ESTIMASI DAN PERAMALAN PERMINTAAN

ESTIMASI DAN PERAMALAN PERMINTAAN

EKONOMI MANAJERIALEKA DEWI NURJAYANTI, S.P., M.Si

Estimasi permintaan Analisis regresi Peramalan permintaan

Banyak perush yg menyewa lembaga riset & konsultan atau membentuk devisi tersendiri dlm perush untuk melakukan estimasi permintaan.

Tujuan dr estimasi ini adl untuk meminimalisir resiko & ketidakpastian yg mungkin akan dihadapai perush dlm jangka pendek maupun jangka panjang.

Kedudukan peramalan mjd semakin penting karena organisasi bisnis dan lingkungan mjd semakin kompleks & berubah dgn tempo yg semakin cepat.

A. DEMAND ESTIMATION

Estimasi permintaan adl upaya untuk mengetahui pengaruh dr perubahan satu atau lebih variabel yg mempengaruhi permintaan atau jumlah permintaan suatu produk.

Dilakukan dgn 2 cara:

1. Pendekatan langsung

Melibatkan konsumen scr langsung, misalnya interview, survei konsumen, simulasi situasi pasar, dan eksperimen pasar terkendali.

2. Pendekatan tak langsung

Memakai data yg sudah terkumpul dan tersedia, kmd dicari hubungan antara data permintaan produk dgn faktor yg mempengaruhinya scr statistik.

Interview & Survei

Biasanya dilakukan dgn menanyai scr langsung konsumen/konsumen potensial ttg kemungkinan perubahan keputusan mereka untuk membeli suatu produk karena perubahan harga produk ataupun faktor lain.

Pertanyaan yg diajukan biasanya terkait dgn harga, iklan, perubahan harga produk lain, dan perubahan pendapatan.

Konsumen yg dipilih bisa secara acak atau produsen sengaja mengundang konsumen pd situasi ttt.

Kelemahan metode interview & survei:

1. Berhubungan dgn tingkat keragaman (random) dr contoh konsumen yg dipilih.

Konsumen yg diwawancara harus bisa mewakili konsumen scr keseluruhan agar hasilnya tidak bias. Semakin banyak responden semakin banyak waktu, biaya & tenaga yg dibutuhkan.

2. Bias dr pewawancara, yaitu respon dr konsumen yg diwawancara bias karena kehadiran pewawancara.

3. Pertanyaan yg diajukan kpd konsumen mungkin kurang jelas, membingungkan, atau salah diinterpretasikan oleh konsumen.

Kelemahan tsb bisa diatasi melalui formulasi dan penyusunan kuisioner yg tepat untuk memperoleh hasil yg sesuai.

Bentuk pertanyaan pd kuisioner dpt mempengaruhi sifat jawaban.

Pertanyaan terbuka memungkinkan konsumen untuk mengungkapkan jawabannya dgn kata2 sendiri. Tetapi pertanyaan terstruktur (pilihan ganda) hanya menghasilkan satu jawaban saja shg sering timbul jawaban yg bias.

Simulasi situasi pasar

Sejumlah konsumen yg dipilih sbg responden diberi sejumlah uang dan diminta untuk membelanjakan uang tsb pd pasar yg disimulasi.

Hasil dr simulasi pasar harus dikaji scr cermat, karena responden mungkin melakukan hal yg berbeda jika uang tsb adalah milik mereka sendiri

Metode ini memerlukan biaya besar untuk pelaksanaannya: membuat simulasi pasar, menyediakan produk pesaing dan perlu waktu lama.

Untuk menekan biaya biasanya jumlah responden dibatasi, tetapi hasilnya tidak mewakili pasar.

Pendekatan tak langsung

Metode ini dilakukan untuk mencari hub antara data2 permintaan produk dgn faktor2 yg mempengaruhinya scr statistik dgn memakai data yg sudah terkumpul dan tersedia.

Data bisa diperoleh dr bagian riset perush atau dr data yg dipublikasikan oleh lembaga riset atau pemerintah.

Cara yg biasa dilakukan biasanya melalui analisis regresi, yg bisa diaplikasikan scr luas pd bidang ekonomi & bisnis, seperti pd produksi, biaya, konsumsi, investasi.

Metode analisis yg biasa digunakan adl regresi berganda, regresi tiga tahap, multivariat, VAR, arima, regresi simultan.

B. ANALISIS REGRESI

Dilakukan untuk mengetahui hub kuantitatif yg sebenarnya antara permintaan suatu produk (variabel terikat) dgn faktor2 yg mempengaruhinya (variabel bebas).

Tahap2 yg dilakukan adl:1. Spesifikasi persamaan regresi2. Memperoleh & mengumpulkan data3. Melakukan regresi fungsi permintaan4. Evaluasi ekonomi5. Evaluasi statistik6. Evaluasi ekonometrik7. Implikasi hasil estimasi pada keputusan manajemen

1. Spesifikasi persamaan regresi

Pada tahap ini, manajer harus menentukan dan memasukkan semua faktor yg mempengaruhi permintaan produk.

Semua faktor yg mungkin mempengaruhi permintaan atas suatu produk dapat dimasukkan dlm persamaan, baik itu faktor yg dapat dikendalikan perush (harga produk, bauran pemasaran produk) maupun faktor diluar kontrol perush (bauran pemasaran pesaing, selera, pendapatan, ekspektasi konsumen).

Selanjutnya menentukan kemungkinan bentuk fungsi permintaannya apakah linier atau non linier (kuadrat, kubik, dll).

Kemudian menentukan kemungkinan tanda dr masing2 koefisien estimasi variabel sesuai dgn konsep dan teori permintaan.

2. Memperoleh dan mengumpulkan data

Setelah semua variabel dimasukkan, selanjutnya adl memperoleh data dr variabel2 tsb.

Dua jenis data yg dipakai dlm analisis regresi:

1. Data time seriesSekumpulan data ttg variabel ttt pd rentang waktu yg berbeda, biasanya melibatkan satu entitas saja.

→ pendapatan RTdi kab. Semarang tahun 2000 - 2010

2. Data cross sectionData ttg variabel ttt yg diambil pd waktu ttt saja dan meliputi banyak entitas.

→ penjualan motor kab. se-Jateng bln September 2010

Jika data variabel tidak tersedia atau sulit diperoleh, bisa menggunakan variabel lain sbg proxy variable.

Misalnya data pendapatan sulit diperoleh bisa diukur dengan pendekatan pengeluaran konsumen dgn asumsi bahwa pengeluaran mendekati pendapatan konsumen.

3. Melakukan regresi fungsi permintaan

Mencakup 2 kelompok variabel, variabel bebas (independent variable) dan variabel terikat (dependent variable).

Variabel terikat menjadi pusat perhatian dan merupakan variabel yg ingin diketahui dan diprediksi nilainya (jumlah permintaan).

Variabel bebas adalah variabel yg menjelaskan nilai dari variabe tak bebas (misalnya, harga produk ybs, harga produk substitusi dan komplementer, pendapatan, selera, dll).

Jika regresi hanya melibatkan satu variabel bebas saja, maka regresi tsb disebut sbg regresi sederhana (simple regression).

Jika melibatkan lebih dari satu variabel bebas disebut regresi berganda (multiple regression).

REGRESI SEDERHANA

Hub linier antara Y dan X adl Y = α + β X

α adl intersep menunjukkan tingkat penjualan (Y) yg dipengaruhi oleh faktor selain iklan (X) dan β adl koefisien iklan yg menunjukkan respon marginal penjualan produk thd pengeluaran iklan.

Garis regresi yg diduga adl Y = a + bX + e.

Garis regresi bisa diperoleh melalui program komputer seperti SPSS, SAS, Minitab.

REGRESI NON-LINIER

Bentuk fungsi permintaan: Q = aPb

Fungsi ini tidak linier shg harus dtransformasikan terlebih dahulu mjd linier dgn melogaritmakan mjd :

log Q = log a + b log P

Jika log Q = Q*, log a = a* dan log P = P*, maka bentuk linier persamaan tsb adl:

Q* = a* + bP*

REGRESI BERGANDA

Contoh fungsi permintaan untuk produk U:

linier : Qu = a1 + a2 Pu + a3 Pt + a4 N + a5 I + e

non-linier : Qu = a1Pua2Pta3Na4Ia5e

Transformasi mjd persamaan linier :log Qu = log a1 + a2 log Pu + a3 log Pt + a4 log N

+ a5 log I + log e

Jika log Qu = Qu*, log a1 = a1*, log Pu = Pu*, log Pt = Pt*, log N = N*, log I = I*, dan log e = e*, maka pers.linier mjd:

Qu* = a1* + a2 Pu* + a3 Pt* + a4 N* + a5 I* + e*

4. Evaluasi ekonomi

Digunakan untuk memastikan bahwa koefisien estimasi yg diperoleh sudah sesuai dgn konsep dan teori ekonomi.

Persamaan regresi yg diperoleh diestimasi/dievaluasi apakah tanda koefisien estimasinya sesuai dgn konsep permintaan.

5. Evaluasi Statistik

Persamaan harus diuji secara statistik apakah hasil yg diperoleh dpt mewakili kondisi populasi pasar secara keseluruhan.

Nilai output komputer yg perlu diketahui adl R2, standart error estimasi, standart error koefisien estimasi, t hitung dan F hitung.

Standart error estimasi

Adalah ukuran yg menunjukkan persebaran data aktual terhadap garis regresi.

Semakin kecil standart error, garis regresi yang diperoleh semakin baik.

Untuk penelitian sosial standart error yg digunakan biasanya 5% dan 10% sedangkan untuk kedokteran 1 %.

Koefisien determinasi (R2)

Adalah suatu nilai yg menunjukkan berapa persen variasi pd variabel terikat dijelaskan oleh variasi pd variabel bebasnya.

Semakin besar nilai R2 artinya semakin baik persamaan regresi yg diperoleh karena menunjukkan bahwa pers regresi dapat menjelaskan variabel terikatnya dgn lebih baik.

Nilai R2 = 89,8% artinya 89,8% variasi Y dapat dijelaskan oleh X dan 10,2% dijelaskan oleh variabel lain diluar persamaan regresi.

Jika jumlah variabel bebas atau jumlah data dtambahkan pada pers regresi, maka nilai R2 akan semakin besar.

Untuk validitas data juga dipakai R2 adjusted karena seringkali variabel bebas pd pers secara logika tidak berhubungan dgn variabel terikatnya.

Standart error koefisien estimasi dan Uji t

Standart error koefisien estimasi mrp ukuran akurasi dari koefisien estimasi.

Nilai standart error koefisien estimasi yg kecil, menunjukkan bahwa nilai koefisien estimasi yg diperolah semakin dekat dgn koefisien yg sebenarnya.

Uji t dilakukan untuk mengetahui apakah masing2 koefisien estimasi yg diperoleh berbeda nyata dari nol.

Uji tdilakukan dgn membagi koefisien estimasi yg diperoleh dgn standart deviasinya,hasilnya disebut t-hitung.

Jika nilai t-hitung besar, maka koefisien tsb berbeda nyata dari nol, yg berarti variabel tsb memang berpengaruh nyata pada variabel bebas.

Uji F

Digunakan untuk menguji signifikansi dr semua koefisien estimasi secara bersama-sama.

Semakin besar F-hitung menunjukkan bahwa persamaan reresi yg diperoleh semakin baik.

6. Evaluasi Ekonometrik

Persamaan regresi selanjutnya harus diuji secara ekonometrik sebelum diaplikasikan dl pengambilan keputusan bisnis.

Uji ekonometrik mencakup uji multikolinearitas, heteroskedastisditas, dan uji autokorelasi.

Uji Multikolinearitas

Salah satu asumsi dlm regresi berganda adl “variabel2 independen yg digunakan tidak berhubungan satu dgn lain secara sistematis”.

Contoh multikolinearitas:

Permintaan komputer dipengaruhi oleh harga komputer, pendapatan dan tingkat pendidikan. Pendapatan dan tingkat pendidikan biasanya bergerak searah.

Indikator terjadinya multikolinearitas dlm pers regresi adalah jika hasil uji-F nyata, tetapi hasil uji-t untuk tiap koefisien estimasi tidak nyata.

Cara mengatasi multikolinearitas adalah dengan membuang variabel yg dicurigai sebagai penyebab multikolinearitas dari persamaan regresi.

Uji Autokorelasi

Autokorelasi terjadi jika faktor kesalahan (e) dari regresi menunjukkan pola ttt, dan pola ini menunjukkan bahwa terdapat variabel lain yg berubah secara sistematis dan mempengaruhi variabel independen.

Dampak autokorelasi adalah secara statistik koefisien estimasi suatu variabel mungkin sangat nyata secara statistik, tetapi faktanya variabel tsb tidak berpengaruh nyata pd variabel dependennya.

Contoh:

Hasil uji t koefisien variabel iklan berpengaruh nyata. Tanpa melakukan uji autokorelasi, manajer memutuskan meningkatkan anggaran iklan agar permintaan meningkat. Padahal kenyataannya variabl pendapatan lebih berpengaruh dibanding iklan.

Cara mendeteksi autokorelasi adl melalui nilai Durbin-Watson (D-W statistik) dengan pedoman jika D-W statistik mendekati 2, maka tidak terjadi autokorelasi.

Salah satu penyebab autokorelasi adalah terdapat variabel independen tetapi belum dimasukkan ke dalam persamaan regresi.

Menurut Gujarati (1997) untuk mengatasi keterbatasan uji Durbin Watson, dilakukan Run Test yang diterapkan pada residual (penyimpangan).

Definisi Run adalah urutan yang tak terputus dari suatu lambang atau ciri seperti + atau -.

Jika nilai residual memiliki pola tertentu maka menunjukkan adanya autokorelasi.

Uji heteroskedastisitas

Heteroskedastisitas berhubungan dengan faktor-faktor pengganggu yang dianggap intensitas gangguannya tetap yang tercermin pada varian Y.

Dalam keadaan homoskedastisitas varian dari masing-masing Y sama, akan tetapi dalam keadaan heteroskedastisitas varian masing-masing Y tidak sama.

Uji Park digunakan untuk menguji ada tidaknya heteroskedastisitas.

Deteksi dilakukan dengan: bila hasil uji F, t dan koefisien determinasi (R2) tidak signifikan, maka dapat disimpulkan tidak terjadi heteroskedatisitas.