bab 5 estimasi fungsi permintaan & elastisitas
TRANSCRIPT
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