EKONOMI MANAJERIAL

TEORI PERMINTAAN & ESTIMASI

Dosen : Ana Susi Mulyani, SE., MM

JURUSAN MANAJEMEN
FAKULTAS EKONOMI & BISNIS
UNIVERSITAS SULTAN AGENG TIRTAYASA
2021
TEORI PERMINTAAN
Dalam Ekonomi Manajerial kita sangat
tertarik pada permintaan terhadap suatu
komoditas yang dihadapi oleh suatu
perusahaan.
Permintaan akan suatu komoditas timbul
karena keinginan konsumen dan
kemampuannya untuk membeli suatu
komoditas.
Teori Permintaan Konsumen
mengasumsikan bahwa jumlah
komoditas yang diminta merupakan
suatu fungsi dari atau bergantung pada
harga komoditas tersebut, pendapatan
konsumen, harga komoditas yang
berhubungan ( komplementer atau
substitusi ), selera dan preferensi
konsumen, Biaya Iklan, dll.
Dalam bentuk fungsi dapat dituliskan
sebagai berikut :

Qdx = f(Px, I, Py, T, A)

Dimana :
Qd x = Kuantitas komoditas X yang
diminta
Px = Harga per unit komoditas X.
Py = Harga komoditas yang berhubungan
( substitusi atau komplementer ).
T = Selera Konsumen.
A = Biaya Iklan.
Contoh.
Misalkan Perusahaan bernama Tasty
Company memasarkan kopi merek X dan
mengestimasi regresi dari permintaan
akan kopinya sebagai berikut :

Qx = 1,5 – 3,0Px + 0,8I + 2,0Py – 0,6Ps +

1,2A
Dimana :
Qx = Penjualan Kopi merek X di Amerika
Serikat, jutaan pon per tahun.
Px = Harga kopi merek X, dollar per
pon.
I = Pendapatan personal disposable,
triliun dollar per tahun.
Py = Harga kopi pesaing, dollar per pon.
Ps = Harga gula, dollar per pon.
A = Pengeluaran iklan untuk kopi merek
X, ratusan ribu dollar per tahun.
Dimisalkan pada tahun ini, Px = $2 ; I =
$2,5 ; Py = $1,80 ; Ps = $0,50 ; dan A = $1.
Maka :

Qx = 1,5 – 3(2) + 0,8(2,5) + 2(1,80) –

0,6(0,50) + 1,2(1)
= 2
Sehingga pada tahun ini, perusahaan akan
menjual 2 juta pon kopi merek X.
ESTIMASI PERMINTAAN
ANALISIS REGRESI SEDERHANA
METODE KUADRAT TERKECIL
BIASA.
Tujuan Analisis Regresi adalah untuk
menghasilkan estimasi nilai a ( titik
potong vertikal ) dan b ( kemiringan )
dari garis regresi.

Ýt = â + bXt
Dimana :
Yt = Estimasi dari penerimaan penjualan
tahun t.
a & b = Estimasi dari parameter a dan b.
Xt = Tingkat pengeluaran iklan tahun t.
Estimasi dari nilai a dan b ( yaitu a dan b )
diperoleh dari meminimumkan jumlah
simpangan kuadrat.

b = ∑ (Xt – X)(Yt – Y) / ∑ (Xt – X)2

Dimana Y dan X adalah rata – rata nilai
dari Yt dan Xt, nilai â tersebut kemudian
diperoleh dari :

â = Y - bX
Contoh.
t Xt Yt
Tahun Iklan Penjualan
1 10 44
2 9 40
3 11 42
4 12 46
5 11 48
6 12 52
 t Xt Yt
Tahun Iklan Penjualan
7 13 54
8 13 58
9 14 56
10 15 60

Tentukan Persamaan Garis Regresinya.

Jawab.
Tabel 4 – 3 ( Hal. 165 )
n = 10
∑Xt = 120 maka X = 12
∑Yt = 500 maka Y = 50
∑(Xt – X ) = 0
∑( Yt – Y ) = 0
∑(Xt – X)(Yt – Y ) = 106
∑(X – X)2 = 30
 b = ∑ (Xt – X)(Yt – Y) / ∑ (Xt – X)2
= 106 / 30
= 3,533

Maka

â = Y – bX
= 50 – 3,533 (12)
= 7,60
Persamaan Garis regresinya adalah :

Yt = 7,60 + 3,533Xt

Garis regresi ini menunjukkan bahwa

pengeluaran iklan sebesar nol ( dengan X t
= 0 ), penerimaan penjualan yang
diharapkan ( Yt ) adalah sebesar $7,60
juta.
Dengan Iklan sebesar $10 juta pada
tahun pertama observasi ( X1 = $10
Juta ), Y1 = $7,60 + $3,533(10 ) =
$42,90 juta.

Pada saat yang lain, dengan X10 = $15

juta, Y10 = $7,60 + $3,533( 15 ) =
$60,55 juta.
Garis regresi hasil estimasi juga dapat
digunakan untuk mengestimasi bahwa
penerimaan penjualan dengan
pengeluaran iklan $16 juta akan
menjadi $7,60 + 3,533 ( 16 ) = $64,08
juta atau $3,53 juta lebih tinggi
dibandingkan dengan pengeluaran
iklan sebesar $15 juta.
UJI SIGNIFIKANSI ESTIMASI
PARAMETER.
Untuk menguji Hipotesis bahwa b adalah
signifikan secara statistik ( bahwa iklan
mempengaruhi penjualan secara positif ),
pertama kita perlu menghitung simpangan
baku dari b ( Sb ).

Sb = √ ∑(Yt – Ýt)2 / (n – k)∑(Xt – X)2

= √∑et2 / (n – k)∑(Xt – X)2
Dimana :
Yt = Nilai variabel terikat pada tahun t
yang diestimasi dari garis regresi.
X = Rata – rata atau nilai yang
diharapkan.
e = Faktor Galat / Pengganggu.
k = Jumlah koefisien yang diestimasi.
Nilai n – k disebut sebagai derajat
kebebasan ( degrees of freedom – df ).
Karena dalam analisis regresi
sederhana, kita mengestimasi dua
parameter, a dan b maka nilai k adalah
2, sehingga derajat kebebasan adalah n
– 2.
Contoh.
t Xt Yt
Tahun Iklan Penjualan
1 10 44
2 9 40
3 11 42
4 12 46
5 11 48
6 12 52
 t Xt Yt
Tahun Iklan Penjualan
7 13 54
8 13 58
9 14 56
10 15 60
Jawab.
Tabel 4 – 4 ( Hal. 167 )
n = 10
∑Xt = 120 maka X = 12
∑Yt = 500 maka Y = 50
∑et2 = 65,4830
∑(X – X)2 = 30
Sb = √∑et2 / (n – k)∑(Xt – X)2
= √65,4830 / (10 – 2)( 30 )
= √0,2728
= 0,52

Selanjutnya kita menghitung nilai statistik t

atau rasio t ( b / Sb ).

t = b / Sb
= 3,53 / 0,52
= 6,79
Untuk menghasilkan uji signifikansi
yang objektif untuk b, kita bandingkan
hasil perhitungan rasio t dengan nilai
kritis dari distribusi t dengan n – k =
10 – 2 = 8 atau df =8, nilai kritis dari t
adalah 2,306 ( uji 2 pihak ).
Karena nilai t = 6,79 melebihi nilai
tabel t = 2,306, maka kita menolak
hipotesis nol dan menerima hipotesis
alternatif yang mengatakan adanya
hubungan yang signifikan antara X
( iklan ) dan Y ( penjualan ).
UJI KECOCOKAN MODEL
Selain menguji signifikansi secara statistik
dari parameter tertentu hasil estimasi, kita
juga dapat menguji kekuatan variabel
penjelas secara keseluruhan dari
keseluruhan regresi. Ini didapat dengan
menghitung nilai koefisien determinasi,
yang biasanya diberi simbol R2.
Dalam hubungan dengan contoh iklan
– penjualan, R2 mengukur berapa
besar penjualan perusahaan dapat
dijelaskan / dipengaruhi oleh
pengeluaran iklannya.
Variasi Total ( Total Variation ) pada Y
dapat diukur dengan mengkuadratkan
simpangan dari setiap nilai observasi Y
dari rata – ratanya dan kemudian
menjumlahkannya.

Y = ∑(Yt – Y)2
Analisis Regresi memecah variasi total ini
menjadi 2 bagian : Variasi Y yang dapat
dijelaskan oleh variabel bebas ( X ) dan
yang tidak dapat dijelaskan atau variasi
residual dari Y.
Variasi yang dapat dijelaskan ( explained
variation ) dari Y adalah :

Y = ∑(Ýt – Y)2
Variasi yang tidak dapat dijelaskan
( unexplained variation ) dari Y :

Y = ∑(Yt – Ýt)2
Koefisien Determinasi ( R ), didefinisikan
sebagai rasio antara variasi Y yang dapat
dijelaskan dengan variasi total.

R2 = Variasi yang dijelaskan pada Y

Variasi Total pada Y

= ∑(Ýt – Y)2 / ∑(Yt – Y)2

Contoh.
t Yt
Tahun Penjualan
1 44
2 40
3 42
4 46
5 48
6 52
 t Yt
Tahun Penjualan
7 54
8 58
9 56
10 60

Hitunglah Koefisien Determinasi

Jawab.
Tabel 4 – 5 ( Hal. 171 )
n = 10
∑Yt = 500
Y = 50
∑(Yt – Y)2 = 440
∑(Ýt – Y)2 = 373,8430
∑(Yt – Y)2 = 65,4830
R2 = ∑(Ýt – Y)2 / ∑(Yt – Y)2
= 373,84 / 440
= 0,85

Ini berarti bahwa 85% penjualan

perusahaan dipengaruhi oleh pengeluaran
iklan perusahaan.