Bab 5 Penaksiran Fungsi Permintaan
1
Ekonomi Manajerial
Manajemen
2
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?
3
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
4
Kurva Harga Kuantitas & Masalah Identifikasi
5
Estimasi Permintaan: Pendekatan Riset Pemasaran Survei Konsumen : mensurvei konsumen bagaimana reaksi terhadap jumlah yang diminta jika ada perubahan harga, pendapatan, dll menggunakan kuisioner Penelitian Observasi : pengumpulan informasi tentang preferensi konsumen dgn mengamati bagaimana mereka membeli dan menggunakan produk Klinik Konsumen : eksperimen lab dimana partisipan diberi sejumlah uang tertentu dan diminta membelanjakannya dalam suatu toko simulasi dan mengamati bagaimana reaksi mereka jika terjadi perubahan harga, pendapatan, selera, dll Eksperimen Pasar : mirip klinik konsumen, tetapi dilaksanakan di pasar yang sesungguhnya
Pengenalan Terhadap Analisis Regresi
6
Pengeluaran Iklan (X) & Penjualan (Y)
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
60
Scatter Diagram
Persamaan Regresi : Y = a + bX
Analisis Regresi 7
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
et Yt Yˆt
8
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) 9
Tujuan analisis regresi adalah untuk menghasilkan nilai estimasi a dan b dari garis regresi
Jumlah Simpangan kuadrat atau galat (keseluruhan observasi) : n
n
n
ˆ ) e (Y Yˆ ) (Y aˆ bX t 1
2 t
2
t 1
t
t
t 1
t
t
2
Estimasi nilai a & b dengan Metode OLS
10
Estimasi nilai a & b didapatkan dari meminimumkan jumlah simpangan kuadrat n
bˆ
(X t 1
t
X )(Yt Y )
n
(X t 1
t
X)
ˆ aˆ Y bX
2
Contoh Estimasi dgn OLS
11
Time
Xt
Yt
1 2 3 4 5 6 7 8 9 10
10 9 11 12 11 12 13 13 14 15 120
44 40 42 46 48 52 54 58 56 60 500
n
X
n 10
t 1
n
X t 1
t
120
X t 120 12 n 10
n
Y 500 t 1
n
t
Yt 500 50 10 t 1 n
Y
Xt X
Yt Y
-2 -3 -1 0 -1 0 1 1 2 3
( X t X )(Yt Y )
( X t X )2
12 30 8 0 2 0 4 8 12 30 106
4 9 1 0 1 0 1 1 4 9 30
-6 -10 -8 -4 -2 2 4 8 6 10
n
( X t X )(Yt Y ) 106 t 1
n
(X t 1
106 bˆ 3.533 30 aˆ 50 (3.533)(12) 7.60
t
X )2 30
Uji Signifikasi Estimasi Parameter 12
• 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
2 2 ˆ (Yt Y ) et sbˆ 2 2 ( n k ) ( X t X ) (n k ) ( X t X ) n = Jumlah observasi/sampel k = jumlah koefisien/variabel Derajat kebebasan = n-k
Uji Signifikasi Estimasi Parameter
13
Contoh Perhitungan
n
Yˆt
et Yt Yˆt
et2 (Yt Yˆt )2
( X t X )2
44
42.90
1.10
1.2100
4
9
40
39.37
0.63
0.3969
9
3
11
42
46.43
-4.43
19.6249
1
4
12
46
49.96
-3.96
15.6816
0
5
11
48
46.43
1.57
2.4649
1
6
12
52
49.96
2.04
4.1616
0
7
13
54
53.49
0.51
0.2601
1
8
13
58
53.49
4.51
20.3401
1
9
14
56
57.02
-1.02
1.0404
4
10
15
60
60.55
-0.55
0.3025
9
65.4830
30
Time
Xt
Yt
1
10
2
n
e (Yt Yˆt )2 65.4830 t 1
2 t
t 1
n
( X t X )2 30 t 1
(Y Yˆ ) ( n k ) ( X X ) 2
sbˆ
t
t
2
65.4830 0.52 (10 2)(30)
Uji t Untuk Signifikasi 14
Perhitungan : t-Statistic
bˆ 3.53 t 6.79 sbˆ 0.52 Derajat Bebas = (n-k) = (10-2) = 8
Critical Value at 5% level dari tabel t =2.306
15
Uji Kecocokan Model & Korelasi
Langkah-Langkahnya:
Decomposition of Sum of Squares Total Variation = Explained Variation + Unexplained Variation
2 2 ˆ ˆ (Yt Y ) (Y Y ) (Yt Yt ) 2
16
Variasi Total Yang bisa dijelaskan dan yang tidak bisa dijelaskan
17
Contoh Estimasi Koefisien Determinasi
Koefisien Determinasi
18
2 ˆ Explained Variation (Y Y ) 2 R 2 TotalVariation (Yt Y )
373.84 R 0.85 440.00 2
19
Koefisien Korelasi
ˆ r R withthe sign of b 2
1 r 1
r 0.85 0.92
20
Analisis Regresi Berganda
Apabila saat variabel Dependent (Terikat) yang kita cari untuk dijelaskan, dihipotesis tergantung pada lebih dari satu variabel bebas/penjelas. Fungsi linearnya:
Y a b1 X1 b2 X 2
bk ' X k '
21
Contoh Perhitungan Analisis Regresi Berganda
22
• 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, R2 perlu disesuaikan, sbb:
(n 1) R 1 (1 R ) (n k ) 2
2
23
Analisis Varians/Uji F Kekuatan menerangkan secara keseluruhan regresi dapat diuji dengan menggunakan analisis varians
Explained Variation /(k 1) F Unexplained Variation /(n k ) R /(k 1) F 2 (1 R ) /(n k ) 2
24
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)
25
Heteroskedisitas
Merupakan ketidaksamaan varians dari residual satu ke pengamatan 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
26
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
27
Pola Gangguan Heteroskedisitas dan Otokorelasi
Langkah-Langkah Estimasi 28 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
