Penaksiran Fungsi Permintaan [PDF]

Citation preview

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