Lesson 2 - Economics with R
Di bagian ini, kita cari tahu konsep dasar yang mengatur semua harga di dunia: Permintaan (Demand) dan Penawaran (Supply). Selanjutnya, kita bakal coba visualisasikan dinamika ini pakai R.
Sekarang, pikirkan kopi susu favoritmu. Sampai akhir minggu lalu harga kopi susu itu masih 15 ribu, dan kamu beli stiap hari. Tapi, tiba-tiba mulai awal minggu ini harganya naik jadi 30 ribu. Kira-kira kamu masih beli sesering dulu enggak?
Kemungkinan besar enggak, kan? Mungkin kamu cuman akan beli awal bulan, atau cari alternatif yang lebih murah.
Inilah Hukum Permintaan: Kalau semua faktor lain tidak berubah, saat harga suatu barang naik, maka jumlah barang yang diminta akan turun. Sebalikanya, kalau harga turun, permintaan naik. Intinya: Hubungan antara harga dan permintaan itu terbalik. Inilah dasar mengapa harga di pasar bergerak.
Formula:
\[Qd = a - b*P\]
# Tentukan Fungsi Permintaannya
price <- seq(0, 100, by = 5)
quantity_demanded <- 100 - 0.8 * price
# Lanjut kita buat data frame
demand_data <- data.frame(
Price = price,
Quantity = quantity_demanded
)
# Baru Lanjut Plot Kurvanya
library(ggplot2)
ggplot(demand_data, aes(x = Quantity, y = Price)) +
geom_line(color = "blue", size = 1.5) +
labs(title = "Demand Curve",
x = "Quantity Demanded",
y = "Price (Rp)") +
theme_minimal()
Sekarang posisi kita adalah penjual atau produsen. Kamu adalah pemilik kedai kopi. Jika harga kopi susu lagi malah banget (30 ribu) kamu pasti semangat bangget buat bikin stok yang banyak, kalau perlu nambah jam operasional. Kenapa? Karena ada potensi Untung Gede.
Inilah Hukum Penawaran. Kalau semua faktor lain tidak berubah, saat harga suatu barang naik, jumlah barang yang ditawarkan juga akan bertambah. Intinya: Produsen itu semakin semangat menawarkan banyak barang ketika harganya sedang tinggi.
Formula:
\[Qs = c + d*P\]
# Tentukan Fungsi Permintaan & Penawaran
price <- seq(0, 100, by = 2)
quantity_demanded <- 100 - 0.8 * price
quantity_supplied <- -20 + 1.2 * price
# Buat kombinasi data framenya
market_data <- data.frame(
Price = price,
Demand = quantity_demanded,
Supply = quantity_supplied
)
# Cari Titik Keseimbangan
equilibrium_price <- (100 + 20) / (0.8 + 1.2)
equilibrium_quantity <- 100 - 0.8 * equilibrium_price
print(paste("Equilibrium Price:", round(equilibrium_price, 2)))[1] "Equilibrium Price: 60"print(paste("Equilibrium Quantity:", round(equilibrium_quantity, 2)))[1] "Equilibrium Quantity: 52"library(ggplot2)
# Fungsi harga
price <- seq(0, 100, by = 2)
# Fungsi permintaan & penawaran
demand <- 100 - 0.8 * price
supply <- -20 + 1.2 * price
# Data frame pasar
market_data <- data.frame(
Price = price,
Demand = demand,
Supply = supply
)
# cek 6 baris pertama
head(market_data) Price Demand Supply
1 0 100.0 -20.0
2 2 98.4 -17.6
3 4 96.8 -15.2
4 6 95.2 -12.8
5 8 93.6 -10.4
6 10 92.0 -8.0# Plot kurva permintaan
ggplot(market_data) +
geom_line(aes(x = Demand, y = Price, color = "Permintaan")) +
geom_line(aes(x = Supply, y = Price, color = "Penawaran")) +
labs(
title = "Kurva Permintaan dan Penawaran",
x = "Jumlah",
y = "Harga"
) +
theme_minimal() +
theme(
legend.position = c(0.9, 0.5)
)
Permintaan dan penawaran membantu kita memahami bagaimana keputusan individu bertemu di pasar. Melalui kurva tersebut, kita bisa melihat bagaimana harga keseimbangan terbentuk, mengapa pasar cenderung menunju titik tertentu, dan bagaimana perubahan kondisi mempengaruhi hasil akhir. Konsep ini bisa menjadi fondasi untuk analisis kebijakan ekonomi.
##Membuat Fungsi Permintaan
Penasaran kan bagaimana fungsi permintaan seperti \[Qd = 1000 - 140*P\] bisa tiba-tiba muncul? Sini aku jelasin.
Misal, seorang pelaku UMKM mencatat 30 kali transaksi penjualan tas sekolah. Penjualan ke-1 sampai ke-15, harga relatif stabil. Mulai penjualan ke-16, harga mulai dinaikkan (misal karena biaya bahan naik), maka:
set.seed (123)
n <- 30
obs <- 1:n
# Perhatikan, harga stabil lalu naik di observasi ke-16
P <- c(
rep(80,15), #harga awal
seq(85, 120, length.out = 15) #harga naik bertahap
)
# Permintaan menurun + noise (perilaku konsumen tidak sempurna)
Q <- 18000 - 100*P + rnorm(n, mean = 0, sd=300)
# Buat dataframe data penjualan (datpj)
datpj <-data.frame(
obs = obs,
P=P,
Q=round(Q)
)
datpj obs P Q
1 1 80.0 9832
2 2 80.0 9931
3 3 80.0 10468
4 4 80.0 10021
5 5 80.0 10039
6 6 80.0 10515
7 7 80.0 10138
8 8 80.0 9620
9 9 80.0 9794
10 10 80.0 9866
11 11 80.0 10367
12 12 80.0 10108
13 13 80.0 10120
14 14 80.0 10033
15 15 80.0 9833
16 16 85.0 10036
17 17 87.5 9399
18 18 90.0 8410
19 19 92.5 8960
20 20 95.0 8358
21 21 97.5 7930
22 22 100.0 7935
23 23 102.5 7442
24 24 105.0 7281
25 25 107.5 7062
26 26 110.0 6494
27 27 112.5 7001
28 28 115.0 6546
29 29 117.5 5909
30 30 120.0 6376Setelah kita dapatkan data, selanjutnya kita periksa visualisasi datanya
library(ggplot2)
ggplot(datpj, aes(x=P, y=Q)) +
geom_point(size=2) +
geom_vline(xintercept = P[16], linetype = "dashed") +
labs(
title = "Data Penjualan UMKM",
subtitle = "Harga naik mulai observasi ke-16",
x = "Harga (ribu rupiah)",
y = "Jumlah Terjual"
) +
theme_minimal()
Melalui visualisasi kita bisa lihat secara jelas ya bagaimana pola datanya. Lanjut, bagian terpenting untuk menjawab pertanyaan awal bagaimana fungsi permintaannya?
model_permint <- lm(Q ~ P, data = datpj)
summary(model_permint)
Call:
lm(formula = Q ~ P, data = datpj)
Residuals:
Min 1Q Median 3Q Max
-581.31 -203.14 -13.31 160.33 522.65
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 18388.020 362.997 50.66 <2e-16 ***
P -104.408 3.935 -26.54 <2e-16 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 293 on 28 degrees of freedom
Multiple R-squared: 0.9618, Adjusted R-squared: 0.9604
F-statistic: 704.2 on 1 and 28 DF, p-value: < 2.2e-16Berdasarkan formula diatas, kita dapati hasil sebagai berikut:
Perhatikan nilai intercept dan P
Q = 18388 - 104*P Q = 18388 - 104P
Ini adalah fungsi permintaan linear. Apakah kalian bisa mengartikan nilai koefisien dari fungsi tersebut?