EKONOMI MANAJERIAL: ESTIMASI FUNGSI PERMINTAAN: PRODUK KULIT SYLVAIN; BRAZILIAN GOLD COFFEE COMPANY

BAB I
PENDAHULUAN
Dalam makalah ini dimaksudkan untuk membahas tentang bagaimana cara/metode yang biasa di dalam memperoleh data permintaan untuk memecahkan masalah-masalah keputusan bisnis. Tentu saja harapannya adalah bahwa nilai informasi yang dapat seharusnya lebih besar dibandingkan dengan biaya yang digunakan untuk mendapaktan informasi tersebut.
Sebelum membahas persoalan diatas lebih jauh, terlebih dahulu kita bedakan pengertian antara penapsiran (estimation) dan prakiraan (forecasting) permintaan. Penaksiran permintaan merupakan proses untuk menemukan nilai dari koefisienkoefisien fungsi permintaan akan suatu produk pada masa kini (curen values). Sedangkan prakiraan permintaan merupakan proses menemuan nilai-nilai permintaan pada periode waktu yang akan datang (future values). Nilai-nilai masa kini dibutuhkan untuk mengevaluasi optimalitas penentuan harga sekarang dan kebijaksanaan promosi dan untuk membuat keputusan sehari-hari. Nilai-nilai pada untuk waktu yang akan datang diperlukan untuk perencanaan produksi, pengembangan produk baru, investasi, dan keadaan-keadaan lain dimana keputusan yang harus dibuat mempunyai dampak pada periode waktu yang panjang.
Sebagaimana diketahui bahwa fungsi permintaan dinyatakan sebagai fungsi dari variabel harga atas produk itu sendiri, harga yang berhubungan dengan barang lain, advertensi produk itu sendiri, advertensi barang lain, pendapatan konsumen, rasa, dan harapan, serta variabel-variabel lain yang dianggap penting daam penetapan estimasi permintaan. Fungsi tersebut diformlasikan sebagai berikut :
Qx = + 1 Px + 2 Py + 3 Ax + 4 Ay + 5 Ic + 6 Tc + 7 Ec + 8 N
Alfa () intercept atau konstanta, sedangkan beta () adalah ukuran nilai atau koefisien penentu terhadap naik/turunnya permintaan sebagai variable tergantung, sehingga nilai perubahannya adalah sangat tergantung pada nilai yang ditentukan atas variabel explanatif. Besarnya nilai setiap variabel pada saat ini dapat diketahui atau ditemukan melalui suatu penelitian. Koefisien dari variabel-variabel inilah yang menjadi “rahasia” dan penting bagi kita dalam pengambilan keputusan. Oleh karena itu, makalah ini ingin membahas penentuan koefisien itu dan hubungan antara variabel dependen variabel indevenden.
BAB II
PERMASALAHAN
Telah dikatakan sebelumnya, untuk memecahkan masalah keputusan dalam suatu bidang bisnis, salah satu data yang diperlukan adalah data permintaan. Permintaan konsumen terhadap suatu produk/barang 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 suatuteknik tertentu dapat deiketahui hubungan antara kedua
variabel tersebut. Beranjak dari ayang telah diuraikan diatas, maka yang menjadi permasalahan dalam makalah ini adalah sebagai berikut :
1. Bagaimana menentukan nilai koefisien dari fungsi permintaan.
2.Upaya (teknik) apa yang digunakan untuk menentukan hubungan statistic antara permintaan konsumen (variabel dependen) dengan faktor-faktor yang mempengaruhi permintaan tersebut (variabel independen)
BAB III
METODE PENELITIAN & PEMBAHASAN
3.1 Metode Estimasi Permintaan.
Metode estimasi nilai koefisien beta dalam fungsi permintaan bisa digolongkan baik sebagai yang langsung maupun tidak langsung. Estimasi permintaan dengan metode langsung diperoleh melalui wawancara, survay dan eksperimen paper, dalam mana pembeli potensial diberi pertanyaan tentang reaksi yang mungkin muncul sebagai akibat adanya perubahan harga maupun perubahan variabel lainnya. Metode tidak langsung estimasi permintaan merupakan bentuk analisis statistika dengan tujuan untuk mengetahui perubahan permintaan sebagai akibat adanya perubahan dalam variabel penting bebasnya, analisis ini dikenal dengan metode regresi.
3.1.1 Interview dan Survey
Metode langsung estimasi permintaan, secara sederhana dapat dilakukan dengan mengajukan pertanyaan kepada pembeli maupun pembeli potensial tentang reaksi-reaksi petensial terhadap perubahan dalam harga ataupun determinan lain atas keputusan mereka untuk membeli produk. Pappas (Terjem. 1995:200), teknik ini dapat diterapkan secara naip dengan semata-mata mencegat orang-orang yang berbelanja dan mengajukan pertanyaan-pertanyaan tentang jumlah produkyang akan mereka beli di berbagai tingkat harga. Dalam ekstrim lainnya, para pewawancara terlatih mengajukan pertanyaan-pertanyaan yang canggih ke sebuah sampel pelanggan yang dipilih secara seksama untuk menghasilkan informasi yang diinginkan. Walaupun kelihatannya sederhana, dalam pelaksanaannya pendekatan ini menghadapi banyak kesulitan, yaitu :
1. Keacakan random
Individu yang disurvey harus mewakili pasar secara keseluruhan sehingga hasilnya tidak bisa. Oleh sebab itu sampel harus cukun besar dan menggunakan metode random sehingga informasi pasar yang layak untuk mengadakan rencana perubahan.
2. Bias pewawancara.
Dalam hal ini kehadiran pewawancara dapat mempengaruhi perasaan responden menjadi agak bodoh sehingga responden dapat memberikan jawaban-jawaban yang tidak benar. Biasa pewawancara sering terjadi baik dalam personal interview, dan bahkan koesioner yang diposkan sekalipun (sebab ada orang lain yang membacanya).
3. Adanya kesenjangan antara niat dan tindakan.
Arsyad (1993:169), masalah ini sering disebut juga sebagai masalah akurasi jawaban (response accuracy). Konsumen benar-benar berniat membeli suatu produk ketika di wawancarai, tetapi ketika dipasarkan mungkin sesuatu hal telah mengubah niat dan pikiran konsumen tersebut. Akhirnya jawaban-jawaban responden juga tidak dapat dipercaya bila pertanyaan yang diajukan membingungkan atau ditafsir salah atau mengandung hal-hal di luar dunia imajinasi konsumen.
Secara ringkas bisa dikatakan bahwa dalam membuat koesioner, harus dipikirkan masak-masak dan hati-hati dan harus disertai analisis dalam menginterprestasikan hasil surpey. Berikut diberikan contaoh hasil survey pasar.
Contoh :
Perusahaan produk kulit SYLVAIN bermaksud untuk memperkenalkan produk baru yaitu dompet, ia ingin membuat estimasi kurva permintaan dengan jalan melakukan survey dan menyebarkan kuisioner terhadap seribu orang yang sedang berbelanja barang-barang sejenis. Setiap responden masing-masing ditanya tentang kemauannya untuk membeli produk dompet pada berbagai tingkatan harga. Mereka diminta untuk memilih satu diantara enam jawaban. Jawaban a. definitely no; b. not likely; c. perhaps; d. quite likely; e. very likely; f. definitely yes. Analisa telah menetapkan distribusi probalitas pada setiap enam jawaban tersebut adalah 0.0 untuk jawaban a; 0.2 untuk jawaban b; 0.4 untuk jawaban c; 0.6 untuk jawaban d; 0.8 untuk jawaban e; dan 1.0 untuk jawaban f.
Price
($) NUMBER OF PEOPLE RESPONDING AS Expected
Quantity
(a) (b) (c) (d) (e) (f)
9 500 300 125 50 25 0 160
8 300 225 175 150 100 50 335
7 100 150 250 250 150 100 500
6 50 100 100 300 250 200 640
5 0 25 50 225 300 800 800
Berdasarkan data tersebut kita dapat menghitung nilai harapan atas quantitas permintaan dompet pada setiap tingkatn harga. Q pada harga $9.00 adalah sebanyak 160.
E(Q) = 500(0.0)+300(0.2)+125(0.4)+50(0.6)+25(0.8)+0(1.0) = 160 unit. Begitu pula untuk perhitungan pada harga-harga yang lain adalah sama.
Dengan menempatkan koordinat kuantitas-harga yang ada pada tabel di atas pada suatu grafik, tampak bahwa intercept kurva permintaan mendekati $10.00 dan slopenya mendekati –5/800 atau –0.00625. Sehingga taksirah kurva permintaan tersebut adalah Px = 10.00 – 0.00625Qx. Kemudian dari kurva permintaan tersebut, dapat ditentukan MR, yaitu MRx = 10.00 – 0.0125Qx, karena kurva MR mempunyai intercept yang sama dengan kurva permintaan, tetapi slopenya dua kali slope kurva permintaan. Kurva permintaan dan kurva MR yang dimaksud seperti berikut :
P

Px = 10.00 – 0,00625Qx

0 Q
Px = 10.00 – 0,00625Qx
3.1.2 Situasi Pasar Simulasi
Alat lain untuk melihat respon konsumen terhadap perubahan harga dan usaha promosi adalah pembuatan pasar simulasi. Pasar simulasi dimaksudkan untuk mempertimbangkan prilaku konsumen, dimana konsumen yang dipilih diberi uang mainan dan disuruh berbelanja dipasar simulasi/buatan untuk kelompok partisipan yang berbeda ditetapkan harga dan promosi yang berbeda pula. Bila partisipan dipilih dengan tepat, maka respon mereka terhadap perubahan harga dan usaha promosi dapat disimpulkan sama. Hasil dari uji pasar simulasi ini harus diamati dengan jeli. Cara partisipan membelanjakan uang orang lain mungkin berbeda dengan cara mereka membelanjakan uang sendiri. Kemungkinan lain adalah mereka akan memilih produk tertentu bila harga diturunkan, ini hanya agar mereka Nampak sebagai pembelanja yang hemat dan bertanggung jawab. Metode ini mahal, karena biayanya relatif tinggi seharga pembuatan pasar simulasi ini dipilih hanya sejumlah kecil sampel yang hasilnya kemungkinan tak representatif. Berikut diberikan contaoh mengenai situasi pasar simulasi.
Contoh;
Brazilian Gold Caffee Company ingin tahu respon konsumen terhadap perubahan harga dari produk kopi bubuk yang dibuatnya. 600 pembelanja dihimpun untuk suatu eksperimen pasar simulasi dan dibagi menjadi 6 (enam) group. Anggota dari masing-masing kelompok dipilih berdasarkan karekteristik sosio ekonominya. Setiap hari mereka bebas berbelanja dalam 30 menit pada pasar buatan tersebut. Masing-masing partisipan diberi 30 dolar uang mainan untuk membeli item-item yang ada.
Brazilian Gold Coffee disamping merek kopi yang sedang laku keras. Untk masing-masing kelompok ditetapkan harga yang intercept mendekati $3.88 dan slope = -0.0045. dengan demikian Px = 3.88 – 0.0045Qx. Dari kurva permintaan di atas dicari kurva MR yaitu MR = 3.88 – 0.009Qx (ingat slopenya dua kali slope kurva permintaan) atau menghitung elastisitas harga permintaan pada setiap tingkat harga. Arsyad (1995:174), bahwa dalam perhitungan elastisitas harga digunakan kebalikan slope kurva permintaan, yaitu 1/-0.0045 atau -–22.22, sebagai dQx/dPx dan menghitung koordinat Px dan Qx dari kurva permintaan tersebut. Sebagai contoh, elastisitas harga pada pada harga $3.59 adalah:
E = 222.22 3.59 = -12.27
65
3.1.3 Eksperimen Pasar Secara Langsung
Eksperimen pasar secara langsung ini melibatkan orang-orang yang benar-benar berada di situasi pasar sebenarnya yang membelanjakan uangnya untuk barang dan jasa yang mereka inginkan. Perusahaan memilih satu kota atau lebih, pasar regional, atau negara dan melakukan eksperimen pada “pasar-pasar uji” ini dirancang untuk mencari tahu “penerimaan” konsumen atas produk dan mengidentifikasi dampak perubahan dari satu variabel yang dapat dikendalikan atau lebih terhadap jumlah yang diminta. Sebagai contoh, pada sebuah pasar regional perusahaan dapat memotong harga produknya sebesar 10% dan membandingkan reaksi penjualan pada pasar tersebut dengan pasar regional serupa lainnya. Kemungkinan lain, perusahaan tersebut dapat meningkatkan promosi di pasar tertentu untuk “menilai” dampak dari suatu perubahan sebelum menanggung biaya dan resiko yang lebih besar untuk melakukan perubahan tersebut di seluruh wilayah negara.
3.2 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 mencari 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 variabel 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).
3.2.1. Analisa Runtut Waktu Versus Waktu Seksi-Silang.
Analisa runtut waktu menggunakan observasi yang telah dicatat selama waktu tertentu dalam situasi tertentu. Misalnya tingkat harga dan penjualan bulanan suatu produk dari sebuah perusaan yang telah dikumpulkan selama enam atau dua belas bulan. Satu malsalah dalam analisis ini adalah bahwa beberapa faktor yang dapat dikendalikan yang mempengaruhi penjualan cendrung untuk berubah selama periode waktu tersebut, sehingga beberapa perbedaan dalam ebservasi penjualan merupakan akibat dari pengaruh-pengaruh ini, dan bukan karena pengaruh tingkat harga. Jika perubahan variabel-variabel tak terkendali tersebut dapat diamati dan diukur, kita dapat memasukan variabel-variabel ini sebagai variabel indevenden dalam analisis regresi. Misalnya, tindakan para pesaing dan perubahan tingkat pendapatan konsumen sebaiknya dikuantifikasikan (secara langsung atau dengan variabel proksi yang tepat) dan dimasukan kedalam analisis.
Sebaiknya, perubahan selera dan pola preferensi konsumen sulit diukur dan diamati, walaupun kedua hal tersebut berubah sepanjang waktu. Kita dapat memasukkan pengaruh selera dan faktor-faktor lain yang cendrung berubah sepanjang waktu tersebut dengan cara memasukan variabel waktu sebagai variable independen dalam analisis regresi.
Analisis seksi silang menggunakan obsevasi-observasi dari perusahaan yang berbeda dalam lingkungan bisnis yang sama. Dengan demikian, analisis ini bisa mengurangi masalah yang ditimbulkan oleh perubahan variabel-variabel tak terkendali sepanjang waktu, tetapi timbul faktor-faktor seperti efektifitas tenaga penjualan, posisi aliran kas, tingkat kegiatan promosi, dan tujuan manajemen berbeda-beda antar perusahaan, maka kesemua hal tersebut akan mempunyai dampak yang berbeda pula terhadap tingkat penjualan. Sekali lagi, jika faktor-faktor ini dapat dikuantifikasikan dan datanya dapat dimasukan kedalam analisis regresi untuk mengetahui dampaknya terhadap variabel dependen.
3.2.2 Linieritas Persamaan Regresi.
Dengan hipotesis bahwa Y Adalah suatu fungsi dari X atau beberapa variable X, maka dapat ditentukan bentuk ketergantungan variabel Y terhadap variabelvariabel X. dalam analisis regresi menurut “ketergantungan” dinyatakan dalam bentuk yang linier. Dengan formulasi umum sebagai berikut :
Y = +1 X1 +2X2 + …….+ nXn +e
dimana:
Y = nilai yang diprediksi
 = konstanta
1. 2 . 3 = parameter
e = nilai residu/galat
Sebagai tambahan, bahwa apabila fungsi permintaan itu berbentuk hubungannon linier seperti
Y = µXb11 µXb11
dimana variabel-variabel independen dalam kasus ini X1 dan X2 mempunyai pengaruh multiplikasif terhadap variabel dependen Y, maka hubungan garis lengkung ini dapat dinyatakan sebagai suatu hubungan garis lurus dengan transformasi logaritma. Sehingga menjadi :
log Y = log  +β1 logX1 + β2 logX2
3.2.3 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 diminumkan. 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 negarif, dan untuk lebih meratakan deviasi-deviasi yang lebih besar. Perhitungan persamaan regresi secara mendalam tidak dijelaskan dalam makalah ini sebab telah tersedia program-program komputer, tetapi disini secara sederhan disajikan bagaimana cara mendapatkan dan tanpa pembuktian melalui formula sebagai berikut :
µ= Y – X
= n XY – XY
n X² – (Y)²
dimana Y adalah rata-rata aritmatika untuk nilai-nilai Y ; X adalah rata-rata aritmatika untuk nilai X; Σ (sigma) melambangkan jumlah dan hal-hal yang dimaksud/ditujukan; dan n adalah jumlah observasi atau titik data. Contoh pengolahan data dengan metode OLS ditunjukan oleh label berikut :
Analisis OLS Atas Dasar
Data Penjualan Dan Harga 6 Toko
Toko Harga (X)
($) Penj. (Y)
(000) XY X Y
1 0.79 4,650 3,6735 0,6241 21,6225
2 0.99 3,020 2,9898 0,9801 9,1204
3 1.25 2,150 2,6875 1,5625 4,6225
4 0.89 4,400 3,9160 0,7921 19,3600
5 0.59 6,380 3,7642 0,3481 40,7044
6 0.49 5,500 2,4750 0,2075 30,2500
(X) = 4.96 (Y)=26,100 (XY)=19,5060 (X)=4,5094 (Y)=125,6798
Dimana : X = 4,35 dan Y = 0,8267
Setelah dioleh, maka perhitungan garis regesi akan menghasilkan nilai  = -5,0595 dan nilai konstanta  = 8,5327. Dengan demikian berarti bahwa fungsi regresi yang dihasilkan mempunyai persamaan : Y = 8,5237 – 5,0595X.
Maka Y = 8,5327 – 5,0595X adalah “garis yang paling tepat” bagi data ini, dimana penjualan (Y) dinyatakan dalam ribuan unit, intersep garis ini adalah 8,5327 unit pada sumbu Y, dan slopenya adalah -5,0595 unit penjualan per rupiah kenaikan harga (yakni 50,595 unit untuk setiap sen kenaikan harga).

~ oleh edhane pada Januari 13, 2012.

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout / Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout / Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout / Ubah )

Foto Google+

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s

 
%d blogger menyukai ini: