Memperkirakan Permintaan untuk Perusahaan Pizza: Sebuah Contoh

Kami sekarang akan menggambarkan bagaimana perusahaan dengan kekuatan penetapan

harga dapat memperkirakan persamaan permintaan untuk hasilnya. Pertimbangkan Checkers
Pizza, satu dari dua perusahaan pizza pengiriman rumah yang melayani lingkungan Westbury di
Houston. Manajer dan pemilik Checker Pizza, Ann Chovie, tahu bahwa pelanggannya agak sadar
harga. Pembeli pizza di Westbury memperhatikan harga yang dia bayar untuk pizza yang dikirim
sendiri dan harga pesaingnya, Al's Pizza Oven, biaya untuk pizza buatan rumah yang serupa.
Ann memutuskan untuk memperkirakan fungsi permintaan empiris untuk pizza perusahaannya.
Dia mengumpulkan data tentang penjualan pizza selama 24 bulan terakhir dari catatan
perusahaannya sendiri. Dia tahu harga yang dia bayar untuk pizzanya selama periode waktu itu,
dan dia juga menyimpan catatan harga yang dikenakan di Al's Pizza Oven. Ann dapat
memperoleh angka pendapatan rata-rata rumah tangga dari Westbury Small Business
Development Centre. Satu-satunya pesaing lain di lingkungan itu adalah cabang lokal
McDonald's. Ann dapat menemukan harga Big Mac selama 24 bulan terakhir dari iklan di surat
kabar lama. Dia menyesuaikan data harga dan pendapatannya untuk efek inflasi dengan
mengempiskan angka dolar, dengan menggunakan deflator yang dia dapatkan dari Survei Bisnis
Lancar.
Untuk mengukur jumlah pembeli di area pasar (N), Ann mengumpulkan data mengenai
jumlah penduduk di Westbury. Ternyata, jumlah penduduk tidak berubah selama 24 bulan
terakhir, jadi Ann menurunkan N dari spesifikasi permintaannya. Data yang dia kumpulkan
disajikan dalam lampiran di akhir. Karena harga pizza di Checkers Pizza diatur oleh Ann, dia
memiliki tingkat kekuatan pasar dimana dia dapat memperkirakan persamaan permintaan empiris
dengan menggunakan regresi linier. Ann pertama kali memperkirakan spesifikasi permintaan
linier berikut dengan menggunakan 24 pengamatan bulanan yang dia kumpulkan:

Q = a + bP + cM + d P AI + e P BMac
Dimana :
 Q = penjualan pizza di Checkers Pizza
 P = harga pizza di Checkers Pizza
 M = pendapatan rumah tangga rata-rata tahunan di Westbury
 P AI = harga pizza di Al's Pizza Oven
 PBMac = harga Big Mac di McDonald's
 Ann menguji empat parameter kemiringan yang diperkirakan (b, c, d, e) untuk
signifikansi statistik pada tingkat signifikansi 2 persen. Nilai t-value untuk 19 derajat kebebasan
(n - k = 24 - 5) pada tingkat signifikansi 2 persen adalah 2,539. T-ratio’s untuk keempat
parameter kemiringan melebihi 2.539, dan koefisien semuanya signifikan secara statistik. Dia
senang melihat bahwa model tersebut menjelaskan tentang 95,5 persen variasi dalam penjualan
pizza-nya ( R2= 0,9555) dan bahwa model secara keseluruhan sangat signifikan, seperti yang
ditunjukkan oleh p=value pada F-statistic 0.0001.
Ann memutuskan untuk menghitung elastisitas permintaan yang diperkirakan pada nilai
P, M, AI dan PBMac sehingga dia merasa "meletakan" pasar pizza di Westbury selama 24 bulan
P
terakhir. Nilai ini adalah P = 9.05 ; M = 26.614 ; P AI = 10.12 ; PBMac =1.15 .Pada titik "khas" ini
pada kurva permintaan yang diperkirakan, jumlah permintaan pizza adalah :

Q = 1,183.80 – 214.422 (9.05) + 0.09109 (26,614) + 101.303 (10.12) + 71.8448 (1.15) = 2,784.4

Elastisitas untuk spesifikasi permintaan linier diperkirakan dalam mode yang sekarang
sudah tidak asing lagi, dimana :

Estimasi elastisitas Ann menunjukkan bahwa dia menurunkan harga pizzanya dengan
harga di mana permintaan tidak elastis (|  Ê | <1). Kenaikan pendapatan rata-rata sebesar 10
persen akan menyebabkan penjualan naik sebesar 8,71 persen-pizza adalah barang biasa di
Westbury. Estimasi elastisitas harga silang Ê XAI menunjukkan bahwa jika Al's Pizza Oven
menaikkan harga pizzanya 10 persen, penjualan pizza Cheque akan meningkat 3,68 persen.
Sementara harga Big Mac memang memainkan peran penting secara statistik dalam menentukan
penjualan pizza Chepers, pengaruhnya diperkirakan cukup kecil. Memang, turun 10 persen
dengan harga Big Mac akan menurunkan penjualan pizza Chequers hanya sekitar sepertiga dari 1
persen (0,30 persen). Rupanya keluarga Westbury tidak begitu bersedia mengganti Big Mac
untuk pizza yang dikirim sendiri dari Checkers Pizza.
Sementara Ann yakin bahwa spesifikasi linier permintaan pizza perusahaannya adalah
pekerjaan yang luar biasa untuk menjelaskan variasi dalam penjualan pizza-nya, dia memutuskan
untuk memperkirakan model nonlinier hanya untuk perbandingan. Ann memilih spesifikasi
permintaan log-linear dari formulir ;

yang dapat ditransformasikan (dengan mengambil logaritma alami) ke dalam bentuk yang dapat
diperkirakan berikut ini:

Hasil regresi dari komputer dipaparkan di sini:

Sementara F-ratio dan R2 untuk model log-linear hanya sedikit lebih kecil dari pada
spesifikasi linier dan estimasi intersep tidak signifikan secara statistik pada tingkat signifikansi
yang digunakan secara umum, spesifikasi log-linear pasti berkinerja baik. Ingat bahwa estimasi
parameter kemiringan dalam model log-linear adalah elastisitas. Meskipun perkiraan elastisitas
dari model log-linear mendekati perkiraan elastisitas dari model linier, spesifikasi linear dan log-
linear mungkin tidak selalu menghasilkan perkiraan elastisitas serupa. Secara umum, permintaan
linear sesuai bila elastisitas cenderung bervariasi, dan spesifikasi log-linear sesuai bila elastiticies
konstan. Dalam kasus ini, Ann dapat menggunakan salah satu fungsi permintaan empiris untuk
pengambilan keputusan bisnis.