ekonomi manajerial - edu.ilmumanajemen.id fileestimasi permintaan • penaksiran (estimation)...
TRANSCRIPT
Estimasi Permintaan(DEMAND ESTIMATION)
Ekonomi Manajerialdalam Perekonomian Global
Ilmu Manajemen
Estimasi Permintaan
• Penaksiran (Estimation) permintaan merupakan proses
untuk menemukan nilai dari koefisien-koefisien fungsi
permintaan akan suatu produk pada masa kini (curen
values).
• Nilai-nilai masa kini dibutuhkan untuk mengevaluasi
optimalitas penentuan harga sekarang dan
kebijaksanaan promosi dan untuk membuat keputusan
sehari-hari.
Estimasi Permintaan:
Pendekatan Riset Pemasaran
• Survei Konsumen : mensurvei konsumen bgm reaksi tehd jumlah yg diminta jika ada perubahan harga, pendapatan, dll menggunakan kuisioner
• Penelitian Observasi : pengumpulan informasi ttg preferensi konsumen dgn mengamati bgmana mereka membeli dan menggunakan produk
• Klinik Konsumen : eksperimen lab dimana partisipan diberi sejumlah uang tertentu dan diminta membelanjakannya dalam suatu toko simulasi dan mengamati bgmana reaksi mereka jika terjadi perubahan harga, pendapatan, selera, dll
• Eksperimen Pasar : mirip klinik konsumen, tetapi dilaksanakan di pasar yang sesungguhknya
Scatter Diagram
Analisis Regresi
Year X Y
1 10 44
2 9 40
3 11 42
4 12 46
5 11 48
6 12 52
7 13 54
8 13 58
9 14 56
10 15 60Persamaan Regresi : Y = a + bXY = Hasil Penjualan
X = Pengeluaran Iklan
Analisis Regresi
• Garis Regresi : Line of Best Fit
• Garis Regresi : meminimunkan jumlah dari simpangan kuadrat pada sumbu vertikal (et) dari setiap titik pada garis regresi tersebut.
• Metode OLS (Ordinary Least Squares): metode jumlah kuadrat terkecil
Menggambarkan Garis Regresi
ˆt t te Y Y
Metode : OLS
Model:t t tY a bX e
ˆˆ ˆt tY a bX
ˆt t te Y Y
Analisis Regresi Sederhana
Metode OLS
Tujuan: menentukan kemiringan
(slope) dan intercept yang
meminimumkan jumlah simpangan
kuadrat (sum of the squared errors).
2 2 2
1 1 1
ˆˆ ˆ( ) ( )n n n
t t t t t
t t t
e Y Y Y a bX
Metode OLS
Prosedur Estimasi :
1
2
1
( )( )ˆ
( )
n
t t
t
n
t
t
X X Y Y
b
X X
ˆa Y bX
Metode OLS
Contoh Estimasi
1 10 44 -2 -6 12
2 9 40 -3 -10 30
3 11 42 -1 -8 8
4 12 46 0 -4 0
5 11 48 -1 -2 2
6 12 52 0 2 0
7 13 54 1 4 4
8 13 58 1 8 8
9 14 56 2 6 12
10 15 60 3 10 30
120 500 106
4
9
1
0
1
0
1
1
4
9
30
Time tX tY tX X tY Y ( )( )t tX X Y Y 2( )tX X
10n
1
12012
10
nt
t
XX
n
1
50050
10
nt
t
YY
n
1
120n
t
t
X
1
500n
t
t
Y
2
1
( ) 30n
t
t
X X
1
( )( ) 106n
t t
t
X X Y Y
106ˆ 3.53330
b
ˆ 50 (3.533)(12) 7.60a
10n 1
12012
10
nt
t
XX
n
1
50050
10
nt
t
YY
n
1
120n
t
t
X
1
500n
t
t
Y
2
1
( ) 30n
t
t
X X
1
( )( ) 106n
t t
t
X X Y Y
106ˆ 3.53330
b
ˆ 50 (3.533)(12) 7.60a
Metode OLS
Contoh Estimasi
Uji Signifikansi
Standard Error of the Slope Estimate
2 2
ˆ 2 2
ˆ( )
( ) ( ) ( ) ( )
t t
bt t
Y Y es
n k X X n k X X
Uji Signifikansi
Contoh Perhitungan
2 2
1 1
ˆ( ) 65.4830n n
t t t
t t
e Y Y
2
1
( ) 30n
t
t
X X
2
ˆ 2
ˆ( ) 65.48300.52
( ) ( ) (10 2)(30)
t
bt
Y Ys
n k X X
1 10 44 42.90
2 9 40 39.37
3 11 42 46.43
4 12 46 49.96
5 11 48 46.43
6 12 52 49.96
7 13 54 53.49
8 13 58 53.49
9 14 56 57.02
10 15 60 60.55
1.10 1.2100 4
0.63 0.3969 9
-4.43 19.6249 1
-3.96 15.6816 0
1.57 2.4649 1
2.04 4.1616 0
0.51 0.2601 1
4.51 20.3401 1
-1.02 1.0404 4
-0.55 0.3025 9
65.4830 30
Time tX tY ˆtY ˆ
t t te Y Y 2 2ˆ( )t t te Y Y 2( )tX X
Uji Signifikansi
Contoh Perhitungan
2
ˆ 2
ˆ( ) 65.48300.52
( ) ( ) (10 2)(30)
t
bt
Y Ys
n k X X
2
1
( ) 30n
t
t
X X
2 2
1 1
ˆ( ) 65.4830n n
t t t
t t
e Y Y
Uji Signifikansi
Perhitungan : t-Statistic
ˆ
ˆ 3.536.79
0.52b
bt
s
Derajat Bebas = (n-k) = (10-2) = 8
Critical Value at 5% level =2.306 Nilai t-stat dipergunakan untuk menguji secara parsial apakah variabel bebas mempengaruhi variabel terikat secara signifikan atau tidak.
Uji Signifikansi
Decomposition of Sum of Squares
2 2 2ˆ ˆ( ) ( ) ( )t t tY Y Y Y Y Y
Total Variation = Explained Variation + Unexplained Variation
Uji Signifikansi
Decomposition of Sum of Squares
Uji Signifikansi
Koefisien Determinasi
2
2
2
ˆ( )
( )t
Y YExplainedVariationR
TotalVariation Y Y
2 373.840.85
440.00R
Nilai R2 disebut juga dengan koefisien determinasi menunjukkan seberapa
besar variasi dari variabel terikat disebabkan oleh variabel bebasnya.
Misalakan R2 = 0,85 Artinya variasi tingkat penjualan disebabkan oleh
variasi biaya promosi sebesar 85%.
Uji SignifikansiKoefisien Korelasi
Ukuran derajat hubungan atau kovariasi antara dua
variabel (positif atau negatif)
2 ˆr R withthe signof b
0.85 0.92r
1 1r
Analisis Regresi Berganda
Model:
1 1 2 2 ' 'k kY a b X b X b X
Analisis Regresi Berganda
Adjusted Coefficient of Determination
2 2 ( 1)1 (1 )
( )
nR R
n k
Analisis Regresi Berganda
Analysis of Variance and F Statistic
/( 1)
/( )
Explained Variation kF
Unexplained Variation n k
2
2
/( 1)
(1 ) /( )
R kF
R n k
Uji F untuk mengetahui apakah semua variabel bebas secara
bersama-sama mempengaruhi variabel terikat secara
siginifikan atau tidak.
Contoh:
Dari contoh sebelumnya, dengan menambah satu variabel bebas yaitu
biaya untuk QC, dengan data sebagai berikut:
Tahun 1 2 3 4 5 6 7 8 9 10
Biaya promosi (X1)10 9 11 12 11 12 13 13 14 15
Biaya QC (X2)3 4 3 3 4 5 6 7 7 8
Penjualan (Y)44 40 42 46 48 52 54 58 56 60
Berdasarkan data tersebut, maka hasil regresi berganda dengan
komputer adalah:
21 915,1873,1944,17ˆ XXY t-sat (2,663) (2,813)
R2 = 0,93 dan F-stat = 46,61
Uji F-stat dilakukan untuk mengetahui apakah semua variabel bebas secara bersama-sama mempengaruhi variabel terikat secara siginifikan atau tidak.
Dengan kriteria pengujian:
Jika nilai F-stat > nilai F-tabel, maka H0 ditolak (H1 diterima), artinya variabelbebas mempengaruhi variabel terikat secara signifikan.
Jika nilai F-stat < nilai F-tabel, maka H0 diterima (H1 ditolak), artinya variabelbebas tidak mempengaruhi variabel terikat secara signifikan.
Nilai F-stat hasil regresi berganda = 46,61, dengan dan df numerator
(df pembilang), (k-1)=3-1 = 2 dan df denominator (df Penyebut),(n-k) = 10 – 3 = 7, maka F-tabel = 4,74. Dengan demikian T-stat > F-tabel, artinya variabel biaya promosi dan biaya QC secara bersama-samamempengaruhi tingkat penjualan secara signifikan.
Nilai R2 = 0,93, artinya variasi tingkat penjualan disebabkan oleh variasi biayapromosi dan variasi biaya QC sebesar 93%.
Problems in Regression Analysis
• Multicollinearity: yaitu adanya korelasi variabel-
variabel bebas diantara satu dengan yang
lainnya dalam suatu model regresi
• Heteroskedasticity: yaitu apabila kesalahan atau
residual dari model yang diamati tidak memiliki
varians yang konstan dari suatu observasi ke
observasi lainnya.
• Autocorrelation: yaitu terjadinya korelasi antara
anggota observasi satu dengan observasi lainnya
yang berlainan waktu
Durbin-Watson Statistic
Uji Autocorrelation
2
1
2
2
1
( )n
t t
t
n
t
t
e e
d
e
If d=2, autocorrelation is absent.
Langkah-Langkah Estimasi
Permintaan dengan Regresi
• Spesifikasi Model dengan Cara
Mengidentifikasi Variabel-Variabel, misalnya :
Qd = f (Px, I, Py, A, T)
• Pengumpulan Data
• Spesifikasi Bentuk Persamaan Permintaan
Linier : Qd = A - a1Px + a2 I + a3 Py + a4 A + a5 T
Pangkat : Qd = A(Px)b(Py)
c
• Estimasi Nilai-Nilai Parameter
• Pengujian Hasil