TUGAS EKONOMI MANAJERIAL

ESTIMASI PERMINTAAN

Disusun untuk memenuhi Tugas Mata Kuliah Ekonomi Manajerial

yang dibimbing oleh Dr. Susanto Tirtoprojo, MM

Disusun oleh:
Kelompok 2

1. Aulia Shafa Salsabila (F0219025)

2. Daffa Andrabhuwana Kusuma (F0219034)
3. Daffarzha Adam Habiel ‘Nur (F0219035)
4. Ega Kenya Tirtawana (F0219044)
5. Elisa (F0219045)

PROGRAM STUDI S1-MANAJEMEN

FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS SEBELAS MARET
SURAKARTA
2021
A. Pengertian Perkiraan Permintaan

Perkiraan (estimasi) adalah menentukan bagaimana faktor-faktor dapat

mempengaruhi permintaan yang dimaksudkan untuk mengurangi ketidakpastian di masa
depan dalam pengambilan keputusan.

B. Pendekatan Perkiraan Permintaan

Ada beberapa pendekatan yang dapat dilakukan untuk melakukan perkiraan
permintaan. Pendekatan ini dapat dikelompokkan ke dalam dua kelompok, yaitu pendekatan
riset pasar dan pendekatan analisis regresi.

1. Pendekatan riset pasar

Riset pasar merupakan salah satu cara yang paling sering digunakan untuk melakukan
perkiraan permintaan dan meliputi tiga cara, yaitu:

 Survei konsumen

Merupakan survei yang melibatkan sejumlah konsumen sebagai sampel untuk melihat
bagaimana reaksi merkea terhadap perubahan tertentu yang berpotensi memengaruhi
permintaan, seperti harga suatu komoditi, pendapatan, harga komoditi lain yang berhubungan,
iklan dan lain sebagainya. Survei ini bisa dilakukan dengan menyebarkan kuesioner di
tempat-tempat perbelanjaan. Kelemahannya terdapat pada respon konsumen yang tidak
sesuai dengan kondisi yang terjadi. Kelemahan seperti ini bisa diatasi melalui penelitian
observasi dengan mengumpulkan informasi dan mengamati preferensi konsumen saat
membeli dan menggunakan suatu produk.

 Eksperimen pasar

Metode untuk mengetahui reaksi konsumen berkaitan dengan kuantitas yang akan
dibeli jika terjadi perubahan. Terdapat beberapa langkah dalam melakukan eksperimen pasar:

 Memilih beberapa pasar dengan karakteristik sosial ekonomi sama.

 Merubah faktor tertentu yang mempengaruhi permintaan, seperti harga, kemasan, bentuk
promosi dan lain sebagainya.

 Mencatat perubahan konsumen pada masing-masing pasar

Keuntungan dari metode ini adalah validitas hasil terjmain karena dapat dilakukan
pada skala besar. Namun, eksperimen pasar juga memiliki beberapa kelemahan, seperti biaya
terbatas, hasil berkemungkinan bias, tindakan pesaing, dan kemungkinan kehilangan
konsumen.

 Klinik konsumen

Merupakan metode yang mirip dengan eksperimen pasar. Jika eksperimen pasar
dilakukan secara langsung di pasar, sedangkan klinik konsumen dilakukan pada sebuah
laboratorium (simulated store). Klinik konsumen dianggap lebih realistis karena dapat
melihat langsung reaksi dan tindakan dari konsumen akibat perubahan yang terjadi atas faktor
yang mempengaruhi permintaan. Namun, metode ini pun juga masih memiliki kelemahan,
yaitu hasil yang diperoleh cenderung meragukan arena semua diseting sedemikian rupa dan
tidak mewakili kondisi yang sebenarnya.

2. Pendekatan Analisis Regresi

Analisis regresi dinilai lebih bermanfaat untuk perkiraan permintaan karena bersifat
lebih obyektif, mampu memberi informasi yang lebih lengkap, dan lebih murah dibandingkan
dengan riset pasar. Oleh karena itu, analisis regresi digunakan secara lebih luas dibanding
dengan pendekatan riset pasar. Untuk melakukan perkiraan permintaan dengan analisis
regresi perlu dilakukan tahapan tahapan berikut:

1. Menentukan model permintaan

Model permintaan menunjukkan keterkaitan antara variabel kuantitas yang diminta

atas suatu komoditi dengan variabel-variabel yang mempengaruhi kuantitas tersebut.

Dari hasil identifikasi faktor-faktor ini, kita kemudian dapat menuliskan keterkaitan antara
kuantitas yang diminta dengan faktor-faktor yang mempengaruhinya dalam suatu model
matematika sebagai berikut:

Qx = f (X1, X2, X3, . . ., Xi)

Model permintaan yang dibuat harus definitif. Artinya, faktor-faktor yang

mempengaruhi kuantitas yang diminta harus ditetapkan secara pasti. Misalkan menjadi
seperti berikut:

Qx = f (Px, I, N, S)

2. Mengumpulkan data dari variable

 Langkah kedua adalah mengumpulkan data dari variabel-variabel yang telah
ditetapkan dalam model permintaan. Dengan demikian, kita perlu mengumpulkan data yang
terkait dengan Qx, Px, I, N, dan S. Sebelumnya, perlu ditentukan jenis data untuk kelima
variabel tersebut apakah akan berupa data cross-section atau data time-series. Data cross-
section berarti data variabel-variabel tersebut dikumpulkan pada suatu saat tertentu untuk
banyak konsumen di banyak tempat yang berbeda. Ada empat jenis pengukuran variable.

 Ukuran nominal/kategorial

Ukuran nominal/kategorial merupakan cara mengukur suatu obyek yang paling

sederhana, yaitu dengan mengkategorikan obyek tersebut.

 Ukuran ordinal

Ukuran ordinal merupakan cara mengukur suatu obyek dengan menetapkan angka
yang mengandung tingkatan pada klasifikasi yang dbuat.

 Ukuran interval

Ukuran interval menunjukkan jarak antara satu pengukuran dengan pengukuran

lainnya adalah sama.

 Ukuran rasio

Ukuran rasio merupakan ukuran tertinggi. Ilustrasi klasik untuk menunjukkan ukuran
rasio adalah pengukuran jarak atau panjang dengan penggaris.

Kesulitan di dalam menentukan ukuran suatu variabel dapat diatasi dengan

menggunakan pendekatan data (proxy data). Misalkan, data pendapatan konsumen (I) yang
akan diukur dengan ukuran rasio tidak dapat diperoleh karena konsumen enggan untuk
memberikan informasi tentang berapa juta rupiah besarnya pendapatan per bulan mereka.
Sebuah pendekatan/proxy dapat dilakukan dengan cara menanyakan lokasi rumah tinggal
konsumen dimana lokasi tersebut dapat memberikan gambaran kondisi sosial ekonomi
konsumen ang sebenarnya juga akan diketahui dari data pendapatan. Pendekatan lain adalah
menanyakan jumlah kendaraan bermotor (mobil dan sepeda motor) yang dimiliki konsumen.
Semakin banyak jumlah mobil yang dimiliki menunjukkan kondisi sosial ekonomi yang lebih
baik.
3. Melakukan perhitungan persamaan regresi

a. Analisis Regresi Sederhana

Merupakan metode pendekatan untuk pemodalan hubungan antara satu variabel

dependen dan satu variabel independen. Disini, hubungan antara variabel bersifat linier, di
mana perubahan pada variabel X akan diikuti oleh perubahan variabel Y secara tetap.

 Metode Ordinary Least Square

Dapat diartikan sebagai metode jumlah kuadrat terkecil. Metode ini bertujuan untuk
menentukan kemiringan (slope) dan intercept yang meminimumkan jumlah simpangan
kuadrat (sum of the squared errors).

Model: �1 = � + ��1

� � �

�21 = (�1 − �1 )2 = (�1 − � − ��1 )2

�=1 �=1 �=1

Prosedur estimasi:

�
�=1
�1 − � (�1 − �)
�= �
�=1
(�1 − � )2

Contoh estimasi:
 �
�=1
�1 − � �1 − � � = � − ��
�= �
�=1
(�1 − � )2
� = 50 − 3.533 12
106
�= � = 7.60
30
�1 = 7.60 + 3.53�1
� = 3.533
 Uji Signifikansi

Uji ini dimaksudkan untuk mengukur keberartian hasil secara statistik dari perkiraan
parameter atau mengukur derajat keyakinan dari setiap perkiraan parameter.

a. Standard Error of the Slope Estimate:

�� − �� )� ���
�� = =
� − �) �� − �)� � − �) �� − �)�

�� − �� )2 65.4830
�� = �� =
� − �) �� − �)2 (10 − 2)(30)

�2� �� = 0.2728
�� =
� − �) �� − �)2
�� = 0.52
b. t-statistic:

�=�
� � = 6.97
�

Derajat Bebas = (n-k) = (10-2) = 8

3.53
�=
0.52 Critical Value at 5% level =2.306

c. Decomposition of Sum of Squares:

� � �
2 2
(�� − �) = (�� − �) + (�1 − �� )2
�=1 �=1 �=1

Total Variasi = Variasi terjelaskan + Variasi tak terjelaskan

d. Koefisien Determinasi:

�
2 �=1
(�� − �)2
� = �
�=1
(�1 − �� )2

373.84
�2 =
440.00

�2 = 0.85

e. Koefisien Korelasi:

� = �2 (-1 ≤ r ≤ 1)

� = 0.85

� = 0.9

b. Analisis Regresi Berganda

Analisis Regresi Berganda digunakan untuk mengukur pengaruh antara lebih dari satu
variabel prediktor (variabel bebas) terhadap variabel terikat.
Model:

� = � + �� �� +�� �� + … + �� ��

 Koefisien Determinasi dan R2 yang Disesuaikan

Koefisien determinasi mengukur proporsi dari variasi total variabel terikat yang
dijelaskan oleh variasi variabel bebas atau variabel penjelas dalam regresi.

� �−�
� = � − (� − �� )
�−�

 Analisis Varians

Analisis varians (ANOVA) dapat merupakan uji hipotesis (lebih sering dipakai)
maupun pendugaan (estimation, khususnya di bidang genetika terapan).

�2 /(� − 1)
�=
(1 − �2 )/(� − �)
�������� �����������/(� − 1)
�=
������� ��� �����������/(� − �)

4. Menguji Hasil Regresi

Menguji Hasil Regresi ini dilakukan terhadap 4 hal,yaitu :

 Uji tanda dalam persamaan koefisien-koefesien regresi.

Uji tanda ini menyangkut tanda positif atau negatif dari nilai koefisien dan
mengujinya apakah sesuai dengan dasar teori yang ada.

 Uji Signifikasi

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 determinasi
 Uji ini dimaksudkan untuk mengukur seberapa besar proporsi variasi pada Qx yang
dapat dijelaskan oleh variabel-variabel independen yang ada di dalam persamaan regresi.

 Uji Penyimpangan Regresi

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.

C. Perkiraan Permintaan Dalam Pembuatan Keputusan Manajerial

Dalam bagian ini akan disampaikan sebuah ilustrasi untuk menunjukkan bagaimana
perkiraanpermintaan ini digunakan sebagai dasar pengambilan keputusan manajerial dalam
perusahaan.Manajer tersebut mempunyai dugaan bahwa semakin banyak iklan dilakukan,
makin banyak pula kuantitas yang diminta. Dari sini jelas bahwa masalah ini terkait dengan
perkiraan permintaan dengan iklan sebagai faktor yang mempengaruhi kuantitas yang diminta.
Untuk mengetahui hal ini, manajer tersebut memutuskan untuk menggunakan analisis regresi
yang dipandangnya lebih sesuai mengingat perusahaan sudah mempunyai data kuantitas yang
diminta dari data penjualan dan iklan, sehingga tidak perlu melakukan riset pasar. Sesuai
dengan pendekatan analisis regresi, langkah yang harus dilakukan adalah sebagai berikut:

1. Menentukan model permintaan

Dalam kasus ini, model akan terdiri dari dua variabel, yaitu kuantitas yang diminta
(sebagai variabel dependen, Y) dan iklan (sebagai variabel indenpenden, X). Dengan
demikian, model permintaan untuk produk perusahaan tersebut dapat dituliskan sebagai Y =
f(X).

2. Mengumpulkan data variabel

Data kuantitas yang diminta atas produk (Y) akan diambil dari data penjualan produk.
Sedangkan data iklan akan diperoleh dari frekuensi tayang iklan dalam sebulan. Data kedua
variabel diambil selama 10 bulan sejak peluncuran produk pertama kali yaitu Januari 2015
dan berakhir Oktober 2015. Dengan demikian, data berupa data time series. Data yang
dikumpulkan disajikan dalam tabel berikut.
3. Menentukan bentuk persamaan

Plot data yang diperoleh perlu dilakukan dalam diagram pencar (scatter diagram)
yang menunjukkan penyebaran titik-titik dalam diagram X-Y, untuk mengetahui bentuk
persamaan dari model permintaan perusahaan, apakah linier atau tidak linier. Apabila sebaran
data cenderung berada di sekitar garis lurus dan mempunyai arah kemiringan positif, maka
dapat disimpulkan bahwa hubungan X dan Y positif LINEAR. Sehingga persamaan
permintaannya menjadi:

Y = a + Bx.

4. Menghitung persamaan regresi

Perhitungan persamaan regresi dilakukan dengan metode kuadrat terkecil (method of

least-squares) dimana estimator kuadrat terkecil (least-squares estimator) a dan b dihitung
dengan rumus berikut:

� (�−�)(�−�)
a = � −b� dan � (�−�)�

Dari perhitungan tersebut, diperoleh a = 7,60 dan b = 3,53 sehingga persamaan regresi
menjadi Y = 7,60 + 3,53X dengan asumsi hasil regresi adalah benar dan signifikan.

Atau dapat dikatakan bahwa a = 7,60 berarti bahwa kuantitas yang diminta atas
produk tersebut akan bernilai Rp7.600.000 bila tidak ada iklan yang ditayangkan (bila X = 0).
Koefisien regresi b menunjukkan besarnya elastisitas permintaan terhadap iklan. Bila b =
3,53 berarti setiap penambahan satu kali tayangan iklan akan berdampak pada meningkatnya
kuantitas yang diminta sebanyak Rp3.530.000. Berdasarkan hasil tersebut, manajer
pemasaran perusahaan dapat melakukan perkiraan besarnya kuantitas yang diminta
(penjualan) atas produk perusahaan berdasar frekuensi iklan yang akan dilakukan.
5. Menguji hasil regresi

Suatu perkiraan permintaan akan benar jika persamaan regresi yang dihasilkan juga
benar. Menguji hasil regresi perlu dilakukan untuk menjamin hal tersebut. Untuk
mengevaluasi hasil regresi yang perlu dilakukan adalah:

 Pertama, uji tanda koefisien bertanda positif, yang berarti ada hubungan antara X dan Y.
Artinya, bila X ditambah maka Y juga akan bertambah, dan sebaliknya

 Uji kedua adalah uji signifikansi dengan uji t. Uji ini dimaksudkan untuk menguji
hipotesis bahwa b adalah signifikan secara statistik, yaitu bahwa iklan mempengaruhi
penjualan secara positif. Makin tinggi nilai statistik t, makin yakin bahwa nilai b yang
sebenarnya tidak sama dengan nol. Artinya, terdapat hubungan yang signifikan antara
iklan dan penjualan.

 Uji kecocokan model (goodness of fit) R² atau adjusted R².

R² mengukur berapa besar variasi Y yang dapat dijelaskan oleh variasi dari X atau
mengukur proporsi perubahan total variabel terikat Y yang dijelaskan oleh variasi variabel
bebas X.

 Koefisien korelasi (r).

Koefisien korelasi mengukur arah dan kekuatan hubungan (kovarian), tanpa implikasi
ketergantungan atau hubungan sebab akibat antara dua variabel. Arah hubungan ditentukan
dari tanda: r > 0 hubungan positif dan r < 0 hubungan negatif. Besarnya r akan selalu berada
antara -1 < r < 1 dan nilai ini menunjukkan kekuatan hubungan. Nilai yang mendekati -1 atau
1 menunjukkan hubungan yang sangat kuat, sehingga r = +1 menunjukkan hubungan
sempurna.

Kesimpulan

Perkiraan permintaan adalah menentukan bagaimana faktor-faktor mempengaruhi

permintaan yang dimaksudkan untuk mengurangi ketidakpastian di masa datang yang
dihadapi dalam pengambilan keputusan. Pendekatan untuk perkiraan permintaan
dikelompokkan menjadi pendekatan riset pasar dan pendekatan analisis regresi.
 Cara untuk melakukan riset pasar terdiri dari survei konsumen, eksperiman pasar, dan
klinik konsumen.

Analisis regresi dinilai lebih bermanfaat untuk perkiraan permintaan karena bersifat
lebih obyektif, mampu memberi informasi yang lebih lengkap, dan lebih murah dibandingkan
dengan riset pasar. Tahapan dalam analisis regresi mencakup menentukan model permintaan,
mengumpulkan data dari variabel dalam model permintaan, menentukan bentuk persamaan
permintaan, melakukan perhitungan persamaan regresi, dan menguji hasil regresi.
 DAFTAR PUSTAKA

Salvatore, Dominick, Managerial Economics in a Global Economy, 5 th ed., Harcout

Collect publisher, 2004

Agustini, M. Y. (2018). EKONOMI MANAJERIAL PEMBUATAN KEPUTUSAN

BERDASAR TEORI EKONOMI. Semarang: Unika