Estimasi
Permintaan
Pertanyaan Umum Tentang Permintaan
• Seberapa besar penerimaan perusahaan akan
berubah setelah adanya peningkatan harga?
• Berapa banyak produk yang diminta apabila
konsumen naik pendapatannya?
• Berapa banyak kenaikan penjualan apabila
perusahaan mengeluarkan biaya iklan dalam
jumlah tertentu?
• Berapa banyak Permintaan akan jatuh apabila
pesaing menaikkan biaya iklan atau menurunkan
harga?
Masalah Identifikasi
• Masalah identifikasi merujuk pada beberapa
kesulitan menurunkan kurva permintaan dari data
yang ada dipasar
• Kurva permintaan biasanya di estimasi dari kuantitas
dan harga produk dari pasar
• Akan tetapi kesulitannya adalah waktu, pasar, selera,
pendapatan, harga komoditas yang berhubungan
selalu berubah
SULIT UNTUK
DIIDENTIFIKASIKAN
Kurva Harga Kuantitas & Masalah
Identifikasi
Estimasi Permintaan:
Pendekatan Riset Pemasaran
Year X Y
Scatter Diagram
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 Persamaan Regresi : Y = a + bX
Analisis Regresi
• Garis Regresi : Line of
Best Fit
• Garis Regresi :
meminimumkan jumlah
dari simpangan kuadrat
pada sumbu vertikal (et)
dari setiap titik pada
garis regresi tersebut.
• Metode OLS (Ordinary
Least Squares): metode
jumlah kuadrat terkecil
et Yt Yˆt
Analisis Regresi Sederhana
• Analisis Regresi Sederhana hanya melakukan analisis
regresi untuk 2 variabel saja (1 variabel independent
& 1 variabel depedent)
• Proses-proses:
1. Menghitung nilai a (titik potong vertikal) dan nilai b
(koefisien kemiringan dari garis regresi
2. Mengadakan uji signifikasi dari estimasi parameter
3. Membuat interval keyakinan untuk parameter
sebenarnya
Metode OLS (Ordinary Least Square)
• Tujuan analisis regresi adalah untuk
menghasilkan nilai estimasi a dan b dari garis
regresi = Estimasi Penjualan tahun t
= Estimasi Tingkat pengeluaran iklan
pada tahun t
= + = Estimasi nilai a (titik potong vertikal)
= Estimasi nilai b (Koefisien)
Deviasi dari galat () dari setiap observasi penjualan (yang berasal dari
garis regresi ()
= =
e (Y Yˆ ) (Y aˆ bX
t 1
2
t
t 1
t t
2 ˆ )
t 1
t t
2
Estimasi nilai a & b dengan Metode OLS
Estimasi nilai a & b didapatkan dari
meminimumkan jumlah simpangan kuadrat
n
(X t X )(Yt Y )
bˆ t 1 dan adalah nilai
n rata-rata dari &
(X
t 1
t X) 2
ˆ
â Y bX
Contoh Estimasi dgn OLS
Contoh Estimasi
Time Xt Yt Xt X Yt Y ( X t X )(Yt Y ) ( X t X )2
1 10 44 -2 -6 12 4
2 9 40 -3 -10 30 9
3 11 42 -1 -8 8 1
4 12 46 0 -4 0 0
5 11 48 -1 -2 2 1
6 12 52 0 2 0 0
7 13 54 1 4 4 1
8 13 58 1 8 8 1
9 14 56 2 6 12 4
10 15 60 3 10 30 9
120 500 106 30
n n n n
sbˆ
(Yt Y )
ˆ 2
e 2
t
(n k ) ( X t X ) 2
(n k ) ( X X )
t
2
n = Jumlah observasi/sampel
k = jumlah koefisien/variabel
Derajat kebebasan = n-k
Uji Signifikasi Estimasi Parameter
Contoh Perhitungan
Time Xt Yt Yˆt et Yt Yˆt et2 (Yt Yˆt ) 2 ( X t X )2
1 10 44 42.90 1.10 1.2100 4
2 9 40 39.37 0.63 0.3969 9
3 11 42 46.43 -4.43 19.6249 1
4 12 46 49.96 -3.96 15.6816 0
5 11 48 46.43 1.57 2.4649 1
6 12 52 49.96 2.04 4.1616 0
7 13 54 53.49 0.51 0.2601 1
8 13 58 53.49 4.51 20.3401 1
9 14 56 57.02 -1.02 1.0404 4
10 15 60 60.55 -0.55 0.3025 9
65.4830 30
n n n
65.4830
0.52
t 1 t 1 t 1 (n k ) ( X X )
t
2
(10 2)(30)
Uji t Untuk Signifikasi
Perhitungan : t-Statistic
bˆ 3.53
t 6.79
sbˆ 0.52
Derajat Bebas = (n-k) = (10-2) = 8
Critical Value at 5% level dari tabel t =2.306
Uji Kecocokan Model & Korelasi
(Yt Y ) (Y Y ) (Yt Yt )
2ˆ 2 ˆ 2
Variasi Total Yang bisa dijelaskan dan yang tidak bisa
dijelaskan
Contoh Estimasi Koefisien Determinasi
Koefisien Determinasi
R
2 Explained Variation
(Y Y )
ˆ 2
TotalVariation (Y Y )
t
2
373.84
R 2
0.85
440.00
Koefisien Korelasi
ˆ
r R with the sign of b
2
1 r 1
r 0.85 0.92
Analisis Regresi Berganda
• Apabila saat variabel Dependent (Terikat)
yang kita cari untuk dijelaskan, dihipotesis
tergantung pada lebih dari satu variabel
bebas/penjelas.
Fungsi linearnya:
Y a b1 X 1 b2 X 2 bk ' X k '
Contoh Perhitungan Analisis
Regresi Berganda
Koefisien Determinasi &
yang disesuaikan
• Koefisien Determinasi mengukur proporsi dari
variasi total variabel terikat yang dijelaskan oleh
variabel bebas
• Akan tetapi di analisis regresi berganda, dengan
mempertimbangkan besaran derajat kebebasan
menurun sehubungan denga bertambahnya
variabel bebas, R2 perlu disesuaikan, sbb:
(n 1)
R 1 (1 R )
2 2
(n k )
Analisis Varians/Uji F
• Kekuatan menerangkan secara keseluruhan
regresi dapat diuji dengan menggunakan
analisis varians
Explained Variation /(k 1)
F
Unexplained Variation /(n k )
R /(k 1)
2
F
(1 R ) /( n k )
2
Multikolinieritas
• Merupakan korelasi (keterkaitan) yang tinggi
antara variabel-variabel bebas dalam suatu
model regresi linear berganda
• Alat statistik yang sering dipergunakan untuk
menguji multikolinearitas adalah
1.Variance Inflation Factor (VIF),
2.Korelasi Pearson antara variabel-variabel bebas,
atau
3.Eigenvalues dan Condition Index (CI)
Heteroskedisitas
• Merupakan ketidaksamaan varians dari residual satu ke
pengamatan ke pengamatan yang lain di suatu regresi
berganda
• Model regresi yang memenuhi persyaratan adalah di
mana terdapat kesamaan varians dari residual satu
pengamatan ke pengamatan yang lain tetap
(Homoskedisitas)
• Biasanya terdapat pada data cross section
• Deteksi heteroskedastisitas dapat dilakukan dengan
1.Metode scatter plot dengan memplotkan nilai ZPRED (nilai
prediksi) dengan SRESID (nilai residualnya)
2.Uji Glejser, Uji Park, Uji White
Autokorelasi
• Terjadi korelasi antara suatu periode t dengan
periode sebelumnya (t -1).
• Analisis regresi adalah untuk melihat pengaruh
antara variabel bebas terhadap variabel terikat,
jadi tidak boleh ada korelasi antara observasi
dengan data observasi sebelumnya
• Uji autokorelasi hanya dilakukan pada data time
series (runtut waktu) dan tidak perlu dilakukan
pada data cross section
Pola Gangguan Heteroskedisitas dan Otokorelasi
Langkah-Langkah Estimasi Permintaan dengan
Regresi
• Spesifikasi Model dengan Cara Mengidentifikasi
Variabel-Variabel, misalnya :
Qd = f (Px, I, Py, A, T)
• Pengumpulan Data
• Spesifikasi Bentuk Persamaan Permintaan
Linier : Qd = A - a1Px + a2 I + a3 Py + a4 A + a5 T
Pangkat : Qd = A(Px)b(Py)c
• Estimasi Nilai-Nilai Parameter
• Pengujian Hasil
EN
D…