1

BAB 1

PENDAHULUAN

A. Latar Belakang
Dalam kegiatan perekonomian, tidak terlepas dari permintaan dan penawaran
pada kesempatan kali ini, saya akan membahas masalah “estimasi
permintaan”.estimasi permintaan itu ada yang dilakukan secara lansung dan tidak
langsung. Yaitu estimasi yang bersifat kualitatif direktif. Diantaranya, customer
survey, metode observasi dan metode market eksperimen. Perpotongan dari kurva
permintaan dan penawaran yang berbeda tetapi tidak di ketahui itu menghasilkan
observasi harga – kuantitas yang berbeda – beda. Oleh karena itu dengan hanya
menggabungkan observasi yang berbeda – beda tentang harga – kuantitas , kita
tidak menghasilkan kurva permintaan untuk komoditas tersebut . Kurva
permintaan tidak dapat di identifikasi dengan sesederhana itu. Ini dikenal dengan
istilah Masalah identifikasi (identification problem).
Selain itu, agar hasil analisis ini mendalam kita harus membubuhinya
dengan analisis kuantitatif. Analisis kuantiatif yang sering digunakan adalah
regresi. Pada makalah ini, akan dibahas juga contoh analisis yang menggunakan
metode regresi dan contoh penggunaan dari regresi tersebut. Meskipun survei
konsumen, klinik konsumen, eksperimen pasar dan pendekatan pemasaran yang
lainnya untuk mengestimasi permintaan menjadi sangat berguna, tetapi metode
yang paling digunakan untuk mengestimasi permintaan dalam ekonomi manajerial
adalah analisis regresi, metode ini biasanya lebih objektif menyediakan informasi
yang lengkap dan lebih murah.

B. Rumusan Masalah
1. Apa yang dimaksud dengan estimasi permintaan?
2. Apa masalah identifikasi dalam estimasi permintaan?
3. Bagaimana pengenalan terhadap analisis regresi?
4. Bagaimana metode yang digunakan dalam analisis regresi serderhana?
5. Apa yang dimaksud dengan anlisis regresi berganda?
6. Apa masalah dalam analisis regresi?
7. Apa saja estimasi permintaan dengan analisis regresi?

C. Tujuan
1. Untuk mengetahui apa yang dimaksud dengan estimasi permintaan?
2. Untuk mengetahui masalah identifikasi dalam estimasi permintaan?
3. Untuk mengetahui bagaimana pengenalan terhadap analisis regresi?
 2

4. Untuk mengetahui metode yang digunakan dalam analisis regresi

serderhana?
5. Untuk mengetahui apa yang dimaksud dengan anlisis regresi berganda?
6. Untuk mengetahui masalah dalam analisis regresi?
7. Untuk mengetahui apa saja estimasi permintaan dengan analisis regresi?
 3

BAB 2

PEMBAHASAN

A. Pengertian Estimasi Permintaan

Pengertian estimasi menurut Kamus Besar Bahasa Indonesia (KBBI)

adalah perkiraan, penilaian, atau pendapat. Ini menunjukkan istilah estimasi dapat
digunakan secara umum untuk menyatakan sebuah perkiraan, penilaian atau
pendapat pada suatu hal.

Pengertian estimasi adalah keseluruhan proses yang memerlukan serta

menggunakan estimator untuk menghasilkan sebuah estimate dari suatu
parameter. (Harinaldi : 2005)

Estimasi adalah suatu pengukuran yang didasarkan pada hasil kuantitatif

atau dengan kata lain, tingkat akurasinya bisa diukur dengan angka (Tockey :
2004)

Sedangkan permintaan adalah sejumlah barang yang dibeli atau diminta

pada suatu harga dan waktu tertentu. permintaan ini berkaitan dengan keinginann
konsumen pada suatu barang atau jasa yang ingin dipenuhi dan kecenderungan
permintaan konsumen biasanya akan barang dan jasa tak terbatas.

Dari pengertian diatas kami menyimpulkan estimasi permintaan adalah

kegiatan memperkirakan jumlah permintaan konsumen terhadap barang dan jasa
dimasa yang akan datang berdasarkan data atau keadaan masa lalu dan saat ini.
 4

B. Pendekatan Penelitian Pemasaran untuk Estimasi Permintaan

a) Survei Konsumen dan Penelitian Observasi
Survei konsumen (consumer surveys) melibatkan sejumlah sampel
konsumen tentang bagaimana mereka akan bereaksi terhadap perubahan
tertentu dalam harga suatu komoditi, yang berhubungan, pengeluaran
iklan, insentif kredit, dan determinan yang lainnya. Survey dilakukan
dengan cara mencegat dan menanyai orang-orang di suatu pusat
perbelanjaan atau dengan mengatur daftar pertanyaan (kuesioner) yang
dibagikan kepada sampel konsumen tertentu oleh para penanya yang
terlatih.
Teorinya, kuesioner konsumen dapat menyediakan informasi yang
sangat berguna bagi perusahaan. Dalam kenyataan, banyak juga yang
mengalami bias karena konsumen tidak mau atau tidak bisa memberikan
jawaban yang akurat.
Karena keterbatasan dari survei konsumen, maka banyak
perusahaan yang menggantikan atau melengkapi survei tersebut dengan
penelitian observasi (observational research). Penelitian observasi ini
mengacu kepada pengumpulan informasi tentang preferensi konsumen
dengan mengamati bagaimana mereka membeli dan menggunakan
berbagai produk.
Namun demikian, penelitian observasi tidak mengatakan bahwa
survei konsumen itu tidak berguna. Kadang survei konsumen merupakan
satu-satunya cara untuk mendapatkan informasi tentang respon yang
mungkin dari konsumen.

b) Klinik Konsumen
Pendekatan yang lainnya terhadap estimasi permintaan adalah klinik
konsumen (consumer clinics). Ini merupakan percobaan laboraturium di
mana sejumlah partisipan diberikan sejumlah uang tertentu dan diminta
untuk membelanjakannya didalam suatu toko simulasi dan melihat
bagaimana mereka memberikan reaksi terhadap perubahan dalam harga
komoditi, pengemasan produk, pemajangan, harga produk pesaing, dan
faktor lainnya yang mempengaruhi permintaan. Partisipan dalam
percobaan ini dapat dipilih sedekat mungkin yang mewakili karakteristik
sosio ekonomi dari pasar yang dituju. Partisipan mempunyai insentif
dalam membeli komoditi yang mereka inginkan karna biasanya mereka di
izinkan untuk tetap membeli barang tersebut. Sehingga, klinik konsumen
lebih realistik dibandingkan survei konsumen. Dengan kemampuan untuk
mengontrol lingkungan, klinik konsumen juga menghindari kekurangan
dari percobaan pasar, yang dapat merusak kejadian sesungguhnya.
 5

Klinik konsumen juga menghadapi beberapa keterbatasan yang

cukup serius. Pertama, hasilnya dipertanyakan karena partisipan tahu
bahwa mereka dalam situasi yang dibuat dan bahwa mereka sedang di
observasi. Maka dari itu, ada kemungkinan mereka tidak bertindak secara
normal, seperti jika mereka dalam situasi pasar sesungguhnya.
Mengestimasi suatu bentuk tingkah laku berdasarkan hasil dari percobaan
yang didasari oleh sampel yang kecil dapat menjadi sangat berbahaya. Di
samping kelemahan tersebut, klinik konsumen dapat menghasilkan
informasi yang berguna tentang permintaan terhadap produk perusahaan
terutama jika klinik konsumen dilengkapi dengan survei konsumen.

c) Percobaan Pasar
Tidak seperti klinik konsumen, yang dijalankan dalam suatu laboratorium
percobaan yang ketat, percobaan pasar (market experiments) diadakan di
pasar yang sesungguhnya. Terdapat banyak cara untuk melakukan
percobaan ini. Salah satu metodenya adalah dengan memilih beberapa
pasar dengan karakteristik sosio ekonomi yang mirip dan mengubah harga
komoditas di dalam beberapa toko atau pasar, mengubah bungkus dipasar
atau toko yang lain serta mengubah jumlah dan tipe peromosi di pasar atau
toko yang lainnya, kemudian merekam respon yang dilakukan oleh
konsumen di beberapa pasar tersebut. Dengan menggunakan data sensus
atau survei tehadap berbagai macam pasar, sebuah perusahaan juga dapat
menentukan efek dari umur, jenis kelamin, tingkat pendidikan,
pendapatan, jumlah keluarga dan lainnya terhadap pemintaan akan
komoditas. Pilihan lainnya, perusahaan dapat mengubah satu hal dalam
pasar tetentu dalam jangka waktu tertentu dan merekam respon
konsumennya.
Eksperimen ini juga memiliki beberapa kekurangan yang serius,
salah satunya dalam rangka menjaga biaya tetap rendah, eksperimen
biasanya tetap dilakukan dalam skala yang terbatas dan dalam jangka
waktu yang relatif singkat, sehingga gambarannya terhadap seluruh pasar
dan untuk jangka waktu yang lebih panjang patut dipertanyakan. Mereka
juga dapat memonitor eksperimen ini dan mengambil keuntungan
informasi yang bermanfaat yang tidak ingin dibuka oleh perusahaan.
Akhirnya sebuah perusahaan dapat secara permanen kehilangan pelanggan
karena proses peningkatan harganya selama eksperimen berlangsung
dengan harga yang relatif tinggi.
Disamping kekurangan tersebut eksperimen pasar dapat berguna
bagi perusahaan dalam menentukan strategi penetuan harganya yang
terbaik dan menguji beberapa jenis bungkus yang berbeda, kampanye
 6

promosi dan kualitas produk. Eksperimen pasar yang utama benar – benar
berguna dalam proses pengenalan produk di mana tidak ada data lainnya
yang tersedia. Ia juga menjadi sangat bermanfaat dalam menguji hasil dari
teknik statistik yang lainnya yang digunakn untuk mengestimasi
permintaan dan dalam menyediakan beberapa data yang diperlukan untuk
teknik statisktik yang lainnya dari estimasi permintaan.

C. Pengenalan Terhadap Analisis Regresi

Salah satu cara untuk mengestimasi hubungan linear antara pengeluaran
iklan perusahaan dengan penerimaan penjualannya adalah dengan
menggambarkan, secara pandang mata, suatu garis lurus dengan kemiringan
positif yang paling dapat mewakili di antara titik – titik data yang ada
(sehingga titik – titik data tersebut berada pada jarak yang kurang lebih sama
pada kedua sisi garis). Dengan memperpanjang garis tersebut dengan
pengeluaran iklan sama dengan mengestimasi penerimaan penjualan
perusahaan tersebut dengan pengeluaran iklan sama dengan nol. Kemiringan
garis ini bisa digunakan untuk estimasi peningkatan penerimaan penjualan
yang bisa diharapkan oleh perusahaan setiap kenaikan 1 juta dolar pengeluaran
iklan. Ini akan memberikan estimasi kasar mengenai hubungan antara penerima
penjualan ( Y) dengan pengeluaran iklan ( x ) dari bentuk persamaan: 
Y=a+bX 

Analisis Regresi ( regression analysis ) merupakan teknik statistik yang

dapat menghasilkan garis yang paling baik yang cocok dengan data yang sesuai
dengan kriteria statistika yang objektif, sehingga semua peneliti yang melihat
data yang sama akan mempunyai hasil yang sama ( menghasilkan garis yang
sama ) secara spesifik , garis regresi ( regression liner ) merupakan garis yang
di hasilkan dengan meminimumkan jumlah dari simpangan kuadrat pada
sumbu vertikal dari setiap titik dari garis regresi tersebut. Metode ini kemudian
disebut sebagai metode kuadrat terkecil biasa (ordinary least –squares – OLS
method ) “ garis regresi yang memenuhi Metode kuadrat terkecil ( least square
method ).
7
8
 9

D. Analisis Regresi Sederhana.

Analisis regresi sederhana adalah sebuah metode pendekatan untuk
pemodelan hubungan antara satu variabel dependen dan satu variabel
independen. Dalam model regresi variabel independen menerangkan variabel
dependennya. Dalam analisis regresi sederhana, hubungan antara variabel
bersifat linear, dimana perubahan variabel X akan diikuti oleh perubahan
variabel Y secara tetap. Sementara pada hubungan non linear , perubahan
variabel X tidak diikuti dengan perubahan variabel Y scara proporsional seperti
pada model kuadratik, perubahan X diikuti oleh kuadrat dari variabel X,
hubungan demikian tidak bersifat linear. Secara matematis model analisis
regresi linear sederhana daapat digambarkan sebagai berikut:
Y= A+BX+e
Y= Adalah variabel dependen atau respon
A= Adalah interceot atau konstanta
B= Adalah koefisen regrei atau slope
E =Adalah residual atau error
Secara praktis analisis regresi linear sederhana memiliki kegunaan
sebagai berikut:
1.   Model regresi sederhana dapat digunakan untuk memprediksi nilai Y. Namun
sebelum melakukan forecasting terlebih dahulu harus buat model atau
persamaaan regresi liner. Ketika model yang fit sudah terbentuk maka model
tersebut memiliki kemampuan untuk memprediksi nilai Y berdasarkan variabel
yang diketahui. Katakanlah sebuah model regresi digunakaan untuk membuat
persamaan antara pendapatan (X) dan komsumsi (Y) keyka sudah diperoleh
model fit antara pendapatan dengan konsumsi, maka kita dapat memprediksi
berapa tingkat konsumsi masyarakat ketika kita sudah mengetahui pendapatan
masyarakat.
2.   Mengukur pengaruh variabel X terhadap variabel Y. Misalkan kita memiliki
satu serial data variabel Y, melalui analisis regresi linier sederhana kita dapat
membuat model variabel-variabel yang memiliki pengaruh terhadap variabel
Y. Hubungan antara variabel dalam analisis regresi bersifat kausalitas atau
 10

sebab akibat. Berbeda halnya dengan analisis korelasi yang hanya melihat
hubungan asosiatif tanpa mengetahui apa variabel yang menjadi sebab dan apa
variabel yang menjadi akibat.

Model regresi linier sederhana yang baik harus memenuhi asumsi-

asumsi berikut:
a.   Eksogenitas yang lemah, kita harus memahami secara mendasar sebelum
menggunakan analisis regresi bahwa analisis ini mensyaratkan bahwa
variabel X bersifat fixed atau tetap, sementara variabel Y bersifat random.
Maksudnya adalah satu nilai variabel X akan memprediksi variabel Y
sehingga ada kemungkinan beberapa variabel Y. dengan demikian harus ada
nilai error atau kesalahan pada variabel Y. Sebagai contoh ketika
pendapatan (X) seseorang sebesar Rp 1 juta rupiah, maka pengeluarannya
bisa saja, Rp 500 ribu, Rp 600 ribu, Rp 700 ribu dan seterusnya.
b.  Linieritas, seperti sudah dijelaskan sebelumnya bahwa model analisis regresi
bersifat linier. artinya kenaikan variabel X harus diikuti secara proporsional
oleh kenaikan variabel Y. Jika dalam pengujian linieritas tidak terpenuhi,
maka kita dapat melakukan transformasi data atau menggunakan model
kuadratik, eksponensial atau model lainnya yang sesuai dengan pola
hubungan non-linier.
c.  Varians error yang konstan, ini menjelaskan bahwa varians error atau
varians residual yang tidak berubah-ubah pada respon yang berbeda. asumsi
ini lebih dikenal dengan asumsi homoskedastisitas. Mengapa varians error
perlu konstan? karena jika konstan maka variabel error dapat membentuk
model sendiri dan mengganggu model. Oleh karena itu, penanggulangan
permasalahan heteroskedastisitas/non-homoskedastisitas dapat diatasi
dengan menambahkan model varians error ke dalam model atau model
ARCH/GARCH.
d.   Autokorelasi untuk data time series, jika kita menggunakan analisis regresi
sederhana untuk data time series atau data yang disusun berdasarkan urutan
waktu, maka ada satu asumsi yang harus dipenuhi yaitu asumsi autokorelasi.
 11

Asumsi ini melihat pengaruh variabel lag waktu sebelumnya terhadap

variabel Y. Jika ada gangguan autokorelasi artinya ada pengaruh variabel
lag waktu sebelumnya terhadap variabel Y. sebagai contoh, model kenaikan
harga BBM terhadap inflasi, jika ditemukan atukorelasi artinya terdapat
pengaruh lag waktu terhadap inflasi. Artinya inflasi hari ini atau bulan ini
bukan dipengaruhi oleh kenaikan BBM hari ini namun dipengaruhi oleh
kenaikan BBM sebelumnya (satu hari atau satu bulan tergantung data yang
dikumpulkan).

E. Analisis Regresi berganda

Analisis regresi linear berganda adalah hubungan secara linear antara dua
atau lebih variable independen (X1,X2,...,Xn) dengan variabel dependen
(Y).analisis ini untuk mengetahui arah hubungan antara variabel independen
dengan variabel dependen apakah masing-masing variabel independen
berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel
dependen apabila nilai variabel independen mengalami kenaikan atau
penurunan. Data yang digunakan biasanya berskala interval atau rasio.
Persamaan regresi linear berganda sebagai berikut:
Y’= a + b1X1 + b2X2 +.....+ bnXn
Keterangan :
Y’ = variabel dependen (nilai yang diprediksikan)
X1 dan X2 = variabel independen
a = konstanta ( nilai Y’ apabila X1,X2,.....,Xn =0)

F. Masalah dalam Analisis Regresi

Analisis regresi dapat menghadapi masalah serius:
1. Multikolinearitas
Ini mengacu kepada situasi dimana dua atau lebih variabel penjelas
dalam suatu regresi mempunyai kolerasi yang tinggi. multikolinearitas
yang serius terkadang dapat dihilangkan atau dikurangi bagian:
a.       Memperluas ukuran sampel (mengumpulkan lebih banyak data)
 12

b.      Menggunakan informasi sebelumnya

c.       Melakukan transformasi terhadap hubungan fungsional
d.      Membuang satu dari variabel yang memiliki kolinear tinggi

2. Heteroskedastisitas
Ini timbul pada saat asumsi bahwa varian dari faktor galat adalah
konstan untuk semua nilai dari variabel bebas yang tidak dipenuhi. Hal ini
sering muncul dalam cross – sectional data. Gangguan heteroskedastisitas
ini membawa kita pada galat baku yang bias dan menjadi hasil uji statistik
yang tidak tepat serta interval keyakinan untuk estimasi parameter yang
tidak tepat pula.
Sebagai contoh, galat yang berhubungan dengan pengeluaran dari
keluarga yang berpendapatan rendah biasanya lebih kecil dibandingkan
dari keluarga yang pendapatannya tinggi karena kebanyakan pengeluaran
dari keluarga yang berpendapatan rendah biasanya merupakan barang
kebutuhan pokok, dengan kemungkinan yang terbatas untuk kehendak
lainnya. Maka, jika data tentang pengeluaran keluarga digunakan sebagai
variabel penjelas, analisis regresi akan cenderung memiliki masalah
heteroskedastisitas.
Gangguan heteroskedastis ini membawa kita pada galat baku yang
bias dan menjadikan hasil uji statistik yang tidak tepat serta interval
keyakinan untuk estimasi parameter yang kurang tepat pula. Saat pola dari
galat menunjukkan adanya heteroskedastisitas, peneliti bisa
menghilangkan masalah ini dengan menggunakan logaritma dari variabel
penjelas yang menyebabkan terjadinya heteroskedastisitas tersebut atau
dengan menjalankan regresi dengan sistem kuadrat terkecil tertimbang
(weighted least square). Untuk menjalankan regresi jenis ini, pertama kita
harus membagi semua variabel terikat dan variabel bebas dengan variabel
yang menyebabkan terjadinya heteroskedastisitas dan menjalankan regresi
terhadap variabel yang sudah ditransformasikan tersebut.
 13

3. Otokolerasi
Kapan pun terjadi galat atau residual yang berurutan berkorelasi,
kita memiliki otokorelasi atau korelasi serial. Pada saat galat yang
berurutan mempunyai tanda yang sama, kita mempunyai otokorelasi yang
positif, pada saat gambar berubah secara teratur kita mempunyai
otokorelasi negatif. Otokorelasi biasanya terjadi pada data deret waktu,
data yang mempunyai satu observasi untuk setiap variabel pada setiap
satuan waktu. Dalam ekonomi otokorelasi positif lebih umum dari pada
yang negatif, otokorelasi dapat muncul karena adanya tren atau siklus
dalam variabel ekonomi, dari tidak dimasukkannya variabel yang penting
dalam regresi atau data yang nonlinear.
 14

G. Estimasi Permintaan dengan Analisis Regresi

Metode yang paling umum digunakan dalam mengestimasi permintaan dalam

ekonomi manajerial adalah analisis regresi. Metode ini biasanya lebih objektif,
menyediakan informasi yang lebih lengkap dan lebih murah dibandingkan
menyediakan pendekatan pemasaran secara tepat untuk melakukan estimasi
permintaan.

Dalam hal ini kita akan meringkas metode estimasi permintaan dengan
menggunakan analisis regresi. Secara spesifik kita akan membahas:

1. Spesifikasi Model
Langkah pertama dalam menggunakan analisis regresi untuk mengestimasi
permintaan adalah menspesifikasi model yang akan diestimasi. Ini
menyangkut pengidentifikasian variabel-variabel penting yang dipercaya
mempengaruhi permintaan untuk komoditi yang dikaji. Termasuk:
- Harga dari komoditi (Px)
- Pendapatan konsumen (I)
- Jumlah konsumen dalam pasar (N)
- Harga komoditi yang berhubungan (substitusi atau komplementer)
(Py)
- Selera konsumen (T)
- Variabel-variabel lain seperti tingkat iklan, ketersediaan dan tingkat
insentif kredit, serta harapan konsumen akan tingkat harga.

Maka dibuatlah fungsi umum dari permintaan untuk komoditi (Qx)

Qx = f ( Px, I, N, Py, T, ...)

Untuk fungsi permintaan contoh: untuk barang-barang tahan lama seperti

rumah atau mobil yang biasanya dibeli dengan meminjam uang atau dicicil
harus memasukkan faktor kredit atau tingkat bunga ke dalam variabel
penjelas.

2. Mengumpulkan Data dari Variabel-Variabel

 15

Tahap kedua untuk mengestimasi permintaan terhadap suatu komoditi

tertentu adalah dengan mengumpulkan data dari variabel-variabel dalam
modelnya. Data dapat dikumpulkan untuk setiap variabel sepanjang waktu
(tahunan, kuartalan, bulanan, dan sebagainya) atau unit ekonomi yang
berbeda (individual, rumah tangga, dan sebagainya) pada suatu waktu
tertentu (tahun tertentu, bulan, atau minggu tertentu), penjelasan yang awal
biasa disebut dengan data deret-waktu, sementara yang akhir disebut
dengan cross-sectional data. Setiap data mempunyai keuntungan tertentu
tetapi juga mengarah pada masalah estimasi tertentu.
Tipe data yang biasanya digunakan dalam estimasi permintaan sering kali
ditentukan oleh ketersediaannya. Kesenjangan data juga memaksa peneliti
membuat proksi untuk beberapa variabel yang datanya tidak tersedia.
Seperti proksi ekspetasi untuk harga dari konsumen dalam setiap periode
biasanya adalah perubahan data yang sesungguhnya dari waktu yang
sebelumnya.
3. Menspesifikasi Bentuk Persamaan Permintaan
Langkah ketiga adalah dengan menentukan bentuk fungsional dari model
yang akan diestimasi. Model paling sederhana dapat dipakai dan paling
realistis biasanya model linier. Contoh:
Qx = a₀ + a₁Px + a₂I + a₃N + a₄Py + . . . + e
a : parameter ( koefisien ) yang akan diestimasi
e : faktor galat
Dalam model linier begini , perubahan dalam variabel terikat untuk setiap
perubahan pada variabel bebas atau variabel penjelas adalah konstan tanpa
menghiraukan tingkatan dari variabel lain.
Namun demikian ada kasus dimana hubungan nonlinier akan cocok
dengan data yang ada dibandingkan bentuk linier. Ini dapat diketahui
dengan menggambarkan grafik (diagram pencar) dari variabel terikat pada
setiap variabel bebasnya. Spesifikasi hubungan nonlinier yang paling
sering dijumpai dalam persamaan permintaan adalah fungsi pangkat.
Persamaan permintaan dalam fungsi pangkat (untuk sederhananya hanya
 16

memasukkan harga dari komoditi dan pendapatan konsumen sebagai

variabel bebas atau penjelas) adalah:
Qx = a (Pᵇˡx) (1ᵇ²)
Untuk mengestimasi parameter dari persamaan permintaan diatas pertama
kita harus mentransformasi kedalam bentuk log berganda seperti
persamaan dibawah ini. Yang linier dalam logaritma dan kemudian
menjalankan regresinya dengan log dari variabel tersebut.
In Qx = In a + b₁ In Px + b₂ In I
Estimasi koefisien kemiringan ( b₁ dan b₂ ) dalam persamaan diatas
mewakili persentase perubahaan atau elastisitas rata-rata. Secara khusus:
b₁ : elastisitas permintaan terhadap harga ( Ep)
b₂ : elastisitas permintaan pendapatan terhadap harga (Ei) untuk komoditi
X
Sehingga keuntungan dari formulasi pangkat dari fungsi permintaan
adalah bahwa estimasi koefisien yang diberikan langsung memberikan
elastisitas permintaannya. Dalam dunia nyata, baik model linier maupun
pangkat dari fungsi permintaan biasa digunakan, dan memberikan hasil
yang lebih baik yang lebih pas dengan datanya yang biasanya dipakai.
4. Menguji Hasil Ekonometri
Langkah terakhir adalah mengevaluasi hasil regresi, pertama tanda dari
setiap estimasi koefisien kemiringan yang ada harus dicek apakah sesuai
dengan dasar teori yang ada. Kedua, uji t harus dilaksanakan terhadap
keberartian statistikal dari estimasi parameter – parameter yang untuk
menentukan derajat keyakinan dari setiap estimasi koefisien kemiringan.
Koefisien determinasi (yang sudah disesuaikan), R² akan mengindikasikan
proporsi dari variasi total dalam permintaan untuk komoditi yang dapat
dijelaskan oleh variabel bebas atau variabel penjelas yang ada dalam
persamaan permintaan.
 17

BAB 3

PENUTUP

A. Kesimpulan
Estimasi permintaan adalah merupakan kegiatan memperkirakan jumlah
permintaan konsumen terhadap barang atau jasa dimasa yang akan daatang
berdasarkan data atau keadaaan masa lalu dan saat ini. Dalam melakukan
estimasi permintaan konsumen, metode yang sering digunakan, anarata
lain:
1. Customer Survey adalah suatu metode yang digunakan untuk
mengetahui sikap dan persepsi para pelanggan dengan cara wawancara
secara langsung atau memberikan questioner yang sudah dipersiapkan
terlebih dahulu. Kelemahan dari metode ini, antara lain: biaya relative
mahal (besar), dan hasil survey tidak realistic karena konsumen tidak
memberkan jawaban yang akurat (ditutupi kekurangan mereka).
2. Metode Observasi adalah suatu metode yang digunakan untuk
mengetahui perilaku konsumen /pelanggan dengan cara pengamatan
yang dilakukan oleh salesman (ditugaskan oleh manager perusahaan).
Kelemahan dari metode ini adalah hasil dari sering kali tidak
memberikan gamabarn yang objektif dari konsumen, tapi gambaran
justru subyektif dari salesman.
3. Metode Market Experiment adalah suatu cara untuk membuat estimasi
permintaan dengan malakukan uji coba dapa segmen pasar tertentu.
Uji coba ini dilakukan dengan memberikan perlakukan tertentu
terhadap factor –factor yang mempengaruhi permintaan.

B. Saran
Makalah ini kami akui masih banyak kekurangan karena pengalaman yang
kami miliki masih sangat kurang. Oleh karena itu, diharapkan kepada
pembaca untuk memberi masukan-masukan yang bersifat membangun
untuk kesempurnaan makalah ini.
 18

DAFTAR PUSTAKA