BAB 5ESTIMASI FUNGSI PERMINTAAN

TEGUH HERDIJANTO, ST, SE, MM

• Estimation Adalah proses menemukan nilai/ koefisien fungsi permintaan untuk suatu barang/ jasa yang sungguh-sungguh terjadi

• Forecasting Adalah proses menemukan besarnya permintaan suatu barang/jasa untuk kurun waktu yang akan datang

Metode Estimasi Permintaan• Direct method

– Melibatkan konsumen secara langsung– Misal : wawancara & survey

• Indirect method– Tidak melibatkan konsumen secara langsung– Misal : dengan data sekunder

• Analisis Regresi permintaan konsumen– Suatu cara untuk menemukan ketergantungan sebuah

variabel terhadap satu atau lebih variabel lainnya

Teori Regresi • Teori regresi merupakan teori tentang

pembentukan model matematis, hubungan kauslitas antara sebuah variabel dengan satu atau lebih variabel lain yang saling mempengaruhi.

• Model matematis persamaan Regresi• Regresi Sederhana

Y = a + bX

• Regresi BergandaY = a + b1X1 + b2X2

Model Regresi• Linier

– Pada variabel independennya berpangkat satu– Jika digambar menghasilkan garis lurus– Contoh : Y = a + bX

Y = a + b1X1 + b2X2 + b3X3

• Non Linier– Pada variabel independennya berpangkat lebih dari

satu– Jika digambar menghasilkan kurva– Contoh : Y = a + b1X1 + b2

2X22

Y = a + b1X1 + b22X22 + b3

3X33

Formula mencari parameter

• Y = a + bX

• a = ( ∑Yi – b.∑Xi ) / n

• b = {n.(∑Xi.Yi) – (∑Xi).(∑Yi)} n.(∑Xi2) – (∑Xi)2

Contoh :

• Hitung Persamaan Regresi dari Penjualan !

TokoToko Harga ($)Harga ($) Penjualan Penjualan (000)(000)

11 0,790,79 4.6504.650

22 0,990,99 3.0203.020

33 1,251,25 2.1502.150

44 0,890,89 4.4004.400

55 0,590,59 6.3806.380

66 0,450,45 5.5005.500

Jawab :

TokTokoo

HargHargaa

PenjualPenjualanan

nn XiXi YiYi Xi.YiXi.Yi XiXi22 YiYi22

11 0,790,79 4,6504,650 3,67353,6735 0,6240,62411

21,62221,62255

22 0,990,99 3,0203,020 2,98982,9898 0,9800,98011

9,12049,1204

33 1,251,25 2,1502,150 2,68752,6875 1,5621,56255

4,62254,6225

44 0,890,89 4,4004,400 3,91603,9160 0,7920,79211

19,36019,36000

55 0,590,59 6,3806,380 3,76423,7642 0,3480,34811

40,70440,70499

66 0,450,45 5,5005,500 2,47502,4750 0,2020,20255

30,25030,25000

∑∑ 4,964,96 26,10026,100 19,50619,50600

4,5094,50944

125,67125,679898

• Rata2 (Yi) = ∑Yi / n = 26,100 / 6 = 4,35• Rata2 (Xi) = ∑Xi / n = 4,96 / 6 = 0,8267

• b = {6(19,506)– 4,96(26,1)}/{6(4,5094)– (4,96)2

= -5,0595

a = 4,35 – (-5,095).(0,8267) = 8,5327

Y = 8,5327 – 5,0595X (Garis Regresi)

Qx = 8,5327 – 5,0595Px

Untuk menggambarkan garis regresi : Y = 8,5327 – 5,0595X

• Qx = 8,5327 – 5,0595Px ; Saat P =0Qx = 8,5327

• 5,0595Px= 8,5327 – Q ; makaP = 1,6865 – 0,19765Q ; saat Q = 0P = 1,6865

• Misal : jika P ditetapkan $. 0,85/unit• Maka : Q = 8,5327 – 5,0595 (0,85) = 4,2321

• Єp = dQ/dp . p/Q= -5,0595 . 0,85/4,2321 = -1,0162

Gambar :

Error Estima

si

Aktual

Ŷ = 8,5327 – 5,0595X (Estimasi)

Aktual

Note : Selisih aktual dengan estimasi adalah Error

●

●

●●●

●●

●

●●

●

Harga $

Sales (unit)

0 1,6865

8,5327

2

2222

2

Yi)(Yin.Xi)(n.Xi

YiXi.XiYin.R

Determinant

Korelasi