MAKALAH EKONOMI MANAJERIAL

ESTIMASI PERMINTAAN DAN PERAMALAN PERMINTAAN

Dosen Pembimbing :
Noor Azis, Drs., M.M.

Disusun Oleh :

1. Putri Rizkia Rahmadani 202110160311167

2. Lailatul Mukaromah 202110160311176

3. Alvira Syawal Dahari 202110160311196

4. Dhalva Abbabil 202110160311489

5. Adinda Dalila Putri 202110160311512

UNIVERSITAS MUHAMMADIYAH MALANG

FAKULTAS EKONOMI DAN BISNIS
2023
 KATA PENGANTAR

Assalamualaikum warahmatullahi wabarakatuh.

Puji syukur kami panjatkan kehadirat Allah SWT, yang atas rahmat-Nya dan
karunianya kami dapat menyelesaikan makalah ini tepat pada waktunya. Adapun
tema dari makalah ini adalah “ESTIMASI PERMINTAAN DAN
PERAMALAN PERMINTAAN” Penyusunan makalah ini untuk memenuhi
salah satu tugas mata kuliah Ekonomi Manajerial. Pada kesempatan ini kami
mengucapkan terima kasih yang sebesar-besarnya kepada bpk Noor Azis, Drs.,
M.M. dosen pengampu mata kuliah Ekonomi Manajerial yang telah memberikan
kepercayaan berupa tugas ini terhadap kami.

Kami jauh dari sempurna, oleh karena itu kami menerima segala kritik dan saran
yang membangun. Akhir kata, kami berharap agar makalah ini bermanfaat serta
dapat menambah wawasan dan pengetahuan bagi semua pembaca. Terima kasih.

Wassalamualaikum warahmatullahi wabarakatuh.

i
 DAFTAR ISI

KATA PENGANTAR .............................................................................................i

DAFTAR ISI .......................................................................................................... ii
BAB I PENDAHULUAN ....................................................................................... 1
1.1 Latar Belakang ............................................................................................. 1
1.2 Rumusan Masalahan .................................................................................... 1
1.3 Tujuan Penulisan .......................................................................................... 1
BAB II PEMBAHASAN ........................................................................................ 2
2.1 Estimasi Permintaan ..................................................................................... 2
2.2 Estimasi Peramalan ...................................................................................... 8
2.3 Studi Kasus ................................................................................................ 12
BAB III PENUTUP .............................................................................................. 13
3.2 Kesimpulan ................................................................................................ 14
DAFTAR PUSTAKA ........................................................................................... 15

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.
1.2 Rumusan Masalah
1. Apa yang dimaksud dengan estimasi permintaan dan apa saja yang dibahas
dalam estimasi permintaan?
2. Apa yang dimaksud dengan peramalan permintaan dan apa saja yang
dibahas dalam peramalan permintaan?
1.3 Tujuan Penulisan
1. Untuk mengetahui pengertian mengenai estimasi permintaan dan
pembahasan estimasi permintaan.
2. Untuk mengetahui pengertian mengenai peramalan permintaan dan
pembahasan peramalan permintaan.

BAB II
PEMBAHASAN

2.1 Estimasi Permintaan

Estimasi permintaan merupakan kegiatan memperkirakan jumlah
permintaan konsumen terhadap barang atau jasa dimasa yang akan datang
berdasarkan data atau keadaan masa lalu dan saat ini.
A. Masalah Identifikasi
Kurva permintaan untuk suatu komoditas biasanya diestimasi dari data
yang ada di pasar tentang kuantitas yang dibeli dari suatu komoditas pada
berbagai tingkat harga dalam jangka waktu tertentu atau berbagai unit
konsumsi atau pasar pada satu waktu. Tetapi hanya menghubungkan
pengamatan harga-kuantitas ke grafik tidak menghasilkan kurva permintaan
untuk komoditas yang bersangkutan, karena setiap pengamatan harga-kuantitas

1
 diperoleh dari perpotongan permintaan dan penawaran untuk barang yang
berbeda.
Seiring waktu atau di antara individu atau pasar yang berbeda, permintaan
akan suatu barang berubah atau bervariasi sesuai dengan perubahan selera,
pendapatan, harga barang serupa, dll. Demikian pula, kurva penawaran
bergeser atau bervariasi dari waktu ke waktu atau untuk individu atau pasar
yang berbeda karena perubahan atau perbedaan teknologi, harga faktor, dan
kondisi cuaca (komoditas pertanian). Persimpangan (ekuilibrium) dari kurva
penawaran dan permintaan yang berbeda tetapi tidak diketahui mengarah pada
pengamatan harga-kuantitas yang berbeda. (Jika kurva permintaan dan
penawaran tidak berubah atau menyimpang, harga barang tetap sama.) Oleh
karena itu, dengan hanya menggabungkan observasi yang berbeda-beda
tentang harga-kuantitas, tidak akan menghasilkan kurva permintaan untuk
komoditas tersebut. Kurva permintaan tidak dapat diidentifikasi dengan
mudah. Ini dikenal sebagai masalah identifikasi.
B. Pendekatan Penelitian Pemasaran untuk Estimasi Permintaan
1) Survei Konsumen dan Penelitian Observasi
Survei konsumen (consumer surveys) melibatkan pengambilan sampel
konsumen tentang bagaimana mereka akan merespons perubahan tertentu
dalam harga komoditas, pendapatan, harga barang serupa, iklan, penawaran
kredit, dan faktor lain. Survei ini dapat dilakukan dengan mewawancarai dan
menyurvei orang-orang di pusat perbelanjaan atau dengan membuat kuesioner
kompleks yang didistribusikan oleh pewawancara terlatih ke sampel konsumen
tertentu.
Secara teori, survei konsumen dapat memberikan informasi yang sangat
berguna bagi perusahaan, namun pada kenyataannya banyak juga yang
mengalami bias karena konsumen tidak mau atau tidak dapat memberikan
jawaban yang akurat. Kadang konsumen memberikan jawaban yang menurut
mereka lebih dapat diterima daripada mengemukakan preferensi mereka yang
sesungguhnya.
Karena keterbatasan survei dari konsumen, maka banyak perusahaan
yang menggantikan atau melengkapi survei tersebut dengan penelitian
observasi (observational research). Ini mengacu pada pengumpulan informasi
tentang preferensi konsumen dengan mengamati bagaimana mereka membeli
dan menggunakan berbagai produk. Ini memungkinkan suatu perusahaan untuk
mempelajari secara cepat mengenai produknya yang akan dijual dan efektivitas
dari iklan dan juga pola dalam menonton TV.
Terkadang, survei merupakan satu-satunya cara untuk mendapatkan
informasi tentang respon yang mungkin dari konsumen. Dari hasil survei
peneliti kemudian dapat menentukan karakteristik demografis (umur jenis
kelamin, pendidikan, pendapatan, dan ukuran keluarga) dari para konsumen
yang berkemungkinan besar membeli satu jenis produk tertentu. Survei
konsumen juga berguna dalam pendeteksian perubahan selera konsumen dan
pilihannya dan menentukan ekspektasi konsumen terhadap harga dan kondisi
bisnis yang akan datang.
2) Klinik Konsumen

2
 Pendekatan yang lainnya terhadap estimasi permintaan adalah klinik
konsumen (consumer clinics). Ini 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 pemajangan, harga produk pesaing, dan faktor lainnya yang
mempengaruhi permintaan. Namun, hasil dari pendekatan ini 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 berada dalam situasi pasar yang
sesungguhnya.
3) Eksperimen Pasar
Eksperimen pasar (market experiments) diadakan di pasar yang
sesungguhnya. Salah satu metode adalah dengan memilih beberapa pasar
dengan karakteristik sosio ekonomi yang mirip dan mengubah 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 respons (pembelian) yang dilakukan oleh konsumen di
beberapa pasar tersebut. Dengan menggunakan data survei terhadap berbagai
macam pasar sebuah perusahaan juga dapat menentukan efek dari umur jenis
kelamin, tingkat pendidikan. pendapatan, jumlah keluarga, dan lainnya
terhadap permintaan akan komoditas.
Keunggulan dari eksperimen pasar adalah bahwa mereka dapat dilakukan
dalam skala besar untuk lebih meyakinkan mengenai keabsahan dari hasilnya
dan bahwa konsumen tidak sadar bahwa mereka merupakan bagian dari suatu
eksperimen. Kekurangannya adalah bahwa 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.

C. Pengenalan Terhadap Analisis Regresi

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 line) merupakan garis yang
dihasilkan 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).

D. Analisis Regresi Sederhana

Pada bagian ini membahas bagaimana (1) menghitung nilai a (titik potong
vertikal) dan nilai b (koefisien kemiringan) dari garis regresi; (2) mengadakan
uji signifikansi dari estimasi- estimasi parameter (3) membuat interval keyakinan
untuk parameter yang sebenarnya; (4) menguji kekuatan penjelas secara
keseluruhan dari regresi.
1) Metode Kuadrat Terkecil Biasa
 Regresi sederhana berarti regresi dua variabel. Metode kuadrat terkecil
berarti menemukan garis yang meminimumkan jumlah kuadrat dari perbedaan
antara nilai yang diamati dari variabel dependen dan nilai yang dipasang dari
garis tersebut. Ini lebih mudah diikuti dalam hal simbol matematika yang
digabungkan dengan grafik. Tujuan analisis regresi adalah untuk menghasilkan
estimasi nilai α (titik potong vertikal) dan b (kemiringan) dari garis regresi:

Pada persamaan diatas, Ŷt adalah estimasi dari penerimaan penjualan

perusahaan tahun t yang diperoleh dari garis
regresi untuk tingkat pengeluaran iklan pada
tahun t (Xt), serta â dan b merupakan
estimasi dari parameter a dan b.
2) Menafsirkan Statistik Regresi
Terdapat banyak program komputer yang tersedia untuk melakukan
analisis regresi. Program ini meminta pengguna untuk menentukan bentuk
persamaan regresi dan memasukkan data yang diperlukan untuk
memperkirakannya. Selain menghitung koefisien regresi kuadrat terkecil
biasa, program menghasilkan satu set statistik yang menunjukkan seberapa
baik kinerja persamaan OLS. Terdapat beberapa persamaan regresi :
- Statistik R-Squared (Koefisien Deteminasi)
Digunakan untuk mengukur proporsi variasi dalam variabel dependen
yang dijelaskan oleh persamaan regresi berganda. Terkadang bisa juga
disebut dengan ukuran kecocokan, yaitu seberapa cocok persamaan
tersebut dengan data. Statistik R dihitung:
E. Analisis Regresi Berganda

a. Model Regresi Berganda

Analisis regresi berganda (multiple regression analysis). Sebagai contoh,
penerimaan penjualan suatu perusahaan dapat dikatakan tidak hanya
bergantung pada pengeluaran iklan tetapi juga pada pengeluaran untuk
pengendalian mutu. Model regresinya :
Y = a + b1X1 + b2X2
Dimana Y Adalah variabel terikat yang merupakan penerimaan penjualan
perusahaan, X1 merupakan pengeluaran iklan perusahaan, dan X2
merupakan pengeluaran untuk biaya pengendalian mutu. Koefisien a, b1,
b2 merupakan parameter yang harus diestimasi.
b. Analisis Varians
Kekuatan menerangkan secara seluruhnya dari keseluruhan regresi dapat
diuji dengan menggunakan analisis varians (analysis of variance). Yang
menggunakan statistik F (F statistic), atau rasio F, yang juga disediakan
dari hasil komputer. Khususnya, statistik F digunakan untuk menguji

4
 hipotesis bahwa variasi dari semua variabel bebas (X) menjelaskan
proporsi yang signifikan dari variasi pada variabel terikat (Y). Kita dapat
menggunakan statistik F untuk menguji hipotesis nol bahwa semua
koefisien regresi sama dengan nol melawan hipotesis alternatif bahwa
tidak semuanya sama dengan nol. Nilai statistik diberikan oleh :
F = variasi yang dapat dijelaskan (k-1)
Variasi total / (n-k)
n adalah jumlah observasi, dan k adalah jumlah dari parameter atau
koefisien yang diestimasi dalam regresi. Karena F merupakan rasio antara
kedua varians yang ada maka uji ini sering disebut sebagai "analisis
varians".
c. Estimasi Titik dan Interval
Semakin kecil nilai galat baku (SE) dari regresi [standart error' (SE) of the
regression], semakin baik garis regresi yang ada memenuhi semua
observasi atau data sampelnya. SE dari regresi ini dapat digunakan untuk
mengestimasi interval keyakinan dari variabel terikat.
F. Masalah Dalam Analisis Regresi
a. Multikolinearitas
Mengacu kepada situasi di mana dua atau lebih variabel penjelas dalam
suatu regresi mempunyai korelasi yang tinggi. Multikolinearitas yang serius
terkadang dapat dihilangkan atau dikurangi dengan memperluas ukuran
sampel, menggunakan informasi sebelumnya, melakukan transformasi
terhadap hubungan fungsional, dan membuang satu dari variabel yang
memiliki kolinear yang tinggi.
b. Heteroskedastisitas
Masalah serius lainnya yang mungkin dihadapi dalam analisis regresi adalah
Heteroskedastisitas. Ini timbul pada saat asumsi bahwa varians dari faktor
galat adalah konstan untuk semua nilai dari variabel yang tidak dipenuhi.
Hal ini sering muncul dalam cross sectional data di mana ukuran galat bisa
bertambah besar atau bertambah kecil sesuai dengan ukuran variabel bebas.
Gangguan heteroskedastisitas ini membawa pada galat baku yang biasa dan
menjadi hasil uji statistik yang tidak tepat serta interval keyakinan untuk
estimasi paramater yang juga kurang tepat.
c. Otokorelasi
Pada saat galat yang berurutan mempunyai tanda yang sama, maka
otokorelasi akan positif. Namun pada saat galat berubah secara teratur, maka
otokorelasi akan negatif. Otokorelasi biasanya terjadi pada data deret waktu
data yang hanya mempunyai satu observasi untuk setiap variabel pada setiap
satuan waktu. Dalam ekonomi, otokorelasi positif lebih umum daripada
yang negatif. Otokorelasi dapat muncul karena adanya tren dan siklus dalam
variabel ekonomi, dari tidak dimasukkannya variabel yang penting dalam
regresi, atau karena data yang nonlinier.

2.2 Peramalan Permintaan

Kebanyakan keputusan bisnis dibuat berhadapan dengan risiko dan
ketidakpastian. Perusahaan harus memutuskan berapa banyak masing-masing
produk harus dibuat, dengan harga berapa, dan berapa banyak biaya harus
dihabiskan untuk periklanan dan juga membuat rencana untuk pertumbuhan
perusahaan. Semua keputusan ini didasarkan pada ramalan terhadap tingkat
kegiatan ekonomi masa depan pada umumnya dan permintaan terhadap produk
perusahaan. Tujuan peramalan ekonomi adalah untuk mengurangi risiko atau
ketidakpastian yang dihadapi perusahaan dalam pengambilan keputusan
operasional jangka pendek dan dalam perencanaan untuk pertumbuhan jangka
panjang.
Beberapa teknik peramalan pada dasarnya adalah kualitatif, sedangkan
yang lainnya adalah kuantitatif. Metode yang dipilih oleh suatu perusahaan
bergantung pada (1) biaya persiapan peramalan dan keuntungan yang
dihasilkan dari penggunanya. (2) jangka waktu dalam pembuatan keputusan,
(3) periode waktu peramalan, (4) tingkat akurasi yang dikehendaki, (5) kualitas
dan ketersediaan data, (6) tingkat kerumitan hubungan yang akan diramalkan.
A. Peramalan Kualitatif
a. Teknik Survei
Pemikiran untuk mengadakan peramalan berdasarkan survei mengenai
berbagai kecenderungan ekonomi ialah supaya berbagai keputusan
ekonomi dapat dibuat dengan baik sebelum terjadi pengeluaran aktual.
Beberapa survei yang sangat terkenal yang digunakan untuk
meramalkan kegiatan ekonomi pada umumnya dan kegiatan ekonomi
di berbagai sektor perekonomian adalah :
1. Survei tentang pabrik dan para eksekutif bisnis dan rencana
pengeluaran untuk perlengkapan.
2. Survei tentang rencana perubahan inventori dan harapan penjualan.
3. Survei tentang rencana pengeluaran konsumen.
b. Jajak Pendapat
Penjualan dari perusahaan sangat tergantung pada tingkat umum dari
kegiatan ekonomi dan penjualan untuk industri secara keseluruhan
tetapi juga tergantung pada kebijakan yang digariskan oleh perusahaan.
Perusahaan dapat meramalkan penjualannya melalui pendapat para
pakar di dalam dan di luar perusahaan. Terdapat beberapa teknik jajak
pendapat:
1. Jajak pendapat eksekutif.
2. Jajak pendapat tenaga penjual.
3. Jajak pendapat tentang keinginan konsumen.
B. Analisis Deret Waktu
Merupakan salah satu metode peramalan yang paling sering digunakan atau
biasa disebut data deret waktu (time series data). Berhubungan dengan nilai-
nilai suatu variabel yang diatur secara kronologis menurut perhitungan hari,
minggu, bulan, kuartal, atau tahun.
a. Sebab-Sebab Terjadinya Fluktuasi dalam Data Deret-Waktu
1. Tren sekuler (secular trend) berhubungan dengan
peningkatan tau penurunan seri data dalam jangka panjang.
Misalnya, banyak deret-waktu dari penjualan
memperlihatkan ten meningkat selama bertahun-tahun
disebabkan pertumbuhan penduduk dan meningkatnya

6
 pengeluaran per kapita. Beberapa di antaranya, seperti mesin
ketik, memperlihatkan gejala menurun karena semakin
banyak konsumen beralih ke personal computer (PC).
2. Fluktuasi siklis (cyclical fluctuations) adalah ekspansi dan
konstruksi yang utama dalam banyak deret-waktu ekonomi
yang kelihatan berulang kembali setiap beberapa c Jun.
Misalnya industri konstruksi perumahan mengikuti ayunan
siklis yang panjang meliputi 15 sampai 20 tahun, sedangkan
industri mobil memperlihatkan siklus-siklus yang jauh lebih
pendek.
3. Variasi musiman (seasonal variation) merujuk kepada
fluktuasi yang secara teratur berulang kembali dalam
kegiatan ekonomi tiap-tiap tahun disebabkan oleh cuaca dan
kebiasaan-kebiasaan sosial. Jadi, pembangunan perumahan
biasanya jauh lebih banyak dalam musim semi dan musim
panas daripada dalam musim dingin (disebabkan kondisi
cuaca), sedangkan penjualan eceran paling ramai selama
kuartal terakhir setiap tahun (karena beberapa hari libur).
4. Pengaruh tak teratur atau acak (irregular or random
influences) adalah variasi-variasi dalam seri data disebabkan
oleh perang, bencana alam, pemogokan, atau peristiwa-
peristiwa lain yang istimewa.

b. Proyeksi Tren
Bentuk paling sederhana dari analisis deret-waktu adalah memproyeksi
tren masa lalu dengan meletakkan suatu garis lurus pada data, baik
secara visual tau, lebih persis lagi, dengan analisis regresi. Model
regresi linear akan mengambil bentuk:

St = So + bt

Di mana St , adalah nilai deret-waktu yang akan diramalkan untuk

periode t, So adalah nilai deret-waktu yang diperkirakan (konstanta
dari regresi) dalam periode dasar (yaitu: pada periode waktu t = 0), b
adalah jumlah absolut pertumbuhan setiap periode, dan t adalah
periode waktu yang di dalamnya akan diramalkan deret-waktu
tersebut.
C. Teknik Penghalusan
Metode-metode lain untuk peramalan sederhana adalah teknik penghalusan
(smoothing techniques). Teknik yang meramalkan suatu deret waktu atas
dasar beberapa rata-rata dari nilai-nilainya yang lalu saja. Teknik ini
bermanfaat apabila deret waktu menujukkan sedikit tren atau variasi
musiman tetapi memperlihatkan banyak variasi tak teratur atau acak.
Terdapat dua teknik penghalusan: rata-rata bergerak dan penghalusan
eksponensial.
a. Rata-Rata Bergerak
b. penghalusan eksponensial
D. Metode-Metode Barometrik
Salah satu cara untuk meramalkan atau mengantisipasi perubahan jangka
pendek dalam aktivitas ekonomi atau titik balik dalam siklus bisnis adalah
dengan menggunakan indeks dari indikator-indikator utama. Peningkatan
dalam indikator ekonomi utama (leading economic indicators) digunakan
untuk meramalkan peningkatan dalam aktivitas bisnis secara umum, dan
sebaliknya. Contoh, peningkatan dalam izin membangun dapat dipakai
untuk meramalkan peningkatan dalam konstruksi perumahan. dalam
peningkatan harga saham, merupakan indikator utama kenaikan dalam
aktivitas bisnis, karena peningkatan harga saham menunjukkan ekspektasi
dari para manajer bisnis dan yang lainnya bahwa tingkat laba akan
meningkat. Contoh yang lain, penurunan kontrak untuk pabrik dan
perlengkapan biasanya mendahului penurunan dalam aktivitas ekonomi
secara umum. Indikator-indikator utama ini digunakan untuk meramalkan
titik belok dalam siklus bisnis.

Walaupun kita tertarik dengan indikator utama tersebut, beberapa deret-

waktu bergerak sejalan atau berhubungan dengan pergerakan dalam
aktivitas ekonomi secara umum dan kemudian disebut sebagai indikator
koinsiden (coincident indicators). Tetapi yang lainnya mengikuti adanya
gerakan yang terlambat dalam aktivitas ekonomi sering kali disebut sebagai
indikator terlambat (lagging indicators). Positif relatif dari indikator utama,
koinsiden. dan tertinggal dalam siklus bisnis ditunjukkan dalam Figur 5-3
Figur tersebut menunjukkan bahwa indikator utama mendahului titik belok
dari siklus bisnis (puncak dan lembah), indikator koinsiden bergerak sejalan
dengan siklus bisnis, sementara indikator yang tertinggal mengikuti atau
terlambat dari titik belok dalam siklus bisnis.
2.3 Studi Kasus
Sebuah perusahaan televisi kabel menyaksikan jumlah pelanggannya terus
meningkat selama 10 kuartal terakhir. Dengan 500.000 pelanggan di tangan,
perusahaan ingin memprediksi berapa banyak tambahan pelanggan yang
akan dimiliki satu, dua, dan lima tahun ke depan. Tiga fakta penting dapat
membantu perusahaan membuat perkiraan ini. (1) Setiap kuartal, sekitar 98
persen pelanggan saat ini mempertahankan layanan tersebut. (2) Besarnya
pasar potensial sekitar 1.000.000 rumah tangga, sehingga masih ada
500.000 calon konsumen yang belum terdaftar. (3) Setiap kuartal, sekitar 8

8
persen pelanggan yang tidak terafiliasi menjadi pelanggan baru perusahaan.
Fakta-fakta ini menyiratkan persamaan berikut untuk total pelanggan di
kuartal t:
𝑄𝑡 = .98𝑄𝑡−1 + .08(1,000,000 − 𝑄𝑡−1 )

Istilah pertama di sisi kanan persamaan adalah jumlah pelanggan yang

bertahan dari kuartal terakhir; term kedua adalah jumlah pelanggan baru.
Perhatikan bahwa persamaan ini dapat disederhanakan menjadi: 𝑄𝑡 =
80.000 +.90𝑄𝑡−1 yang menunjukkan bahwa langganan di masa mendatang
akan tumbuh dengan laju yang menurun. Misalnya, mulai dari 𝑄0 =
500.000, langganan kuartal berikutnya diprediksi menjadi: 𝑄𝑡 180.000+ (.9)
(500.000) = 530.000. Prakiraan triwulanan mendatang ditemukan secara
rekursif. Setelah menghitung 530.000, ramalan untuk dua kuartal di masa
depan adalah: 𝑄2 = 80.000+ (9) (530.000) = 557.000. Prakiraan untuk satu
tahun ke depan (𝑄4 ), dua tahun ke depan (𝑄8 ), dan lima tahun ke depan
(𝑄20 ) masing-masing adalah 603.170, 670.860, dan 763.527. Prakiraan ini
menunjukkan bahwa langganan diharapkan tumbuh dengan laju yang
semakin berkurang. Terakhir, jika perusahaan TV kabel tidak memiliki
fakta spesifik pada item (1) sampai (3), perusahaan tersebut dapat
menggunakan catatan langganan triwulanannya yang lalu agar sesuai
dengan persamaan regresi terbaik dalam bentuk 𝑄𝑡 = a + b𝑄𝑡−1, perkirakan
koefisien a dan b secara langsung, lalu gunakan perkiraan ini untuk
meramalkan jumlah pelanggan di masa mendatang.
 BAB III
KESIMPULAN
Estimasi permintaan merupakan kegiatan memperkirakan jumlah permintaan
konsumen terhadap barang atau jasa dimasa yang akan datang berdasarkan data atau
keadaan masa lalu dan saat ini. Sedangkan Peramalan permintaan merupakan usaha
untuk mengetahui jumlah produk atau sekelompok produk di masa yang akan
datang dalam suatu kendala atau kondisi tertentu. Hal yang perlu diingat adalah
aktivitas peramalan permintaan tidaklah dapat diartikan sebagai aktivitas yang
bertujuan untuk mengukur permintaan di masa yang akan datang secara pasti,
melainkan sekedar usaha untuk mengurangi kemungkinan terjadinya hal yang
berlawanan antara keadaan yang sungguh-sungguh terjadi di kemudian hari dengan
apa yang menjadi hasil peramalan. Dengan kata lain, hasil maksimal dari aktivitas
peramalan adalah melakukan minimalisasi ketidakpastian yang terjadi di masa yang
akan datang.

DAFTAR PUSTAKA

10