ESTIMASI

PERMINTA
AN
1. Irfika Annisa Risqianindi (200810201218)
2. Dyah Novita Rahmawati (200810201219)
3. Rizqi Ramadhani (200810101251)
4. Affan Maulana Hamid (220810201275)
5. Moch Arfan Nur Kholidy (220810201281)
6. M. Riza Darmawan (220810201287)
7. Verina Veda Faidhatul M (220810201293)
 PENGERTIAN ESTIMASI
PERMINTAAN

Estimasi (Penaksiran) Permintaan adalah proses menemukan nilai-nilai

koefisien (parameter) dari fungsi permintaan masa kini (current values)
terhadap suatu produk.
 METODE
ESTIMASI PERMINTAAN
Metode
01 Langsung
Metode menaksir permintaan dengan melibatkan konsumen secara
langsung.
• Customer Survey
• Metode Observasi
• Klinik Konsumen
Metode Tidak
02
• Metode Market Expriment

Langsung
a) Estimasi Tren, metode menaksirkan permintaan dengan
menggunakan data sekunder yang dikumpulkan dan kemudian
dilakukan upaya menemukan hubungan statistic antara variabel
dependent dan variabel independent. Estimasi permintaan produk
dari konsumen dapat dihitung dengan dua cara, yaitu tren Linier dan
Tren Non Linier.
 ESTIMASI TREN LINIER

01
METODE TREN 02
METODE TREND
SETENGAH RATA-
BEBAS
RATA

03
METODE
04
METODE MOVING
LEAST SQUARE AVERAGE
 ESTIMASI TREN
NON LINIER

01 02
TREN
TREN PARABOLA EKSPONENSIAL
 METODE TREN BEBAS/
01 FREE HAND METHOD
Free hand method adalah menentukan bahwa garis patah-
patah yang dibentuk oleh data historis (data penjualan tahun
lalu), diganti dan diubah menjadi garis lurus dengan cara
bebas berdasarkan pada perasaan (intuisi) dari seseorang
yang bersangkutan.
 METODE TREND
02 SETENGAH RATA-RATA
Rumus: Y = a + b
X
Y = nilai yang dicari (nilai trend tertentu)
a = nilai trend periode dasar ( konstanta)
b = pertambahan trend tahunan secara rata-rata
 METODE
03 LEAST
Untuk menggunakan metode ini nilai parameter X harus sama dengan 0
( ∑X=0SQUARE
). Karena ∑X=0 maka rumus tersebut akan menjadi lebih
sederhana yaitu:
 04MOVING AVERAGE
MA atau MA

MA= Moving Average MA= Moving Average

∑X= Keseluruhan penjumlahan dari semua n1= data periode pertama
data periode waktu yang diperhitungkan. n2= data periode kedua
Jumlah Periode= Jumlah periode rata-rata n3= data periode ketiga
bergerak n= Jumlah periode rata-rata bergerak
 CONTOH SOAL

Carilah nilai trend dan taksiran penjualan 3 tahun yang akan datang
menggunakan metode berikut:
1. Metode Setengah Rata-Rata
2. Metode Least Square
 Jawaban Trend Semi Rata-Rata
Semi rata- Nilai trend
Tahun Penjualan Nilai (X) Semi total
rata (Y)

1993 1780 -3 1760

1994 1850 -2 1807
1995 1810 -1 1853
13300 1900
1996
1997
1890
2000
0
1
1900
1947
Y’ = a + bX
a = 1900
1998 1950 2 1993
1999 2020 3 2040
2000
2001
1980
1970
4
5
2087
2134
b= =
2002 2100 6 2180
2003 2200 7 15590 2227 2227
2004 2240 8 2274
2005 2500 9 2321
2006 2600 10 2367
2007   11     2414
2008   12     2461
2009   13     2508
 Jawaban Least Square
Penjualan Nilai
Tahun Nilai (X) XY X^2 trend
(Y)
(Y')
1993 1780 -7 -12460 49 1730
1994 1850 -6 -11100 36 1778
1995 1810 -5 -9050 25 1826
1996 1890 -4 -7560 16 1873
1997 2000 -3 -6000 9 1921
1998 1950 -2 -3900 4 1968
1999 2020 -1 -2020 1 2016
2000 1980 1 1980 1 2111
2001 1970 2 3940 4 2159
2002 2100 3 6300 9 2206
2003 2200 4 8800 16 2254
2004 2240 5 11200 25 2302
2005 2500 6 15000 36 2349
2006 2600 7 18200 49 2397
Total 28890 0 13330 280  
2007   8     2444
2008   9     2492
2009   10     2540
 CONTOH SOAL MOVING AVERAGE
Jadi perkiraan penjualan ponsel pada
bulan April adalah sekitar 30.000 unit.
Penjualan Perkiraan
Kita dapat melanjutkan lagi untuk
Bulan
(unit) (unit) bulan Mei dengan menggunakan data
Januari 22.500 - perkiraan yang dihitung tesebut atau
Februari 37.500 - dengan menunggu hasil actual pada
Maret 30.000 - bulan yang bersangkutan. Misalnya
April
Penjabaran:
?   data actual pada bulan April yang
Mei ?
Perkiraan penjualan untuk bulan April
  didapat adalah 35.000 unit, maka
adalah: perhitungannya:
MA April= (22.500 + 37.750 + MA Mei= (37.500 + 30.000 +
30.000)/3 35.000)/3
MA April= 90.000/3 MA Mei= 102.500/3
MA April= 30.000 MA Mei= 34.167
Dengan perhitungan tersebut didapat
bahwa perkiraan ponsel untuk Mei
adalah sekitar 34.167 unit.
 ESTIMASI
ANALISA
REGRESI
SEDERHANA
 ESTIMASI ANALISA REGRESI

• Pengenalan Analisis Regresi

Yang dimaksud dengan Analisis Metode Regresi yaitu metode statistic untuk
mencari besarnya pengaruh variable bebas terhadap variable terkait. Teknik
Analisa regresi sendiri dibagi menjadi dua yaitu analisis regresi sederhana
dan analisis regresi berganda

• Estimasi Analisis Regresi Sederhana

 Persamaan Garis Lurus (Linear)
Misalnya saja ada seorang manajer yang ingin menentukan hubungan antara
pengeluaran biaya iklan (variabel X) dengan penerimaan penjualan (variabel Y).
Manajer tersebut ingin menguji sebuah hipotesis yang mengatakan bahwa
semakin tinggi biaya iklan maka akan semakin tinggi pula pendapatan
penjualannya.

Secara umum, hubungan linear antara penerimaan penjualaan (Y) dengan

Dimana:
pengeluaran (X) dalam bentuk persamaan yaitu :
a= adalah titik potong vertikal dari estimasi hubungan

Y = a + bX linear dan memberikan nilai Y pada saat x = 0. sementara,

b= merupakan kemiringan dari garis itu dan memberikan
estimasi kenaikan Y yang diakibatkan peningkatan setiap
unit dari X.

Nilai a dan b dapat dihitung dengan rumus….

 Persamaan Garis Lurus (Linear)

Nilai a dan b dapat dihitung dengan rumus….

 Metode Kuadrat Terkecil
(Ordinary Least Square Method)
Dalam analisis regresi sederhana sendiri, metode estimasi yang digunakan adalah
metode kuadrat terkecil dengan prinsip meminimumkan simpangan kuadrat. Prosedur
estimasinya adalah:
𝑛

∑ ( 𝑋 𝑡 − 𝑋 ) (𝑌 𝑡 −𝑌 )
^ =
𝑏 𝑡=1
^
𝑑𝑎𝑛 𝑎=𝑌 ^ 𝑋
−𝑏
𝑛

∑( 𝑋𝑡 − 𝑋 )
2

𝑡 =1
 SEDERHANA
Seorang manajer ingin menentukan hubungan antara pengeluaran biaya iklan (variabel
X) dengan penerimaan penjualan (variabel Y). Berikut merupakan datanya:
tahun ke- Pengeluaran Biaya Penerimaan Penjualan
Iklan (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
Jumlah 120 500

Bagaimana persamaan garis regresinya? Manajer tersebut ingin menguji sebuah

hipotesis yang mengatakan bahwa semakin tinggi biaya iklan maka akan semakin
tinggi pula pendapatan penjualannya. Apakah hipotesis itu benar?
JAWAB
Langkah pertama adalah mencari nilai a dan b:

Dengan demikian, persamaan regresinya adalah

JAWAB
Dari persamaan regresi tersebut menunjukkan bahwa
pengeluaran iklan sebesar nol (X=0), maka
penerimaan penjualan yang diharapkan (Y) adalah
sebesar 7,6. Misalnya pengeluaran iklan sebesar 10,
perhitungannya yaitu :
Y=7,6+3,533X
Y=7,6+3,533(10)
= 7,6 + 35,33
= 42,93

Jadi apabila pengeluaran iklan sebesar 10 (X=10)

maka penerimaan penjualan (Y) pun akan meningkat
sebesar 42,93. Jadi hipotesis yang mengatakan bahwa
semakin tinggi biaya iklan maka akan semakin tinggi
pendapatan penjualannya yaitu benar.
ANALISIS
REGRESI
BERGANDA
 REGRESI BERGANDA
Merupakan analisis hubungan secara linear antara 2 atau
lebih variabel bebas dengan 1 variabel terikat.

Rumus:
Y= a + b1X1 + b2X2 + … + bnXn + e

Y= Nilai yang diramalkan

a = Konstanta
b1x1 + b2x2 + …. = Variabel
e = error
 UJI SIGNIFIKAN
ESTIMASI PARAMETER
Berikut merupakan tabel kalkulasi untuk
mengestimasi simpangan baku 𝑏̂ :
 UJI SIGNIFIKAN
ESTIMASI PARAMETER
Selanjutnya, nilai dari simpangan baku 𝑏̂ dapat diestimasi dengan:

df = n-k
= 10-2
=8
dengan tingkan signifikansi 5%.
Sehingga, ditemukan nilai kritis dari t=1.860
 UJI SIGNIFIKANSI
KOEFISIEN DETERMINASI
Rumus:
 UJI SIGNIFIKANSI
UJI F
Rumus:
KORELASI
KOEFISIE
 KORELASI

• Merupakan istilah yang digunakan untuk mengukur kekuatan

hubungan antar variabel.
• Analisis korelasi adalah cara untuk mengetahui ada atau tidaknya
hubungan antar variabel.
• Apabila terdapat hubungan antar variabel maka perubahan-
perubahan yang terjadi pada salah satu variabel akan
mengakibatkan terjadinya perubahan pada variabel lainnya.
 JENIS-JENIS KORELASI

1. Korelasi Positif
adalah korelasi antar 2 variabel, yaitu apabila yang satu (X) meningkat atau
menurun maka variabel lainnya (Y) cenderung untuk meningkat atau
menurun.
2. Korelasi Negatif
adalah korelasi dari 2 variabel, yaitu apabila yang satu (X) meningkat atau
menurun maka variabel lainnya (Y) cenderung menurun atau meningkat.
3. Tidak Ada Korelasi
apabila kedua variabel (X dan Y) tidak menunjukkan adanya hubungan.
4. Korelasi Sempurna
adanya korelasi antar 2 variabel yaitu apabila kenaikan atau penurunan
variabel yang satu (X) berbanding dengan kenaikan atau penurunan variabel
lainnya (Y).
 KOEFISIEN KORELASI

Koefisien korelasi memiliki nilai antara -1 dan +1 (-1 ≤ R ≤ +1).

a) Jika R bernilai positif maka variabel-variabel berklorelasi positif. Semakin
dekat R ke +1 semakin kuat korelasinya, demikian pula sebaliknya.
b) Jika R bernilai negatif maka variabel-variabel berkorelasi negatif. Semakin
dekat nilai R ke -1 semakin kuat korelasinya, demikian pula sebaliknya.
c) Jika R bernilai 0 (nol) maka variabel-variabel tidak menunjukkan korelasi.
d) Jika R bernilai +1 atau -1 maka variabel-variabel menunjukkan korelasi positif
atau negatif yang sempurna.
 KOEFISIEN DETERMINASI (R²)

1. Koefisien determinasi menunjukkan seberapa besar kemampuan

variable independent dalam menjelaskan dari variable dependen.
2. Secara sederhana koefisien determinasi dihitung dengan
mengkuadratkan koefisien korelasi (r).
3. Sebagai contoh, jika nilai R adalah sebesar 0,80 maka koefisien
determainasi adalah sebesar 0,80² = 0,64 atau 64%. Artinya,
kemampuan variabel independen dalam menjelaskan perubahan
dari variabel dependennya sebesar 64%. Terdapat 36% (100% -
64%) perubahan variabel dependen yang dijelaskan oleh faktor lain.
4. Nilai R² berkisar antara 0 sampai 1.
 UJI SIGNIFIKANSI
Koefisien Determinasi:

R²

R kuadrat = 0,85, yang berarti bahwa 85 persen

dari variasi total dalam penjualan perusahaan
dipengaruhi oleh variasi dalam pengeluaran dari
iklan perusahaan. Dan 15% dipengaruhi oleh
variasi lain yang bersifat konstan.
 LATIHAN SOAL
KOEFISIEN DETERMINASI (R²)
X Y Seorang pengusaha ingin meneliti pengaruh biaya
12 56 promosi terhadap volume penjualan pada perusahaan
14 62 minyak wangi. Dengan variable dependen (Y) adalah
13 60 volume panjualan dan variable independent (X)
12 61
adalah biaya promosi. Tentukan persamaan regresi
15 65
linear sederhana, koefisien korelasi, dan koefisien
13 66
determinasinya. Jelaskan pula interpretasi dari
14 60
koefisien korelasi dan koefisien determinasi yang
15 63
dihitung!
 LATIHAN SOAL
KOEFISIEN DETERMINASI (R²)
X Y XY X² Y²
12 56 672 144 3136
14 62 868 196 3844
13 60 780 169 3600
12 61 732 144 3721
15 65 975 225 4225
13 66 858 169 4356 Jadi, persamaan regresinya adalah:
14 60 840 196 3600
15 63 945 225 3969
108 493 6670 1468 30451
 LATIHAN SOAL
KOEFISIEN DETERMINASI (R²)
KOEFISIEN
X Y XY X² Y² KORELASI:
12 56 672 144 3136
14 62 868 196 3844
13 60 780 169 3600
12 61 732 144 3721
15 65 975 225 4225
13 66 858 169 4356
14 60 840 196 3600
15 63 945 225 3969
108 493 6670 1468 30451
 LATIHAN SOAL
KOEFISIEN DETERMINASI (R²)
KOEFISIEN KOEFISIEN
KORELASI: DETERMINASI:
R²= (0,55)²
= 0,3025
= 30,25%

Artinya kemampuan biaya promosi dalam

menjelaskan perubahan dari volume
penjualan sebesar 30,25%. Terdapat 69,75%
(100% - 30,25%) perubahan volume yang
dijelaskan oleh faktor lain
MASALAH
DALAM
ANALISIS
REGRESI
MASALAH DALAM ANALISIS
REGRESI
Masalah dalam analisis regresi harus diuji terlebih dahulu
sebelum analisis regresi dilakukan dengan menggunakan uji
asumsi klasik. Jika pengujian asumsi klasik berhasil dan tidak
ditemukan masalah analisis regresi, maka analisis regresi dapat
dilakukan. Adapun masalah dalam analisis regresi yang diuji
adalah sebagai berikut :
 MASALAH DALAM ANALISIS
REGRESI
Adapun masalah dalam analisis regresi yang diuji adalah sebagai berikut :

Normalitas Multikolinearitas

Heteroskedastisitas Autokorelasi
 MASALAH DALAM ANALISIS
REGRESI

01 NORMALITAS
Uji normalitas data merupakan pengujian utama dalam uji asumsi klasik
yang digunakan untuk mengetahui apakah data berdistribusi normal
atau tidak.
 MASALAH DALAM ANALISIS
REGRESI

02 MULTIKOLINEARITAS
Uji multikolinearitas merupakan pengujian untuk mengetahui apakah
ada korelasi di antara variabel bebas (X) pada model regresi.
 MASALAH DALAM ANALISIS
REGRESI

03 HETEROSKEDASTISITAS
Uji heteroskedastisitas merupakan pengujian untuk mengetahui
apakah pada model terdapat kesalahan (error/e), mempunyai varians
yang sama, atau tidak dari satu pengamatan ke pengamatan yang lain.
 MASALAH DALAM ANALISIS
REGRESI

04 AUTOKORELASI
Uji autokorelasi merupakan pengujian untuk mengetahui apakah terjadi
korelasi antara variabel dependen (Y) dengan dirinya sendiri. Uji
autokorelasi sendiri dilakukan untuk data time series dan bukan untuk
data cross section.
TERIMA
KASIH
 Latihan Soal Metode
Setengah Rata-Rata
Tahun Penjualan (Y)

2013 7500
2014 7200
2015 7800
2016 8100
2017 9000
2018 9450
2019 9800
2020 10200

Dari data historis tersebut lakukan penaksiran jumlah penjualan untuk 2

tahun kedepan dengan metode rata-rata!
 Jawaban Soal Metode
Setengah Rata-Rata
Semi
Semi 1. Semi Total 1 = 7500 + 7200 + 7800 + 8100 = 30600
Tahun Penjualan (Y) Nilai (X) Rata- Y'
Total
rata 2. Semi Rata-Rata 1
2013 7500 -2 6669 3. a = Semi Rata-rata 1 = 7650
2014 7200 -1 7159
30600 7650
2015 7800 0 7650 b
2016 8100 1 8141 b
2017 9000 2 8631 b = 491
2018 9450 3 9122 4. Masuk ke persamaan Y = a+bX
38450 9612,5
2019 9800 4 9613 Y’ = 7650 + 491(X)
2020 10200 5 10103
5. Setelah Y’ ketemu maka diteruskan ke tahun yang
2021   6    10594
ditanya dengan nilai (X) melanjutkan dari yang tahun
2022   7    11084
terakhir kemudian dimasukkan persamaan Y = a+bX
 Latihan Soal Metode Least Square
Penjualan
Tahun
(Y)
2013 7500
2014 7200
2015 7800
2016 8100
2017 9000
2018 9450
2019 9800
2020 10200

Dari data historis tersebut lakukan penaksiran jumlah penjualan untuk 2

tahun kedepan dengan kuadrat terkecil / least square!
 Jawaban Soal
Metode Least Square
Penjualan
Tahun Nilai X XY X^2 Y'
(Y) 1. Mencari a dan b
2013 7500 -4 -30000 16 7111 a
2014 7200 -3 -21600 9 7491 a
2015 7800 -2 -15600 4 7871 b=
2016 8100 -1 -8100 1 8251
b = = 380
2017 9000 1 9000 1 9011
2018 9450 2 18900 4 9391
2. Memasukkan ke persamaan
2019 9800 3 29400 9 9771 Y = a + bX
2020 10200 4 40800 16 10151 Y = 8631 + 380(X)
TOTAL 69050 0 22800 60   3. Mencari Y’2013 – Y’2022 dengan persamaan
Y = 8631 + 380(X)
2021   5    10531
2022   6    10911
 Latihan Soal Regresi
Tahun Penjualan (Y) X XY X² Y² Yp
2013 600 7500 4500000 56250000 360000 658,11
2014 648 7200 4665600 51840000 419904 589,19
2015 702 7800 5475600 60840000 492804 727,03
2016 810 8100 6561000 65610000 656100 795,95
2017 990 9000 8910000 81000000 980100 1002,71
2018 1134 9450 10716300 89302500 1285956 1106,09
2019 1200 9800 11760000 96040000 1440000 1186,50
2020 1260 10200 12852000 104040000 1587600 1278,39
Total 7344 69050 65440500 604922500 7222464  

Tentukan persamaan regresi linear sederhana, koefisien

korelasi, dan koefisien determinasinya!
Jawaban: Tahun Penjualan (Y) X XY X² Y² Yp
2013 600 7500 4500000 56250000 360000 658,11
2014 648 7200 4665600 51840000 419904 589,19
2015 702 7800 5475600 60840000 492804 727,03
2016 810 8100 6561000 65610000 656100 795,95
2017 990 9000 8910000 81000000 980100 1002,71
2018 1134 9450 10716300 89302500 1285956 1106,09
2019 1200 9800 11760000 96040000 1440000 1186,50
2020 1260 10200 12852000 104040000 1587600 1278,39
Total 7344 69050 65440500 604922500 7222464  

1. Mencari b dan a, 2. Maka:

Y = a + bX
b
Y = -1064,89 + 0,23(X)

a = -1064,89
Jawaban: Tahun Penjualan (Y) X XY X² Y² Yp
2013 600 7500 4500000 56250000 360000 658,11
2014 648 7200 4665600 51840000 419904 589,19
2015 702 7800 5475600 60840000 492804 727,03
2016 810 8100 6561000 65610000 656100 795,95
2017 990 9000 8910000 81000000 980100 1002,71
2018 1134 9450 10716300 89302500 1285956 1106,09
2019 1200 9800 11760000 96040000 1440000 1186,50
2020 1260 10200 12852000 104040000 1587600 1278,39
Total 7344 69050 65440500 604922500 7222464  

3. Korelasi Koefisien: 4. Koefisien Determinan:

R² = (r)²
r
= (0,99)²
= 0,98