Académique Documents
Professionnel Documents
Culture Documents
Foto
Nama
NPM
Annisa Sugiharti
021304022
Nabila Nurhaiba
Vonny Yunita
021304021
Nilai
Puji syukur kehadirat Tuhan Yang Maha Kuasa atas segala limpahan Rahmat,
Inayah, Taufik dan Hidayahnya sehingga kami dapat menyelesaikan penyusunan makalah
ini dalam bentuk maupun isinya yang sangat sederhana. Semoga makalah ini dapat
dipergunakan sebagai salah satu acuan, petunjuk maupun pedoman bagi pembaca dalam
pembelajaran
khususnya
pelajaran
dibidang
"Ekonomi
Manajerial"
Tidak lupa penulis mengucapkan banyak terima kasih terutama kepada kedua orangtua,
dosen Ekonomi Manajerial, yaitu Ibu Dian Utami Sutiksno, S.E,. S.Mi dan teman-teman
atas support yang telah diberikan, dan juga sumber-sumber yang telah memberikan banyak
informasi sehingga membantu dalam penulisan makalah ini.
Makalah ini memuat tentang Penaksiran Fungsi Permintaan dalam Pemahaman atas
Metode-metode yang Dapat Dipergunakan untuk Mendapatkan Data Permintaan Bagi
Pengambilan Keputusan Dalam Dunia Nyata sesuai dengan arahan dari dosen. Makalah
ini masih banyak kekurangan, mohon kritik dan saran demi kebaikan dan kesempurnaan
makalah ini.
BAB I
PENDAHULUAN
1.1. Latar Belakang
Dalam kegiatan perekonomian, tidak terlepas dari adanya permintaan (demand) dan
penawaran (supply) yang saling bertemu dan membentuk satu titik pertemuan dalam satuan
harga dan kuantitas (jumlah barang). Dalam makalah ini dimaksudkan untuk membahas
tentang bagaimana cara menyusun penaksiran permintaan.
Penaksiran permintaan merupakan proses untuk menemukan nilai dari koefisienkoefisien fungsi permintaan akan suatu produk pada masa kini (curent values). Nilai-nilai
masa kini dibutuhkan untuk mengevaluasi optimalitas penentuan harga sekarang dan
kebijaksanaan promosi untuk membuat keputusan sehari-hari.
1.2. Rumusan Masalah
Untuk memecahkan masalah keputusan dalam suatu bidang bisnis, salah satu data
yang diperlukan adalah data permintaan. Permintaan konsumen terhadap suatu produk atau
barang yang dapat dinyatakan dengan suatu fungsi yang merupakan hubungan antara
variabel dependen dengan variable independen. Variabel-variabel inilah yang nantinya akan
dicari nilai koefisiennya dan akhirnya dengan suatu teknik tertentu dapat diketahui
hubungan antara kedua variable tersebut. Maka yang menjadi permasalahan dalam makalah
ini adalah sebagai berikut :
1. Bagaimana cara melakukan identifikasi dan penaksiran permintaan?
2. Bagaimana cara melakukan wawancara, survey dan eksperimen pasar?
3. Apa yang dimaksud dengan analisis kualitatif?
4. Bagaimana pengembangan metode metode analisis regresi
BAB II
PEMBAHASAN
II.1
II.1.1 Pengertian
Identifikasi
penaksiran suatu permintaan produk barang atau jasa dipasaran. Penaksiran permintaan itu
sendiri adalah proses menemukan nilai-nilai koefisien dari fungsi permintaan suatu produk.
Dimana fungsi permintaan adalah fungsi dari variabel-variabel harga, iklan, pendapatan
konsumen, trend, dan variabel- variabel lain yang mempengaruhi tingkat permintaan.
Fungsi permintaan (penjualan) dinyatakan sebagai fungsi dari variabel harga, iklan,
pendapatan konsumen, selera, preferensi konsumen, dan variabel-variabel lainnya yang
dianggap penting yan mempengaruhi permintaan atas produk tertentu;
Q = a + b1P + b2A + b3Y + b4T + ...... bnN
Koefisien b menunjukkan jumlah kenaikan (atau penurunan) penjualan sebagai
akibat dari perubahan setiap variabel sebesar 1 unit. Besarnya nilai setiap variabel pada saat
ini dapat diketahui atau ditemukan melalui suatu penelitian. Koefisien dari variabelvariabel inilah menjadi "rahasia" & penting bagi kita untuk mengambil suatu keputusan.
II.2
Metode tidak langsung yaitu dilakukan berdasarkan data-data yang telah dikumpulkan
dan kemudian dilakukan upaya-upaya untuk menemukan hubungan-hubungan
statistik antara variabel dependen dan variabel independen teknik korelasi
sederhana dan analisis regresi berganda.
dalam
menguji hasil dari teknik statistik yang lainnya yang digunakan untuk mengestimasi
permintaa.. Eksperimen pasar secara langsung ini melibatkan orang-orang yang benarbenar berada di situasi pasar sebenarnya yang membelanjakan uangnya untuk barang dan
jasa yang mereka inginkan.
II.3 ANALISIS KUALITATIF
Analisis kualitatif dapat menjadi teknik peramalan yang sangat berguna jika
memungkinkan pengumpulan dan organisasi yang sistematis untuk data yang diturunkan
dari opini yang tidak terbias dan terinformasi. Tetapi, metode-metode kualitatif dapat
memberikan hasil yang membias ketika beberapa individu tertentu mendominasi proses
peramalan melalui reputasi, kekuatan kepribadian, atau posisi strategis dalam organisasi.
Teknik-teknik kualitatif ini dapat pula bermanfaat untuk melengkapi peramalan kualitatif
yang mengantisipasi berbagai perubaha dalam selera konsumen atau haeapan-harapan
perusahaan mengenai kondisi perekonomian dimasa mendatang. Teknik-teknik itu juga bisa
tak ternilai dalam meramalkan permintaan terhadap produk yang ingin diperkenalkan oleh
perusahaan
II.4 ANALISIS REGRESI PERMINTAAN KONSUMEN
Adalah sebuah teknik statistik yang digunakan untuk menemukan ketergantungan
dari suatu variabel terhadap satu atau lebih variabel lain. Jadi teknik ini dapat diterapkan
untuk mencarai nilai dari koefisien-koefisien tersebut menunjukkan pengaruh dari variabel
yang menentukan permintaan sebuah produk. Untuk analisis regresi, kita membutuhkan
sejumlah observasi, masing-masing terdiri dari variabel dependen Y dan nilai variable
independen X yang berhubungan. Analisa regresi ini memungkinkan kita untuk menarik
kesimpulan dari pola hubungan yang ditunjukan oleh hasil opservasi. Dalam analisis ini
dapat digunakan data runtut-waktu (time series) maupun data seksi-silang (cross-section).
Dengan hipotesis bahwa Y adalah suatu fungsi dari X atau beberapa variable X, maka
dapat ditentukan bentuk ketergantungan variabel Y terhadap variabel-variabel X, dalam
analisis regresi menurut ketergantungan dinyatakan dalam bentuk yang linier. Dengan
formulasi umum sebagai berikut :
Y = +1X1+ 2X2++ nXn+e\
Dimana : Y = nilai yang diprediksi
1. 1. 1= parameter
= konstanta
e = nilai residu/galat
Sebagai tambahan bahwa apabila fungsi permintaan itu berbentuk hubungan non
linier seperti tambahan bahwa apabila fungsi permintaan itu berbentuk hubungan non linier
seperti Y = X2 1.X2 1, dimana variabel-variabel independen dalam kasus ini X1 dan X2
mempunyai pengaruh multiplikatif terhadap variabel dependen Y, maka hubungan garis
lengkung ini dapat dinyatakan sebagai suatu hubungan garis lurus dengan transformasi
logaritma. Sehingga menjadi:
Log Y = Log + 1 LogX1 + 2LogX2 .
Pengestimasian Parameter-Parameter Regresi
Metode kuadrat terkecil sering disebut ordinary least squares (OLS), adalah proses
matematis untuk memilih intersep dan slope garis yang paling tepat diminimumkan. Jadi
persamaan regresi menyatakan garis yang paling tepat. Garis tersebut dipilih dengan
prosedur matematis yang menempatkan garis tersebut sedemikian rupa sehingga jumlah
selisih/kesalahan kuadrat (residu/galat = e2) dapat diminimumkan. Kesalahan-kesalahan
dikuadratkan untuk menghindari penghilangan deviasi-deviasi negatif dan untuk lebih
n XY XY
n .X2 (Y)2
dimana Y adalah rata-rata aritmatika untuk nilai-nilai Y; X adalah rata-rata aritmatika
=
Jika data yang dikumpulkan tersebut semakin banyak maka semakin baik pula
estimasi atau peramalan yang diperoleh. Sebaliknya, jika data yang dikumpulkan semakin
sedikit maka hasil estimasi atau peramalannya akan semakin jelek.
Metode yang
digunakan untuk analisis time series adalah Metode Garis Linier Secara Bebas (Free Hand
Method), Metode Setengah Rata-Rata (Semi Average Method), Metode Rata-Rata Bergerak
(Moving Average Method) dan Metode Kuadrat Terkecil (Least Square Method). Dalam hal
ini akan lebih dikhususkan untuk membahas analisis time series dengan metode kuadrat
terkecil yang dibagi dalam dua kasus, yaitu kasus data genap dan kasus data ganjil. Secara
umum persamaan garis linier dari analisis time series adalah :
Y = a + b X.
Keterangan : Y adalah variabel yang dicari trendnya dan X adalah variabel waktu
(tahun). Sedangkan untuk mencari nilai konstanta (a) dan parameter (b) adalah :
a = Y / N dan b = XY / X2
10