ESTIMASI PERMINTAAN
Disusun oleh:
Kelompok 2
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:
Merubah faktor tertentu yang mempengaruhi permintaan, seperti harga, kemasan, bentuk
promosi dan lain sebagainya.
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.
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:
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 (Px, I, N, S)
Ukuran nominal/kategorial
Ukuran ordinal
Ukuran ordinal merupakan cara mengukur suatu obyek dengan menetapkan angka
yang mengandung tingkatan pada klasifikasi yang dbuat.
Ukuran interval
Ukuran rasio
Ukuran rasio merupakan ukuran tertinggi. Ilustrasi klasik untuk menunjukkan ukuran
rasio adalah pengukuran jarak atau panjang dengan penggaris.
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
� � �
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.
�� − �� )� ���
�� = =
� − �) �� − �)� � − �) �� − �)�
�� − �� )2 65.4830
�� = �� =
� − �) �� − �)2 (10 − 2)(30)
�2� �� = 0.2728
�� =
� − �) �� − �)2
�� = 0.52
b. t-statistic:
�=�
� � = 6.97
�
� � �
2 2
(�� − �) = (�� − �) + (�1 − �� )2
�=1 �=1 �=1
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
Analisis Regresi Berganda digunakan untuk mengukur pengaruh antara lebih dari satu
variabel prediktor (variabel bebas) terhadap variabel terikat.
Model:
� = � + �� �� +�� �� + … + �� ��
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)
�=
������� ��� �����������/(� − �)
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 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.
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:
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).
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.
� (�−�)(�−�)
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.
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 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
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