Transcript 6. estimasi & peramalan permintaan

ESTIMASI DAN
PERAMALAN
PERMINTAAN
EKONOMI MANAJERIAL
EKA DEWI NURJAYANTI, S.P., M.Si



Estimasi permintaan
Analisis regresi
Peramalan permintaan



Banyak perush yg menyewa lembaga riset &
konsultan atau membentuk devisi tersendiri
dlm perush untuk melakukan estimasi
permintaan.
Tujuan dr estimasi ini adl untuk meminimalisir
resiko & ketidakpastian yg mungkin akan
dihadapai perush dlm jangka pendek maupun
jangka panjang.
Kedudukan peramalan mjd semakin penting
karena organisasi bisnis dan lingkungan mjd
semakin kompleks & berubah dgn tempo yg
semakin cepat.
A. DEMAND ESTIMATION

Estimasi permintaan adl upaya untuk
mengetahui pengaruh dr perubahan
satu atau lebih variabel yg
mempengaruhi permintaan atau
jumlah permintaan suatu produk.

Dilakukan dgn 2 cara:
1.
Pendekatan langsung
Melibatkan konsumen scr langsung,
misalnya interview, survei konsumen,
simulasi situasi pasar, dan eksperimen
pasar terkendali.
2.
Pendekatan tak langsung
Memakai data yg sudah terkumpul dan
tersedia, kmd dicari hubungan antara
data permintaan produk dgn faktor yg
mempengaruhinya scr statistik.
Interview & Survei

Biasanya dilakukan dgn menanyai scr langsung
konsumen/konsumen potensial ttg kemungkinan
perubahan keputusan mereka untuk membeli
suatu produk karena perubahan harga produk
ataupun faktor lain.

Pertanyaan yg diajukan biasanya terkait dgn
harga, iklan, perubahan harga produk lain, dan
perubahan pendapatan.

Konsumen yg dipilih bisa secara acak atau
produsen sengaja mengundang konsumen pd
situasi ttt.

Kelemahan metode interview & survei:
1.
Berhubungan dgn tingkat keragaman (random)
dr contoh konsumen yg dipilih.
Konsumen yg diwawancara harus bisa mewakili
konsumen scr keseluruhan agar hasilnya tidak
bias. Semakin banyak responden semakin banyak
waktu, biaya & tenaga yg dibutuhkan.
2.
Bias dr pewawancara, yaitu respon dr konsumen
yg diwawancara bias karena kehadiran
pewawancara.
3.
Pertanyaan yg diajukan kpd konsumen mungkin
kurang jelas, membingungkan, atau salah
diinterpretasikan oleh konsumen.

Kelemahan tsb bisa diatasi melalui formulasi
dan penyusunan kuisioner yg tepat untuk
memperoleh hasil yg sesuai.

Bentuk pertanyaan pd kuisioner dpt
mempengaruhi sifat jawaban.

Pertanyaan terbuka memungkinkan konsumen
untuk mengungkapkan jawabannya dgn kata2
sendiri. Tetapi pertanyaan terstruktur (pilihan
ganda) hanya menghasilkan satu jawaban saja
shg sering timbul jawaban yg bias.
Simulasi situasi pasar

Sejumlah konsumen yg dipilih sbg responden diberi
sejumlah uang dan diminta untuk membelanjakan uang
tsb pd pasar yg disimulasi.

Hasil dr simulasi pasar harus dikaji scr cermat, karena
responden mungkin melakukan hal yg berbeda jika uang
tsb adalah milik mereka sendiri

Metode ini memerlukan biaya besar untuk
pelaksanaannya: membuat simulasi pasar, menyediakan
produk pesaing dan perlu waktu lama.

Untuk menekan biaya biasanya jumlah responden
dibatasi, tetapi hasilnya tidak mewakili pasar.
Pendekatan tak langsung

Metode ini dilakukan untuk mencari hub antara data2
permintaan produk dgn faktor2 yg mempengaruhinya scr
statistik dgn memakai data yg sudah terkumpul dan
tersedia.

Data bisa diperoleh dr bagian riset perush atau dr data
yg dipublikasikan oleh lembaga riset atau pemerintah.

Cara yg biasa dilakukan biasanya melalui analisis
regresi, yg bisa diaplikasikan scr luas pd bidang ekonomi
& bisnis, seperti pd produksi, biaya, konsumsi, investasi.

Metode analisis yg biasa digunakan adl regresi
berganda, regresi tiga tahap, multivariat, VAR,
arima, regresi simultan.
B. ANALISIS REGRESI

Dilakukan untuk mengetahui hub kuantitatif yg
sebenarnya antara permintaan suatu produk (variabel
terikat) dgn faktor2 yg mempengaruhinya (variabel
bebas).

Tahap2 yg dilakukan adl:
1. Spesifikasi persamaan regresi
2. Memperoleh & mengumpulkan data
3. Melakukan regresi fungsi permintaan
4. Evaluasi ekonomi
5. Evaluasi statistik
6. Evaluasi ekonometrik
7. Implikasi hasil estimasi pada keputusan manajemen
1. Spesifikasi persamaan regresi

Pada tahap ini, manajer harus menentukan dan
memasukkan semua faktor yg mempengaruhi
permintaan produk.

Semua faktor yg mungkin mempengaruhi
permintaan atas suatu produk dapat dimasukkan
dlm persamaan, baik itu faktor yg dapat
dikendalikan perush (harga produk, bauran
pemasaran produk) maupun faktor diluar kontrol
perush (bauran pemasaran pesaing, selera,
pendapatan, ekspektasi konsumen).

Selanjutnya menentukan kemungkinan
bentuk fungsi permintaannya apakah
linier atau non linier (kuadrat, kubik, dll).

Kemudian menentukan kemungkinan
tanda dr masing2 koefisien estimasi
variabel sesuai dgn konsep dan teori
permintaan.
2. Memperoleh dan
mengumpulkan data

Setelah semua variabel dimasukkan, selanjutnya adl
memperoleh data dr variabel2 tsb.

Dua jenis data yg dipakai dlm analisis regresi:
1. Data time series
Sekumpulan data ttg variabel ttt pd rentang waktu yg
berbeda, biasanya melibatkan satu entitas saja.
→ pendapatan RTdi kab. Semarang tahun 2000 - 2010
Data cross section
Data ttg variabel ttt yg diambil pd waktu ttt saja dan
meliputi banyak entitas.
→ penjualan motor kab. se-Jateng bln September 2010
2.

Jika data variabel tidak tersedia atau
sulit diperoleh, bisa menggunakan
variabel lain sbg proxy variable.

Misalnya data pendapatan sulit
diperoleh bisa diukur dengan
pendekatan pengeluaran konsumen dgn
asumsi bahwa pengeluaran mendekati
pendapatan konsumen.
3. Melakukan regresi fungsi
permintaan

Mencakup 2 kelompok variabel, variabel bebas
(independent variable) dan variabel terikat
(dependent variable).

Variabel terikat menjadi pusat perhatian dan
merupakan variabel yg ingin diketahui dan
diprediksi nilainya (jumlah permintaan).

Variabel bebas adalah variabel yg menjelaskan
nilai dari variabe tak bebas (misalnya, harga produk
ybs, harga produk substitusi dan komplementer,
pendapatan, selera, dll).

Jika regresi hanya melibatkan satu
variabel bebas saja, maka regresi tsb
disebut sbg regresi sederhana (simple
regression).

Jika melibatkan lebih dari satu variabel
bebas disebut regresi berganda
(multiple regression).
REGRESI SEDERHANA

Hub linier antara Y dan X adl Y = α + β X

α adl intersep menunjukkan tingkat penjualan
(Y) yg dipengaruhi oleh faktor selain iklan (X)
dan β adl koefisien iklan yg menunjukkan
respon marginal penjualan produk thd
pengeluaran iklan.

Garis regresi yg diduga adl Y = a + bX + e.

Garis regresi bisa diperoleh melalui program
komputer seperti SPSS, SAS, Minitab.
REGRESI NON-LINIER

Bentuk fungsi permintaan: Q = aPb

Fungsi ini tidak linier shg harus
dtransformasikan terlebih dahulu mjd linier
dgn melogaritmakan mjd :
log Q = log a + b log P

Jika log Q = Q*, log a = a* dan log P = P*,
maka bentuk linier persamaan tsb adl:
Q* = a* + bP*
REGRESI BERGANDA

Contoh fungsi permintaan untuk produk U:
linier : Qu = a1 + a2 Pu + a3 Pt + a4 N + a5 I + e
non-linier : Qu = a1Pua2Pta3Na4Ia5e

Transformasi mjd persamaan linier :
log Qu = log a1 + a2 log Pu + a3 log Pt + a4 log N
+ a5 log I + log e

Jika log Qu = Qu*, log a1 = a1*, log Pu =
Pu*, log Pt = Pt*, log N = N*, log I = I*, dan
log e = e*, maka pers.linier mjd:
Qu* = a1* + a2 Pu* + a3 Pt* + a4 N* + a5 I* + e*
4. Evaluasi ekonomi

Digunakan untuk memastikan bahwa
koefisien estimasi yg diperoleh sudah
sesuai dgn konsep dan teori ekonomi.

Persamaan regresi yg diperoleh
diestimasi/dievaluasi apakah tanda
koefisien estimasinya sesuai dgn konsep
permintaan.
5. Evaluasi Statistik

Persamaan harus diuji secara statistik
apakah hasil yg diperoleh dpt mewakili
kondisi populasi pasar secara
keseluruhan.

Nilai output komputer yg perlu diketahui
adl R2, standart error estimasi, standart
error koefisien estimasi, t hitung dan F
hitung.
Standart error estimasi

Adalah ukuran yg menunjukkan
persebaran data aktual terhadap garis
regresi.

Semakin kecil standart error, garis
regresi yang diperoleh semakin baik.

Untuk penelitian sosial standart error yg
digunakan biasanya 5% dan 10%
sedangkan untuk kedokteran 1 %.
Koefisien determinasi (R2)

Adalah suatu nilai yg menunjukkan berapa
persen variasi pd variabel terikat dijelaskan
oleh variasi pd variabel bebasnya.

Semakin besar nilai R2 artinya semakin
baik persamaan regresi yg diperoleh
karena menunjukkan bahwa pers regresi
dapat menjelaskan variabel terikatnya dgn
lebih baik.

Nilai R2 = 89,8% artinya 89,8% variasi Y
dapat dijelaskan oleh X dan 10,2%
dijelaskan oleh variabel lain diluar
persamaan regresi.

Jika jumlah variabel bebas atau jumlah data
dtambahkan pada pers regresi, maka nilai R2
akan semakin besar.

Untuk validitas data juga dipakai R2
adjusted karena seringkali variabel bebas
pd pers secara logika tidak berhubungan dgn
variabel terikatnya.
Standart error koefisien
estimasi dan Uji t

Standart error koefisien estimasi mrp
ukuran akurasi dari koefisien estimasi.

Nilai standart error koefisien estimasi
yg kecil, menunjukkan bahwa nilai
koefisien estimasi yg diperolah
semakin dekat dgn koefisien yg
sebenarnya.

Uji t dilakukan untuk mengetahui apakah
masing2 koefisien estimasi yg diperoleh
berbeda nyata dari nol.

Uji tdilakukan dgn membagi koefisien
estimasi yg diperoleh dgn standart
deviasinya,hasilnya disebut t-hitung.

Jika nilai t-hitung besar, maka koefisien tsb
berbeda nyata dari nol, yg berarti variabel
tsb memang berpengaruh nyata pada
variabel bebas.
Uji F

Digunakan untuk menguji signifikansi
dr semua koefisien estimasi secara
bersama-sama.

Semakin besar F-hitung menunjukkan
bahwa persamaan reresi yg diperoleh
semakin baik.
6. Evaluasi Ekonometrik

Persamaan regresi selanjutnya harus
diuji secara ekonometrik sebelum
diaplikasikan dl pengambilan
keputusan bisnis.

Uji ekonometrik mencakup uji
multikolinearitas,
heteroskedastisditas, dan uji
autokorelasi.
Uji Multikolinearitas

Salah satu asumsi dlm regresi berganda adl
“variabel2 independen yg digunakan tidak
berhubungan satu dgn lain secara
sistematis”.

Contoh multikolinearitas:
Permintaan komputer dipengaruhi oleh
harga komputer, pendapatan dan tingkat
pendidikan. Pendapatan dan tingkat
pendidikan biasanya bergerak searah.

Indikator terjadinya multikolinearitas
dlm pers regresi adalah jika hasil uji-F
nyata, tetapi hasil uji-t untuk tiap
koefisien estimasi tidak nyata.

Cara mengatasi multikolinearitas
adalah dengan membuang variabel yg
dicurigai sebagai penyebab
multikolinearitas dari persamaan
regresi.
Uji Autokorelasi

Autokorelasi terjadi jika faktor
kesalahan (e) dari regresi menunjukkan
pola ttt, dan pola ini menunjukkan
bahwa terdapat variabel lain yg
berubah secara sistematis dan
mempengaruhi variabel independen.

Dampak autokorelasi adalah secara statistik
koefisien estimasi suatu variabel mungkin
sangat nyata secara statistik, tetapi faktanya
variabel tsb tidak berpengaruh nyata pd
variabel dependennya.

Contoh:
Hasil uji t koefisien variabel iklan berpengaruh
nyata. Tanpa melakukan uji autokorelasi,
manajer memutuskan meningkatkan anggaran
iklan agar permintaan meningkat. Padahal
kenyataannya variabl pendapatan lebih
berpengaruh dibanding iklan.

Cara mendeteksi autokorelasi adl
melalui nilai Durbin-Watson (D-W
statistik) dengan pedoman jika D-W
statistik mendekati 2, maka tidak terjadi
autokorelasi.

Salah satu penyebab autokorelasi
adalah terdapat variabel independen
tetapi belum dimasukkan ke dalam
persamaan regresi.



Menurut Gujarati (1997) untuk mengatasi
keterbatasan uji Durbin Watson,
dilakukan Run Test yang diterapkan
pada residual (penyimpangan).
Definisi Run adalah urutan yang tak
terputus dari suatu lambang atau ciri
seperti + atau -.
Jika nilai residual memiliki pola tertentu
maka menunjukkan adanya autokorelasi.
Uji heteroskedastisitas


Heteroskedastisitas berhubungan dengan
faktor-faktor pengganggu yang dianggap
intensitas gangguannya tetap yang tercermin
pada varian Y.
Dalam keadaan homoskedastisitas varian
dari masing-masing Y sama, akan tetapi
dalam keadaan heteroskedastisitas varian
masing-masing Y tidak sama.

Uji Park digunakan untuk menguji ada
tidaknya heteroskedastisitas.

Deteksi dilakukan dengan: bila hasil uji
F, t dan koefisien determinasi (R2) tidak
signifikan, maka dapat disimpulkan tidak
terjadi heteroskedatisitas.