dengan menempatkan koordinat kuantitas harga tersebut pada suatu grafuk, tampak bahwa
intersep kurva permintaan mendekati Rp 10 ribu dan slopenya mendekati -5/800 atau -0,00625.
Taksiran atas slope tersebut bisa deperoleh 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). Taksiran kurva permintaan tersebut adalah Px = 10,00 – 0,00625Qx.
Kemudian dari kurva permintaan tersebut, dapat ditentukan MR, yaitu MRx = 10,00 –
0,0125Qx, karena kurva MR mempunyai intercept yang sama dengan kurva permintaan, tetapi
slopenya dua kali slope kurva permintaan.
Bila para partisipan dipilih secara seksama sehingga dapat mewakili pasar produk-
produk tersebut, kita dapat mengamati sesudah reaksi mereka terhadap perubahan
harga dan berbagai kegiatan promosi dan menyimpulkan bahwa seluruh pasar
akan merespon 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
membelanjakan uang mereka sendiri.
Sebagai contoh, pada sebuah pasar regional perusahaan dapat memotong harga
produknya sebesar 10% dan membandingkan reaksi penjualan pada pasar
tersebut dengan pasar regional serupa lainnya. Kemungkinan lain, perusahaan
tersebut dapat meningkatkan promosi di pasar tertentu untuk “menilai” dampak
dari suatu perubahan sebelum menanggung biaya dan resiko yang lebih besar
untuk melakukan perubahan tersebut di seluruh wilayah negara.
Metode tidak langsung adalah metode yang dilakukan berdasarkan data yang telah
dikumpulkan dan kemudian dilakukan upaya-upaya untuk menemukan hubungan-
hubungan statistic antara variable dependen dengan independen.
Dari data yang didapat, dilakukan penafsiran untuk menentukan garis linear dengan
menggunakan metode kuadrat kecil (OLS) untuk menghasilkan simpangan minimum. Namun
untuk kali ini tidak akan dibahas lebih lanjut.
𝒏 ∑ 𝑿𝒀−∑ 𝑿 ∑ 𝒀
𝑩= 𝟐
̅ − 𝒃𝑿
𝑨=𝒀 ̅
𝒏 ∑ 𝑿𝟐 −(∑ 𝑿)
Untuk memudahkan memahami penggunaan persamaan linier ini, berikut merupakan contoh
hipotesis. Misalkan seorang pengusaha buah-buahan menjual rambutan hasil kebunnya di toko
yang berjumlah 6 toko. Pengusaha itu ingin mengetahui elastisitas harga permintaan rambutan
ini. Enam tokonya berada didaerah dengan tingkat pendapatan menengah, dan semuanya saat ini
menjual rambutan tersebut dengan harga 0.79 ribu/kg. Penjualan musiman pada 6 toko tersebut
rata-rata 4.2625 Kg/toko, tanpa ada simpangan melebihi 150 unit dari nilai rata-rata tersebut.
Kita missal pengusaha tersebut memutuskan untuk melaksanakan suatu eksperimen: tingkat
harga ditetapkan berbeda untuk setiap toko untuk mengamati reaksi penjual terhadap tingkat
harga. Sebagai pembanding, harga pada toko pertama tetap pada nilai 0.79 ribu/kg. Tingkat
harga di toko-toko lain dan tingkat penjualannya selama selanjutnya ditunjukkan pada tabel
berikut:
Toko Harga X Penjualan Y XY X2 Y2
No.
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 𝟒. 𝟗𝟔
̅=
𝑿 = = 𝟎. 𝟖𝟐𝟔𝟕
𝒏 𝟔
Dari semua perhitungan ini, dapat dicari elastisitasnya pada titik harga tertentu. Misalkan sebagai
contoh pada nilai harga P = 0.85:
Pertama tentukan jumlah quantitas
𝑛 ∑ 𝑋𝑌 − ∑ 𝑋 ∑ 𝑌
𝑅2 =
√⌊𝑛 ∑ 𝑋 2 − (∑ 𝑋)2 ⌋⌊𝑛 ∑ 𝑌2 − (∑ 𝑌)2 ⌋
( )
Menggunakan soal yang sama seperti yang tadi:
2
2
6 ∑(19.506) − 4.96(26.1)
𝑅 =( ) = 0.8624
√⌊6(4.5094) − (4.96)2 ⌋⌊6(125.6798) − (26.1)2 ⌋
Nilai R2 diatas menunjukkan bahwa lebih dari 86% variasi pada observasi penjualan
disebabkan oleh perubahan tingkat harga. Varians lain yang tak terjelaskan adalah faktor-faktor
lain yang berbeda diantara 6 toko tersebut.
Kesalahan Baku Penaksiran (standard error of estimate)
Kesalahan Baku Penaksiran (Se) adalah ukuran penyebaran data dari garis yang paling
tepat. Dengan Se kita dapat menghitung interval keyakinan (sekitar nilai penaksiran untuk variabel
independen) untuk tingkat-tingkat keyakinan yang berbeda.
∑ 𝑌 2 − 𝑎 ∑ 𝑌 − 𝑏 ∑ 𝑋𝑌
𝑆𝑒 = √
𝑛−2
Jadi kesalahan baku penaksiran sebesar 0.64555 atau 645.55 unit, karena data penjualan dalam
ribuan. Untuk mendapatkan interval keyakinan 95 persen cukup menambahkan dua kali angka ini
𝑌̂ untuk mendapatkan batas keyakinan atas dan mengurangkan dua kali untuk menemukan batas
keyakinan bawah. Dengan memiliuh harga dekat 𝑋̅, misalkan Rp 0.85 ribu, kita dapat menaksirkan
penjualan sebagai berikut:
0.6456
𝑆𝛽 = = 1.5792
√4.5094 − 6(0.2867)2
Lalu dilakukan hal yang sama seperti kesalahan baku koefisien:
Batas atas:
𝐵 + 2 𝑆𝛽 = − 5.0595 + 2(1.5792) = −1.9009
Batas bawah:
𝐵 − 2 𝑆𝛽 = − 5.0595 − 2(1.5792) = −8.2181
Jadi batas 95% keyakinan untuk koefisien taksiran adalah -1.9009 dan -8.2181.
BAB III
PENUTUP
3.1 Kesimpulan
Penaksiran permintaan berkaitan dengan cara memperoleh nilai-nilai parameter pada fungsi
permintaan yang cocok pada saat ini. Informasi ini penting bagi pengambilan keputusan sekarang dan
dalam mengevaluasi apakah keputusan-keputusan sudah optimal dalam konteks situasi permintaan
sekarang.
Reaksi pembeli atas perubahan variabel-variabel independen dalam fungsi permintaan dapat
ditaksir dengan cara wawancara dan survei., membuat Klinik konsumen , atau eksperimen-eksperimen
pasar secara langsung. Disain kuisioner penting bagi ketepatan prediksi dari wawancara dan survei.
Intensi-intensi konsumen tidak terlalu akurat diterjemahkan ke dalam tindakan. Bias wawancara dan
kurangnya minat kosumen atau informasi juga membuat distorsi taksiran yang di peroleh.
Klinik konsumen dan eksperimen psar secara langsung memungkinkan observasi atau
konsumen selama proses keputusan konsumsi, dan kesimpulan dapat ditarik dari perilaku aktual
konsumen. Perhatian harus diberikan untuk menghilangkan dampak dari pengaruh-pengaruh jangka
panjanng dan untuk memastikan apakah perilaku orang-orang dalam klinik konsumen mencerminkan
pola perilakunya yang lain..