Referensi T. Sunaryo : Ekonomi Manajerial EKMA4312 D. Salvatore : Managerial Economics Ed. 5 th Sumber-Sumber Lain Yang Relevan 2

Overview 3 Regresi Linear Disturbance error ( atau e) Hipotesa dan Pengujian Hipotesa

“ The Company sales forecast is the expected level of company sales based on a chosen marketing plan and assumed marketing environment.” (Philip Kotler) 4

Regresi Linear 5 Setelah mengetahui keinginan konsumen (Consumer Preference), manajer perlu memperkirakan kondisi permintaan konsumen (Forcasting Demand) terhadap produknya. Teknik Forcasting a. Metode Kualitatif  Pendapat ahli/pakar/penjual  Survey/Sensus b. Metode Kuantitatif/Metode Statistik  Analisis Deret Waktu/Time Series/Trend Projection Method  Analisis Regresi/Regression Method : Regresi Sederhana Linier Regresi Berganda/Komplek

Regresi Linear Regresi Linier bertujuan untuk menjelaskan besarnya pengaruh sejumlah variabel bebas (Independent Variabel) terhadap variabel tidak bebas (Dependent Variabel). Regresi Linear Sederhana (Simple Linear Regression)  hanya melibatkan satu variable bebas, Regresi Linear Berganda (Multiple Linear Regression)  melibatkan lebih dari satu variable bebas Y = a + bX  Regresi Linear Sederhana Y = a + b 1 X 1 +b 2 X 2 + b n X n  Regresi Linear Berganda Variabel bebas  X Variabel tak bebas  Y 6

Disturbance Error Dalam prakteknya, teknik perkiraan/teknik estimasi dengan regresi linear, hasilnya tidak bisa diterima sepenuhnya, sesuai dengan perhitungan matematis. Karena ada factor–faktor lain yang mempengaruhi tingkat penjualan, seperti pendapatan konsumen, selera konsumen, harga produk pesaing dll, yang mana factor-faktor tersebut tidak dimasukan kedalam persamaan regresi. Faktor-faktor tersebut biasa disebut dengan Disturbance error ( atau e) atau kesalahan penggangu. Disturbance error sering menjadi penyebab perkiraan tidak tepat. Sehingga bentuk persamaan umum regresi linear sederhana sering ditulis dengan : Y = a + bX + 7

Regresi Linear Sederhana Y = a + bX. a  Koefisien Intercept. (Titik potong garis linear dengan sumbu Y, jika X = 0) b  Koefisien Regresi/ Koefesien arah/kemiringan/slop/. Menyatakan besarnya pengaruh X terhadap Y, jika X naik 1 unit. (b =ΔY/ΔX) a dan b merupakan parameter dari persamaan Y = a + bX. 8

Regresi Linear Sederhana Ilustrasi Regresi 1 : Y = 2 + 1,5A Y = tingkat penjualan, A = biaya advertising Dari persamaan diatas diketahui : a = 2 dan b = 1,5 Ini berarti, jika biaya advertising naik 1 unit, maka tingkat penjualan naik 1,5 unit. (Catatan : b adalah koefesien regresi) Jika tidak ada biaya advertisinng, maka tingkat penjualan adalah 2  Y = 2 + 1,5(0) = 2. Bisa juga dikatakan : jika tidak ada biaya advertising, tingkat penjualan adalah sama dengan a, yakni titik potong garis regresi dengan sumbu vertikal Y)

Regresi Linear Sederhana Advertising (A) Sale (Y= 2 +1,5A) 02 13, , ,5 10 Tabel Biaya Advert. dan Penjualan Grafik Advertising dan Penjualan

Regresi Linear Sederhana Dari table dan grafik diatas terlihat bahwa setiap kenaikan biaya Advertising sebesar “1 unit”, akan mempengaruhi peningkatkan penjualan sebesar 1,5 unit  b =ΔY/ΔA = 7,5/5 = 1,5. Kalau biaya Advertising ditingkatkan menjadi 10 satuan, maka penjualan akan menjadi : Y= 2 +1,5(10) = 17 unit 11

Regresi Linear Sederhana Ilustrasi Regresi 2 Tabel hipotetik berikut menyatakan hubungan kausalitas antara Tingkat Penjualan Produk UKM dan biaya promosi penjualan Produk UKM. *) dalam jutaan a. Tentukan nilai b dan a dari persaman regresi Y = a +bX b. Tentukan perkiraan penjualan bulan Nopember, jika biaya promosi ditingkatkan 17 juta c. Buat grafik regresi nya 12 BulanJanFebMarAprMai JunJulAgtSepOkt Biaya promosi (X)* Penjualan (Y)*

Regresi Linear Sederhana Solusi Ilustrasi Regresi 2 13 Sampel (n) = 10 Y = a + bX BulanXY I = = = (-2)(-6)4 II = (-3) 2 III IV V VI VII VIII IX X Rata-rata

Regresi Linear Sederhana 14 Persamaan regresinya menjadi : Y = a + bX  Y = X Jika bulan Nopember biaya promosi dinaikan jadi 17 juta maka penjualan produk diperkirakan sebesar : Y = (17) = = Jadi, kenaikan biaya promosi 17 juta, diharapkan penjualan naik juta Persamaan Y = X berarti : setiap kenaikan biaya promosi 1 juta, dapat meningkatkan penjualan sebesar 3.53 juta

Regresi Linear Sederhana Biaya Promosi (X) Penjualan Y = X *) Grafik Regresi penjualan produk UKM *) dilakukan pembulatan

Regresi Linear Berganda ILUSTRASI REGRESI 3 Tabel berikut menampilkan data permintaan produk x, harga produk x, harga produk lain dan pendapatan konsumen (model fungsi permintaan Cobb-Douglas (fungsi pangkat) 16 NomorQxQx PxPx PyPy I

Regresi Linear Berganda Q x : permintaan produk x (atau penjualan produk x) P x : harga produk x P y : harga produk y (harga produk pesaing) I: pendapatan konsumen n: ukuran sampel atau jumlah observasi (n = 10) Y = a + b 1 X 1 +b 2 X 2  Qx = a + b x P x +b y P y +b i I 17

Regresi Linear Berganda NomorQxPxPyI Oleh karena diasumsikan model fungsi permintaan Cobb-Douglas (fungsi pangkat), maka model dilinierkan dengan mentransformasikan semua variabel, baik variabel dependen maupun variabel independen, dengan transformasi ln. Fungsi permintaan Cobb-Douglas adalah: Fungsi Cobb-Douglas dilinierkan menjadi: Tabel Fungsi Permintaan Hasil Transformasi

Regresi Linear Berganda 19 Coefficients Standard Error t StatP-value Lower 95% Upper 95% Intercept harga produk x (Px) harga produk y (Py) pendapatan konsumen (I) lnq = lnPx ln Py lnI Q x = P x P y – 0.240I Dari persamaan regresi diatas, dapat ditarik kesimpulan bahwa : Jika harga produk x naik 1% maka permintaan produk x akan naik sebesar 0.986%. Jika harga produk y naik 1% maka permintaan produk x akan naik sebesar 0.515%. Jika pendapatan I naik 1% maka permintaan produk x akan turun sebesar 0.240%.

Regresi Linear Berganda Dalam uji parsial (uji t), yaitu membandingkan antara nilai t-hitung (t Statistik) dengan t table berlaku kaidah : jika t hitung > t tabel pada taraf nyata tertentu, maka dapat disimpulkan variabel bebas berpengaruh secara signifikan terhadap variable tidak bebas. Dalam uji Gabungan (uji F), yaitu membandingkan antara F-hitung (F Stat) dengan F table berlaku kaidah : jika F hitung > F tabel pada taraf nyata tertentu, maka dapat disimpulkan variabel- variabel bebas (regresi berganda) berpengaruh secara signifikan terhadap variable tidak bebas. Untuk mendapatkan nilai koefesien seperti table diatas, silakan gunakan Program Pengolah Data seperti SPSS atau program lainya. Atau bisa juga gunakan fitur “data analysis” pada lembar kerja excel. 20

Untuk pemahaman yang lebih konprehensif, silakan pelajari selengkapnya BMP EKMA4312 Modul 4. Pelajari juga kembali materi Statistik Ekonomi, Metode Penelitian atau mata kuliah terkait lainya Bagi rekan-rekan yang berniat melanjutkan ke jenjang S2 (magister), pembahasan materi Regresi, Korelasi, Teori Produksi dan Biaya dalam Mata Kuliah Ekonomi Manajerial sering mendapat perhatian khusus. Karena itu sangat dianjurkan untuk mendalami materi tersebut.