ESTIMASI

PERMINTA
AN
1. Irfika Annisa Risqianindi (200810201218)
2. Dyah Novita Rahmawati (200810201219)
3. Rizqi Ramadhani (200810101251)
4. Affan Maulana Hamid (220810201275)
5. Moch Arfan Nur Kholidy (220810201281)
6. M. Riza Darmawan (220810201287)
7. Verina Veda Faidhatul M (220810201293)
 PENGERTIAN ESTIMASI
PERMINTAAN

Estimasi (Penaksiran) Permintaan adalah proses menemukan nilai-nilai

koefisien (parameter) dari fungsi permintaan masa kini (current values)
terhadap suatu produk.
 METODE
ESTIMASI PERMINTAAN
Metode
01 Langsung
Metode menaksir permintaan dengan melibatkan konsumen secara
langsung.
• Customer Survey
• Metode Observasi
• Klinik Konsumen
Metode Tidak
02
• Metode Market Expriment

Langsung
a) Estimasi Tren, metode menaksirkan permintaan dengan
menggunakan data sekunder yang dikumpulkan dan kemudian
dilakukan upaya menemukan hubungan statistic antara variabel
dependent dan variabel independent.
b) Tren Non-Linier, merupakan trend yang nilai variabel tidak
bebasnya naik atau turun secara linier atau terjadi parabola.
 ESTIMASI TREN

01
METODE TREN 02
METODE TREND
SETENGAH RATA-
BEBAS
RATA

03
METODE
04
METODE MOVING
LEAST SQUARE AVERAGE
 METODE TREN BEBAS/
01 FREE HAND METHOD
Free hand method adalah menentukan bahwa garis patah-
patah yang dibentuk oleh data historis (data penjualan tahun
lalu), diganti dan diubah menjadi garis lurus dengan cara
bebas berdasarkan pada perasaan (intuisi) dari seseorang
yang bersangkutan.
 METODE TREND
02 SETENGAH RATA-RATA
Rumus: Y = a + b
X
Y = nilai yang dicari (nilai trend tertentu)
a = nilai trend periode dasar ( konstanta)
b = pertambahan trend tahunan secara rata-rata
 METODE
03 LEAST
Untuk menggunakan metode ini nilai parameter X harus sama dengan 0
( ∑X=0SQUARE
). Karena ∑X=0 maka rumus tersebut akan menjadi lebih
sederhana yaitu:
 04MOVING AVERAGE
MA atau MA

MA= Moving Average MA= Moving Average

∑X= Keseluruhan penjumlahan dari semua n1= data periode pertama
data periode waktu yang diperhitungkan. n2= data periode kedua
Jumlah Periode= Jumlah periode rata-rata n3= data periode ketiga
bergerak n= Jumlah periode rata-rata bergerak
 CONTOH SOAL

Carilah nilai trend dan taksiran penjualan 3 tahun yang akan datang
menggunakan metode berikut:
1. Metode Setengah Rata-Rata
2. Metode Least Square
 Jawaban Trend Semi Rata-Rata
Semi rata- Nilai trend
Tahun Penjualan Nilai (X) Semi total
rata (Y)

1993 1780 -3 1760

1994 1850 -2 1807
1995 1810 -1 1853
13300 1900
1996
1997
1890
2000
0
1
1900
1947
Y’ = a + bX
a = 1900
1998 1950 2 1993
1999 2020 3 2040
2000
2001
1980
1970
4
5
2087
2134
b= =
2002 2100 6 2180
2003 2200 7 15590 2227 2227
2004 2240 8 2274
2005 2500 9 2321
2006 2600 10 2367
2007   11     2414
2008   12     2461
2009   13     2508
 Jawaban Least Square
Penjualan Nilai
Tahun Nilai (X) XY X^2 trend
(Y)
(Y')
1993 1780 -7 -12460 49 1730
1994 1850 -6 -11100 36 1778
1995 1810 -5 -9050 25 1826
1996 1890 -4 -7560 16 1873
1997 2000 -3 -6000 9 1921
1998 1950 -2 -3900 4 1968
1999 2020 -1 -2020 1 2016
2000 1980 1 1980 1 2111
2001 1970 2 3940 4 2159
2002 2100 3 6300 9 2206
2003 2200 4 8800 16 2254
2004 2240 5 11200 25 2302
2005 2500 6 15000 36 2349
2006 2600 7 18200 49 2397
Total 28890 0 13330 280  
2007   8     2444
2008   9     2492
2009   10     2540
 CONTOH SOAL MOVING AVERAGE
Jadi perkiraan penjualan ponsel pada
bulan April adalah sekitar 30.000 unit.
Penjualan Perkiraan
Kita dapat melanjutkan lagi untuk
Bulan
(unit) (unit) bulan Mei dengan menggunakan data
Januari 22.500 - perkiraan yang dihitung tesebut atau
Februari 37.500 - dengan menunggu hasil actual pada
Maret 30.000 - bulan yang bersangkutan. Misalnya
April
Penjabaran:
?   data actual pada bulan April yang
Mei ?
Perkiraan penjualan untuk bulan April
  didapat adalah 35.000 unit, maka
adalah: perhitungannya:
MA Mei= (37.500 + 30.000 +
MA April= (22.500 + 37.750 + 35.000)/3
30.000)/3 MA Mei= 102.500/3
MA April= 90.000/3 MA Mei= 34.167
MA April= 30.000 Dengan perhitungan tersebut didapat
bahwa perkiraan ponsel untuk Mei
adalah sekitar 34.167 unit.
 ESTIMASI
ANALISA
REGRESI
SEDERHANA
 ESTIMASI ANALISA REGRESI

• Pengenalan Analisis Regresi

Yang dimaksud dengan Analisis Metode Regresi yaitu metode statistic untuk
mencari besarnya pengaruh variable bebas terhadap variable terkait. Teknik
Analisa regresi sendiri dibagi menjadi dua yaitu analisis regresi sederhana
dan analisis regresi berganda

• Estimasi Analisis Regresi Sederhana

 Persamaan Garis Lurus (Linear)
Misalnya saja ada seorang manajer yang ingin menentukan hubungan antara
pengeluaran biaya iklan (variabel X) dengan penerimaan penjualan (variabel Y).
Manajer tersebut ingin menguji sebuah hipotesis yang mengatakan bahwa
semakin tinggi biaya iklan maka akan semakin tinggi pula pendapatan
penjualannya.

Secara umum, hubungan linear antara penerimaan penjualaan (Y) dengan

Dimana:
pengeluaran (X) dalam bentuk persamaan yaitu :
a= adalah titik potong vertikal dari estimasi hubungan

Y = a + bX linear dan memberikan nilai Y pada saat x = 0. sementara,

b= merupakan kemiringan dari garis itu dan memberikan
estimasi kenaikan Y yang diakibatkan peningkatan setiap
unit dari X.

Nilai a dan b dapat dihitung dengan rumus….

 Persamaan Garis Lurus (Linear)

Nilai a dan b dapat dihitung dengan rumus….

 Metode Kuadrat Terkecil
(Ordinary Least Square Method)
Dalam analisis regresi sederhana sendiri, metode estimasi yang digunakan adalah
metode kuadrat terkecil dengan prinsip meminimumkan simpangan kuadrat. Prosedur
estimasinya adalah:
𝑛

∑ ( 𝑋 𝑡 − 𝑋 ) (𝑌 𝑡 −𝑌 )
^ =
𝑏 𝑡=1
^
𝑑𝑎𝑛 𝑎=𝑌 ^ 𝑋
−𝑏
𝑛

∑( 𝑋𝑡 − 𝑋 )
2

𝑡 =1
 SEDERHANA
Seorang manajer ingin menentukan hubungan antara pengeluaran biaya iklan (variabel
X) dengan penerimaan penjualan (variabel Y). Berikut merupakan datanya:
tahun ke- Pengeluaran Biaya Penerimaan Penjualan
Iklan (X) (Y)
1 10 44
2 9 40
3 11 42
4 12 46
5 11 48
6 12 52
7 13 54
8 13 58
9 14 56
10 15 60
Jumlah 120 500

Bagaimana persamaan garis regresinya? Manajer tersebut ingin menguji sebuah

hipotesis yang mengatakan bahwa semakin tinggi biaya iklan maka akan semakin
tinggi pula pendapatan penjualannya. Apakah hipotesis itu benar?
JAWAB
Langkah pertama adalah mencari nilai a dan b:

Dengan demikian, persamaan regresinya adalah

JAWAB
Dari persamaan regresi tersebut menunjukkan bahwa
pengeluaran iklan sebesar nol (X=0), maka
penerimaan penjualan yang diharapkan (Y) adalah
sebesar 7,6. Misalnya pengeluaran iklan sebesar 10,
perhitungannya yaitu :
Y=7,6+3,533X
Y=7,6+3,533(10)
= 7,6 + 35,33
= 42,93

Jadi apabila pengeluaran iklan sebesar 10 (X=10)

maka penerimaan penjualan (Y) pun akan meningkat
sebesar 42,93. Jadi hipotesis yang mengatakan bahwa
semakin tinggi biaya iklan maka akan semakin tinggi
pendapatan penjualannya yaitu benar.
KORELASI
KOEFISIE
 KORELASI

• Merupakan istilah yang digunakan untuk mengukur kekuatan hubungan

antar variabel.
• Analisis korelasi adalah cara untuk mengetahui ada atau tidaknya hubungan
antar variabel.
• Apabila terdapat hubungan antar variabel maka perubahan-perubahan yang
terjadi pada salah satu variabel akan mengakibatkan terjadinya perubahan
pada variabel lainnya.
 JENIS-JENIS KORELASI

1. Korelasi Positif
adalah korelasi antar 2 variabel, yaitu apabila yang satu (X) meningkat atau
menurun maka variabel lainnya (Y) cenderung untuk meningkat atau
menurun.
2. Korelasi Negatif
adalah korelasi dari 2 variabel, yaitu apabila yang satu (X) meningkat atau
menurun maka variabel lainnya (Y) cenderung menurun atau meningkat.
3. Tidak Ada Korelasi
apabila kedua variabel (X dan Y) tidak menunjukkan adanya hubungan.
4. Korelasi Sempurna
adanya korelasi antar 2 variabel yaitu apabila kenaikan atau penurunan
variabel yang satu (X) berbanding dengan kenaikan atau penurunan
variabel lainnya (Y).
 KOEFISIEN KORELASI

Koefisien korelasi memiliki nilai antara -1 dan +1 (-1 ≤ R ≤ +1).

a) Jika R bernilai positif maka variabel-variabel berklorelasi positif. Semakin
dekat R ke +1 semakin kuat korelasinya, demikian pula sebaliknya.
b) Jika R bernilai negatif maka variabel-variabel berkorelasi negatif. Semakin
dekat nilai R ke -1 semakin kuat korelasinya, demikian pula sebaliknya.
c) Jika R bernilai 0 (nol) maka variabel-variabel tidak menunjukkan korelasi.
d) Jika R bernilai +1 atau -1 maka variabel-variabel menunjukkan korelasi
positif atau negatif yang sempurna.
 KOEFISIEN DETERMINASI (R²)

1. Koefisien determinasi menunjukkan seberapa besar kemampuan variable

independent dalam menjelaskan dari variable dependen.
2. Secara sederhana koefisien determinasi dihitung dengan mengkuadratkan
koefisien korelasi (r).
3. Sebagai contoh, jika nilai R adalah sebesar 0,80 maka koefisien
determainasi adalah sebesar 0,80² = 0,64 atau 64%. Artinya, kemampuan
variabel independen dalam menjelaskan perubahan dari variabel
dependennya sebesar 64%. Terdapat 36% (100% - 64%) perubahan
variabel dependen yang dijelaskan oleh faktor lain.
4. Nilai R² berkisar antara 0 sampai 1.
 LATIHAN SOAL
KOEFISIEN DETERMINASI (R²)
X Y
Tentukan persamaan regresi linear sederhana,
12 56
koefisien korelasi, dan koefisien
14 62

13 60
determinasinya. Jelaskan pula interpretasi dari
12 61
koefisien korelasi dan koefisien determinasi
15 65
yang dihitung!
13 66

14 60

15 63
 LATIHAN SOAL
KOEFISIEN DETERMINASI (R²)
X Y XY X² Y²
12 56 672 144 3136
14 62 868 196 3844
13 60 780 169 3600
12 61 732 144 3721
15 65 975 225 4225
13 66 858 169 4356 Jadi, persamaan regresinya adalah:
14 60 840 196 3600
15 63 945 225 3969
108 493 6670 1468 30451
 LATIHAN SOAL
KOEFISIEN DETERMINASI (R²)
KOEFISIEN
X Y XY X² Y² KORELASI:
12 56 672 144 3136
14 62 868 196 3844
13 60 780 169 3600
12 61 732 144 3721
15 65 975 225 4225
13 66 858 169 4356
14 60 840 196 3600
15 63 945 225 3969
108 493 6670 1468 30451
 LATIHAN SOAL
KOEFISIEN DETERMINASI (R²)
KOEFISIEN KOEFISIEN
KORELASI: DETERMINASI:
R²= (0,55)²
= 0,3025
= 30,25%

Artinya kemampuan biaya promosi dalam

menjelaskan perubahan dari volume
penjualan sebesar 30,25%. Terdapat 69,75%
(100% - 30,25%) perubahan volume yang
dijelaskan oleh faktor lain
 ANALISIS
REGRESI BERGANDA

merupakan analisis hubungan secara linear

antara 2 atau lebih variabel bebas dengan 1
variabel terikat.
REGRESI BERGANDA
 t Table

Big numbers catch your audience’s attention

OUR TEACHERS
MASALAH
DALAM
ANALISIS
REGRESI
ALTERNATIVE RESOURCES
RESOURCES
OUR CENTERS

SATURN
Saturn is a gas giant
and has several rings

VENUS
Venus is the second
planet from the Sun