 Menentukan bentuk persamaan permintaan

Langkah ketiga adalah menentukan bentuk persamaan permintaan dimana bentuk persamaannya
akan sangat tergantung pada pola data yang dikumpulkan. Berdasarkan pola data bentuk
persamaan dapat dibedakan menjadi dua macam, yaitu persamaan linier dan tidak linier.
Untuk mengetahui apakah suatu persamaan berbentuk linier atau tidak linier dapat dilakukan
dengan plot data variabel-variabel yang diamati pada diagram kartesius. Sumbu vertikal pada
diagram kartesius adalah variabel dependen (dalam hal ini adalah kuantitas yang diminta Q x)
dan variabel-variabel independen (Px, I, N, dan S) ditempatkan pada sumbu horisontal. Bila plot
menunjukkan kecenderungan hubungan antara variabel dependen dan variabel independen
berbentuk garis lurus, berarti dapat disimpulkan bahwa bentuk persamaannya linier. Bila plot
tidak membentuk garis lurus, berarti persamaan akan berupa persamaan tidak linier.

Gambar 6.1 menunjukkan contoh plot antara variabel Qx dan Px yang berbentuk linier dan tidak
linier.

Qx Qx

Px Px
Gambar 6.1. Plot data untuk persamaan linier dan non linier

Setelah diketahui bentuk persamaannya, maka persamaan permintaan dapat dirumuskan sesuai
dengan bentuk persamaannya. Bila persamaannya linier, maka persamaan dapat dirumuskan
menjadi:
Qx = k + bPx + cI + dN + eS

Tetapi bila bentuk persamaannya tidak linier, maka persamaan permintaan dapat dituliskan
sebagai:
 Qx = k Pxa Ib Nc Sd

Untuk memudahkan perhitungan, persamaan yang tidak linier ini dapat diubah menjadi
persamaan linier dengan cara mengubahnya ke dalam persamaan logaritma. Persamaan logaritma
ini dapat ditentukan dengan menarik nilai logaritma pada kedua sisi persamaan, sebagai berikut:
lnQx = ln(k P α Iβ Nc Sd)
x

sehingga diperoleh persamaan linier sebagai berikut:

lnQx = ln k + a lnPx + b lnI + c lnN + d lnS

Sampai di sini bentuk persamaan permintaan sudah teridentifikasi dan langkah selanjutnya
adalah melakukan perhitungan dengan mendasarkan pada persamaan logaritma di atas yang
berbentuk linier.

 Melakukan perhitungan persamaan regresi

Perhitungan dilakukan untuk menemukan nilai koefisien a, b, c, dan d dalam persamaan. Nilai
koefisien-koefisien ini dapat dipandang sebagai besarnya elastisitas permintaan. Bila secara
umum, besarnya koefisien regresi dalam suatu persamaan menunjukkan besarnya perubahan
variabel dependen yang disebabkan oleh perubahan variabel independen sebesar satu unit.

Oleh karena itu, dapat dimengerti mengapa koefisien regresi persamaan permintaan dapat
dianggap sebagai elastisitas permintaan. Elastisitas permintaan menunjukkan besarnya
persentase perubahan kuantitas yang diminta (sebagai variabel dependen) sebagai akibat dari
perubahan variabel independen sebesar satu persen.
Secara khusus, masing-masing koefisien menunjukkan suatu jenis elastisitas tertentu. Koefisien a
merupakan elastisitas harga permintaan, koefisien b merupakan elastisitaspendapatan, koefisien c
dan d masing-masing merupakan elastisitas permintaan terhadap populasi dan elastisitas
permintaan terhadap selera. Bila ditemukan nilai koefisen a=0,4; b=0,28; c=0,2; dan d=1,94
maka dengan k sebesar 2,54 kita bisa tuliskan persamaan regresi yang dihasilkan sebagai berikut:
lnQx = ln 2,54 + 0,4 lnPx + 0,28 lnI + 0,2 lnN + 1,94 lnS

Hingga di sini proses perhitungan regresi sudah selesai. Namun untuk bisa digunakan dalam
analisis, hasil perhitungan tersebut perlu diuji untuk mengetahui apakah hasil tersebut dapat
dipertanggungjawabkan. Pengujian ini merupakan langkah terakhir dari proses analisis regresi.
Menguji hasil regresi
Dalam langkah terakhir ini, pengujian dilakukan terhadap empat hal, yaitu (1) uji tanda,
(2) uji signifikansi, (3) uji determinasi, dan (4) uji penyimpangan regresi.

Masing-masing akan dibahas berikut ini.

 Yang pertama adalah uji tanda dari koefisien-koefisien dalam persamaan regresi. Uji
tanda ini menyangkut tanda positif atau negatif dari nilai koefisien dan mengujinya apakah
sesuai dengan dasar teori yang ada. Misal, koefisien regresi variabel harga komoditi Px atau
koefisien a dalam persamaan regresi di atas bertanda positif, yaitu sebesar +0,4. Hal ini berarti
apabila harga komoditi X (Px) naik, maka kuantitas yang diminta atas komoditi X (Qx) juga
akan naik. Demikian juga bila Px turun, maka Qx juga akan turun. Menurut dasar teori yang ada,
seharusnya hubungan antara harga komoditi (P) dan kuantitas yang diminta atas komoditi
tersebut (Q) bertanda negatif. Artinya, bila harga komoditi naik, maka kuantitas yang diminta
akan turun, dan sebaliknya. Dengan demikian, terjadi ketidaksesuaian antara teori yang ada
dengan hasil regresi dan karenanya perlu dicari penyebab ketidaksesuaian tersebut, yaitu apakah
ada kesalahan dalam proses perhitungan atau kesalahan dalam pengukuran variabel harga atau
hal lainnya. Penyebab ini harus diketahui supaya hasil regresi benar-benar valid dan keputusan
manajerial yang diambil atas dasar hasil regresi ini juga tepat dan dapat dipertanggungjawabkan.
Hal yang sama juga harus dilakukan terhadap koefisien lainnya.
Uji yang kedua adalah uji signifikansi. Uji ini dimaksudkan untuk mengukur keberartian
hasil secara statistik dari perkiraan parameter atau mengukur derajat keyakinan dari setiap
perkiraan parameter. Untuk maksud tersebut digunakan uji t. Uji t digunakan untuk menguji
apakah ada hubungan linier antara variabel dependen dan variabel independen. Bila uji t untuk
persamaan permintaan di atas menunjukkan hasil signifikan untuk semua parameter, berarti
dapat dikatakan ada hubungan antara Qx dengan Px, Qx dengan I, Qx dengan N, dan Qx dengan
S.
Oleh karena itu, perubahan yang terjadi pada Px, I, N, dan S masing- masing akan berpengaruh
secara signifikan terhadap Qx. Sebaliknya bila tidak signifikan, perubahan pada variabel Px, I,
N, dan S tidak akan membuat Qx berubah secara signifikan. Untuk mengetahui apakah uji t
signifikan atau tidak dilakukan dengan cara membandingkan nilai t yang dihasilkan dari
perhitungan (t hitung) dengan nilai t pada tabel statistik (t tabel). Besarnya nilai t tabel
tergantung pada derajat kebebasan (degree of freedom) dan tingkat kepercayaan (level of
confidence) α. Derajat kebebasan merupakan selisih antarajumlah sampel (n) dan jumlah
variabel independen termasuk konstanta (k) atau sebesar (n-k). Nilai t pada derajat kebebasan
dan α yang ditentukan pada tabel distribusi t kemudian dibandingkan dengan nilai t hasil
perhitungan. Bila t hitung > t tabel, maka variabel independen berpengaruh signifikan terhadap
variabel dependen. Sebaliknya bila t hitung < t tabel, maka variabel independen tidak
berpengaruh signifikan terhadap variabel dependen.
Uji F atau analisis varians (anova) digunakan untuk menentukan apakah variabilitas di
antara atau lintas kelompok sampel lebih besar dari yang diharapkan karena kesalahan
pengambilan sampel. Untuk uji hipotesis, uji ini digunakan untuk menguji besarnya pengaruh
semua variabel independen secara bersama-sama terhadap variabel dependen. Variabel-variabel
independen secara bersama-sama dikatakan mempunyai pengaruh yang signifikan terhadap
variabel dependen bila nilai F hasil hitung (Fhitung) lebih besar dari Ftabel pada suatu tingkat
signifikansi tertentu. Sebaliknya bila Fhitung < Ftabel maka variabel-variabel independen tidak
mempunyai pengaruh signifikan terhadap variabel dependen. Nilai Ftabel ditentukan dari dua
macam derajat kebebasan, yaitu derajat kebebasan yang terkait dengan MSA (sum of squares
among groups) dan MSE (sum of squares within groups). Derajat kebebasan MSA adalah (k-1)
dan untuk MSE adalah (n-k).
Kebaikan dari persamaan regresi yang dihasilkan dapat diuji dari R square (R 2) atau
adjusted R square (R2). Uji determinasi ini merupakan uji ketiga yang harus dilakukan. Uji ini
dimaksudkan untuk mengukur seberapa besar proporsi variasi pada Qx yang dapat dijelaskan
oleh variabel-variabel independen yang ada di dalam persamaan regresi. Bila diketahui R 2 =
80%, hal ini menunjukkan bahwa variabel-variabel independen Px, I, N, dan S menjelaskan
sebesar 80% terjadinya variasi pada Qx. Dengan kata lain, 20% variasi Qx ditentukan oleh
variabel lain selain keempat variabel yang ada di dalam persamaan regresi. Semakin tinggi nilai
R2 mengindikasikan model persamaan regresinya semakin baik.
Uji yang juga harus dilaksanakan adalah untuk meyakinkan bahwa persamaan regresi
bebas dari masalah-masalah yang terkait dengan multikolinearitas (data cross section),
heteroskedastisitas, otokorelasi (data time series), dan harus memenuhi syarat data terdistribusi
secara normal. Apabila salah satu masalah tersebut terdeteksi, maka harus segera dikoreksi untuk
menghilangkannya supaya hasil regresi bisa bermanfaat dengan baik.