Makalah Ekonomi Manajerial

Estimasi Permintaan

Nama kelompok:
I Kadek Deo Januarta 19110101027
Kadek Adi Suryanegara 19110101084
I Made Bobby Dwi Rama Putra 19110101138

PROGRAM STUDI MANAJEMEN

FAKULTAS EKONOMIKA, BISNIS, DAN HUMANIORA
UNIVERSITAS DHYANA PURA
BADUNG
2022
 KATA PENGANTAR
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa yang telah
memberikan rahmat dan hidayahnya.Sehingga penulis dapat menyelesaikan
makalah yang berjudul “ESTIMASI PERMINTAAN”. Semoga dengan dibuatnya
makalah ini para pembaca dapat memahami dan mengerti tentang ESTIMASI
PERMINTAAN. Makalah ini kami buat dan kami susun dari berbagai sumber
referensi yang relevan dari buku Ekonomi Manajerial serta website lainnya memang
sengaja dipilih dan digunakan untuk memperkuat pembahasan dan dapat
membangun kerangka penyajian yang menarik dan komperehensif, Agar mudah
dipahami dan dimengerti serta dapat memenuhi harapan para pembaca.
Penulis menyadari bahwa makalah ini masih mempunyai kekurangan baik dari segi
tekhnis maupun isi. Oleh karena itu, penulis mengharapkan kritik dan saran yang
bersifat membangun demi pembuatan makalah selanjutnya yang lebih baik. Oleh
karena itu pula, penulis berharap agar makalah ini dapat dijadikan sebagai bahan
pembelajaran dan berguna bagi pembacanya.

Badung, 13 Maret 2022

 BAB I
PENDAHULUAN
I.1 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 langsung 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.

I.2 Rumusan Masalah

Adapun tujuan dari penulisan dari makalah ini yaitu:
1) Bagaimana masalah identifikasi?
2) Apa saja Pendekatan penelitian pemasaran untuk estimasi permintaan?
3) Bagaimana Pengenalan terhadap analisis regresi?
4) Apa yang dimaksud Analisis regresi sederhana?
5) Apa yang dimaksud Analisis regresi berganda?
6) Apa saja Masalah dalam analisis regresi?

I.3 Tujuan Penulisan

Adapun tujuan dari penulisan dari makalah ini yaitu :
1) Untuk mengetahui bagaimana masalah identifikasi
2) Untuk mengetahui apa saja pendekatan penelitian pemasaran untuk estimasi
permintaan
3) Untuk mengetahui bagaimana pengenalan terhadap analisis regresi
4) Untuk mengetahui apa yang dimaksud analisis regresi sederhana
5) Untuk mengetahui apa yang dimaksud analisis regresi berganda
6) Untuk mengetahui apa saja masalah dalam analisis regresi
 BAB II
PEMBAHASAN
II.1 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 (menggunakan data deret-waktu) atau
berbagai unit konsumsi atau pasar pada satu waktu (menggunakan data kerat-
lintang). Namun demikian, dengan hanya menyatukan observasi harga-kuantitas
begitu saja dalam suatu grafik tidak akan dapat menghasilkan kurva permintaan
untuk komoditas tersebut. Alasannya adalah bahwa setiap observasi harga-kuantitas
diperoleh dari perpotongan permintaan dan penawaran dari komoditas yang berbeda
tersebut.

Dengan berjalannya waktu atau melintasi individu atau pasar yang berbeda,
permintaan untuk suatu komoditas bergeser atau berbeda karena perubahan
perbedaan dalam masalah selera, pendapatan, harga komoditas yang berhubungan
dan sebagainya. Sama halnya dengan kurva penawaran yang juga bergeser atau
berbeda dengan berjalannya waktu atau untuk individu atau pasar yang berbeda,
karena adanya perbedaan atau perubahan teknologi, harga faktor produksi, dan
kondisi cuaca (untuk komoditas pertanian). Perpotongan (keseimbangan) dari kurva
permintaan dan penawaran yang berbeda tetapi tidak diketahui ini menghasilkan
observasi harga-kuantitas yang berbeda-beda (jika kurva permintaan dan kurva
penawaran tidak bergeser atau berbeda, harga dari komoditas akan tetap sama).
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 diidentifikasi dengan sesederhana itu. Ini
dikenal dengan istilah Masalah Identifikasi (identification problem).

II.2 Pendekatan Penelitian Pemasaran untuk Estimasi Permintaan

Analisis Regresi sejauh ini merupakan metode yang sangat penting dan berguna
untuk mengestimasi permintaan, pendekatan penelitian, dan dalam hal ini
pemasaran juga sering digunakan. Ada 3 cara pendekatan Pemasaran untuk
Estimasi Permintaan, yaitu survei konsumen, penelitian observasi, klinik konsumen,
dan eksperimen pasar.

 Survei Konsumen dan Penelitian Observasi

Survei konsumen merupakan survei yang ditujukan kepada konsumen yang
berguna untuk menyurvei konsumen yaitu bagaimana reaksi terhadap jumlah yang
diminta jika ada perubahan harga. Survei ini dapat dilakukan dengan mencegah dan
menanyai orang-orang pada suatu pusat perbelanjaan atau dengan menyusun
daftar pertanyaan (kuisioner) untuk dibagikan kepda sampel konsumen tertentu oleh
para penanya (interviewer). Teorinya, kuesioner konsumen dapat menyediakan
informasi yang sangat berguna bagi perusahaan. Dalam kenyataan, banyak juga
yang menagalami bias karena konsumen tidak mau atau tidak bisa memberikan
jawaban yang akurat. Suatu saat konsumen memberikan jawaban yang menurut
mereka lebih dapat diterima daripada mengemukakan preferensi mereka yang
sesungguhnya. Tergantung dari ukuran sampel yang dipilih dan kelengkapan dari
analisis, survei konsumen juga menjadi sangat mahal. Karena keterbatasan survei
dari konsumen, maka banyak perusahaan yang menggantikan atau melengkapi
survei tersebut dengan penelitian observasi (observational research).
Penelitian observasi ini mengacu pada pengumpulan informasi tentang
preferensi konsumen dengan mengamati bagaimana mereka membeli dan
menggunakan berbagai produk. Sebagai contoh, penelitian observasi telah
membawa beberapa pembuat mobil untuk mengambil kesimpulan bahwa banyak
orang yang berpikir mobil mereka merupakan hasil karya seni yang membantu
kemanapun mereka pergi. Penelitian observasi ini juga menujukkan bahwa
konsumen cenderung memilih beberapa jenis obat masuk angin dan tidak hanya
satu. Namun demikian penelitian observasi tidak mengatakan bahwa survei
konsumen itu tidak berguna. Suatu saat, survei merupakan satu-satunya cara untuk
mendapatkan informasi tentang respon yang mungkin dari konsumen. Sebagai
contoh, jika sebuah perusahaan berpikir untuk memperkenalkan suatu produk baru
atau mengubah kualitas dari yang sudah ada, satu- satunya cara bagi perusahaan
untuk menguji reaksi konsumen adalah dengan secara langsung menanyakan
kepada mereka karena tidak ada data lainnya yang tersedia. Dari hasil survei,
peneliti kemudian mencoba untuk menentukan karakteristik demografis dari
konsumen yang berkemungkinan besar membeli satu jenis produk tertentu. Hal yang
sama mungkin juga terjadi dalam pendeteksian perubahan dalam selera konsumen
dan pilihannya serta dalam menentukan ekspektasi konsumen tentang harga dan
kondisi bisnis di masa yang akan datang. Survei konsumen juga dpat berguna dalam
mendeteksi kepedulian konsumen tentang iklan dari perusahaan. Lebih jauh lagi,
jika survei menunjukan bahwa konsumen tidak tanggap terhadap perubahan harga
antar produk perusahaan pesaing. Ini merupakan indikasi yang bagus bahwa
permintaan terhadap produk perusahaan adalah inelastis.

 Klinik Konsumen
Pasar simulasi atau klinik konsumen merupakan eksperimen laboratorium
dimana 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, selera, dan faktor lainnya yang
memengaruhi permintaan. Partisaipan dalam eksperimen ini dapat dipilih sedekat
mungkin yang mewakili karakteristik sosioekonomi dari pasar yang dituju. Partisipan
mempunyai intensif dalam membeli komoditas yang mereka inginkan karena
biasanya mereka diizinkan untuk tetap membeli barang tersebut sehingga, klinik
konsumen lebih realistis dibandingkan survei konsumen.
Klinik konsumen juga menghadapi beberpa keterbatasan yang cukup serius.
Pertama, hasilnya di pertanyakan 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 sesunguhnya. Kedua, sampel dari partisipan yang diambil
harus lebih kecil karena biaya yang besar dalam melakukan eksperimen ini.
Mengestimasi suatu bentuk perilaku pasar berdasarkan hasil eksperimen yang
didasari oleh sampel yang kecil dapat mejdai sangat berbahaya. Disamping
kelemahan tersebut, klinik konsumen dapat menghasilkan informasi yang berguna
tentang permintaan tehadap produk perusahaan, terutama jika klinik konsumen
dilengkapi dengan survei konsumen.

 Eksperimen Pasar
Eksperimen Pasar (market experiments) diadakan di pasar yang
sesungguhnya yang membelanjakan uangnya untuk barang dan jasa yang mereka
inginkan. Terdapat banyak cara untuk melakukan ekperimen ini. Salah satu
metodenya adalah dengan memilih beberapa pasar dengan karakteristik
sosioekonomi 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 peromosi di pasar atau toko yang lainnya, kemudian merekam respon yang
dilakukan oleh konsumen dibeberapa 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. Bahkan, perusahaan
dapat mengubah satu hal dalam pasar tetentu dalam jangka waktu tertentu dan
merekam respon konsumennya bahwa mereka merupakan bagian dari satu
eksperimen.
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, promosi dan kualitas produk.
Eksperimen pasar yang utama benar-benar berguna dalam proses pengenalan
produk dimana 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.

II.3 Pengenalan terhadap Analisis Regresi

Untuk memperkenalkan analisis regresi, seorang manajer ingin menentukan
hubungan antara biaya iklan perusahaan dengan pendapatan penjualannya.
Semakin tinggi biaya untuk ikhlas maka akan semakin tinggi pula penerimaan
penjualan perusahaan, dan seharusnya, dia ingin mengistimasi kekuatan hubungan
tersebut (berapa banyak peningkatan penjualan setiap dolar kenaikan biaya iklan).
Sampai akhirnya, manajer tersebut tersebut mengumpulkan data pengeluaran iklan
dan penerimaan penjualan perusahaan tersebut untuk 10 tahun yang lalu. Tingkat
pengeluaran iklan (X) merupakan suatu variabel bebas atau variabel penjelas,
sementara penjualan (Y) merupakan Variabel terikat yang ingin di jelaskan oleh
manajer. Salah satu cara untuk mengistimasi hubungan linear antara pengeluaran
iklan perusahaan dengan penerimaan penjualannya adalah dengan
menggambarkan, secara pandangan 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).
 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
menimbulkan 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-aquares~OLS method). "

Dalam Figiur diatas, Y1 dimasukkan sebagai penerimaan penjualan actual atau yang
diobservasi sebesar $44 juta dihubungkan dengan penegeluaran iklan sebesar $10
juta padatahun pertama data ini dapat dikumpulkan. Nilai Y1 menunjukkan
penerimaan penjualan yang diperoleh dari estimasi garis regresi untuk pengeluaran
iklan sebesar $10 juta pada tahun pertama. Symbol e1 dalam garis regresi dalam
gambar simpangan pada sumbu vertical atau galat penerimaan penjualan actual
atau hasil observasi dari penerimaan penjualan yang diperoleh dari estimasi garis
pada tahun pertama. Dimana

e1 = Y1-y^1

Galat tipe ini timbul karena

1. Berbagai variable penjelas yang mempunyai sedikit pengaruh dan kurang
beraturan terhadap Y tidak dimasukkan kedalam persamaan,
 2. Terdapat kemungkinan permasalahan pengukuran pada Y
3. Perilaku manusia yang acak membuahkan hasil yang berbeda dalam kondisi
yang sama
Karena terdapat 10 titik Observasi pada figur, kita memilki 10 buah garis galat atau
simpangan pada sumbu vertical. Ini diberi nama e1 hingga e10 dalam figur. Garis
regresi yang diperhatikan pada figure merupakan garis yang paling cocock dengan
titik data dalam pengertian bahwa jumlah hasil kuadrat (secara vertikal) deviasi dari
garis yang ada adalah minimum. Artinya, setiap nilai dari ke-10 yang ada pertama-
tama dikuadratkan kemudian dijumlahkan. Garis regresi merupakan garis yang
jumlah simpangan kuadratnya paling kecil.

II.4 Analisis Regresi Sederhana

Analisis regresi sederhana adalah hubungan secara linear antara satu variabel
independen (X) dengan variabel dependen (Y). Analisis ini untuk mengetahui arah
hubungan antara variabel independen dengan variabel dependen apakah 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.
Rumus regresi sederhana sebagi berikut: Y’ = a + bX
Keterangan:
Y’ = Variabel dependen (nilai yang diprediksikan)
X = Variabel independen
a = Konstanta (nilai Y’ apabila X = 0)
b = Koefisien regresi (nilai peningkatan ataupun penurunan)

Membahas cara menghitung :

1) Menghitung nilai a (titik potong vertikal) dan nilai b (koevisien kemirigan) dari
garis regresi,
2) Mengadakan uji signifikasi dari estimasi-estimasi parameter,
3) Membuat interval keyakinan untuk parameter yang sebenarnya,
4) Menguji kekuatan penjelas sectra keseluruhan dari regresi.

a. Metode Kuadrat Terkecil Biasa

Suatu garis regresi merupakan suatu garis terbaik yang cocok dengan titik-titik data
dalam artian bahwa jumlah simpangan kuadrat pada garis adalah minimum. Tujuan
analisis regresi adalah untuk menghasilkan estimasi nilai a (titik potong vertikal) dan
b (kemiringan) dari garis regresi:

Dalam persamaan tersebut Y adalah estimasi dari penerimaan penjualan

perusahaan tahun t yang diperoleh dari regresi untuk tingkat pengeluaran iklan pada
tahun t (Xt), serta a dan b merupakan estimasi dari parameter a dan b. Deviasi dari
galat (et) dari setiap observasi penerimaan penjualan (Yt) dari nilainya yang
berhubungan yang berasal dari garis regresi (Yt), yaitu:

Jumlah dari simpangan kuadrat atau galat ini dapat dituliskan sebagai:

Dimana sigma adalah jumlah keseluruhan observasi, dari periode waktu t = 1

sampai ke t = n. Estimasi dari nilai a dan b yaitu diperoleh dari meminimumkan
jumlah simpangan kuadrat (meminimumkan persamaan) dan nilai b diberikan oleh:

Dimana Y dan X adalah rata-rata nilai dari Yt dan Xt, nilai a tersebut kemudian
diperoleh dari
Menunjukkan perhitungan untuk menentukan nilai a dan b untuk data iklan
penjualan. Dengan mensubsitusi Nilai Yang Dihasilakan Dari Dalam Persmaan Kita
Memperoleh Nilai B Sebagai Berikut :

Lalu Dengan Mensubtirusi Nilai B Yang Diperoleh Di Atas Dan Nilai Yang Diperoleh
Di Atas Dan Nilai Y Dan X Yang Diperoleh Dari Dalam Persamaan, Kita Memperoleh
Nilai A :

Sehingga, Persamaan Dari Garis Regresinya Adalah

a. Uji Signifikasi Estimasi Parameter

Untuk Menguji Hipotesis Bahwa B Adalah Signifikan Secara Statistic, Pertama
Kita Kan Menghitung Galat Baku/ Simpangan Secara Langsung Oleh Hasil
Computer Dalam Suatu Analisis Regresif.

b. Aspek Lainnya Dalam Uji Signifikan Dan Interval Keyakinan

Meskipun Uji Signifikan Kadang Dilakukan, Lebih Umum Untuk Menggunakan
Tingkat Persen. Catat Bahwa Uji Signifikansi Biasanya Tidak Dilakukan Untuk
Koefisien A Karena Koefisien Ini Biasanya Mempunyai Tingkat Signifikansi Yang
Kecil Atau Tidak Mengatakan Bahwa B Secara Signifikansi Berbeda Dari Nol.

c. Uji Kecocokan Model Dan Kolerasi

Walaupun Analisis Regresi Menerangkan Tentang Hubungan Sebab Akibat
Bahwa Variasi X Mengakibatkan Variasi Y, Hanya Teori Yang Memberi Tahu
Bahwa Variasi X Akan Mempunyai Pengaruh Terhadap Variasi Dari Y.
Sesungguhnya, Adalah Mungkin Koefisien Determinasi Yang Tinggi Dan Kolerasi
Antara X Dan Y Dapat Mengarah Pada Factor Lainnya Yang Mempengaruhi
 Keduanya, X Dan Y, Yang Tidak Termasuk Dalam Analisis Regresi. Sebagia
Contoh Pengeluaran Belanja Untuk Makanan Dan Perumahan Dapat Secara
Bersamaan Lebih Bergantung Pada Tingkat Pendapatan Dari Konsumen, Dari
Pada Hubungan Di Antara Kuduanya. Dalam Hal Seperti Itu, Kita Dapat
Mengatakan Bahwa Ada Korelasi Atau Kovarian Antara X Dan Y Tanpa
Mengidentifikasi Satu Variable Bebas Atau Variable Penjelas.

d. Uji Koefisien Regresi Sederhana (Uji T)

Uji Ini Digunakan Untuk Mengetahui Apakah Variabel Independen (X)

Berpengaruh Secara Signifikan Terhadap Variabel Dependen (Y). Signifikan
Berarti Pengaruh Yang Terjadi Dapat Berlaku Untuk Populasi (Dapat
Digeneralisasikan).

Langkah-Langkah Pengujian Sebagai Berikut:

1) Menentukan Hipotesis

Ho: Ada Pengaruh Secara Signifikan Antara Biaya Promosi Dengan Volume
Penjualan

Ha: Tidak Ada Pengaruh Secara Signifikan Antara Biaya Promosi Dengan
Volume Penjualan

2) Menentukan Tingkat Signifikansi

Tingkat Signifikansi Menggunakan A = 5% (Signifikansi 5% Atau 0,05 Adalah

Ukuran Standar Yang Sering Digunakan Dalam Penelitian)

3) Menentukan T Hitung

Berdasarkan Tabel Diperoleh T Hitung Sebesar 10,983

4) Menentukan T Table

5) Kriteria Pengujian

Ho Diterima Jika –T Tabel < T Hitung < T Table

Ho Ditolak Jika –T Hitung < -T Tabel Atau T Hitung > T Table

6) Membandingkan T Hitung Dengan T Tabel

II.5 Analisis Regresi Berganda
Regresi Linier Berganda Yaitu Jumlah X Yang Lebih Dari Satu Artinya Variabel X
Bisa Berjumlah 2,3 Atau Lebih Atau Biasa Disebut Multiple Linear Regression.
Sebagai Misal Bertambahnya Variabel X Yaitu Munculnya Inflasi Yang Dipengaruhi
Oleh Bunga Deposito, Nilai Tukar (Kurs), Jumlah Uang Beredar, Kelangkaan Barang
Dll. Perubahan Model Dari Bentuk Single Ke Dalam Bentuk Multiple Mengalami
Beberapa Perubahan, Meliputi:
1) Jumlah Variabel Penjelasnya Bertambah, Sehingga
2) Spesifikasi Model Dan Data Terjadi Penambahan.
3) Rumus Penghitungan Nilai B Mengalami Perubahan
4) Jumlah Degree Of Freedom Dalam Menentukan Nilai T Juga Berubah.

Model Regresi Linier Berganda

Model Linier Berganda Merupakan Pengembangan Dari Medel Regresi Linier
Tunggal, Tetapi Dalam Regresi Linier Berganda Variabel X Lebih Dari Satu.
Bentuk Model Yang Sering Dijumpai Dalam Beberapa Literatur :

Y= A + B1x1 + B2x2 + B3x3 +.......... +

Y= B0 + B1x1 + B2x2 +B3x3 +.......... +

Y= A + B1x1 + B2x2 + B3x3 +.......... + Bnxn

Y= B0 + B1x1 + B2x2 + B3x3 + .......... + B

Koefisien Determinasi (R²) Yang Disesuaikan

Koefisien Determinasi Digunakan Untuk Mengukur Goodness Of Fit Dari Persamaan
Regresi, Melalui Hasil Pengukuran Dalam Bentuk Prosentase Yang Menjelaskan
Determinasi Variable Penjelas (X) Terhadap Variabel Yang Dijelaskan (Y). Koefisien
Determinasi Dapat Dicari Melalui Hasil Bagi Dari Total Sum Of Square (Tss) Atau
Total Variasi Y Terhadap Explained Sum Of Square (Ess) Atau Variasi Yang
Dijelaskan Y. Dengan Demikian Kita Dapat Mendefinisikan Lagi R² Dengan Arti
Rasio Antara Variasi Yang Dijelaskan Y Dengan Total Variasi Y.
 R² = Ess

Tss
Total Variasi Y (Tss) Dapat Diukur Menggunakan Derajat Deviasi Dari Masing-
Masing Observasi Nilai Y Dari Rata-Ratanya. Hasil Pengukuran Ini Kemudian
Dijumlahkan Hingga Mencakup Seluruh Observasi.
R² = Ʃ (Ỳt - Ȳ)²

Ʃ(Y-Ȳ)²
Yˆ (Baca: Y Cap) Adalah Nilai Perkiraan Y Atau Estimasi Garis Regresi.
Y (Baca: Y Bar) Adalah Nilai Y Rata-Rata. Y Cap Diperoleh Dengan Cara
Menghitung Hasil Regresi Dengan Memasukkan Nilai Parameter Dan Data Variabel.
Penghitungan Nilai Y Cap Menjadi Penting Untuk Dilakukan Agar Mempermudah
Kita Dalam Menggunakan Rumus R2 Yang Telah Ditentukan Di Atas.

Estimasi Titik Dan Interval

A. Estimasi Parameter
Ada Dua Area Di Dalam Statistik Inferensi Yaitu:

1) Estimasi (Estimation) Yaitu Statistik Sampel Untuk Mengestimasi Nilai

Parameter Populasi Yang Tidak Diketahui.
2) Uji Hipotesis Test Of Hipotesis Yaitu Tentang Keyakinan Kebenaran Sample
Terhadap Nilai Parameter Populasi Yang Tidak Diketahui.

Ada Dua Jenis Estimasi Terhadap Parameter Populasi:

1) Estimasi Titik (Point Estimation) Yaitu Nilai Tunggal Statistik Sampel Yang
Digunakan Untuk Mengestimasi Parameter Populasi.
2) Estimasi Interval (Interval Estimation) Yaitu Nilai Interval Dari Statistik
Sampel Yang Berisi Kemungkinan Terjadinya Parameter Populasi.
Berikut Beberapa Terminologi Yang Perlu Diperhatikan Ketika Akan Melakukan
Estimasi Interval Parameter Populasi:
1) Estimasi Titik
2) Jumlah Kemungkinan Kesalahan Di Dalam Estimasi Titik Atau Interval
Kemungkinan
3) Pernyataan Tentang Derajat Keyakinan Yang Mana Interval Berisi Nilai
Parameter Populasi

II.6 Masalah Dalam Analisis Regresi

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
b. Menggunakan informasi sebelumnya
c. Melakukan transformasi terhadap 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.

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 otokorelasinya 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 danya tren atau siklus dalam variabel, dari tidak
dimasukkannya variabel yang penting dalam regresi atau data yang nonlinear.
II.7 Contoh kasus
Perusahaan sepatu NANIA ingin memperkenalkan sepatu baru dan ingin
menaksir kurva permintaan untuk sepatu baru itu. Para staf departemen riset pasar
telah membuat survey dengan kuesioner atas seribu orang yang diwawancarai yang
sedang berbelanja barang-barang yang sifatnya sama. Orang-orang yang diwawancarai
masing-masing diminta untuk memilih salah satu dari enam jawaban apakah mereka
benar-benar ingin membeli sepatu baru itu pada 5 tingkat harga?

Jawaban-jawabannya adalah (a) sama sekali tidak; (b) nampaknya tidak; (c)
barangkali, mungkin; (d) nampak suka; (e) sangat suka; (f) pasti ya. Jumlah orang-orang
yang menjawab pada setiap kategori pada setiap tingkat harga ditunjukkan pada table
dibawah. Analisis telah menentukan bahwa probabilitas untuk pembelian nyata atas
produk tersebut untuk setiap jawaban adalah 0,0 untuk jawaban (a); 0,2 untuk jawaban
(b); 0,4 untuk jawaban (c); 0,6 untuk jawaban (d); 0,8 untuk jawaban (e); 1,0 untuk
jawaban (f).

Harga Jumlah Responden Kuantitas

(ribu yang
(a) (b) (c) (d) (e) (f)
rupiah) diharapkan

9 500 300 125 50 25 0 160

8 300 225 175 150 100 50 335

7 100 150 250 250 150 100 500

6 50 100 100 300 250 200 640

5 0 25 50 225 300 400 800

 Dari data di atas kita dapat memperoleh nilai harapan jumlah yang diminta
pada setiap tingkat harga. Sebagi contoh, pada tingkat harga Rp 9 ribu, harapan dari
penjualan setiap kelompok responden adalah:

E(Q) = 500 (0,0) + 300 (0,2) + 125 (0,4) + 50 (0,6) + 25 (0,8) + 0 (1,0)

= 160 unit

Dengan begitu kita dapat menghitung harga-harga yang lain dengan cara yang sama.
Dengan menempatkan koordinat kuantitas harga tersebut pada suatu grafuk, tampak
bahwa intersep kurva permintaan mendekati Rp 10 ribu dan slopenya mendekati -5/800
atau -0,00625. Taksiran atas slope tersebut bisa deperoleh dengan melihat bahwa jika harga
turun dari Rp 10 ribu ke Rp 5 ribu (meningkat = -5 ribu), jumlah yang diminta meningkat dari
0 menjadi 800 unit (naik = 800). Taksiran kurva permintaan tersebut adalah Px = 10,00 –
0,00625Qx. Kemudian dari kurva permintaan tersebut, dapat ditentukan MR, yaitu MRx =
10,00 – 0,0125Qx, karena kurva MR mempunyai intercept yang sama dengan kurva
permintaan, tetapi slopenya dua kali slope kurva permintaan.
 BAB III
PENUTUP
III.1 Kesimpulan
Penaksiran permintaan berkaitan dengan cara memperoleh nilai-nilai
parameter pada fungsi permintaan yang cocok pada saat ini. Informasi ini penting
bagi pengambilan keputusan sekarang dan dalam mengevaluasi apakah keputusan-
keputusan sudah optimal dalam konteks situasi permintaan sekarang.
Reaksi pembeli atas perubahan variabel-variabel independen dalam fungsi
permintaan dapat ditaksir dengan cara wawancara dan survei., membuat pasra
simulasi, atau eksperimen-eksperimen pasar secara langsung. Perhatian harus
diarahkan untuk memilah sampel random yang cukup mencerminkan pasar sasaran,
dan ukuran masing-masing sampel harus cukup besar sehingga penemuan-
penemuan itu dapat dipercaya.Disain kuisioner penting bagi ketepatan prediksi dari
wawancara dan survei.Intensi-intensi konsumen tidak terlalu akurat diterjemahkan
ke dalam tindakan. Bias wawancara dan kurangnya minat kosumen atau informasi
juga membuat distorsi taksiran yang di peroleh.
Pasar simulasi dan eksperimen passar secara langsung memungkinkan
observasi atau konsumen selama proses keputusan konsumsi, dan kesimpulan
dapat ditarik dari perilaku aktual konsumen. Perhatian harus diberikan untuk
menghilangkan dampak dari pengaruh-pengaruh jangka panjanng dan untuk
memastikan apakah perilaku orang-orang dalam klinik konsumen mencerminkan
pola perilakunya yang lajim.Teknik pemasaran langsung memberika kesempatan
yang ideal untuk menguji dampak berbagai tingkat-tingkat harga yang berbeda atau
variabel-variabel strategik.
Analisa regresi dari data yang dikumpulkan memungkinkan perhiungan
koefisien-koefisien fungsi permintaan, juga perhiungan berupa beberapa statistik
yang menunjukkan keyakinan yang bisa digunakan untuk mendapatkan
taksiran.Analisis regresi adalah suatu alat yang sangat baik bila digunakan secara
tepat untuk menaksir parameter-parameter fungsi permintaan, berdasarkan kaitan
observasi dengan data runtut waktu maupun seksi silang.Kesalahan-kesalahan yang
dapat membuat validitas teknik diatas berkurang telah diperliatkan sehingga peneliti
dapat merumuskan masalaah untuk analisis dengan baik dan menginterprestasikan
hasil-hasil analis dengan baik pula.

III.2 Saran
Demikian makalah yang kami buat, semoga dapat bermanfaat bagi pembaca.
Apabila ada saran dan kritik yang ingin di sampaikan, silahkan sampaikan kepada
kami. Apabila ada terdapat kesalahan mohon dapat mema'afkan dan
memakluminya.
 Daftar Pustaka
Salvatore, Dominick. 2005. Ekonomi Manajerial Edisi kelima. Jakarta. Salemba
Empat.
https://www.scribd.com/doc/403937570
https://www.academia.edu/37115251/
PERTANYAAN_and_JAWABAN_PRESENTASI_K ELOPOK_2_ETIKA_BISNIS
http://nurulhardianti12.blogspot.com/2018/12/makalah-estimasi-permintaan.html