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 masamasa 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 hasilhasil 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:

2.

a)

Trend Sekuler

b)

Siklus Fluktuasi

c)

Variasi Musim

d)

Pengaruh Tak Teratur

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
Kwartal

1
2
3
4

1999
11
15
12
14

2000
12
17
13
16

2001
14
18
15
17

2002
15
20
16
19

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
1999

2000

2001

2002

Kwartal
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
n = 15

Jumlah
11
15
12
14
12
17
13
16
14
18
15
17
15
20
16
19

Perubahan (%)
0
+35
-20
+16,6
-14,2
+41,6
-23,5
+23,0
-12,5
+28,5
-16,6
+13,3
-11,7
+33,3
-20,0
+18,7
+91,6

Keterangan
naik
turun
naik
turun
naik
turun
naik
turun
naik
turun
naik
turun
naik
turun
naik

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
Tahun 2003
Kwartal
17
18
19
20
21
dan seterusnya

Ikhtisar prediksi volume permintaan tahun 2003

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

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
Tahun
1999

2000

2001

2002

Jumlah kebutuhan daya listrik tahun 1999 s/d 2002

(dalam jutaan kw)
Kwartal
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4

Jumlah Daya
11
15
12
14
12
17
13
16
14
18
15
17
15
20
16
18

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 kwartalkwartal 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 = (At Ft)2___
n
Dimana:
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 faktorfaktor 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 masingmasing 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.

a.

1)

Membangun suatu model teori

2)

Mengumpulkan data

3)

Memilih bentuk persamaan fungsi yang diestimasi

4)

Mengestimasi dan menginterpretasi hasil

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.