Bab 4 Estimasi Permintaan Pertanyaan Umum Tentang Permintaan

Bab 4 Estimasi Permintaan

Pertanyaan Umum Tentang Permintaan • Seberapa besar penerimaan perusahaan akan berubah setelah adanya peningkatan harga? • Berapa banyak produk yang diminta apabila konsumen naik pendapatannya? • Berapa banyak kenaikan penjualan apabila perusahaan mengeluarkan biaya iklan dalam jumlah tertentu? • Berapa banyak Permintaan akan jatuh apabila pesaing menaikkan biaya iklan atau menurunkan harga?

Masalah Identifikasi • Masalah identifikasi merujuk pada beberapa kesulitan menurunkan kurva permintaan dari data yang ada dipasar • Kurva permintaan biasanya di estimasi dari kuantitas dan harga produk dari pasar • Akan tetapi kesulitannya adalah waktu, pasar, selera, pendapatan, harga komoditas yang berhubungan selalu berubah SULIT UNTUK DIIDENTIFIKASIKAN

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 sesungguhnya

Pengenalan Terhadap Analisis Regresi Pengeluaran Iklan (X) & Penjualan (Y) Scatter Diagram Persamaan Regresi : Y = a + b. X

Analisis Regresi • Garis Regresi : Line of Best Fit • Garis Regresi : meminimumkan jumlah dari simpangan kuadrat pada sumbu vertikal (et) dari setiap titik pada garis regresi tersebut. • Metode OLS (Ordinary Least Squares): metode jumlah kuadrat terkecil

Analisis Regresi Sederhana • Analisis Regresi Sederhana hanya melakukan analisis regresi untuk 2 variabel saja (1 variabel independent & 1 variabel depedent) • Proses-proses: 1. Menghitung nilai a (titik potong vertikal) dan nilai b (koefisien kemiringan dari garis regresi 2. Mengadakan uji signifikasi dari estimasi parameter 3. Membuat interval keyakinan untuk parameter sebenarnya

Metode OLS (Ordinary Least Square) • Tujuan analisis regresi adalah untuk menghasilkan nilai estimasi a dan b dari garis regresi Jumlah Simpangan kuadrat atau galat (keseluruhan observasi) :

Estimasi nilai a & b dengan Metode OLS Estimasi nilai a & b didapatkan dari meminimumkan jumlah simpangan kuadrat

Contoh Estimasi dgn OLS Contoh Estimasi

Uji Signifikasi Estimasi Parameter • Untuk menguji hipotesis bahwa b adalah signifikan scr statistik (bahwa iklan mempengaruhi penjualan secara positif perlu uji signifikasi • Langkah 1: Tentukan Galat baku (standard error/SE) dari b yaitu sebagai berikut n = Jumlah observasi/sampel k = jumlah koefisien/variabel Derajat kebebasan = n-k

Uji Signifikasi Estimasi Parameter Contoh Perhitungan

Uji t Untuk Signifikasi Perhitungan : t-Statistic Derajat Bebas = (n-k) = (10 -2) = 8 Critical Value at 5% level dari tabel t =2. 306

Uji Kecocokan Model & Korelasi Langkah-Langkahnya: Decomposition of Sum of Squares Total Variation = Explained Variation + Unexplained Variation

Variasi Total Yang bisa dijelaskan dan yang tidak bisa dijelaskan

Contoh Estimasi Koefisien Determinasi

Koefisien Determinasi

Koefisien Korelasi

Analisis Regresi Berganda • Apabila saat variabel Dependent (Terikat) yang kita cari untuk dijelaskan, dihipotesis tergantung pada lebih dari satu variabel bebas/penjelas. Fungsi linearnya:

Contoh Perhitungan Analisis Regresi Berganda

• Koefisien Determinasi mengukur proporsi dari variasi total variabel terikat yang dijelaskan oleh variabel bebas • Akan tetapi di analisis regresi berganda, dengan mempertimbangkan besaran derajat kebebasan menurun sehubungan denga bertambahnya variabel bebas, R 2 perlu disesuaikan, sbb:

Analisis Varians/Uji F • Kekuatan menerangkan secara keseluruhan regresi dapat diuji dengan menggunakan analisis varians

Multikolinieritas • Merupakan korelasi (keterkaitan) yang tinggi antara variabel-variabel bebas dalam suatu model regresi linear berganda • Alat statistik yang sering dipergunakan untuk menguji multikolinearitas adalah 1. Variance Inflation Factor (VIF), 2. Korelasi Pearson antara variabel-variabel bebas, atau 3. Eigenvalues dan Condition Index (CI)

Heteroskedisitas • Merupakan ketidaksamaan varians dari residual satu ke pengamatan yang lain di suatu regresi berganda • Model regresi yang memenuhi persyaratan adalah di mana terdapat kesamaan varians dari residual satu pengamatan ke pengamatan yang lain tetap (Homoskedisitas) • Biasanya terdapat pada data cross section • Deteksi heteroskedastisitas dapat dilakukan dengan 1. Metode scatter plot dengan memplotkan nilai ZPRED (nilai prediksi) dengan SRESID (nilai residualnya) 2. Uji Glejser, Uji Park, Uji White

Autokorelasi • Terjadi korelasi antara suatu periode t dengan periode sebelumnya (t -1). • Analisis regresi adalah untuk melihat pengaruh antara variabel bebas terhadap variabel terikat, jadi tidak boleh ada korelasi antara observasi dengan data observasi sebelumnya • Uji autokorelasi hanya dilakukan pada data time series (runtut waktu) dan tidak perlu dilakukan pada data cross section

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 - a 1 Px + a 2 I + a 3 Py + a 4 A + a 5 T Pangkat : Qd = A(Px)b(Py)c • Estimasi Nilai-Nilai Parameter • Pengujian Hasil