Estimasi Permintaan Kegiatan Belajar 1: Pemahaman Umum Peramalan

Modul 5: Estimasi Permintaan Kegiatan Belajar 1: Pemahaman Umum Peramalan

Kegiatan Belajar 2: Jenis-Jenis Teknik Peramalan

Pendahuluan

Seorang ekonom yang terkenal pernah mengatakan, "Kami memiliki dua kelas peramal: Mereka yang tidak tahu dan mereka yang tidak tahu bahwa mereka tidak tahu." Ada lebih dari sedikit kebenaran dari gurauan ini. Ekonom berpengalaman tahu bahwa peramalan ekonomi penuh dengan ketidakpastian. Untuk melihat mengapa, mempertimbangkan sifat saling terkait dari perkiraan ekonomi. Satu mungkin bertanya kepada seorang ekonom, Akankah laju pertumbuhan ekonomi riil di Amerika Serikat rata-rata 2 persen, 3 persen sehat, atau 3,5 persen yang kuat? Apa yang akan menjadi tingkat inflasi? Bagaimana investor akan merespon perubahan yang diusulkan dalam hukum pajak? Dan hal yang paling penting, bagaimana laju pertumbuhan ekonomi secara keseluruhan yang berkaitan dengan inflasi, dan bagaimana keduanya cenderung dipengaruhi oleh perubahan penting dalam hukum pajak? Ketika kimia dan fisika menjalankan percobaan, mereka telah hati-hati dikendalikan lingkungan laboratorium. Para ekonom tidak menikmati hal tersebut, mereka harus membuat asumsi berdasarkan kondisi ekonomi dan politik stabil tunduk terhadap guncangan acak dan kekerasan. Tidak heran bahwa peramal ekonomi meratapi kesulitan dalam membuat proyeksi ekonomi secara akurat. Memprediksi tren dalam ekonomi secara keseluruhan dan dampaknya terhadap biaya atau permintaan akan barang dan jasa perusahaan merupakan salah satu tanggung jawab yang paling sulit yang dihadapi manajemen. Namun, itu adalah tugas diperlukan karena, untuk lebih baik atau lebih buruk, semua keputusan dibuat atas dasar harapan masa depan. Modul ini menggambarkan sejumlah peramalan teknik yang telah terbukti berhasil dalam membentuk ekspektasi akurat dalam berbagai aplikasi dunia nyata.

Kegiatan Belajar 1: Pemahaman Umum Peramalan

5.1 Apakah yang Dinamakan dengan Proyeksi Ekonomi Ketika perusahaan mempekerjakan pekerja baru, mereka harus memprediksi produktivitas

relatif berbagai orang dengan keterampilan yang beragam, sejarah pekerjaan, dan kepribadian. Berapa banyak persediaan harus dilakukan? Berapa harga yang harus dikenakan selama musim liburan mendatang? Dimana pasar adalah jalan yang paling alami untuk ekspansi? Ini dan sejumlah keputusan bisnis sehari-hari mengharuskan manajer membuat perkiraan informasi peristiwa ekonomi di masa depan. Manajer kadang-kadang harus mengintegrasikan informasi kuantitatif dan kualitatif dalam cara yang tidak mudah dimodelkan atau ditandai dengan angka. Dalam hal ini, tidak ada pengganti untuk kemampuan pengenalan pola yang luar biasa dari pikiran manusia. Manajer berpengalaman kadang-kadang "tahu" tingkat yang benar dari persediaan, atau harga yang tepat, meskipun ketidakmampuan mereka untuk dengan mudah menjelaskan semua faktor yang beratnya dalam keputusan mereka. Meskipun tidak ada pengganti yang baik untuk intuisi seorang manajer yang berpengalaman, beberapa perusahaan keliru dalam ketergantungan atas kemampuan mereka dalam memperkirakan. Dalam beberapa kasus, konsep peramalan dibiaskan dengan penetapan tujuan. Jika perusahaan meminta stafnya untuk meramalkan penjualan untuk wilayah tertentu, maka terkadang peramalan tersebut digunakan sebagai tolok ukur kinerja penjualan. Jika perkiraan penjualan terlampaui, kinerja penjualan yang "baik", jika perkiraan penjualan tidak tercapai, kinerja penjualan ini terkadang membuat penjualan staf penjualan untuk meremehkan masa depan dalam upaya untuk meningkatkan kinerja yang dirasakan "miskin.". Sama seperti pelatih sepak bola perguruan sukses memprediksi tahun yang sulit untuk meningkatkan persepsi populer rekor kemenangan, penjualan personil memiliki insentif untuk menjadi terlalu konservatif dalam proyeksi penjualan mereka untuk produk baru atau yang ditingkatkan. Pelatih tim sepak bola dengan 8-3 catatan terkadang kehilangan pekerjaan mereka jika penggemar memperkirakan musim 11-0 sempurna, manajer yang bahkan sangat sukses dalam pengenalan produk baru terkadang dipecat jika prediksi yang dibuatnya tidak terpenuhi. Sebuah keuntungan besar dari berbagai teknik statistik yang biasa digunakan dalam peramalan ekonomi adalah bahwa mereka memisahkan proses peramalan dari penetapan relatif berbagai orang dengan keterampilan yang beragam, sejarah pekerjaan, dan kepribadian. Berapa banyak persediaan harus dilakukan? Berapa harga yang harus dikenakan selama musim liburan mendatang? Dimana pasar adalah jalan yang paling alami untuk ekspansi? Ini dan sejumlah keputusan bisnis sehari-hari mengharuskan manajer membuat perkiraan informasi peristiwa ekonomi di masa depan. Manajer kadang-kadang harus mengintegrasikan informasi kuantitatif dan kualitatif dalam cara yang tidak mudah dimodelkan atau ditandai dengan angka. Dalam hal ini, tidak ada pengganti untuk kemampuan pengenalan pola yang luar biasa dari pikiran manusia. Manajer berpengalaman kadang-kadang "tahu" tingkat yang benar dari persediaan, atau harga yang tepat, meskipun ketidakmampuan mereka untuk dengan mudah menjelaskan semua faktor yang beratnya dalam keputusan mereka. Meskipun tidak ada pengganti yang baik untuk intuisi seorang manajer yang berpengalaman, beberapa perusahaan keliru dalam ketergantungan atas kemampuan mereka dalam memperkirakan. Dalam beberapa kasus, konsep peramalan dibiaskan dengan penetapan tujuan. Jika perusahaan meminta stafnya untuk meramalkan penjualan untuk wilayah tertentu, maka terkadang peramalan tersebut digunakan sebagai tolok ukur kinerja penjualan. Jika perkiraan penjualan terlampaui, kinerja penjualan yang "baik", jika perkiraan penjualan tidak tercapai, kinerja penjualan ini terkadang membuat penjualan staf penjualan untuk meremehkan masa depan dalam upaya untuk meningkatkan kinerja yang dirasakan "miskin.". Sama seperti pelatih sepak bola perguruan sukses memprediksi tahun yang sulit untuk meningkatkan persepsi populer rekor kemenangan, penjualan personil memiliki insentif untuk menjadi terlalu konservatif dalam proyeksi penjualan mereka untuk produk baru atau yang ditingkatkan. Pelatih tim sepak bola dengan 8-3 catatan terkadang kehilangan pekerjaan mereka jika penggemar memperkirakan musim 11-0 sempurna, manajer yang bahkan sangat sukses dalam pengenalan produk baru terkadang dipecat jika prediksi yang dibuatnya tidak terpenuhi. Sebuah keuntungan besar dari berbagai teknik statistik yang biasa digunakan dalam peramalan ekonomi adalah bahwa mereka memisahkan proses peramalan dari penetapan

5.2 Masalah Umum Peramalan Masalah Peramalan Makroekonomi

Peramalan Makroekonomi melibatkan memprediksi ukuran agregat aktivitas ekonomi di tingkat internasional, nasional, regional, atau negara. Prediksi dari produk domestik bruto (PDB), tingkat pengangguran, dan tingkat suku bunga oleh para ekonom "blue chip" menangkap perhatian media nasional, bisnis, pemerintah, dan masyarakat umum. Perkiraan harian makroekonomi lainnya sering dilaporkan di media massa termasuk prediksi pengeluaran konsumen, bisnis investasi, ekspor, impor, pendapatan dan belanja pemerintah, dan sebagainya. Prediksi makroekonomi penting karena mereka digunakan oleh bisnis dan individu untuk membuat keputusan operasional sehari-hari dan jangka panjang keputusan perencanaan. Jika suku bunga diproyeksikan meningkat, pemilik rumah mungkin segera membiayai kembali hipotek suku bunga tetap. Bila prediksi tersebut akurat, penghematan biaya yang signifikan atau keuntungan pendapatan menjadi mungkin. Bila prediksi tersebut tidak akurat, biaya yang lebih tinggi dan peluang pemasaran hilang akan terjadi.

Masalah Peramalan Mikroekonomi Berbeda dengan peramalan makroekonomi, peramalan mikroekonomi melibatkan prediksi memisahkan data ekonomi di industri, tingkat perusahaan, pabrik, atau produk. Tidak seperti prediksi pertumbuhan PDB, yang banyak diikuti di media,

masyarakat umum sering mengabaikan prakiraan mikroekonomi dari harga aluminium, permintaan untuk mobil baru, atau biaya produksi untuk pasta gigi. Hal ini tidak mungkin bahwa media akan membahas tren kenaikan harga mobil bekas, meskipun data ini merupakan prediktor yang sangat baik permintaan mobil baru.

5.3 Masalah Kualitas Data Perkiraan yang akurat memerlukan data terkait yang saat ini, lengkap, dan bebas dari

kesalahan. Hampir semua orang telah mendengar peringatan akrab tentang hubungan antara kualitas data dan akurasi perkiraan: "sampah masuk, sampah keluar." Namun, pernyataan ini benar dengan cara-cara yang tidak segera jelas. Sebagai contoh, jika seorang manajer ingin untuk meramalkan permintaan barang konsumen atau produsen, sering lebih baik untuk perintah masukan yang masuk ketimbang pengiriman karena pengiriman kadang-kadang tunduk pada penundaan produksi. Demikian pula, waktu pemenuhan pesanan kadang-kadang dikenakan penundaan transit yang berada di luar kendali perusahaan pelayaran. Selain mempertimbangkan kualitas data secara hati-hati yang digunakan untuk menghasilkan perkiraan, jumlah data yang tersedia juga penting. Sebagai aturan umum: Semakin banyak data yang dapat dikenakan analisis, semakin baik. Beberapa perangkat lunak peramalan canggih yang bekerja pada komputer pribadi desktop dapat berfungsi dengan sesedikit lima poin data. Meskipun pengumpulan sampel besar data pada transaksi pasar relative lebih mahal, namun dengan hasil akurasi perkiraan yang dapat mendukung usaha.

Kegiatan Belajar 2: Jenis-Jenis Teknik Peramalan

5.4 Teknik Umum Peramalan Beberapa teknik peramalan pada dasarnya kuantitatif, sedangkan yang lainnya sebagian

besar adalah kualitatif. Teknik-teknik peramalan yang paling umum diterapkan dapat dibagi ke dalam kategori-kategori sebagai berikut:

Analisis Kualitatif Analisis Proyeksi Trend Exponential Smoothing Metode Ekonometrik

Metodologi proyeksi terbaik untuk suatu tugas tertentu tergantung pada sifat dari masalah peramalan. Ketika membuat pilihan antara metodologi perkiraan, sejumlah faktor penting harus dipertimbangkan. Kemudian lead time yang tersedia untuk membuat keputusan, tingkat akurasi yang diperlukan, kualitas data yang tersedia untuk analisis, sifat stokastik Metodologi proyeksi terbaik untuk suatu tugas tertentu tergantung pada sifat dari masalah peramalan. Ketika membuat pilihan antara metodologi perkiraan, sejumlah faktor penting harus dipertimbangkan. Kemudian lead time yang tersedia untuk membuat keputusan, tingkat akurasi yang diperlukan, kualitas data yang tersedia untuk analisis, sifat stokastik

5.5 Analisis Kualitatif Analisis kualitatif merupakan pendekatan intuitif untuk peramalan, dapat berguna jika

memungkinkan pengumpulan sistematis dan organisasi data yang bias, pendapat informasi. Namun, metode kualitatif dapat menghasilkan hasil yang bias ketika individu tertentu mendominasi proses peramalan melalui reputasi, kekuatan kepribadian, atau posisi strategis dalam organisasi.

5.6 Analisis Proyeksi Tren Analisis tren didasarkan pada premis bahwa kinerja ekonomi mengikuti pola mapan dan

bahwa data historis dapat digunakan untuk memprediksi aktivitas bisnis masa depan. Teknik analisis tren melibatkan karakteristik pola historis dari variabel ekonomi dan kemudian memproyeksikan masa depan berdasarkan pengalaman masa lalu. Peramalan dengan proyeksi tren ini didasarkan pada asumsi bahwa hubungan sejarah akan berlanjut ke masa depan. Semua metode tersebut menggunakan data time-series. Mingguan, seri bulanan, atau tahunan data penjualan dan biaya, pendapatan pribadi, populasi, tingkat partisipasi angkatan kerja, dan GDP merupakan contoh deret waktu ekonomi. Semua time series, terlepas dari sifat variabel ekonomi yang terlibat, dapat digambarkan dalam bentuk beberapa karakteristik dasar yang penting. Sebuah tren sekuler adalah pola jangka panjang dari kenaikan atau penurunan dalam serangkaian data ekonomi. Siklus fluktuasi menggambarkan variasi ritmis dalam seri ekonomi yang disebabkan oleh pola ekspansi atau kontraksi pada perekonomian secara keseluruhan. Variasi musiman, atau musiman, merupakan pola tahunan yang ritmis dalam penjualan atau keuntungan yang disebabkan oleh cuaca, kebiasaan, atau kebiasaan sosial. Pengaruh tidak teratur atau acak bahwa data historis dapat digunakan untuk memprediksi aktivitas bisnis masa depan. Teknik analisis tren melibatkan karakteristik pola historis dari variabel ekonomi dan kemudian memproyeksikan masa depan berdasarkan pengalaman masa lalu. Peramalan dengan proyeksi tren ini didasarkan pada asumsi bahwa hubungan sejarah akan berlanjut ke masa depan. Semua metode tersebut menggunakan data time-series. Mingguan, seri bulanan, atau tahunan data penjualan dan biaya, pendapatan pribadi, populasi, tingkat partisipasi angkatan kerja, dan GDP merupakan contoh deret waktu ekonomi. Semua time series, terlepas dari sifat variabel ekonomi yang terlibat, dapat digambarkan dalam bentuk beberapa karakteristik dasar yang penting. Sebuah tren sekuler adalah pola jangka panjang dari kenaikan atau penurunan dalam serangkaian data ekonomi. Siklus fluktuasi menggambarkan variasi ritmis dalam seri ekonomi yang disebabkan oleh pola ekspansi atau kontraksi pada perekonomian secara keseluruhan. Variasi musiman, atau musiman, merupakan pola tahunan yang ritmis dalam penjualan atau keuntungan yang disebabkan oleh cuaca, kebiasaan, atau kebiasaan sosial. Pengaruh tidak teratur atau acak

5.7 Perbandingan Tren Linear dan Pertumbuhan Pentingnya memilih bentuk struktur yang benar untuk model tren dapat dibuktikan dengan

membandingkan proyeksi penjualan yang dihasilkan dari dua pendekatan dasar yang telah dipertimbangkan. Ingat bahwa dengan model perubahan adalah konstan, penjualan diproyeksikan menjadi Rp 245 juta pada tahun 2005 dan Rp 316 juta pada tahun 2010. Bandingkan ini dengan perkiraan penjualan proyeksi Rp 158 milyar pada tahun 2005 dan Rp 850 miliar pada tahun 2010 untuk model tingkat pertumbuhan konstan. Pola penjualan masa depan bagi setiap perusahaan tergantung pada pertimbangan jenis perusahaan dan industri secara spesifik. Apakah perusahaan mampu mempertahankan laju pertumbuhan tergantung pada sejumlah faktor baik di dalam maupun di luar kontrol sendiri. Keberhasilan mengelola pertumbuhan yang cepat dalam waktu lama adalah sangat sulit dan jarang dalam prakteknya. Untuk saat ini, Microsoft telah menantang kebijaksanaan konvensional dengan mempertahankan pertumbuhan yang cepat selama hampir 20 tahun. Pada beberapa titik, bagaimanapun, ukuran besar yang akan membatasi masa depan. Ketika menerapkan metode proyeksi tren, penting adanya untuk menetapkan tingkat kesamaan dalam peluang pertumbuhan antara periode sejarah dan ramalan. Beberapa fakta juga menunjukkan bahwa time horizon prakiraan dibatasi untuk jangka waktu yang relatif singkat (5 atau maksimal 10 tahun).

Meskipun proyeksi tren memberikan hasil yang berguna untuk beberapa tujuan peramalan, beberapa kekurangan dapat membatasi kegunaan mereka. Masalah yang jelas adalah bahwa akurasi proyeksi tren tergantung pada kelanjutan dari pola historis untuk penjualan, biaya, dan keuntungan. Kesalahan peramalan serius dihasilkan ketika teknik ini digunakan dalam periode tepat sebelum kemerosotan ekonomi yang tidak terduga pada tahun-tahun tertentu. Proyeksi tren tidak dapat memprediksi titik balik siklus dan tidak membantu Meskipun proyeksi tren memberikan hasil yang berguna untuk beberapa tujuan peramalan, beberapa kekurangan dapat membatasi kegunaan mereka. Masalah yang jelas adalah bahwa akurasi proyeksi tren tergantung pada kelanjutan dari pola historis untuk penjualan, biaya, dan keuntungan. Kesalahan peramalan serius dihasilkan ketika teknik ini digunakan dalam periode tepat sebelum kemerosotan ekonomi yang tidak terduga pada tahun-tahun tertentu. Proyeksi tren tidak dapat memprediksi titik balik siklus dan tidak membantu

5.8 Siklus Bisnis Banyak deret waktu yang penting ekonomi secara teratur dipengaruhi oleh variasi siklus

dan musiman. Perlu mempertimbangkan pengaruh-pengaruh lanjut, karena pengobatan variasi siklus dan musiman memainkan peran penting dalam peramalan ekonomi. Keuntungan dan kinerja penjualan dari semua perusahaan bergantung besar atau lebih kecil pada kekuatan dari perekonomian secara keseluruhan. Contohnya, kegiatan usaha di Amerika Serikat meningkat pada tingkat sekitar 7,5 persen per tahun bila diukur dari segi PDB. Dengan inflasi baru-baru ini rata-rata 4,5 persen per tahun, aktivitas bisnis telah berkembang pada tingkat sekitar 3 persen per tahun bila diukur dari segi disesuaikan dengan inflasi. Selama ekspansi yang kuat, laju pertumbuhan PDB riil dapat meningkat menjadi tingkat tahunan sebesar 4 persen menjadi 5 persen atau lebih untuk periode singkat. Selama kemerosotan ekonomi, GDP riil benar-benar dapat menurun untuk periode yang diperpanjang.

5.9 Teknik Exponential Smoothing Berbagai macam teknik peramalan statistik dapat digunakan untuk memprediksi

pertumbuhan penjualan satuan, pendapatan, biaya, dan kinerja keuntungan. Teknik-teknik ini berkisar dari cukup sederhana sampai yang sangat canggih. Konsep Exponential Smoothing adalah metode untuk meramalkan tren dalam penjualan unit, biaya unit, biaya upah, dan sebagainya. Teknik ini mengidentifikasi pola-pola historis dari tren atau musiman dalam data dan kemudian mengekstrapolasikan pola-pola ini maju ke periode perkiraan. Akurasinya tergantung pada sejauh mana pola mapan perubahan yang jelas dan konstan dari waktu ke waktu. Semakin teratur pola perubahan dalam setiap seri data yang diberikan, semakin mudah untuk meramalkan. Teknik Exponential

Smoothing (atau "rata-rata") adalah salah satu metode peramalan yang paling banyak digunakan dalam bisnis.

5.10 Metode Ekonometrika Metode ekonometrik menggabungkan teori ekonomi dengan alat statistik untuk

menganalisis hubungan ekonomi. Teknik peramalan Ekonometrik memiliki beberapa keunggulan dibandingkan metode alternatif. Metode ekonometrik memaksa peramal untuk membuat asumsi eksplisit tentang keterkaitan antar variabel dalam sistem ekonomi yang sedang diperiksa. Dengan kata lain, peramal harus berurusan dengan hubungan kausal. Hal ini menghasilkan konsistensi logis dalam model perkiraan dan meningkatkan kehandalan. Keuntungan lain dari metode ekonometrik adalah bahwa peramal yang dapat membandingkan perkiraan dengan hasil aktual dan wawasan yang diperoleh digunakan untuk meningkatkan model perkiraan. Dengan kesalahan peramalan masa lalu pada model, parameter estimasi baru dapat dihasilkan untuk meningkatkan hasil peramalan masa depan. Jenis output yang disediakan oleh perkiraan ekonometrik merupakan keuntungan besar karena model ekonometrik menawarkan perkiraan nilai sebenarnya untuk variabel diperkirakan, model ini menunjukkan kedua arah dan besarnya perubahan. Akhirnya, mungkin manfaat yang paling penting dari model ekonometrik berhubungan dengan kemampuan mereka untuk menjelaskan fenomena ekonomi.

5.11 Pemilihan Teknik Peramalan Terbaik Untuk memilih teknik terbaik, manajer harus memiliki pengetahuan tentang kekuatan dan

kelemahan dari metode perkiraan berbagai jumlah dan kualitas data yang tersedia, dan biaya manusia dan lainnya yang berhubungan dengan menghasilkan perkiraan diandalkan. Pemilihan teknik perkiraan yang tepat seringkali bergantung pada jumlah data historis yang relevan yang tersedia dan setiap pola yang jelas dalam data. Bagi banyak masalah perkiraan ketersediaan data selama 10 tahun data bulanan (120 pengamatan) sesuai untuk meramalkan aktivitas masa depan. Dalam kasus tersebut, berbagai teknik canggih perkiraan dapat dipertimbangkan. Jika sampel hanya lebih terbatas dari data yang tersedia untuk analisis, maka metode perkiraan sederhana harus digunakan. Jika trend, siklus, pola musiman, atau tidak teratur dapat dikenali, kemudian memperkirakan teknik yang mampu kelemahan dari metode perkiraan berbagai jumlah dan kualitas data yang tersedia, dan biaya manusia dan lainnya yang berhubungan dengan menghasilkan perkiraan diandalkan. Pemilihan teknik perkiraan yang tepat seringkali bergantung pada jumlah data historis yang relevan yang tersedia dan setiap pola yang jelas dalam data. Bagi banyak masalah perkiraan ketersediaan data selama 10 tahun data bulanan (120 pengamatan) sesuai untuk meramalkan aktivitas masa depan. Dalam kasus tersebut, berbagai teknik canggih perkiraan dapat dipertimbangkan. Jika sampel hanya lebih terbatas dari data yang tersedia untuk analisis, maka metode perkiraan sederhana harus digunakan. Jika trend, siklus, pola musiman, atau tidak teratur dapat dikenali, kemudian memperkirakan teknik yang mampu

5.12 Pertimbangan Time Horizon Pengalaman menunjukkan bahwa model canggih time-series dapat memberikan informasi

yang akurat perkiraan jangka pendek. Dalam jangka pendek, momentum perilaku konsumen yang ada sering menolak adanya perubahan dramatis. Selama periode 5 tahun, bagaimanapun, pelanggan dapat menemukan pemasok baru, dan kebutuhan bisa berubah. Untuk jangka panjang prakiraan, model ekonometrik sering tepat. Dalam jangka panjang, adalah penting untuk menghubunglan faktor pemicu yang diperkirakannya. Keakuratan model ekonometrik tergantung pada presisi dengan faktor-faktor dependen dan independen. Meskipun model ini juga bisa digunakan dalam jangka pendek, mereka lebih mahal dan lebih kompleks daripada metode sederhana Exponential Smoothing. Ketika kondisi ekonomi stabil, model ekonometrik jarang lebih akurat daripada proyeksi tren dan metode Exponential Smoothing.

Responsi:

1. Apakah yang dimaksud dengan teknik proyeksi tren, dan mengapa metode ini sering

digunakan dalam peramalan ekonomi?

2. Apa kelemahan dasar teknik proyeksi tren?

3. Jelaskan bagaimana pendekatan model ekonometrik untuk peramalan dapat digunakan dalam mengantisipasi berbagai "how if" dari beberapa kemungkinan kondisi di masa depan.

4. Jelaskan persyaratan data yang harus dipenuhi jika analisis regresi adalah untuk

memberikan dasar yang berguna untuk peramalan.

5. Apakah model regresi linier dari iklan dengan hubungannya penjualan sesuai untuk

meramalkan tingkat iklan minimal?

6. Berikan beberapa contoh masalah peramalan yang mungkin ditangani dengan

menggunakan analisis regresi berganda yang komplek.

7. Apakah karakteristik utama dari peramalan yang akurat?

Daftar Pustaka:

James R. McGuigan, R. Charles Moyer, dan Frederick H. deB. Haris, Managerial Economics Applications, Strategy, and Tactics 12 th Edition, 2011, South-Western

Cengage Learning Mark Hirschey, Fundamental of Managerial Economics 9 th Edition, 2009, South-Western

Cengage Learning M.S. Bhat dan A.V. Rau, Managerial Economics and Financial Analysis, 2008, BS

Publication. Thomas J. Webster, Managerial Economics Theory and Practice, 2003, Elsevier Science

William F. Samuelson dan Stephen G. Marks, Managerial Economics 5 th Edition, 2006, John Wiley & Sons