0. Persiapkan bahan

1. Data porsi pengeluaran dan harga setiap barang serta total pengeluaran untuk seluruh barang yang akan dianalisis,
2. Program Stata,
3. Package aidsills.

A. Penyiapan data

1. Pada kasus ini data yang digunakan adalah data penjualan 4 jenis buah dari suatu supermarket di suatu tempat yaitu buah apel (1), apel organik (2), berry (3), dan berry organik (4).
2. Total observasi yang tersedia sebanyak 60 untuk setiap variabel,
   • w adalah porsi pengeluaran (pengeluaran untuk setiap buah dibagi total pengeluaran untuk 4 buah),
   • p adalah harga untuk setiap buah,
   • m adalah total anggaran untuk 4 buah.
3. Sehingga secara total ada 9 kolom variabel dan 60 baris observasi tersimpan dalam format Excel.

B. Penyiapan program Stata dan package aidsills

1. Program Stata (Statistical software for data science | Stata) yang saya gunakan adalah versi 17, tetapi cara yang sama ini bisa juga diterapkan dengan Stata versi sebelumnya.
2. Install package aidsills dengan cara menjalankan perintah “search aidsills” dan temukan program aidsills terbaru yang ditulis oleh S. Lecocq and J. M. Robin.
3. Pilih program aidsills terbaru yaitu “st0393_3” pada kasus ini kemudian akan muncul pilihan “click here to install”.
4. Setelah terinstall maka program Stata dan package aidsills siap digunakan untuk melakukan demand system analysis.

C. Menjalankan demand system analysis menggunakan package aidsills

1. Import data dengan format Excel yang sudah disiapkan ke program Stata.
2. Jalankan perintah dasar “aidsills w1 w2 w3 w4, prices(p1 p2 p3 p4) expenditure(m) alpha_0(10)” di mana alpha_0 adalah nilai minimum dari logaritma natural variabel m dan dalam kasus ini nilainya sekitar 10. Setelah beberapa saat maka hasil dari estimasi parameter demand system keluar.
3. Hasil estimasi parameter ini dapat dievaluasi seperti regresi pada umumnya dengan melihat nilai residual dari setiap persamaan menggunakan perintah “aidsills_pred res1, equation(w1) residuals”.
4. Setelah hasil estimasi diyakini maka nilai elastisitas dapat dihitung dengan menggunakan perintah “aidsills_elas” setelah hasil estimasi parameter keluar.
5. Nilai elastisitas pengeluaran, harga, dan harga silang siap untuk digunakan

D. Membaca nilai elastisitas

Perintah aidsills_elas menghasilkan 3 tabel elastisitas yaitu

1. Tabel elastisitas anggaran dan harga.
   • Elastisitas anggaran untuk setiap barang dapat dilihat pada kolom budget di mana dalam kasus ini menghasilkan nilai 0.517 untuk apel, artinya permintaan apel diprediksi meningkat 0.5% untuk setiap peningkatan anggaran untuk ke empat buah sebesar 1%.
   • Elastisitas harga dapat dilihat pada kolom u_price, sementara kolom c_price merupakan elastisitas harga Hicksian yang digunakan untuk analisis lain. Elastisitas harga dalam kasus ini semuanya negatif, artinya ketika harga naik maka permintaan untuk setiap buah diprediksi turun. Penurunan permintaan dari setiap kenaikan 1% harga beragam untuk setiap buah yaitu 0.5% untuk apel, 0.4% untuk apel organik, 1.3% untuk berry, dan 0.9 persen untuk berry organik.
2. Tabel elastisitas harga silang Uncompensated atau Marshallian menunjukan bagaimana permintaan setiap buah dipengaruhi perubahan harga buah lain. Pada kasus ini di kolom angka pertama menunjukan bagaimana permintaan setiap buah merespon kenaikan 1% harga apel (p1) yaitu,
   • Permintaan turun sebesar 0.5% untuk apel (ini sama dengan elastisitas harga pada tabel pertama)
   • Permintaan apel organik naik 0.8%
   • Permintaan berry turun 0.1%
   • Permintaan berry organik turun 0.1%
3. Tabel elastisitas harga silang Compensated atau Hicksian menunjukan hal yang sama dengan tabel sebelumnya tetapi kondisinya berbeda yaitu apabila konsumen mendapat kompensasi sehingga tingkat utilitasnya tetap. Nilai elastisitas ini dapat digunakan untuk menghitung Compensating Variation (CV) sebagai ukuran kesejahteraan (silahkan baca lebih lanjut ke Azzam, A.M. and Rettab, B., 2012).

E. Referensi

Azzam, A.M. and Rettab, B. (2012) ‘A welfare measure of consumer vulnerability to rising prices of food imports in the UAE’, Food Policy, 37(5), pp. 554–560. doi:10.1016/j.foodpol.2012.05.003.

Deaton, A. and Muellbauer, J. (1980) ‘An Almost Ideal Demand System’, American Economic Review, 70(3), pp. 312–326. Available at: https://www.jstor.org/stable/1805222.

Lecocq, S. and Robin, J.-M. (2015) ‘Estimating almost-ideal demand systems with endogenous regressors’, The Stata Journal, 15(2), pp. 554–573.