PERAMALAN PERMINTAAN

(DEMAND FORECASTING)

Keputusan manajerial diambil dengan memperhatikan resiko dan

ketidakpastian di masa yang akan datang. Perusahaan harus menentukan berapa

output yang akan diproduksi, kapan saat yang tepat untuk memasarkannya,

bagaimana kita menentukan harga, berapa biaya yang harus dikeluarkan, berapa

keuntungan yang diharapkan dapat tercapai, dan berbagai keputusan yang lain

yang tentunya membutuhkan ketelitian dan pertimbangan yang masak. Semua

keputusan manajerial tersebut didasarkan pada estimasi (taksiran) dan ramalan

mengenai kondisi ekonomi di masa yang akan datang.

Dengan melakukan peramalan (forecasting) permintaan pasar dengan cara

yang tepat, akan dapat membantu manajer perusahaan dalam menggambarkan

tersedianya potensi pasar. Jika hasil forecasting itu dapat meyakinkan para

manajer perusahaan, maka akan dapat membantu menyiapkan perencanaan di

bidang produksi, keuangan, dan menyiapkan sarana dan prasarana pemasaran

yang diperlukan dalam rangka memanfaatkan potensi pasar yang tersedia itu.

Pada dasarnya teknik peramalan dibedakan menjadi dua, yaitu teknik

peramalan kualitatif dan peramalan kuantitatif. Teknik peramalan kualitatif

berhubungan dengan data-data kualitatif, sedangkan teknik peramalan kuantitatif

berdasarkan data-data yang berupa angka-angka.

A. PERAMALAN KUALITATIF

Peramalan dengan metode ini jika data kuantitatif yang berkaitan

faktor-faktor yang langsung mempengaruhi permintaan tidak cukup

memadai. Apabila dari data yang tidak cukup memadai ini dipaksakan untuk

dasar peramalan maka hasilnya diperkirakan atau dikhawatirkan terjadi bias,

tidak proporsional, dan tidak memiliki relevansi yang cukup kuat. Oleh

karena itu dipergunakan metode peramalan kualitatif.

Tetapi dengan metode ini dapat dipergunakan untuk mendukung

metode forecasting kuantitatif. Hal ini dilakukan dalam rangka untuk

mengantisipasi jika metode kuantitatif yang biasa dilakukan berdasar data

historis yang mungkin telah dilakukan itu perlu ada koreksi dari hasil metode

kualitatif ini. Jadi dengan demikian metode kualitatif ini masih diperlukan

dalam usaha mengoreksi hasil peramalan berdasarkan data yang menyangkut

perilaku permintaan dan konsumen. Justru dalam metode kualitatif akan

digali dan diselidiki fenomena terakhir yang menyangkut keinginan dan

kebutuhan konsumen. Sehingga metode kualitatif merupakan kelengkapan

dan penyempurnaan dari metode kuantitatif.

Forecasting kualitatif ini dapat dikelompokkan ke dalam beberapa

metode teknik seperti akan dijelaskan berikut ini.

1. Teknik Survey

Teknik survey ini merupakan suatu alat meramalkan yang cukup

penting khususnya untuk memprediksi kejadian-kejadian atau

kecenderungan-kecenderungan dalam jangka pendek mendatang ini.

Survey biasanya menggunakan alat interview atau daftar pertanyaan

yang akan ditujukan para responden yang terpilih dan yang dituju. Sesuai

kelompok yang memang diperkirakan akan menjadi sasaran pasar yang

dituju oleh perusahaan.

Survey ini dilakukan untuk meramalkan variabel ekonomi yang

memang berhubungan baik langsung maupun tidak langsung dengan

permintaan konsumen atau pasar yang dituju.

Variabel-variabel ekonomi yang disurvey ini misalnya variabel yang

berhubungan dengan budget rumah tangga yang dikeluarkan untuk

memenuhi kebutuhan rumah tangga.

Sasaran dan klasifikasi sasaran dan jenis kebutuhan dan keperluan

dari kelompok responden ini dapat dikategorikan sebagai berikut:

a. Survey tentang budget keperluan rumah tangga masyarakat

eksekutif bisnis dan pemerintahan yang sekiranya berkait dengan

rencana perusahaan. Survey ini diharapkan dapat merekam

keseluruhan anggaran setiap rumah tangga yang disurvey.

b. Survey mengenai barang atau jasa yang diperlukan bagi para

pelaku bisnis yang akan memperdagangkan barang atau jasanya.

Mereka ini mungkin pelaku bisnis yang bergerak pada bisnis

distributor, pengecer atau pedagang besar.

c. Survey ini dilakukan bagi para rumah tangga umum mengenai

keperluan rumah tangga, produk atau barang apa secara periodic

diperlukan dan frekuensi pemenuhan yang dilakukan untuk masa-

masa yang akan datang, dan lain-lain.

Dari metode survey berdasar kelompok sasaran ini sebenarnya

terkandung maksud dari surveyor bahwa barang dan jasa apa saja yang

dibutuhkan, berapa frekuensi pemenuhan kebutuhan dan faktor-faktor

apa saja yang pada umumnya yang mempengaruhi perilaku beli mereka

ini. Sehingga secara tidak langsung perusahaan melihat peluang dan apa

saja yang bisa ditarik sebagai kepentingan bagi perusahaan atas hasil-

hasil survey ini untuk memprediksi dan memperkirakan perilaku pasar

atau konsumen perusahaan.

Bila diklasifikasikan bahwa hasil survey ini merupakan bagian dari

kegiatan riset pasar yang dilakukan oleh perusahaan. Dari sini berbagai

kemungkinan yang diperoleh adalah munculnya variabel ikutan yang

dapat diprediksi Apa yang bisa dimanfaatkan oleh perusahaan yang

hendak atau sudah diproduksi dan dijual kepada pasar yang dituju yang

telah disurvey ini. Dengan demikian dapat dinyatakan bahwa hasil

survey ini sebagian atau seluruhnya dapat dipergunakan untuk

memprediksi permintaan konsumennya dari produk yang dibuat dan jual

oleh perusahaan .

2. Teknik Jajak Pendapat (Opinion Pools)

Teknik jajak pendapat sering dilakukan untuk melengkapi data dari

survey. Jajak pendapat dari para pakar, para eksekutif, dari masyarakat

umum, atau dari konsumen. Jajak pendapat ini lebih bersifat pandangan

atau pendapat pribadi (subjektif) dari respondennya, sebaliknya teknik

survey lebih bersifat objektif.

Sebelum peluncuran produk baru, biasanya diadakan pre test dan

jajak pendapat terhadap responden yang menjadi sampel. Teknik pooling

ini melibatkan berbagai media seperti media TV, telepon, koran, surat,

SMS, email, atau internet untuk menyebarkan kuesioner atau daftar

pertanyaan tentang berbagai informasi yang dibutuhkan perusahaan.

Laporan atau pernyataan resmi dari suatu perusahaan atau pemerintah

suatu negara dapat digunakan sebagai sumber data guna meramalkan

kondisi ekonomi di masa yang akan datang, sekaligus dapat digunakan

untuk membuat strategi bersaing dalam pasar bebas.

B. PERAMALAN KUANTITATIF

1. Teknik dan Analisis Runtut Waktu

Teknik runtut waktu dalam prakiraan permintaan sering

dipergunakan, mengingat bahwa teknik ini relatif mudah dijalankan dan

siapa saja mampu untuk melakukannya.

Pengertian runtut waktu sering dikonotasikan sebagai serangkaian

waktu yang beruntutan periodesasinya sepanjang periode dimana

prakiraan permintaan diproyeksikan. Misalnya mingguan, bulanan,

kwartalan, dan tahunan, tergantung keinginan dari pihak-pihak yang

melakukan prakiraan permintaan ini. Kalau diinginkan mingguan atau

bulanan atau kwartalan dan tahunan. Ini sesuai dengan kebutuhan

periodik yang akan diharapkan hasilnya sebagai prediksi volume atau

jumlah permintaan atau potensi pertumbuhan permintaan. Dalam praktek

sering digambarkan bahwa waktu berurutan yang dimaksudkan

digambarkan dalam diagram dalam sumbu horizontal atau absis. Pada

sumbu absis atau horizontal digambarkan sebagai timing atau waktu dan

periode data diplotkan. Sedangkan sumbu vertikal digambarkan sebagai

nilai atau jumlah permintaan atau volume dan nilai penjualan yang

berhasil direkam sesuai periode yang ditentukan atau diharapkan.

Perlu diperhatikan disini, bahwa klasifikasi waktu menurut sifat

keruntutannya dapat dikelompokkan dalam empat kategori:

a) Trend Sekuler

b) Siklus Fluktuasi

c) Variasi Musim

d) Pengaruh Tak Teratur

2. Trend Sekuler

Peramalan model trend sekuler dilakukan dengan menarik garis

secara kasar atau serampang mengikuti kecenderungan permintaan yang

terjadi secara siklus dari tahun ke tahun.

Kalau kecenderungan permintaan di tahun-tahun yang akan datang

naik maka garis trend yang kita tarik cenderung menaik untuk tahun yang

akan datang. Tetapi kalau kecenderungannya turun maka kita tarik garis

trend menurun untuk tahun-tahun yang akan datang. Model penarikan

garis semacam ini ada sejumlah data atau variabel lain yang perlu kita

jadikan sebagai data atau variabel pendukung serta asumsi yang bisa

memperkuat kecenderungan garis yang telah kita buat itu.

a) Fluktuasi siklus

Siklus perubahan atau naik turunnya volume permintaan selama

tahun-tahun yang telah lalu dan yang akan datang yang kita telah

tarik kecenderungannya tentu disebabkan atau dipengaruhi oleh

sejumlah faktor yang secara periodik dan tetap harus ada atau terjadi

selama periode tahunan yang akan datang. Biasanya siklusnya telah

bisa kita duga sebelumnya bahwa datangnya permintaan yang

meningkat pada periode tertentu sudah bisa kita prediksi kejadiannya.

Begitu juga atas terjadinya penurunan permintaan oleh konsumen kita

mesti dapat menduga sebelumnya pada periode tertentu selama tahun

yang bersangkutan.

b) Metode proyeksi trend

Metode proyeksi trend ini merupakan metode yang paling sederhana

dibanding dengan metode lainnya. Karena di dalam metode ini hanya

menarik secara garis lurus sesuai dengan kecenderungan data time

series yang ada. Jika data time series yang dijadikan pijakan dalam

menarik garis lurus ini ada kecenderungan meningkat, maka garis

lurus yang ditarik cenderung naik sesuai dengan kecenderungan

peningkatan yang terjadi atau akan terjadi. Jika sebaliknya maka

cenderung juga sebaliknya dalam menarik garis lurus yang akan

ditarik. Tergantung dari kecenderungan atau trend yang akan diikuti

naik atau turunnya.

Pedoman rumus yang dipakai dalam menarik garis lurus ini adalah

formula berikut ini:

St = So + bt

Dimana St merupakan nilai variabel yang akan diramal pada periode

t. So adalah merupakan nilai estimasi dari time series (nilai konstanta

dari fungsi forecast) pada tahun dasar. Dan b merupakan koefisien

kecenderungan kemiringan garis ramalan yang akan ditarik, atau

angka absolut pertumbuhan atau penurunan per periode. Dan t

merupakan lama waktu dimana time series dalam periode yang

diramalkan. Sebagai ilustrasi dapat dicontohkan data kwartalan

sebagai berikut:

Tabel 1 Permintaan Musiman Almari Kulkas di Indonesia(dalam ribuan unit)

Periode 1999 2000 2001 2002

Kwartal1234

11151214

12171316

14181517

15201619

Berdasar data dalam contoh di atas, maka dapat kita susun tabel yang

akan menunjukkan secara berurutan kecenderungan volume

permintaan sejak 1999 sampai dengan tahun 2002. Data dalam tabel 1

dapat disusun sebagai berikut dalam tabel 2.

Tabel 2 Data permintaan lemari kulkas di Indonesia 1999 - 2002(dalam ribuan unit)

Tahun Kwartal Jumlah Perubahan (%) Keterangan

19991234

11151214

0+35-20

+16,6

-naikturunnaik

20005678

12171316

-14,2+41,6-23,5+23,0

turunnaikturunnaik

20019101112

14181517

-12,5+28,5-16,6+13,3

turunnaikturunnaik

200213141516

15201619

-11,7+33,3-20,0+18,7

turunnaikturunnaik

n = 15 Σ +91,6

So sebagai tahun dasar adalah tahun 1999 kwartal 1 bernilai 11.

b = 91,6 = 6,1066 % atau = 0,061066 15

Sehingga forecasting ke depan dapat diikhtisarkan sebagai berikut:

Tabel 3 Ikhtisar prediksi volume permintaan tahun 2003

Tahun 2003Kwartal 17 Volume permintaan (St) = 11 + 0,061066(17) = 12,038 18 = 11 + 0,061066(18) = 12,099 19 = 11 + 0,061066(19) = 12,160 20 = 11 + 0,061066(20) = 12,221 21 = 11 + 0,061066(21) = 12,282dan seterusnya

Meramalkan dengan metode seperti ini sangat mudah dan bersifat

sembarang garis yang ditarik. Oleh karena itu hasil prediksinya cukup

kasar dan dimungkinkan terdapat penyimpangan yang cukup besar.

Meski demikian bahwa prediksinya cukup terbimbing dengan

kecenderungan yang terarah searah dengan kecenderungan yang ada

dari data yang diperoleh berdasar pengalaman historis.

Jadi kalau pada kuartal 17 sampai dengan kwartal 20 tahun 2003

yang akan datang ingin diprediksi berapa kecenderungan permintaan

akan bergerak maka kecenderungannya berkisar seperti yang

dihasilkan pada tabel 3.

c) Metode Variasi Musim

Melakukan prakiraan volume permintaan konsumen di waktu-waktu

yang akan datang dapat didasarkan pada gelombang musiman yang

melekat pada kultur budaya atau kebiasaan dari masyarakat. Tetapi

dapat juga karena faktor sifat dan keadaan alam yang melekat pada

iklim atau cuaca. Misalnya produksi musim semi, gugur dan musim

penghujan dan bahkan musim kemarau, produk apa yang sedang atau

akan datang musimnya.

Sifat masyarakat yang menimbulkan musiman ini oleh karena faktor

budaya dan kebiasaan misalnya karena musim hari raya keagamaan.

Pada saat-saat itu biasanya masyarakat akan memiliki hajat yang

cukup besar dalam melakukan pemenuhan konsumsi barang

keperluan pesta dan sehari-hari. Maka dapat dipastikan pada periode

ini permintaan akan kebutuhan dan keperluan konsumsi akan

meningkat dalam jumlah yang cukup berarti. Demikian juga ketika

datang musim bulan-bulan baik maka banyak masyarakat

menggunakan bulan tersebut melaksanakan hajat perkawinan, pesta

perkawinan, dan hajat-hajat yang lain yang memerlukan pesta dan

upacara-upacara sacral yang memerlukan konsumsi dan persediaan

barang kebutuhan untuk keperluan tersebut. Contoh dapat diberikan

dalam variasi musiman ini antar lain misalnya dalam memenuhi

kebutuhan konsumsi daya listrik dapat dilihat sebagai berikut

Tabel 4 Jumlah kebutuhan daya listrik tahun 1999 s/d 2002(dalam jutaan kw)

Tahun Kwartal Jumlah Daya

19991234

11151214

20001234

12171316

20011234

14181517

20021234

15201618

Dari data pada tabel 4 ini terlihat bahwa pola pemakaian listrik

nampak atau cenderung memiliki pola yang tetap pada periode

kwartalannya. Setiap kwartalnya pada setiap tahunnya cenderung

berpola sama. Yaitu pada kwartal pertama, kedua, dan ketiga dapat

disimpulkan memiliki pola perubahan dan kenaikan yang seragam.

Polanya seragam sebagai gejala naik, turun, dan naik.

Dari gejala ini dapat dipastikan bahwa pemakaian listrik pada kwartal

kedua cenderung naik. Pada kwartal ketiga cenderung menurun.

Kemudian pada kwartal keempat cenderung naik lagi.

Dengan pola seperti itu dapat kita simpulkan bahwa pihak penyedia

daya listrik akan tahu dalam prediksinya atau pola pemakaian daya

listrik yang diminta oleh masyarakat. Kapan harus diturunkan

penyediaannya, dan kapan harus menyediakan dalam jumlah yang

cukup oleh karena ada kecenderungan ada peningkatan pada kwartal-

kwartal tertentu yang harus diantisipasi penyediaannya.

d) Metode Rata-rata Bergerak

Metode rata-rata bergerak ini delakukan untuk lebih memperbaiki

hasil dari metode trend yang dinilai cukup kasar dan cukup beresiko

penyimpangan dari hasil trend seperti yang kita telah tampilkan

sebelum ini. Metode rata-rata bergerak, sesuai dengan namanya

bergerak dilakukan dengan pengelompokkan periode waktu dihitung

rata-ratanya menurut pengelompokkan waktu yang dinilai dapat

mewakili sifat data yang akan dihitung. Misalnya apakah dihitung per

tiga, empat atau lima bulanan dalam suatu satuan waktu yang akan

kita pilih. Ini tergantung dari sifat data maupun kepentingan

peramalan terhadap data yang tersedia.

Sifat data yang akan dihitung rata-ratanya setidaknya dilatarbelakangi

oleh kondisi umum yang normal, dan tidak terjadi gejolak yang tak

teratur yang mencerminkan ketidaknormalan kondisi sehingga data

muncul terlalu berfluktuasi yang sangat tinggi.

Kepentingan peramalan yang akan dipakai apakah dalam skup jangka

pendek nilai ramalan yang diketahui atau dalam jangka atau rentang

waktu yang lebih panjang. Kalau menggunakan rentang waktu yang

lebih pendek maka hasil rata-rata bergerak yang akan kita peroleh

akan lebih mendekati kondisi sifat data yang sebenarnya dan rata-rata

yang kita temukan terdistribusi atau tersebar pada kelompok data

faktual. Sedangkan jika satuan waktu yang lebih panjang, rata-rata

yang akan kita peroleh akan lebih mewakili sejumlah data yang lebih

banyak dan beraneka macam fluktuasinya, sehingga rata-rata

bergeraknya lebih tersebar dan kurang mewakili fakta sifat data yang

tersebar tersebut. Terkecuali sifat data lebih homogen dan tidak

terlalu fluktuatif.

Angka deviasi dapat diperoleh dengan cara mengurangi angka

observasi dengan angka rata-rata bergerak. Sedangkan deviasi

kuadrat adalah menguadratkan deviasi. Jumlah deviasi kuadrat ini

akan kita pergunakan untuk menghitung penyimpangan atau tingkat

error (istilah disini adalah Root Mean Square Error = RMSE) setiap

pengelompokkan rata-rata bergerak ini. Dengan rumus sebagai

berikut:

_____________ RMSE = √ Σ (At – Ft) 2 ___

nDimana:

RMSE = Root Mean Square Error

At = Angka observasi

Ft = Rata-rata bergerak yang dihasilkan per kelompok waktu

e) Metode rata-rata tertimbang (Exponential Smoothing)

Metode exponential smoothing ini merupakan metode yang lebih

halus lagi dari pada metode rata-rata bergerak. Jadi metode ini lebih

hati-hati dalam memprediksi atau meramal permintaan yang akan

terjadi di masa akan datang.

Apabila kita memperhatikan sifat data time series, maka ada

kecenderungan bahwa metode rata-rata tertimbang akan lebih disukai

dipilih daripada metode rata-rata bergerak. Mengapa demikian,

karena di dalam metode rata-rata tertimbang menyertakan faktor-

faktor yang relevan yang menjadi penyebab tersebarnya data time

series. Hal ini diimplementasikan ke dalam perkiraan dari faktor

terjadinya fluktuasi pada data time series ke dalam resiko

penyimpangan prakiraan, sehingga hasil prakiraan dari masing-

masing prakiraan lebih kecil risiko fluktuasi penyimpangan. Dan

angka rata-rata tertimbang tertentu yang dipilih merupakan komposisi

persebaran atas terjadinya keakuratan dan resiko penyimpangan yang

mungkin akan terjadi sebagai mendasari prakiraan yang dihasilkan.

Demikian untuk perhitungan prakiraan berikutnya secara berjenjang

dari prakiraan sebelumnya ke prakiraan selanjutnya di dalam periode

yang diramalkan. Hal ini dimaksudkan untuk meratakan resiko

penyimpangan sehingga resiko tersebut berada pada persebaran yang

lebih merata keseluruhan periode yang diprakirakan.

Metode rata-rata tertimbang dilakukan dengan proses perhitungan

sebagai berikut:

Menentukan angka tertimbang (weight) tertentu bagi data

observasi dengan notasi w antara angka 0 s/d 1.

Menambahkannya dengan angka tertimbang bagi data

prakiraan dengan notasi (1 - w).

Menghitung rata-rata keseluruhan dari data time series dengan rumusan A1 + A2 + ……+ An = F1

n Menghitung prakiraan dengan rumusan Ft+1 = wA + (1 – w )F1

Dimana Ft+1 merupakan prakiraan pada periode kedua, w

merupakan angka tertimbang yang dipilih, A merupakan data

observasi, 1 – w merupakan persebaran atau penghalusan, dan F1

merupakan prakiraan sebelumnya.

3. Metode Ekonometri

Metode ekonometri merupakan metode prediksi volume atau nilai

dependen variabel dengan melibatkan berbagai faktor atau variabel

independent yang relevan dan cukup signifikan mempengaruhi dependen

variabel tersebut. Secara ekonomi dari model ekonometri ingin dilihat

relevansinya pengaruh independent variabel terhadap dependen variabel.

Bahkan juga ingin dilihat apakah antar variabel independent itu saling

mempengaruhi dan berapa besar pengaruh mempengaruhi antar variabel

independent ini atas besarnya pengaruh terhadap dependen variabel. Juga

ingin dilihat berapa tepat antara kebenaran statistik dikoreksi dengan

kebenaran secara ekonomi.

Jadi secara literatur ekonometrik merupakan suatu pengukuran secara

ekonomi baik secara statistik, matematik maupun secara ekonomi teori

sekaligus dalam konteks hubungan antara variabel-variabel ekonomi.

Memang metode ekonometrik sering lebih kompleks dibanding dengan

metode proyeksi trend. Namun ekonometrik setidaknya memiliki dua

keunggulan sebagai alat prakiraan. Pertama adalah keunggulan dalam

memperoleh prediksi nilai variabel yang penting. Ini akan sangat berguna

bagi manajer untuk mengevaluasi kemungkinan pengaruh alternatif

keputusan yang diambil. Kedua adalah metode ekonometrika

mengestimasi perilaku hubungan antara variabel-variabel. Secara

mencolok meramalkan dengan dasar metode lain seperti misalnya survey

data hanya memperoleh sesuatu yang lebih kecil dari penyebab yang

hakiki pada hubungan antar variabel-variabel ini secara umum.

Terdapat empat tahapan yang termasuk di dalam memformulasi

forecast model ekonometrika ini.

1) Membangun suatu model teori

2) Mengumpulkan data

3) Memilih bentuk persamaan fungsi yang diestimasi

4) Mengestimasi dan menginterpretasi hasil

a. Membangun model teori

Dengan menggunakan metode ekonometri, pertama yang harus

dilakukan adalah memformulasi model teori hubungan ekonomi.

Model ini harus didasarkan pada nuansa teori ekonomi dan

dinyatakan dalam bentuk fungsi matematik. Pada dasarnya proses

membangun model termasuk menentukan variabel-variabel yang

dimasukkan di dalam model dan jika ada teori yang rasional untuk

memprediksi hubungan dan perilaku keterkaitan antar variabel.

Sebagai contoh disini misalnya kita menginginkan untuk

memprakirakan permintaan, maka hubungan antar harga dan

kuantitas dapat menjadi dasar teori yang logis bagi suatu model.

Suatu pernyataan matematik yang sederhana dalam hubungan antar

variabel ini adalah:

Q = f(P)

Teori ekonomi memprediksi suatu hubungan berbalik arah antara

harga dan jumlah barang yang diminta. Jadi ini diharapkan derivasi

(dQ/dP) kuantitas dengan harga akan negative. Ini sudah merupakan

teori atau model teruji secara empirik, sehingga sudah merupakan

teori sudah terbukti di lapangan, di masyarakat, dan di pasar dunia

dengan sejumlah asumsi.

Namun satu hal bahwa hubungan antara harga dan kuantitas barang

yang diminta oleh masyarakat ditunjukkan adanya hubungan dan

respon negatif di dalam hubungan kedua faktor tersebut. Oleh karena

itu pada model ekonometri ingin ditunjukkan model sejumlah faktor

yang mempengatuhi volume permintaan.

Faktor harga yang mempengaruhi volume permintaan tersebut

sebenarnya tidaklah merupakan satu-satunya faktor yang

mempengaruhi permintaan, tetapi banyak faktor lain yang juga ikut

mempengaruhi permintaan. Maka secara spesifik hubungan

kausalistik permintaan itu dipengaruhi oleh selain harga, tetapi juga

dipengaruhi misalnya oleh income per kapita (I), harga barang lain

(Po), dan Advertensi (A), dan lain-lain.

Karena itu model fungsi yang dikembangkan dalam persamaan

ekonometri sebagaimana ditunjukkan pada pembahasan estimasi

permintaan yang dipengaruhi oleh sejumlah faktor atau variabel

antara lain seperti yang dinyatakan sebagai:

Qd = f(P, I, Po, dan A)

Yang secara ekonomi terbukti secara empirik bahwa fungsi

permintaan dipengaruhi P, I, Po, dan A itu dirumuskan sebagai

fungsi:

Qd = a – bP + cI + dPo + eA

Dimana Qd merupakan volume permintaan, a merupakan koefisiensi

konstanta, b,c,d,dan e merupakan koefisiensi faktor Harga, Income,

Harga Barang Lain, dan Advertensi

b. Mengumpulkan data

Kegiatan mengumpulkan data dari faktor-faktor yang mempengaruhi

permintaan yaitu harga, income, harga barang lain, dan advertensi

dilakukan oleh manajer antara lain melalui survey di perusahaan, di

biro statistik umum, lembaga-lembaga konsultasi manajemen,

lembaga asosiasi-asosiasi industri atau pengusaha atau Kadin, dan

lain-lain. Survey juga dapat dilakukan langsung pada pelaku usaha

dan masyarakat konsumen selama periode tertentu menurut

kebutuhan pengkajian dan peramalan permintaan dan potensi pasar

yang akan dijadikan sebagai bahan informasi potensi dan peluang

serta kendala pasar yang dihadapi oleh manajer perusahaan yang

akan menyusun model atau metode ekonometri yang akan disusun.

c. Memilih dan Menentukan Fungsi Permintaan

Setelah data yang dikumpulkan tersebut diolah dalam komputer dan

menghasilkan suatu print out atau tampilan parameter-parameter, uji

kesalahan dan signifikansi serta layak dan tidaknya parameter

tersebut, baik secara statistik maupun secara ekonomi teori dari yang

dihasilkan seperti yang telah dibahas dalam estimasi dalam bab

sebelumnya, maka kita dapat memilih dan menentukan sejumlah

variabel atau faktor yang layak dan signifikan sebagai bahan

pertimbangan untuk menyusun fungsi permintaan yang tepat.

Sehingga kita menentukan sebuah fungsi yang benar-benar signifikan

secara statistik dan juga secara ekonomi sesuai dengan

kecenderungan perilaku ekonomi yang secara teori dan empirik teruji

dan terbukti kecenderungan perilakunya.

Jika kita telah meyakini bahwa fungsi permintaan pada rumus di atas

dan terbukti signifikan semua parameter semua variabel yang terpilih

tersebut, maka dapat kita pergunakan sebagai alat meramal

permintaan dimasa datang, dengan sejumlah asumsi yang perlu

disertakan. Antara lain bahwa fenomena variabel-variabel itu untuk

masa datang masih memiliki bobot pengaruh yang sama. Tidak ada

variabel lain selain yang diprediksi mempengaruhi secara dominan

terhadap permintaan.

d. Mengestimasi dan interpretasi hasil

Sebagai hasil dari pemilihan bentuk fungsi permintaan, kita akan

jadikan ini sebagai fungsi yang dapat menjelaskan hal-hal berikut ini:

Persamaan fungsi ini kita pilih untuk

meramal berdasar pada teori ekonomi

Estimasi parameter dari persamaan linier ini

mengindikasikan pengaruh perubahan variabel independen

Demikian juga estimasi parameter estimasi

itu dapat kita jadikan sebagai bahan untuk menguji dan

mengevaluasi gejala dan perilaku permintaan dipengaruhi variabel

independen

R2 merupakan nilai yang indikasinya adalah

proporsi variasi pada variabel dependen dijelaskan oleh variabel

independen.