MAKALAH ESTIMASI PERMINTAAN

BAB 1

PENDAHULUAN

A . Latar belakang

Dalam kegiatan perekonomian, tidak terlepas dari permintaan dan penawaran pada kesempatan kali ini, saya akan membahas masalah “estimasi permintaan”.estimasi permintaan itu ada yang dilakukan secara lansung dan tidak langsung. Yaitu estimasi yang bersifat kualitatif direktif. Diantaranya, customer survey, metode observasi dan metode market eksperimen. Perpotongan dari kurva permintaan dan penawaran yang berbeda tetapi tidak di ketahui itu menghasilkan observasi harga – kuantitas yang berbeda – beda. Oleh karena itu dengan hanya menggabungkan observasi yang berbeda – beda tentang harga – kuantitas , kita tidak menghasilkan kurva permintaan untuk komoditas tersebut . Kurva permintaan tidak dapat di identifikasi dengan sesederhana itu. Ini dikenal dengan istilah Masalah identifikasi (identification problem).

Selain itu, agar hasil analisis ini mendalam kita harus membubuhinya dengan analisis kuantitatif. Analisis kuantiatif yang sering digunakan adalah regresi. Pada makalah ini, akan dibahas juga contoh analisis yang menggunakan metode regresi dan contoh penggunaan dari regresi tersebut. Meskipun survei konsumen, klinik konsumen, eksperimen pasar dan pendekatan pemasaran yang lainnya untuk mengestimasi permintaan menjadi sangat berguna, tetapi metode yang paling digunakan untuk mengestimasi permintaan dalam ekonomi manajerial adalah analisis regresi, metode ini biasanya lebih objektif menyediakan informasi yang lengkap dan lebih murah.

B . Rumusan Masalah

1. Apa yang dimaksud dengan estimasi permintaan?

2. Apa masalah identifikasi dalam estimasi permintaan?

3. Bagaimana pengenalan terhadap analisis regresi?

4. Bagaimana metode yang digunakan dalam analisis regresi serderhana?

5. Apa yang dimaksud dengan anlisis regresi berganda?

6. Apa masalah dalam analisis regresi?

7. Apa saja estimasi permintaan dengan analisis regresi?

C . Tujuan Penulisan

1. Untuk mengetahui apa yang dimaksud dengan estimasi permintaan?

2. Untuk mengetahui masalah identifikasi dalam estimasi permintaan?

3. Untuk mengetahui bagaimana pengenalan terhadap analisis regresi?

4. Untuk mengetahui metode yang digunakan dalam analisis regresi serderhana?

5. Untuk mengetahui apa yang dimaksud dengan anlisis regresi berganda?

6. Untuk mengetahui masalah dalam analisis regresi?

7. Untuk mengetahui apa saja estimasi permintaan dengan analisis regresi?

BAB 11

PEMBAHASAN

A. Pengertian Estimasi Permintaan

Estimasi permintaan adalah merupakan kegiatan memperkirakan jumlah permintaan konsumen terhadap barang atau jasa dimasa yang akan datang berdasarkan data atau keadaan masa lalu dan saat ini. Dalam melakukan estimasi permintaan konsumen, metode yang sering digunakan, anarata lain:

1. Customer Survey adalah suatu metode yang digunakan untuk mengetahui sikap dan persepsi para pelanggan dengan cara wawancara secara langsung atau memberikan questioner yang sudah dipersiapkan terlebih dahulu. Kelemahan dari metode ini, antara lain: biaya relative mahal (besar), dan hasil survey tidak realistic karena konsumen tidak memberkan jawaban yang akurat (ditutupi kekurangan mereka).

2. Metode Observasi adalah suatu metode yang digunakan untuk mengetahui perilaku konsumen /pelanggan dengan cara pengamatan yang dilakukan oleh salesman (ditugaskan oleh manager perusahaan). Kelemahan dari metode ini adalah hasil dari sering kali tidak memberikan gamabarn yang objektif dari konsumen, tapi gambaran justru subyektif dari salesman.

3. Metode Market Experiment adalah suatu cara untuk membuat estimasi permintaan dengan malakukan uji coba dapa segmen pasar tertentu. Uji coba ini dilakukan dengan memberikan perlakukan tertentu terhadap factor –factor yang mempengaruhi permintaan.

Metode estimasi permintaan konsumen yang ada diatas merupakan beberapa metode estimasi yang bersifat kualitatif direktif, artinya metode yang mengunakan data yang sacara langsung diperoleh dari konsumen untuk mengestimasi permintaan mendatang dengan mengunakan analisis secara kualitatif. Agara hasil analisis ini bersifat mendalam kita harus membubuhinya dengan analisis kuantitatif. Analisis kuantitatif yang sering digunakan adalah analisis Regresi.

B. Masalah Identifikasi

Kurva permintaan untuk suatu komoditas biasanya diestimasikan dari data yang ada di pasar tentang kuantitas yang di beli dari suatu komoditas pada berbagai tingkat harga dalam jangka waktu tertentu ( menggunakan data deret waktu ) atau berbagai unit konsumsi atau pasar pada satu waktu (menggunakana data kerat lintang). Namun demikian, dengan hanya menyatukan observasi harga kuantitas begitu saja dalam suatu grafik tidak akan dapat menghasilkan kurva permintaan untuk komoditas tersebut. Alasannya adalah bahwa setiap observasi harga kuantitas di peroleh dari perpotongan permintaan dan penawaran dari komoditas yang berbeda tersebut.
Dengan berjalannya waktu atau melintasi individual atau pasar yang berbeda, permintaan untuk suatu komoditas bergeser atau berbeda karena perubahan perbedaan dalam masalah selera , pendapatan, harga komoditas yang berhubungan dan sebagainya. Sama halnya dengan kurva penawaran yang juga bergeser atau berbeda dengan berjalannya waktu atau untuk individu atau pasar yang berbeda. , karena adanya perubahan atau perbedaan teknologi , harga factor produksi , dan kondisi cuaca . Perpotongan dari kurva permintaan dan penawaran yang berbeda tetapi tidak di ketahui itu menghasilkan observasi harga – kuantitas yang berbeda – beda. Oleh karena itu dengan hanya menggabungkan observasi yang berbeda – beda tentang harga – kuantitas , kita tidak menghasilkan kurva permintaan untuk komoditas tersebut . Kurva permintaan tidak dapat di identifikasi dengan sesederhana itu. Ini dikenal dengan istilah Masalah identifikasi (identification problem).

C. Pengenalan Terhadap Analisis Regresi

Salah satu cara untuk mengestimasi hubungan linear antara pengeluaran iklan perusahaan dengan penerimaan penjualannya adalah dengan menggambarkan, secara pandang mata, suatu garus lurus dengan kemiringan positif yang paling dapat mewakili di antara titik – titik data yang ada (sehingga titik – titik data tersebut berada pada jarak yang kurang lebih sama pada kedua sisi garis). Dengan memperpanjang garis tersebut dengan pengeluaran iklan sama dengan mengestimasi penerimaan penjualan perusahaan tersebut dengan pengeluaran iklan sama dengan nol. Kemiringan garis ini bisa digunakan untuk estimasi peningkatan penerimaan penjualan yang bisa diharapkan oleh perusahaan setiap kenaikan 1 juta dolar pengeluaran iklan. Ini akan memberikan estimasi kasar mengenai hubungan antara penerima penjualan ( Y) dengan pengeluaran iklan ( x ) dari bentuk persamaan:

Y=a+bX

Analisis Regresi ( regression analysis ) merupakan teknik statistic yang dapat menghasilkan garis yang paling baik yang cocok dengan data yang sesuai dengan kriteria statistika yang objektif, sehingga semua peneliti yang melihat data yang sama akan mempunyai hasil yang sama ( menghasilkan garis yang sama ) secara spesifik , garis regresi ( regression liner ) merupakan garis yang di hasilkan dengan meminimumkan jumlah dari simpangan kuadrat pada sumbu vertical dari setiap titik dari garis regresi tersebut. Metode ini kemudian disebut sebagai metode kuadrat terkecil biasa (ordinary least –squares – OLS method ) “ garis regresi yang memenuhi Metode kuadrat terkecil ( least square method ).

D. Analisis Regresi Sederhana.

Analisis regresi sederhana adalah sebuah metode pendekatan untuk pemodelan hubungan antara satu variabel dependen dan satu variabel independen. Dalam model regresi variabel independen menerangkan variabel dependennya. Dalam analisis regresi sederhana, hubungan antara variabel bersifat linear, dimana perubahan variabel X akan diikuti oleh perubahan variabel Y secara tetap. Sementra pada hubungan non linear , perubahan variabel X tidak diikuti dengan perubahan variabel Y scara proporsional seperti pada model kuadratik, perubahan X diikuti oleh kuadrat dari variabel X, hubungan demikian tidak bersifat linear. Secara matematis model analisis regresi linear sederhana daapat digambarkan sebagai berikut:

Y=A+BX+e

Y= Adalah variabel deoenden atau respon

A= Adalah interceot atau konstanta

B= Adalah koefisen regrei atu slope

E =Adalah residual atau error

Secara praktis analisis regresi linear sederhana memiliki kegunaan sebagai berikut:

1. Model regresi sederhana dapat digunakan untuk memprediksi nilai Y. Namun sebelum melakukan forecasting terlebih dahulu harus buat model atau persamaaan regresi liner. Ketika model yang fit sudah terbentuk maka model tersebut memiliki kemampuan untuk memprediksi nilai Y berdasarkan variabel yang diketahui. Katakanlah sebuah model regresi digunakaan untuk membuat persamaan antara pendapatan (X) dan komsumsi (Y) keyka sudah diperoleh model fit antara pendapatan dengan konsumsi, maka kita dapat memprediksi berapa tingkat konsumsi masyarakat ketika kita sudah mengetahui pendapatan masyarakat.

2. Mengukur pengaruh variabel X terhadap variabel Y. Misalkan kita memiliki satu serial data variabel Y, melalui analisis regresi linier sederhana kita dapat membuat model variabel-variabel yang memiliki pengaruh terhadap variabel Y. Hubungan antara variabel dalam analisis regresi bersifat kausalitas atau sebab akibat. Berbeda halnya dengan analisis korelasi yang hanya melihat hubungan asosiatif tanpa mengetahui apa variabel yang menjadi sebab dan apa variabel yang menjadi akibat.

Model regresi linier sederhana yang baik harus memenuhi asumsi-asumsi berikut:

a. Eksogenitas yang lemah, kita harus memahami secara mendasar sebelum menggunakan analisis regresi bahwa analisis ini mensyaratkan bahwa variabel X bersifat fixed atau tetap, sementara variabel Y bersifat random. Maksudnya adalah satu nilai variabel X akan memprediksi variabel Y sehingga ada kemungkinan beberapa variabel Y. dengan demikian harus ada nilai error atau kesalahan pada variabel Y. Sebagai contoh ketika pendapatan (X) seseorang sebesar Rp 1 juta rupiah, maka pengeluarannya bisa saja, Rp 500 ribu, Rp 600 ribu, Rp 700 ribu dan seterusnya.

b. Linieritas, seperti sudah dijelaskan sebelumnya bahwa model analisis regresi bersifat linier. artinya kenaikan variabel X harus diikuti secara proporsional oleh kenaikan variabel Y. Jika dalam pengujian linieritas tidak terpenuhi, maka kita dapat melakukan transformasi data atau menggunakan model kuadratik, eksponensial atau model lainnya yang sesuai dengan pola hubungan non-linier.

c. Varians error yang konstan, ini menjelaskan bahwa varians error atau varians residual yang tidak berubah-ubah pada respon yang berbeda. asumsi ini lebih dikenal dengan asumsi homoskedastisitas. Mengapa varians error perlu konstan? karena jika konstan maka variabel error dapat membentuk model sendiri dan mengganggu model. Oleh karena itu, penanggulangan permasalahan heteroskedastisitas/non-homoskedastisitas dapat diatasi dengan menambahkan model varians error ke dalam model atau model ARCH/GARCH.

d. Autokorelasi untuk data time series, jika kita menggunakan analisis regresi sederhana untuk data time series atau data yang disusun berdasarkan urutan waktu, maka ada satu asumsi yang harus dipenuhi yaitu asumsi autokorelasi. Asumsi ini melihat pengaruh variabel lag waktu sebelumnya terhadap variabel Y. Jika ada gangguan autokorelasi artinya ada pengaruh variabel lag waktu sebelumnya terhadap variabel Y. sebagai contoh, model kenaikan harga BBM terhadap inflasi, jika ditemukan atukorelasi artinya terdapat pengaruh lag waktu terhadap inflasi. Artinya inflasi hari ini atau bulan ini bukan dipengaruhi oleh kenaikan BBM hari ini namun dipengaruhi oleh kenaikan BBM sebelumnya (satu hari atau satu bulan tergantung data yang dikumpulkan).

E. Analisis Regresi berganda

Analisis regresi linear berganda adalah hubungan secara linear antara dua atau lebih variable independen (X1,X2,...,Xn) dengan variabel dependen (Y).analisis ini untuk mengetahui arah hubungan antara variabel independen dengan variabel dependen apakah masing-masing variabel independen berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan. Data yang digunakan biasanya berskala interval atau rasio.

Persamaan regresi linear berganda sebagai berikut:

Y’= a+b1X1+b2X2+.....+bnXn

Ket;

Y’ = variabel dependen (nilai yang diprediksikan)

X1 dan X2 = variabel independen

a = konstanta ( nilai Y’ apabila X1,X2,.....,Xn =0)

F. Masalah dalam analisis

Analisis regresi dapat menghadapi masalah serius:

1. Multikolinearitas

Ini mengacu kepada situasi dimana dua atau lebih variabel penjelas dalam suatu regresi mempunyai kolerasi yang tinggi. multikolinearitas yang serius terkadang dapat dihilangkan atau dikurangi bagian:

a. Memperluas ukuran sampel

b. Menggunakan informasi sebelumnya

c. Melakukan transformasi terhadap fungsional

d. Membuang satu dari variabel yang memiliki kolinear tinggi

2. Heteroskedastisitas

Ini timbul pada saat asumsi bahwa varian dari faktor galat adalah konstan untuk semua nilai dari variabel bebas yang tidak dipenuhi hal ini sering muncul dalam cross – sectional data. Gangguan heteroskedastisitas ini membawa kita pada galat baku yang bias dan menjadi hasil uji statistik yang tidak tepat serta interval keyakinan untuk estimasi parameter yang tidak tepat pula.

3. Otokolerasi

Kapan pun terjadi galat atau residual yang berurutan berkorelasi, kita memiliki otokorelasi atau korelasi serial. Pada saat galat yang berurutan mempunyai tanda yang sama otokorelasinya positif, pada saat gambar berubah secara teratur kita mempunyai otokorelasi negatif. Otokorelasi biasanya terjadi pada data deret waktu, data yang mempunyai satu observasi untuk setiap variabel pada setiap satuan waktu. Dalam ekonomi otokorelasi positif lebih umum dari pada yang negatif, otokorelasi dapat muncul karena danya tren atau siklus dalam variabel, dari tidak dimasukkannya variabel yang penting dalam regresi atau data yang nonlinear.

G. Estimasi Permintaan Dengan Analisis Regresi

Meskipun survei konsumen, klinik konsumen, eksperimen pasar dan pendekatan pemasaran yang lainnya untuk mengestimasi permintaan menjadi sangat berguna, tetapi metode yang paling digunakan untuk mengestimasi permintaan dalam ekonomi manajerial adalah analisis regresi, metode ini biasanya lebih objektif menyediakan informasi yang lengkap dan lebih murah.

1. Spesifikasi model

Langkah pertama dalam menggunakan analisis regresi untuk mengestimasi permintaan adalah mengspesifikasi model yang akan diestimasi. Ini menyangkut pengidentifikasian variabel-variabel penting yang mempengaruhi permintaan untuk komoditas yang dikaji, seperti pendapatan konsumen (Px), pendapatan konsumen (I), jumlah konsumen dalam pasar (N), harga komoditas konsumen berhubungan, subtitusi atau komplementer (Py), selera konsumen (T) dan variabel-variabel lainnya, kita dapat membuat fungsi umum dari permintaan untuk komoditas

Qx = f (PX, I, N, Py, T,....)

2. Mengumpulkan data dari variabel-variabel

Tahap kedua dari analisis regresi adalah mengumpulkan data dari variabel-variabel dalam modelnya. Data dapat dikumpulkan untuk setiap variabel sepanjang waktu untuk unit ekonomi yang berbeda pada waktu tertentu. Yang awal disebut sebagai data deret waktu sementara yang akhir disebut cross – sectional data. Setiap data mempunyai keuntungan tertentu tetapi jiga mengarah pada masalah estimasi tertentu.

3. Menspesifikasi bentuk persamaan permintaan

Langkah ketiga dalam estimasi permintaan dalam analisis regresi adalah menentukan bentuk funsional dari model yang akan diestimas. Model yang paling sederhana dari biasanya yang paling realistis, adalah model linear

4. Menguji hasil ekonometri

Langkah keempat merupakan terakhir dalam estimasi permintaan dalam analisis regresi adalah mengevaluasi hasil regresi, tanda dari setiap estimasi koefisien kemiringan yang ada harus dicek apakah sesuai dengan dasar teori yang ada, kedua uji t harus dilaksanakan terhadap signifikasi terhadap statistik dari estimasi parameter-parameter untuk menentukan derajat keyakinan dari setiap estimasi koefisien kemiringan. Koefisien determinasi akan mengindikasikan proporsi dari variasi total dalam permintaan untuk komoditasi yang dapat dijelaskan oleh variabel bebas atau variabel penjelas yang ada dalam persamaan permintaan.

BAB 111

PENUTUP

A. Kesimpulan

Estimasi permintaan adalah merupakan kegiatan memperkirakan jumlah permintaan konsumen terhadap barang atau jasa dimasa yang akan daatang berdasarkan data atau keadaaan masa lalu dan saat ini. Dalam melakukan estimasi permintaan konsumen, metode yang sering digunakan, anarata lain:

B. Saran

Semoga dengan tersusunnya makalah ini mampu memberikan, menambahkan pengetahuan semua pembaca. Dan harapan dari penulis bukan hanya sekedar dibaca melainkan difahami dengan jelas.

DAFTAR PUSTAKA

http://yennylyzna.blogspot.com/2011/12/estimasi-permintaan.html?m=1

http://www.globalstatistik.com/analisis-regresi-sederhana

http://duwiconsultant.blogspot.com/2011/11/analisis-regresi-linier-berganda.html

https://www.google.co.id/search?q=ANALISIS+REGRESI+SEDERHANA&oq=ANALISIS+REGRESI+SEDERHANA&aqs=chrome..69i57.12381j0j8&sourceid=chrome&ie=UTF-8