13 0 1 MB
PENAKSIRAN FUNGSI PERMINTAAN --- BAB 6 ---
M U H A M M A D A L I YA H YA H E R I A N S YA H A N A S S TA S YA C O R N E L I A P. Y U N I TA E K A P U T R I FIBRIANI KELOMPOK I
2
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
permintaan,
melalui
informasi
mengenai
fungsi
berbagai
metode,
seperti
melakukan penelitian mendalam di pasar dan melalui pendekatan statistik.
HR
3
PENAKSIRAN PERMINTAAN
PRAKIRAAN PERMINTAAN
Penaksiran fungsi permintaan
Prakiraan nilai-nilai permintaan suatu
merupakan proses untuk menentukan
produk di masa yang akan datang.
nilai koefisien suatu fungsi permintaan pada suatu suatu produk.
Prakiraan permintaan dimaksudkan
untuk sebagai sumber informasi di Tujuan utama penaksiran permintaan adalah untuk mengevaluasi penentuan harga produk, yaitu apakah penentuan harga produk oleh perusahaan telah
dalam merencanakan produksi produk dan pengembangan produk di masa depan.
sesuai dengan kemampuan individu dan masyarakat.
HR
4
PENGANTAR Fungsi permintaan (penjualan) dinyatakan sebagai fungsi dari variabel harga, iklan, pendapatan konsumen, selera,
preferensi konsumen, dan variabel-variabel lainnya yang dianggap penting yang mempengaruhi permintaan atas produk tertentu.
Q = a + b1P + b2A + b3Y + b4T + ...... bnN Koefisien b menunjukkan jumlah kenaikan (atau penurunan)
penjualan sebagai akibat dari perubahan setiap variabel sebesar 1 unit.
Besarnya nilai setiap variabel pada saat ini dapat diketahui atau ditemukan melalui suatu penelitian. Koefisien dari variabel-variabel inilah menjadi "rahasia" & penting bagi kita untuk mengambil suatu keputusan. HR
5
METODE PENAKSIRAN PERMINTAAN METODE LANGSUNG METODE TIDAK LANGSUNG
YN
6
METODE LANGSUNG
METODE TIDAK LANGSUNG
Metode Langsung yaitu metode
Metode Tidak Langsung yaitu
yang langsung melibatkan
dilakukan berdasarkan data-data
konsumen,
yang telah dikumpulkan dan
Contoh : lewat wawancara, survei, pasar simulasi dan eksperimen pasar terkendali.
kemudian dilakukan upaya-upaya untuk menemukan hubungan-
hubungan statistik antara variabel dependen dan variabel
independen → teknik korelasi sederhana dan analisis regresi
berganda. YN
7
WAWANCARA/INTERVIEW Metode langsung estimasi permintaan, secara sederhana dapat dilakukan dengan mengajukan pertanyaan kepada pembeli maupun
pembeli potensial tentang reaksi-reaksi potensial terhadap perubahan dalam harga ataupun determinan lain atas keputusan mereka untuk membeli produk. Walaupun kelihatannya sederhana, dalam pelaksanaannya pendekatan ini menghadapi banyak kesulitan, yaitu : 1. Kecakapan random 2. Bias pewawancara 3. Adanya kesenjangan antara niat dan tindakan
YN
8
SURVEI KONSUMEN Survei konsumen melibatkan sejumlah sampel konsumen tentang bagaimana mereka akan beraksi terhadap perubahan tertentu
dalam harga suatu komoditas, pendapatan, harga dari komoditas yang berhubungan, pengeluaran iklan, insentif kredit, dan
determinan yang lainnya. Survei ini dapat dilakukan dengan mencegah dan menanyai
orang-orang pada suatu pusat perbelanjaan atau dengan menyusun daftar pertanyaan (kuesioner) yang canggih untuk
dibagikan kepada sampel konsumen tertentu oleh para penanya (interviewer) yang terlatih.
YN
9
CONTOH HASIL SURVEI PASAR Harga (ribu rupiah)
Jumlah Responden (a)
(b)
(c)
(d)
(e)
Kuantitas yang diharapkan
(f)
9
500
300
125
50
25
0
160
8
300
225
175
150
100
50
335
7
100
150
250
250
150
100
500
6
50
100
100
300
250
200
640
5
0
25
50
225
300
800
800
Berdasarkan data tersebut kita dapat menghitung nilai harapan atas kuantitas permintaan pada setiap tingkatan harga. Q pada harga $9.00 adalah sebanyak 160. E(Q) = 50 0(0.0)+300(0.2)+125(0.4)+50(0.6)+25(0.8)+0(1.0) = 160 unit.
Begitu pula untuk perhitungan pada harga-harga yang lain adalah sama. AL
a. Definitely no (0,0); b. Not likely (0,2); c. Perhaps (0,4) ; d. Quite likely (0,6) ; e. Very likely (0,8) ; f. Definitely yes (1,0).
10
EKSPERIMENTASI PASAR Keunggulan → adalah bahwa mereka dapat dilakukan dalam skala besar untuk lebih meyakinkan
mengenai keabsahan dari hasilnya dan bahwa konsumen tidak sadar bahwa mereka merupakan bagian dari suatu eksperimen. Kekurangan → adalah bahwa dalam rangka menjaga
biaya tetap rendah, eksperimen biasanya tetap dilakukan dalam skala yang terbatas dan dalam jangka waktu yang relatif singkat, sehingga gambarannya terhadap seluruh pasar dan untuk jangka waktu yang lebih panjang patut dipertanyakan
AL
11
ANALISIS KUALITATIF Survei dan jajak pendapat sering digunakan untuk membuat ramalan jangka pendek apabila data
kuantitatif tidak tersedia. Teknik-teknik kualitatif ini dapat pula bermanfaat
untuk melengkapi peramalan kualitatif yang mengantisipasi berbagai perubahan dalam selera
konsumen atau harapan-harapan perusahaan mengenai kondisi perekonomian dimasa mendatang.
Teknik-teknik itu juga bisa tak ternilai dalam meramalkan permintaan terhadap produk yang ingin
diperkenalkan oleh perusahaan
FB
12
ANALISIS REGRESI PERMINTAAN KONSUMEN Adalah sebuah teknik statistik yang digunakan untuk menemukan ketergantungan dari suatu variabel terhadap satu atau lebih
variabel lain. Jadi teknik ini dapat diterapkan untuk mencari nilai dari koefisienkoefisien tersebut menunjukkan pengaruh dari variabel yang menentukan permintaan sebuah produk. Dalam analisis ini dapat digunakan data runtut-waktu (time series) maupun data seksi-silang (cross-section).
FB
13
LINIERITAS PERSAMAAN REGRESI Dengan hipotesis bahwa Y adalah suatu fungsi dari X atau beberapa variable X, maka dapat ditentukan bentuk ketergantungan variabel Y terhadap variabel-variabel X, dalam analisis regresi menurut “ketergantungan” dinyatakan dalam bentuk yang linier. Dengan formulasi umum sebagai berikut : Y = a +β1X1+ β2X2+……+ βnXn+e Dimana : Y
= nilai yang diprediksi
a
= konstanta
β1. β1. β1 = parameter e
FB
= nilai residu/galat
14
KOOFISIEN DETERMINASI Koefisien determinasi (R2) adalah angka yang menunjukkan proporsi variabel dependen yang dijelaskan oleh variasi variabel independen. Artinya, menunjukkan seberapa jauh kesesuaian persamaan regresi tersebut dengan data. Misalnya : ➢
R2 = 0,90 menunjukkan bahwa perubahan pada variabel-variabel independen menyebabkan 90 persen perubahan pada variabel dependen.
➢
Nilai R2 = 1 menunjukkan bahwa semua variasi Y dijelaskan oleh variasi variabel X, dan akibatnya semua titik data akan terletak pada garis yang paling tepat.
➢
Sebaliknya, nilai yang rendah akan menunjukkan pencaran data yang lebar dengan deviasi yang relatif besar terhadap garis yang paling tepat.
Hal tersebut menunjukkan pula hubungan yang relatif lemah antara variabel dependen dengan variabel independen. AC
15
KOOFISIEN DETERMINASI Koefisien determinasi dapat dihitung dengan rumus : 𝟐
𝑹 =(
𝒏 σ 𝑿𝒀 − σ 𝑿 σ 𝒀 𝒏 σ 𝑿𝟐 − (σ 𝑿)𝟐 𝒏 σ 𝒀𝟐 − (σ 𝒀)𝟐
)𝟐
Nilai R2 menunjukkan bahwa lebih dari 86 persen variasi pada observasi penjualan disebabkan oleh perubahan tingkat harga.
Variansi lain yang tak dijelaskan adalah simpangan dari kegiatan promosi, pendapatan konsumen, selera
konsumen, atau faktor-faktor lain yang berbeda.
AC
16
KESALAHAN BAKU PENAKSIRAN Kesalahan baku penaksiran ini adalah ukuran penyebaran (dispersi) data dari garis yang paling tepat. Kesalahan baku penaksiran : 𝑆𝑒 =
σ 𝑌 2 − 𝑎 σ 𝑌 − 𝑏 σ 𝑋𝑌 𝑛−2
Dengan kesalahan baku penaksiran ini (Se), kita dapat
menghitung interval keyakinan (sekitar nilai penaksiran untuk variabel independen. Interval keyakinan adalah kisaran nilai dimana observasi aktual diharapkan terletak dalam persentase tersebut) untuk tingkattingkat keyakinan yang berbeda.
AC
17
KESALAHAN BAKU KOEFISIEN ➢
𝑆𝛽 adalah ukuran ketepatan nilai 𝛽 yang diperoleh, yaitu koefisien yang menaksir hubungan marginal antara variabel X dengan Y.
Kesalahan baku koefisien (standart error of coefficient), dihitung dengan rumus : 𝑆𝑒 𝑆𝛽 = σ 𝑋2 − 𝑛 σ 𝑋2
➢
Kesalahan baku koefisien 𝑆𝛽 bila relatif kecil, memungkinkan untuk menyatakan keyakinan bahwa hasil perhitungan nilai 𝛽 sangat
mendekati dengan benar. ➢
Nilai 𝛽 yang benar dapat diverifikasi bila kita mempunyai populasi
observasi yang menyeluruh yang mencangkup variabel X dan Y, tidak sekedar sebuah sampel.
➢
AC
Singkatnya 𝑆𝛽 adalah simpangan baku dari distribusi sampling 𝛽.
18
MASALAH-MASALAH DALAM ANALISA REGRESI
AL
1.
Kesalahan Spesifikasi
2.
Kesalahan Pengukuran
3.
Hubungan persamaan Simultan
4.
Multikolinieritas
5.
Heteroskedastisitas,
6.
Otokorelasi atau serialkorelasi
19
ADA PERTANYAAN? 20
THANK YOU F O R N OT H I N G
21