Permintaan
Disusun Oleh :
Kurva permintaan untuk suatu komoditas biasanya diestimasi dari data yang ada
di pasar tentang kuantitas yang dibeli dari suatu komoditas, namun dengan
menyatukan observasi harga kuantitas dalam suatu grafik tidak menghasilakan kurva
permintaan untuk komoditas tersebut, karena setiap observasi harga kuantitas
diperoleh dari perpotongan permintaan dan penawaran dari komoditas yang berbeda.
Seiring dengan berjalannya waktu, permintaan akan suatu komoditas sangat
memungkinkan bergeser atau berubah karena adanya perubahan dalam masalah
selera, pendapatan, harga, komoditas yang berhubungan, dan sebagainya.
Perpotongan (keseimbangan) dari kurva permintaan dan penawaran yang
berbeda tetapi tidak diketahui itu menghasilkan observasi harga kualitas yang
berbeda-beda. Oleh karena itu, dengan hanya menggabungkan observasi yang
berbeda-beda tentang harga kuantitas, kita tidak dapat menghasilkan kurva
permintaan untuk komoditas tersebut. Kurva permintaan tidak dapat diidentifikasi
dengan sesederhana itu. Ini dikenal dengan masalah identifikasi. Beberapa alternative
cara untuk dapat mengestimasi permintaan melalui pendekatan peneletian pemasaran
utnuk estimasi permintaan diantaranya adalah sebagai berikut (Salvatore, 1989).
1. Survei Konsumen dan Peneletian Observasi
1. Memilih beberapa pasar dan mengubah harga komodih dalam beberapa pasar
tersebut,
2. Mengubah kemasan di pasar; mengubah jumlah dan tipe promosi di pasar,
3. Merekam respons (pembelian) yang dilakukan oleh konsumen,
Keunggulan dan Kekurangan Eksperimen Pasar
Keunggulan
Aktivitas ini dapat dilakukan dalam skala besar untuk lebih meyakinkan mengenai
keabsahan hasilnya dan bahwa konsumen tidak sadar bahwa mereka merupakan bagian
dari suatu eksperimen.
Kekurangan
Dalam hal menjaga biaya agar 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.
Manfaat Metode Eksperimen Pasar
• Berguna juga bagi perusahaan dalam rangka menentukan strategi penentuan harga
yang terbaik dan menguji beberapa jenis bungkus yang berbeda, aktivitas promosi,
dan kualitas produk.
• Metode eksperimen pasar juga menjadi sangat bermanfaat dalam menguji hasil
teknik statistik yang digunakan untuk mengestimasi permintaan dan dalam hal
penyediaan beberapa data yang *diperlukan untuk teknik statistik yang lainnya.
Pengenalan Terhadap Analisis
Regresi
Merupakan salah satu teknik dalam statistik untuk
meramalkan atau menemukan persamaan,
kebergantungan. atau sebuah hubungan antara variabel-
variabel kunci denga" variabel lainnya yang ingin
diketahui.
Adapun beberapa tahapan awal yang harus dilakukan adalah sebagai berikut:
1) mengumpulkan data yang berhubungan dengan variabel yang akan diteliti;
2) menentukan bentuk persamaan (equation) yang berkait dengan variabel-variabel;
3) menghitung koefisien persamaan tersebut;
4) membuat evaluasi tentang keakuratan persamaan tersebut.
Contoh sederhana analisis
permintaan dengan
menggunakan penghitungan
nilai rata-rata dan standar
deviasi. Contoh sederhana
analisis permintaan dengan
menggunakan penghitungan
nilai rata-rata dan standar
deviasi.
Tabel hasil pengolahan data empat tahun selama 16 kuartal (tiap
kuartal sama dengan 90 hari), dengan tingkat penjualan tiket pada tiap
kuartal sangat bervariasi, penjualan tertinggi sejumlah 137 tiket,
sedangkan yang terendah sejumlah 34 tiket, rata-rata tiket yang habis
terjual adalah sebanyak 87,2.
Simbol S tersebut adalah sample variance. Setelah nilainya diketahui, kemudian angka (731,6)
dicari nilai akar kuadratnya, dan hasilnya 27,0.
Angka 27,0 tersebut merupakan standar deviasi dari jumlah penjualan tiket maskapai Bintang
Air. Melalui hasil perhitungan-perhitungan sebelumnya, dapat dibuat sebuah predikst bahwa
rata-rata penjualan tiket di masa yang akan datang adalah sebanyak 87 tiket, dengan catatan
bahwa jumlah tersebut memiliki kemungkinan simpangan sebanyak 27, baik itu kurang ataupun
lebih.
Analisis Regresi Sederhana
Sebuah analisis regresi sederhana digambarkan dalam sebuah rumus sebagai berikut
Keterangan:
= estimasi dari permintaan penjualan perusahaan tahun t yang diperoleh dari garis regresi
untuk tingkat pengeluaran pada tahun t ()
dan adalah rata – rata nilai dari dan sedangkan nilai â tersebut kemudian diperoleh
dari :
â= -
Analisis regresi ini dilandasi oleh beberapa asumsi yang
penting,diantaranya yaitu bahwa faktor galat:
Y adalah variable terikat (yang hendak dicari nilainya), sedangkan X1 dan X2 merupakan variable bebas
yang berfungsi sebagai variable predictor. Koefisien a,b1,b2 merupakan parameter yang harus diestimasi.
Model ini juga dapat dikembangkan menjadi sekian banmyak jumlah variable bebas atau variable penjelas
(k) seperti yang dituliskan dalam persamaan berikut ini.
Satu-satunya asumsi yang dibuat dalam analisis regresi berganda sebagai tambahan terhadao aoa yang ada
dalam analisis regresi sederhana adalah bahwa jumlah variable bebas atau variable penjelas harus lebih
kecil daripada jumlah observasi dan tidak ada korelasi linear yang sempurna diantara sesame variable
bebas.
2. Koefisien Determinasi dan R 2 yang Disesuaikan
n adalah jumlah observasi atau sampel data dan k adalah jumlah parameter atau
koefisien yang diestimasi.
3. Analisis Varians
Kekuatan menerangkan secara menyeluruh dari semua regresi dapat diuji dengan
menggunakan analisis varians, yaitu dengan menggunakan uji statistic F, atau rasio
F. Uji ini digunakan untuk menguji hipotesis bahwa variasi dari semua variable
bebas (X) dapat menjelaskan proporsi yang signifikan dari variasi pada variable
terikat (Y). Maka dari itu, kita dapat menggunakan statistic F untuk menguji
hipotesis nol bahwa semua koefisien regresi sama dengan nol melawan hipotesis
alternatif bahwa semuannya tidak sama dengan nol.
Rumus untuk menghitungnya adalah sebagai berikut
n adalah jumlah observasi dan k adalah jumlah parameter atau koefisien yang
sedang diestimasi dalam regresi. Karena F ini merupakan rasio antara kedua
varians yang ada, maka uji ini sering disebut sebagai “analisis varians”.
Statistik F juga dapat dihitung dalam hubungannya dengan koefisien
determinasi sebagai berikut
MASALAH DALAM
ANALISIS REGRESI
Multikolinearitas
● Istilah multikolinear ini mengacu kepada situasi, yaitu. dua atau lebih
variabel penjelas dalam suatu regresi mempunyai korelasi yang tinggi.
● Multikolinearitas terkadang dapat dihilangkan atau dikurangi dengan cara:
1. Memperluas ukuran sampel
2. Menggunakan informasi sebelumnya
3. Melakukan transformasi terhadp hubungan fungsional
4. Membuang satu dari variable yang memiliki kolinear yang tinggi
Heteroskedastisitas
● Masalah ini timbul pada saat asumsi bahwa varíans dari faktor galat adalah
konstan untuk semua nilai variabel bebas vang tidak dipenuhi.
● Untuk menjalankan regresi jenis ini, pertama kita harus membagi semua
variabel terikat dan variabel bebas dengan variabel yang menyebabkan
terjadinya heteroskedastisitas dan menjalankan regresi terhadap variabel
yang sudah ditransformasikan tersebut.
Otokolerasi
● Kapan pun terjadi galat atau residual yang berurutan berkorelasi, kita
memiliki otokorelasi. Pada saat galat yang berurutan mempunyai tanda yang
sama, kita mempunyai otokorelasi positif. Pada saat gambar berubah secara
teratur, kita memiliki otokorelasi negatif.
● Otokorelasi dapat dideteksi dengan menggambarkan residual atau secara
lebih formalnya dengan menggunakan statistik Durbin-Watson (d).
Durbin-Watson (d)
● Untuk setiap nilai k' terdapat D-W, satu ditujukan untuk dL (nilai bawah 9
lower-L) dan satunya lagi diberi nama dU pada tabel (untuk nilai k' dan n
yang sesuai). Kita menyimpulkan bahwa tidak terdapat adanya bukti korelasi
pada tingkat signifikasi 1 persen atau 5 persen. Secara umum, nilai d yang
berkisar di sekitar d = 2 menunjukkan tidak adanya otokorelasi. Jika nilai
statistik D-W jatuh antara nilai kritis dL dan dU maka dikatakan bahwa hasil
uji-nya tidak dapat disimpulkan. Akhirnya, jika nilai statistik d adalah lebih
kecil dari nilai kritis dL’ maka dapat disimpulkan bahwa dalam perhitungan
statitistik tersebut terdapat bukti adanya otokorelasi.
Menspesifikasi Bentuk Persamaan Permintaan
● Langkah ketiga dalam estimasi permintaan untuk analisis regresi adalah menentukan
bentuk fungsional dari model yang akan diestimasi. Model yang paling sederhana
yang dapat dipakai, dan yang biasanya paling realistis, adalah model linear.
Persamaan dapat ditulis dalam bentuk linear eksplisit sebagai berikut.
● A = parameter (koefisien)
● E = faktor galat
● Qx = Perubahan dalam (efek marginal dari) variable terikat
● Spesifikasi hubungan nonlinear yang paling sering dijumpai dalam
persamaan permintaan adalah fungsi pangkat. Persamaan permintaan
dalam fungsi pangkat adalah: