EKONOMI MANAJERIAL

ESTIMASI PERMINTAAN

(FORECASTING DEMAND)

Oleh :

M.Daffa Aqiilah 1811011053

M.Reza Pahlevie 1811011055
Aden Susilawati 1811011057
M.Fathan 1811011075

UNIVERSITAS LAMPUNG

FAKULTAS EKONOMI DAN BISNIS

JURUSAN MANAJEMEN

22 FEBRUARI 2020

i
 KATA PENGANTAR

Puji syukur penulis panjatkan kepada Allah SWT karena atas limpahan rahmat dan karunia-
Nya, sehingga penulis dapat menyelesaikan tugas makalah Ekonomi Manajerial dengan judul
“Estimasi Permintaan (Forecasting Demand) “ dengan baik dan tepat waktu.

Ucapan terimakasih juga tidak lupa penulis ucapkan kepada banyak pihak yang telah
membantu dalam penyusunan tugas makalah ini. Makalah ini penulis susun dengan tujuan
membantu para pembaca dalam mempelajari, mendalami, dan menambah pengetahuan dalam
mata kuliah Ekonomi Manajerial.

Penulis menyadari bahwa penyusunan makalah ini belum sempurna, seperti ibarat pepatah
“Tiada Gading yang Tak Retak” maka dari itu tegur sapa, saran, dan kritik yang bersifat
membangun sangat penulis harapkan agar makalah ini menjadi lebih baik. Semoga makalah
ini bermanfaat dan menambah pengetahuan bagi para pembaca.

Bandar Lampung, 22 Februari 2020

Penyusun

i
 DAFTAR ISI

Kata Pengantar ........................................................................................................ i

Daftar Isi.................................................................................................................. ii

BAB I PENDAHULUAN

1.1 Latar Belakang .................................................................................................. 1

1.2 Rumusan Masalah ............................................................................................. 1

1.3 Tujuan Penulisan ............................................................................................... 2

BAB II PEMBAHASAN

2.1 Masalah Identifikasi................................................................................. 3

2.2 Pendekatan Penelitian Pemasaran untuk Estimasi Permintaan............... 3
2.3 Analisis Regresi....................................................................................... 5
2.4 Analisis Regresi Sederhana...................................................................... 6
2.5 Analisis Regresi Berganda....................................................................... ...... 9
2.6 Masalah Dalam Analisis Regresi.................................................................... 10
2.7 Estimasi Permintaan dengan Analisis Regresi................................................ 13
2.8 Mengestimasi permintaan ekspor dan impor AS............................................. 14

BAB III PENUTUP

3.1 Kesimpulan ....................................................................................................... 16

3.2 Saran.................................................................................................................. 16

DAFTAR PUSTAKA ............................................................................................ 17

ii
 BAB I

PENDAHULUAN

1.1 LATAR BELAKANG

Keputusan manajerial diambil dengan memperhatikan resiko dan ketidakpastian di
masa yang akan datang. Perusahaan harus menentukan berapa output yang akan
diproduksi, kapan saat yang tepat untuk memasarkannya, bagaimana kita menentukan
harga, berapa biaya yang harus dikeluarkan, berapa keuntungan yang diharapkan
dapat tercapai, dan berbagai keputusan yang lain yang tentunya membutuhkan
ketelitian dan pertimbangan yang masak. Semua keputusan manajerial tersebut
didasarkan pada estimasi (taksiran) dan ramalan mengenai kondisi ekonomi di masa
yang akan datang.
Dengan melakukan peramalan (forecasting) permintaan pasar dengan cara yang tepat,
akan dapat membantu manajer perusahaan dalam menggambarkan tersedianya potensi
pasar. Jika hasil forecasting itu dapat meyakinkan para manajer perusahaan, maka
akan dapat membantu menyiapkan perencanaan di bidang produksi, keuangan, dan
menyiapkan sarana dan prasarana pemasaran yang diperlukan dalam rangka
memanfaatkan potensi pasar yang tersedia itu.
Selain itu, agar hasil analisis ini bersifat mendalam kita harus membubuhinya dengan
analisis kuantitatif. Analisis kuantitatif yang sering digunakan adalah analisis Regresi.
Pada makalah ini, akan di bahas juga contoh analis yang menggunakan metode
“Regresi”. Dan contoh penggunaan dari metode Regresi tersebut.
Kemudian, dalam makalah ini juga di kaji tentang “Pendekatan Riset Pemasaran”.
Akan di bahas, gambaran umum dari Pendekatan Riset Pemasaran itu seperti apa, dan
akan di bahas lagi secara mendetail.

1.2 RUMUSAN MASALAH

1.Bagaimana masalah identifikasi?
2.Apa saja pendekatan penelitian pemasaran untuk estimasi permintaan?
3.Bagaimana model analisis regresi?
4.Bagaimana analisis regresi sederhana?

1
 5.Bagaimana analisis regresi berganda?
6.Bagaimana masalah dalam analisis regresi?
7.Apa estimasi permintaan dengan analisis regresi?

8.Bagaimana Mengestimasi Permintaan Ekspor Dan Impor Amerika Serikat ?

1.3 TUJUAN PENULISAN

1.Menjelaskan masalah identifikasi
2.Mengdeskripsikan pendekatan penelitian pemasaran untuk estimasi permintaan
3.Mengetahui analisis regresi
4.Mengetahui analisis regresi sederhana
5.Mengetahui analisis regresi berganda
6.Mengetahui masalah dalam analisis regresi
7.Menjelaskan estimasi permintaan dengan analisis regresi

8. Untuk mengetahui tentang Mengestimasi Permintaan Ekspor Dan Impor AS

2
 BAB II

PEMBAHASAN

2.1 Masalah Identifikasi

 Masalah identifikasi merunjuk 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.

Titik-titik harga-kuantitas dan masalah identifikasi.

Titik-titik data harga kuantitas yang terobservasi, E1,E2,E3, dan E4, dihasilkan dari
perpotongan kurva permintaan dan penawaran yang tak terobservasi D1,dan S1, D2 dan S2, D3,
dan S3, serta D4, dan S4. Maka dari itu, garis putus-putus yang dihubungkan titik-titik E1,E2,E3,
dan E4, bukan merupakan kurva permintaan dari komoditas. Untuk menurunkan kurva
permintaan dari komoditas, katakana D2, kita membuat penawaran bergeser atau menjadi
berbeda dan benar, terhadap kekuatan yang menyebabkan kurva permintaan D2 bergeser atau
menjadi berbeda..

2.2 Pendekatan Penelitian Pemasaran untuk Estimasi Permintaan

Secara garis besar terdapat dua macam metode peramalan permintaan yang biasa
dilakukan, yaitu dengan metode survei konsumen, Penelitian Observasi, Klinik
Konsumen dan Eksperimen pasar. Berikut adalah penjelasannya :

3
 2.2.1 Survei Konsumen (Consumer Surveys)
Melibatkan sejumlah sampel konsumen tentang bagaimana mereka akan beraksi
terhadap perubahan tertentu dalam harga suatu komoditas, pendapatan, harga
dari komoditas yang berhubungan, pengeluaran iklan, insentif kredit, atau
determinan lainnya. Survei ini dapat dilakukan dengan mencegah dan menanyai
orang-orang pada suatu pusat perbelanjaan atau dengan menyusun daftar
pertanyaan (quesioner). Teknik survei ini merupakan suatu alat peramalan yang
cukup penting khususnya untuk memprediksi kejadian-kejadian atau
kecenderungan-kecenderungan dalam jangka pendek.
2.2.2 Penelitian Observasi (Observational Research)
Teknik ini mengacu pada pengumpulan informasi tentang preferensi konsumen
dengan mengamati bagaimana mereka membeli dan menggunakan berbagai
produk. Kelemahan dari teknik ini adalah hasil dari observasi sering kali tidak
memberikan gambaran yang objektif dari konsumen, tapi gambaran justru
subyektif dari salesman.
2.2.3 Klinik Konsumen (Consumer Clinics)
Klinik konsumen merupakan eksperimen laboratorium di mana sejumlah
partisipan diberikan sejumlah uang tertentu dan diminta untuk
membelanjakannya dalam suatu toko simulasi dan melihat bagaimana mereka
memberikan reaksi terhadap perubahan dalam harga komoditas, pengemasan
produk, pemanjangan, harga produk pesaing, dan faktor lainnya yang
mempengaruhi permintaan. Ada beberapa keterbatasan dalam klinik konsumen
salah satunya adalah hasilnya dipertanyakan karena partisipan tahu bahwa
mereka dalam situasi yang dibuat dan mereka sedang diobservasi. Ada
kemungkinan mereka tidak bertindak secara normal.
2.2.4 Eksperimen Pasar
Eksperimen pasar diadakan di pasar sesungguhnya. Terdapat banyak cara untuk
melakukan ekperimen pasar. Salah satu metodenya adalah dengan memilih
beberapa pasar dengan karakteristik sosioekonomi yang mirip dan merubah
harga komoditas di dalam beberapa toko atau pasar, mengubah bungkus di pasar
atau toko yang lain, serta mengubah jumlah dan tipe promosi di pasar atau toko
yang lainnya, kemudian merekam respon (pembelian) yang dilakukan oleh
konsumen di pasar tersebut. Keunggulaan dari eksperimen pasar adalah dapat
dilakukan dalam skala besar untuk lebih meyakinkan mengenai keabsahan dari

4
 hasilnya dan konsumen tidak sadar bahwa mereka merupakan bagian dari
eksperimen. Selain itu eksperimen pasar juga memiliki kekurangan diantaranya
adalah karena alasan biaya eksperimen pasar dilakukan dalam skala yang
terbatas, jumlah waktu yang relatif singkat, sehingga gambaran terhadap seluruh
pasar untuk jangka waktu yang lebih panjang perlu dipertanyakan.

2.3 Model Analisis Regresi

Analisis Regresi adalah merupakan teknik statistik yang dapat menghasilkan garis
yang paling baik yang cocokdengan data yang sesuai dengan criteria statistika yang objektif,
sehingga semua peneliti yang melihat data yang sama akan mempunyai hasil yang sama.

Tahun 1 2 3 4 5 6 7 8 9 10
X 10 9 11 12 11 12 13 13 14 15
Y 44 40 42 46 48 52 54 58 56 60

Ini disebut sebagai diagram pencar (scatter diagram) karena ini menunjukkan penyebaran dari
titik-titik dalam daerah X-Y.

5
 PERSAMAAN REGRESI : Y = a + bX

Garis regresi (Regression Linear) merpakan garis yang dihasilkan dengan meminimumkan
jumlah dari simpangan kuadrat pada sumbu vertikal (et) dari setiap titik dari garis regresi
tersebut. Metode OLS (Ordinary Leasr Squres) adalah metode jumlah kuadrat terkecil.

2.4 Analisis Regresi Sederhana

Regresi Sederhana, dalam bagian ini kita dapat menghitung:

a. Menghitung nilai a (titik potong vertikal) dan nilai b (koefisien kemiringan) dari garis
regresi.
b. Mengadakan Uji signifikansi estimasi-estimasi parameter.
c. Membuat interval keyakinan untuk parameter yang sebenarnya
d. Menguji kekuatan penjelas secara keseluruhan dari regresi.

2.4.1 Metode Kuadrat Terkecil Biasa

Tujuan analisis regresi adalah untuk menghasilkan estimasi nilai a (titik potong
vertikal) dan nilai b (koefisien kemiringan) dari garis regresi

Y adalah estimasi dari penerimaan penjulan perusahaan tahun t yang diperoleh dari
garis regresi untuk tingkat pengeluaran pada tahun t (Xt), serta a dan b merupakan estimasi
dari paramete a dan b. Devisiasi dari galat (et) dari setiap observasi penerimaan penjualan

6
(Yt) dari nilainya yang berhubungan yang berasal dari garis resgresi (Yt). Jumlah dari
simpangan kuadrat atau galat ini dapat dituliskan sebagai :

Prosedur Estimasi :

Analisis regresi dilandasi oleh beberapa asumsi yang penting. Yaitu bahwa faktor
galat (1) mempinyai distribusi normal, (2) mempunyai rata-rata atau nilai harapan sama
dengan nol, dan (3) mempunyai varians konstan dalam setiap periode waktu dan pada sema
nilai X, serta (4) nilainya pada suaatu periode tertentu tidak tergantung pada nilainya dalam
periode mana pun juga.

2.4.2 Estimasi Parameter

Untuk menguji hipotesis bahwa b adalah signifikan secara statistik. Langkah 1 adalah
tentukan galat baku (standard error/SE) dari b yaitu;

N adalah jumlah observasi/sampel

K adalah jumlah koefisien/variabel

Derajat kebebasan adalah n – k

7
2.4.3 Uji Kecocokan Model & Korelasi

Selain menuji signifikasi, ini juga dapat menguji kekuatan variabel penjelas secara
keseluruhan dari keseluruhan regresi. Ini didapat dengan menghitung koefisien determinasi
(R2). Koefisien Determinasi dinyatakan sebagai proporsi dari variasi total atau disperse dari
variabel-variabel bebad atau penjelas pada regresi.

Decomposition of Sum of Square

Variasi total = Variasi yang dijelaskan + Variasi yang tidak dapat dijelaskan

Koefisien Determinasi :

Koefisien Korelasi :

8
2.5 Analisis Regresi Berganda
Pada saat variabel terikat yang kita cari untuk dijelaskan, dihipotesis tergantung pada
lebih dari 1 varibel bebas atau penjelas. Contoh: penerimaan penjualan suatu perusahaan
dapat dikatakan tidak hanya bergantung pada pengeluaran Pada saat variabel terikat yang kita
cari untuk dijelaskan, dihipotesis tergantung pada lebih dari 1 varibel bebas atau penjelas.
Contoh: penerimaan penjualan suatu perusahaan dapat dikatakan tidak hanya bergantung
pada pengeluaran iklan tetapi juga pada pengeluaran pengendalian mutu. Model regresinya
dapat ditulis Y = a + b1X1 + b2X2.

Y adalah variabel trikat (penerimaan penjualan perusahaan), X1 adalah pengeluaran

iklan perusahaan, dan X2 adalah pengeluaran untuk biaya pengendalian mutu. Koefisien a, b1,
b2 merupakan parameter yang harus diestimasi. Koefisien a adalah konstanta/titik potong
vertikal dan memberikan nilai dari Y pada saat X1 dan X2 sama dengan nol. Sedangkan, b1
dan b2 merupakan koefisien kemiringan. Mereka mengukur perubahan Y per unit perubahan
dari X1 dan X2 secara berturut turut. Dalam contoh penjualan dan pengendalian mutu ini, kita
dapat meningkatkan penjualannya dengan meningkatkan pengeluaran untuk iklan dan
pengendalian mutu.

Tambahan dalam analisis berganda terhadap analisis regresi sederhana adalah bahwa
jumlah dari variabel bebas atau penjelas harus lebih kecil dari jumlah observasi dan tidak ada
korelasi linear yang sempurna di antara sesama variabel bebas.

2.5.1 Koefisien Determinasi dan R2 yang Disesuaikan

Koefisien determinasi mengukur proporsi dari variasi total variabel terikat yang
dijelaskan oleh variabel bebas dalam regresi. Contoh: koefiesien determinasi atau R2 adalah
0,93 yang berarti bahwa variasi pengeluaran perusahaan untuk iklan dan pengendalian mutu
menjelaskan variasi dari penerimaan penjualan perusahaan sebesar 93%. Semakin banyak
berhubungan variabel bebas atau variabel penjelas yang relevan dimasukkan dalam regresi,
secara umum kita akan mengharapkan proporsi yang lebih besar dari variasi total pada
variabel terikat yang “dapat dijelaskan”. di analisis regresi berganda, mempertimbangkan
besaran derajat kebebasan menurun sehubungan denga bertambahnya variabel bebas, R2
perlu disesuaikan, sbb:

9
 (n  1)
R  1  (1  R )
2 2

(n  k )
Dimana n adalah jumlah observasi atau sampel data dan k adalah jumlah parameter
atau koefisien yang diestimasi.

2.5.2 Analisis Varians

Kekuatan menerangkan secara keseluruhan regresi dapat diuji dengan

menggunakan analisis varians. Untuk menguji hipotesis bahwa variasi dari semua
variabel bebas (X) menjelaskan proporsi yang signifikan dari variasi pada variabel
terikat (Y). Maka, kita dapat menggunakan statistik F

Explained Variation /(k  1)

F
Unexplained Variation /(n  k )

Dimana n adalah jumlah observasi, k adalah jumlah dari parameter atau koefisien yang
diestimasi dalam regresi. Statistik F juga dapat dihitung dalam hubungannya dengan
koefisien determinasi, sebagai berikut:

R 2 /(k  1)
F
(1  R 2 ) /(n  k )
2.6 Masalah Dalam Analisis Regresi

Ada enam masalah utama yang harus diperhatikan dalam analisis regresi, yaitu antara
lain:

2.6.1.Kesalahan Spesifikasi

Yang menyebabkan hasil regresi kurang dapat dipercaya antara lain disebakan oleh
kekeliruan dalam menentukan hubungan antara variabel tidak bebas dengan variabel
tidak bebas dengan variabel bebas. Ada dua kemungkinan kesalahan tersebut, yang
pertama adalah kesalahan dalam menggunakan bentuk hubungan fungsi antar
variabel. Misalnya bentuk hubungan yang sesungguhnya tidak linier tetapi cetakan
regresi yang dipakai menunjukkan hubungan linier. Sebenarnya dalam batas-batas

10
 tertentu landasan teori memberikan petunjuk mengenai bentuk hubungan tersebut.
Akan tetapi dalam menemukan bentuk yang tepat, kita dapat menggunakan cara
dengan mencoba berbagai bentuk persamaan. Bentuk persamaan yang nilai paling
tinggi kita anggap paling tepat. Sedangkan yang kedua kesalahan yang lain adalah
kesalahan dalam bentuk tidak memasukkan variabel penjelasan yang relevan.
Masalah ini diminimumkan melalui pengkajian teoritik yang cukup memadai.
Memang disamping itu dengan cara merubah komposisi variabel-variabel penjelas,
kita dapat mengatasi masalah ini.

2.6.2.Kesalahan Pengukuran

Kesalahan berikutnya yang seharusnya dihindari adalah pengukuran variable yang

tidak tepat. Variabel harga sangat jelek dalam hal pengukurannya. Ukuran harga
yang mudah diperoleh pada umumnya adalah daftar harga atau harga yang
ditawarkan oleh produsen tetapi sering tidak akurat dalam menggambarkan harga
actual yang dibayar konsumen. Bila mana ada tawar menawar, potonngan, ataupun
tukar tambah, jumlah uang yang dibayarkan secara aktual mungkin lebih rendah dari
daftar harga.

2.6.3.Hubungan persamaan Simultan

Dalam merancang sebuah fungsi regresi tidak dibenarkan adanya hubungan timbal
balik anatara variabel tidak bebas dengan salah satu atau lebih variabel bebas. Bila
ketentuan ini dilanggar maka timbul apa yang disebut bias persamaan (equation
bias). Contoh yang sangat populer adalah penggunaan metode OLS untuk
mengestimasi kurva permintaan pasar, dimana terdapat hubungan timbal balik antara
harga dan kuantitas yang diminta. Kita dapat memperlakukan baik harta ataupun
jumlah yang diminta sebagai variabel bebas atau sebagai variabel tidak bebas. Hal ini
disebabka n oleh baik dari segi teori maupun dalam kenyataan keduanya ditentukan
secara simultan (bersamaan) oleh kedua variabel itu sendiri.

2.6.4.Multikolinieritas

Multikolinieritas timbul sebagai akibat adanya hubungan kasual antara dua variabel
pejelas (variabel bebas) atau lebih, atau sebagai akibat adanya kenyataan bahawa dua
variabel penjelas atau lebih secara bersama-sama dipengaruhi oleh variabel ketiga
yang berada diluar sistem persamaan regresi.

11
 Keberadaan multikolinieritas dapat ditemukan melalui tes korelasi antar variabel
penjelas. Kalau diketemukan korelasi yang tinggi, maka salah satu variabel penjelas
dilepas.Dengan adanya multikolinieritas maka hasil estimasi koefisien regresi
bersifat bias. Analisa regresi tidak mampu menemukan hubungan yang benar dan
kemampuan hubungan yang benar prediksinya menjadi lemah. Namun demikian
maslah adanya multikolinieritas dalam fungsi regresi dapat ditoleransi apabila
persamaan itu dimaksudkan untuk tujuan prediksi, karena kita ingin mengetahhui
pengaruh seluruh variabel bebas bersama-bersama dan bukan untuk menjelaskan
kekuatan-kekuatan hubungan masing-masing variabel bebas terhadap variabel tidak
bebas. Tetapi bila regresi digunakan untuk keperluan sebagai modal penjelas, maka
harus tidak ada multikolinieritas.

2.6.5.Heteroskedastisitas

Keadaan unsur ini dapat dilihat dari grafik distribusi nilai “residuals”. Kalau
grafiknya secara teratur membengkok atau mengecil dengan bertambah besarnya
nilai variabel penjelas, maka kita harus waspada dalam menginterprestasikan
bessaran statistik t dan karena kurang dapat dipercaya dengan kecenderungan
terlalu tinggi diatas nilai yang sebenarnya. Nilai kesalahan standar koefisien regresi
memberikan indikasi yang keliru. Masalah ini dapat diatasi dengan meninjau
kembali komposisi variabel-variabel penjelas dan merubah bentuk persamaan
hubungan fungsional.

2.6.6.Otokorelasi atau serial korelasi

Otokorelasi adalah masalah lain yang timbul bila kesalahan tidak sesuai dengan
batasan yang diisyaratkan oleh analisis regresi. Otokorelasi atau serialkorelasi hanya
terjadi kalau kita mengggunakan data kurun waktu (time series) dan ditandai oleh
pola kesalahan yang beruntun. Yakni besarnya kesalahan kian besar atau kecil.

Yang menunjukkan pola siklus atau lainnya, karena observasi-observasi X disusun

secara kronologis, pola ini menadakan bahwa beberapa variabel lain berubah secara
sistematis dan mempengaruhi variabel dependen. Otokorelasi dapat ditemukan
secara visual melalui grafik time series residuals atau uji statistik “Durbin waston”.

Otokorelasi dapat dihilangkan dengan menambahkan variabel yang dapat

menjelaskan perubahan yang sangat sistematis tersebut kedalam persamaan regresi.

12
 Sebagai contoh, bila residu nampak mengikuti pola siklus, variabel “Dummy”
dibutuhkan bagi perhitungan variasi musiman.

2.7 Estimasi Permintaan dengan Analisis Regresi

Estimasi permintaan dengan analisis regresi, terbagi atas 4 tahapan yaitu:

2.7.1 Spesifikasi Model

Menyangkut pengidentifikasian variabel-variabel penting yang diyakini

memperngaruhi permintaan untuk komoditas yang dikaji. Termasuk harga dari
komoditas, pendapatan konsumen, jumlah konsumen dalam pasar, harga komoditas
barang substitusi, selera konsumen.

2.7.2 Mengumpulkan data dari variabel-variabel

Data dapat dikumpulkan untuk setiap variabel sepanjang waktu atau untuk unit
ekonomi yang berbeda. Setiap tipe data mempunya keuntungan tertentu dan juga
masalah estimasi tertentu. Kesenjangan data dapat memaksa peneliti untuk membuat
proksi bagi beberapa variabel yang datanya tidak tersedia

2.7.3 Menspesifikasi bentuk persamaan permintaan

Model yang palin sederhana dan biasanya paling realistis adalah model linear.
Dalam metode linear, perubahan dalam efek marjinal dari variabel terikat untuk setiap
unit perubahan variabel bebas adalah konstan tanpa menghiraukan tingkatan dari
variabel tertentu. Namun, ada kasus dimana hubungan nonlinear akan cocok degan
data yang ada dibandingkan dengan bentuk linear. Hal itu sering dijumpai dalam
persamaan permintaan adalah fungsi pangkat (hanya memasukan harga dari
komoditas dan pendapatan konsumen sebagai variabel bebas atau penjelas)

2.7.4 Menguji hasil ekonometri

Langkah terakhir dalam mengestimasi permintaan dengan analasis regresi

adalah mengevaluasi hasil regresi. Pertama, tanda dari setiap estimasi koefisien
kemiringan yang ada harus di cek apakah sesuai dengan dasar teori yang ada. Kedua,
uji f harus dilaksanakan terhadap signifikansi statistik dari estimasi parameter-
parameter untuk menentukan derajat keyakinan dari setiap estimasi koefisien

13
 kemiringan.. akhirnya, persamaan permintaan hasil estimasi harus lulus uji
ekonometri lainnya untuk meyatakan bahwa masalah-masalah seperti
multikolinearitas, heterokedastisitas, dan otokorelasi tidak terjadi.

2.8 Mengestimasi permintaan ekspor dan impor AS

Sama untuk permintaan barang dan jasa domestic permintaan akan impor di Amerika
Serikat(QM) merupakan fungsi dari harga dalam dolar dari komoditas atau jasa yang
di impor (PM) , pendapatan konsumen Amerika Serikat (I), jumlah konsumen
Amerika Serikat (N) , harga dalam dolar dari barang atau jasa yang berhubungan di
Amerika Serikat ( PY), selera dari konsumen di Amerika Serikat (T) , dan semua
variabel lainnya yang dianggap penting sebagai determinan dari permintaan atas
komoditas atau jasa impor tertentu dalam penelitian ini.

QM = f ( PM, I , N, PY, T,… )

Akan tetapi perlu di catat bahwa harga dalam dollar impor Amerika Serikat
bergantung pada harga di Negara yang melakukan ekspor dan kepada nilai tukar antar
dollar.Dengan mengesampingkan alasan perubahan harga dalam impor Amerika
Serikat kita dapat mengukur peningkatan kuantitas dari impor Amerika serikat
sebagai akibat dari perubahan dalam harga dollarnya karena pengaruh dari elastisitas
permintaan terhadap harga untuk impor, begitupun dalam perhitungan ekspor.

Permintaan antara ekspor dan impor Amerika serikat juga bergantung pada harga
komoditas subsitusi dan komplementer , dan juga selera dari Amerika Serikat dan luar
negeri. Kemampuan untuk mensubsitusi barang atau jasa domestik dengan barang
atau jasa asing di dalam maupun di luar negeri telah mencapai tingkat yang paling
tinggi di sepanjang masa di seluruh dunia dan diramalkan akan terus meningkat secara
tajam di masa yang akan datang karena :

1. Penurunan yang tajam dalam biaya transportasi untuk hampir semua produk

2. Peningkatan pengetahuan tentang barang – barang luar negeri karena adanya

revolusi informasi internasional

3. Kampanye iklan secar global oleh perusahaan multinasional

14
4. Meledaknya jasa perjalanan internasional

5. Konvergensi yang pesat dari selera secara Internasional.

15
 BAB III

PENUTUP

3.1 KESIMPULAN

Penaksiran permintaan berkaitan dengan cara memperoleh nilai – nilai

parameter yang cocok pada saat ini. Informasi ini penting bagi pengambilan
keputusan sudah optimal dalam konteks situasi permintaan barang.

Analisa regresi dari data yang dikumpulkan memungkinkan perhitungan

koefisien – koefisien fungsi permintaan, juga perhitungan beberapa statistic yang
menunjukkan keyakinan yang bisa digunakan untuk mendapat taksiran. Analisis
regresi adalah suatu alat music yang sangat baik bila digunakan secara tepat untuk
meanksir parameter secara tepat untuk menaksir.

Secara sederhana dapat disimpulkan , mendefinisikan reset pasar sebagai suatu

indentifikasi yang objektid san sintetematis, dilanjutkan dengan pengumpulan,
analisa. Edah and Rhesa.

Harga dalam dollar impor Amerika Serikat bergantung pada harga di Negara yang
melakukan ekspor dan kepada nilai tukar antar dollar. Dengan mengesampingkan
alasan perubahan harga dalam impor Amerika Serikat dapat diukur peningkatan
kuantitas dari impor Amerika serikat sebagai akibat dari perubahan dalam harga
dollarnya karena pengaruh dari elastisitas permintaan terhadap harga untuk impor,
begitupun dalam perhitungan ekspor. Permintaan antara ekspor dan impor Amerika
serikat juga bergantung pada harga komoditas subsitusi dan komplementer , dan
juga selera dari Amerika Serikat dan luar negeri.

3.2. SARAN

Sebagai mahasiswa hendaknya tidak hanya sekedar mengerti akan teori-teori yang
dijelaskan sebelumnya, tetapi kita harus memaknai setiap kalimat yang tertulis
didalam makalah untuk mendapatkan manfaat dari kegiatan membaca makalah dan
dapat menerapkannya dikehidupan yang sesungguhnya.

16
 DAFTAR PUSTAKA

“_______”.https://www.google.co.id/url?sa=t&rct=j&q=&esrc=s&source=web&cd=8&cad=rja&uact
=8&ved=0ahUKEwjdjqzh9cXPAhXBlZQKHav1B0IQFghVMAc&url=http%3A%2F%2Focw.upj
.ac.id%2Ffiles%2FSlide-MGT407-
Slide04.pdf&usg=AFQjCNHBVshGEBz74ToA_E4YcOvLvFmZ-Q ( Diakses pada tanggal 6
Oktober 2016, pukul 14.03 )

“_______”.https://www.scribd.com/doc/119778625/Pertemuan-Ke-6-Estimasi-Dan-Prakiraan-
Permintaan ( Diakses pada tanggal 6 Oktober 2016, pukul 14.11 )

“_______”.http://slideplayer.info/slide/4091317/ ( Diakes pada tanggal 6 Oktober 2016, pukul

14.16 )

“_______”.Salvatore, Dominick. 2005. Ekonomi Manajerial daam Perekonomian Global

Buku 1 Edisi Lima. Jakarta : Salemba Empat.

17