Bab 4

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

• Survei Konsumen : mensurvei konsumen bgm reaksi

tehd jumlah yg diminta jika ada perubahan harga, pendapatan,
dll menggunakan kuisioner
• Penelitian Observasi : pengumpulan informasi ttg
preferensi konsumen dgn mengamati bgmana mereka
membeli dan menggunakan produk
• Klinik Konsumen : eksperimen lab dimana partisipan
diberi sejumlah uang tertentu dan diminta membelanjakannya
dalam suatu toko simulasi dan mengamati bgmana reaksi
mereka jika terjadi perubahan harga, pendapatan, selera, dll
• Eksperimen Pasar : mirip klinik konsumen, tetapi
dilaksanakan di pasar yang sesungguhnya
 Pengenalan Terhadap Analisis Regresi
Pengeluaran Iklan (X) & Penjualan (Y)

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 ()

= =

Jumlah Simpangan kuadrat atau galat (keseluruhan observasi) :

n n n

 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

n  10 X t  120 Y t  500  ( X t  X )(Yt  Y )  106

t 1
(X t  X ) 2  30
t 1 t 1 t 1
n
X t 120 n
Yt 500 106
X    12 Y 
t 1 n 10 t 1 n

10
 50 bˆ   3.533
30
= 7,60 + 3,53 aˆ  50  (3.533)(12)  7.60
 Uji Signifikasi Estimasi Parameter

• Untuk menguji hipotesis bahwa b adalah signifikan scr

statistik (bahwa iklan mempengaruhi penjualan secara
positif perlu uji signifikasi
• Langkah 1: Tentukan Galat baku (standard error/SE) dari
b yaitu sebagai berikut

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

 e   (Yt  Yˆt )2  65.4830

2
t  ( X t  X )2  30 sbˆ 
 (Y  Yˆ )
t
2


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

• Selain menguji signifikasi , kita juga dapat menguji

kekuatan variabel penjelas secara keseluruhan dari
keseluruhan regresi
• Ini didapat dengan menghitung koefisien determinasi (
• Koefisien Determinasi dinayatakan sebagai proporsi dari
variasi total atau disperse dari variabel terikat yang bisa
dijelaskan oleh variasi dari variabel-variabel bebas atau
penjelas pada regresi
Langkah-Langkahnya:
Decomposition of Sum of Squares
Total Variation = Explained Variation + Unexplained Variation

 (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…