Comsumption Bundle
Adalah Kombinasi tertentu dari jumlah barang atau jasa
tertentu.
Teori konsumen mengharuskan konsumen untuk dapat
membuat peringkat (atau mengurutkan) berbagai
kombinasi barang dan jasa sesuai dengan tingkat kepuasan
yang terkait dengan setiap kombinasi.
Typical Consumption Bundles for Two Goods, X & Y
Properties of Consumer Preferences 5-8
Completeness
Untuk setiap pasangan bundel konsumsi, A dan B, konsumen
dapat mengatakan salah satu dari yang berikut:
A lebih disukai daripada B (A>B)
B lebih disukai daripada A (B>A)
Konsumen indifferent antara A dan B (A ~ B)
Transitivity
Jika A lebihdisukai daripada B, dan B lebih disukai daripada C,
maka A harus lebih disukai daripada C
Nonsatiation
Lebih banyak barang selalu lebih disukai daripada lebih sedikit
5-9
Fungsi Utilitas
Utility Function
Utilitas adalah : Manfaat yang didapat konsumen dari barang & jasa
yang mereka konsumsi adalah utilitas
Fungsi utilitas menunjukkan persepsi individu tentang tingkat
utilitas yang diperoleh dari mengkonsumsi setiap bundel barang
yang mungkin
Fungsi Utilitas …. lanj
Y MU X
MRS
X MUY
MRS
konsumen indifferent antara kombinasi A (10X dan 60Y) dan
B (20X dan 40Y).
Rate substitusi:
Hal-hal lain yang ada setelah titik koma (;) diasumsikan tidak berubah.
M PX X PY Y
or
M PX
Y X
PY PY
Karakteristik Budget Line 27
di mana :
MUx dan MUy adalah utilitas marginal X dan Y
Misal :
Konsumen meningkatkan konsumsi X sebesar 2 unit (∆X = 2) dan menurunkan konsumsi Y sebesar 1
unit (∆Y = -1 ).
Utilitas marginal X = 25, Utilitas marginal Y = 10,
Maka perubahan Utilitasnya dihitung:
∆ U = (25 x 2) + (10 x -1) = 40
Kesimpulan : Mengkonsumsi tambahan 2 X dan Y kurang 1 menyebabkan utilitas total naik sebanyak
40 unit utilitas.
Untuk poin pada kurva indiferen yang diberikan, semua kombinasi barang menghasilkan
tingkat utilitas yang sama, jadi ∆ U = 0 untuk semua perubahan dalam X dan Y yang
menempatkan konsumen pada kurva indiferen yang sama.
Sehingga:
∆U = 0 = (MUx x ∆X) + (MUy x ∆Y)
Penyelesaian
Di mana adalah slope negative dari kurva indiferen atau marginal rate of
substitution. Oleh karena itu Marginal Rate of Substituion dapat diinterpretasikan sebagai:
30
Consumer’s Budget Constraint
Budget Constraint yang dihadapi oleh konsumen dapat digambarkan dengan
budget line.
Melihat sejauh mana konsumen mau menukar konsumsi produk A dengan produk
B ( tradeoff).
Contoh :
Budget $1000,
Harga barang X = $5
Harga barang Y = $10,
Maka jumlah yang dikeluarkan
$5X + $10Y = $1,000
Consumer’s Budget Constraint 31
M
PY •A
M PX
Y X
Quantity of Y
PY PY
B
•
M
Quantity of X PX
33
Shifting Budget Lines
R
120
A A
100 100
Quantity of Y
Quantity of Y
F
80
Z B N C B D
Quantity of X Quantity of X
Y MU X PX
MRS
X MUY PY
35
Utility Maximization
MU X MUY
PX PY
Constrained Utility Maximization
50
Consumer budget $400
A Harga Pizza $8
45 • Harga Burger $4
40 •B •D
Quantity of pizzas
E IV
30
R
•
III
20
C
15 • II
T
10
I
0 10 20 30 40 50 60 70 80 90 100
Quantity of burgers
37
Individual Consumer Demand
Px=$5
0
50 65 90 100 125 200
Quantity of X
10
Price of X ($)
Demand for X
0
50 65 90
Quantity of X
Market Demand & Marginal Benefit 5-39
Quantity demanded
Market
Price Consumer 1 Consumer 2 Consumer 3
demand
$6 3 0 0 3
5 5 1 0 6
4 8 3 1 12
3 10 5 4 19
2 12 7 6 25
1 13 10 8 31
Derivation of Market Demand
42
Penaksiran Fungsi
Permintaan
DR RIANA SUSANTI, M.SI
43
Pendahuluan
Penaksiran
fungsi permintaan sangat bermanfaat bagi manajer
untuk menganalisis kebijakan penjualan perusahaan dan
menganalisis daya beli individu dan masyarakat. Informasi
mengenai fungsi permintaan suatu produk tidak selalu tersedia.
Manajer perusahaan untuk memperoleh informasi mengenai
fungsi permintaan, melalui berbagai metode, seperti
melakukan penelitian mendalam di pasar dan melalui
pendekatan statistik.
Penaksiran Dan Prakiraan Permintaan 44
1. Metode langsung
Metode langsung adalah metode yang langsung melibatkan konsumen
a. Wawancara dan survei
b. Pasar simulasi
c. Eksperimen pasar secara langsung
2. Metode tidak langsung
Metode tidak langsung adalah metode yang dilakukan berdasarkan data yang telah
dikumpulkan dan kemudian dilakukan upaya-upaya untuk menemukan hubungan-
hubungan statistik antara variable dependen dengan independen.
Analisis regresi
Wawancara dan Survei 47
Analisis regresi permintaan adalah sebuah teknik statistik yang digunakan untuk
menemukan ketergantungan dari suatu variabel terhadap satu atau lebih variabel
lain.
Jadi teknik ini dapat diterapkan untuk mencarai nilai dari koefisien-koefisien
tersebut menunjukkan pengaruh dari variabel yang menentukan permintaan sebuah
produk.
Untuk analisis regresi, kita membutuhkan sejumlah observasi, masing-masing
terdiri dari variabel dependen Y dan nilai variable independen X yang
berhubungan.
Analisis regresi ini memungkinkan kita untuk menarik kesimpulan dari pola
hubungan yang ditunjukan oleh hasil observasi.
Dalam analisis ini dapat digunakan data runtut-waktu (time series) maupun
data seksi-silang (cross-section).
1. Analisis Runtut Waktu dan Cross Section 57
Dengan hipotesis bahwa Y merupakan suatu fungsi dari X atau beberapa variable
X, maka dapat ditentukan bentuk ketergantungan variabel Y terhadap variable-
variabel X. dalam analisis regresi menurut "ketergantungan" dinyatakan dengan:
a. Bentuk linier
Y = a + b1X1 + b2X2 + … + bnXn + e
Dimana e adalah nilai kesalahan atau residu yang timbul karena adanya
perbedaan antara nilai aktual setiap Y yang diobservasi untuk setiap nilai X dengan
nilai Y yang ditaksir oleh persamaan regresi untuk nilai-nilai X tertentu. Untuk
observasi individual bisa terjadi nilai residu negative atau positif sebab adanya
variasi random dari nilai Y.
2. Linieritas Persamaan Regresi 60
Kesalahan baku penaksiran adalah ukuran penyebaran (dispersi) data dari garis yang
paling tepat. Dengan kesalahan baku penaksiran ini (Se), kita dapat menghitung interval
keyakinan (sekitar nilai penaksiran untuk variabel independen) untuk tingkat tingkat
keyakinan yang berbeda. Interval keyakinan adalah kisaran nilai dimana observasi aktual
diharapkan terletak dalam persentase tertentu pada waktu tertentu.
Kesalahan baku penaksiran dapat dihitung dengan rumus berikut :
6. Daya Prediksi Persamaan Regresi 68
Bila interval keyakinan relative sempit, karena nilai kesalahan baku yang
relative kecil, maka kita dapat mengatakan bahwa persamaan regresi itu
mempunyai kemampuan prediksi yag lebih besar daripada nilai Se yang
relative besar dengan interval keyakinan relative luas.
d. Multikolinieritas
Multikolinieritas timbul sebagai akibat adanya hubungan kasual
antara dua variabel bebas atau lebih, atau sebagai akibat adanya
kenyataan bahawa dua variabel bebas atau lebih secara bersama-sama
dipengaruhi oleh variabel ketiga yang berada diluar sistem persamaan
regresi.
Keberadaan multikolinieritas dapat ditemukan melalui tes korelasi
antar variabel penjelas. Kalau diketemukan korelasi yang tinggi,
maka salah satu variabel penjelas dilepas.Dengan adanya
multikolinieritas maka hasil estimasi koefisien regresi bersifat bias.
75
Masalah- Masalah dalam Analisis Regresi
e. Heteroskedastisitas
Keadaan unsur ini dapat dilihat dari grafik distribusi nilai “residuals”.
Kalau grafiknya secara teratur membengkok atau mengecil dengan
bertambah besarnya nilai variabel penjelas, maka kita harus waspada
dalam menginterprestasikan besaran statistik t dan karena kurang
dapat dipercaya dengan kecenderungan terlalu tinggi diatas nilai yang
sebenarnya. Nilai kesalahan standar koefisien regresi memberikan
indikasi yang keliru. Masalah ini dapat diatasi dengan meninjau
kembali komposisi variabel-variabel penjelas dan merubah bentuk
persamaan hubungan fungsional.
76
Masalah- Masalah dalam Analisis Regresi
f. Otokorelasi atau serialkorelasi
Otokorelasi adalah masalah lain yang timbul bila kesalahan tidak sesuai dengan batasan
yang diisyaratkan oleh analisis regresi. Otokorelasi atau serialkorelasi hanya terjadi kalau
kita mengggunakan data kurun waktu (time series) dan ditandai oleh pola kesalahan yang
beruntun. Yakni besarnya kesalahan kian besar atau kecil.
Yang menunjukkan pola siklus atau lainnya, karena observasi-observasi X disusun secara
kronologis, pola ini menadakan bahwa beberapa variabel lain berubah secara sistematis
dan mempengaruhi variabel dependen. Otokorelasi dapat ditemukan secara visual melalui
grafik time series residuals atau uji statistik “Durbin waston”.
Otokorelasi dapat dihilangkan dengan menambahkan variabel yang dapat menjelaskan
perubahan yang sangat sistematis tersebut kedalam persamaan regresi. Sebagai contoh,
bila residu nampak mengikuti pola siklus, variabel “Dummy” dibutuhkan bagi
perhitungan variasi musiman.