METODOLOGI PENELITIAN
4.2 Pengolahan Data .1 Uji Kendall’s W
4.2.2.4 Analisis Data
a. Mengestimasi model konjoin
Berikut estimasi model konjoin untuk 1 responden:
Tabel 4.7 Hasil Penilaian Dari 1 Responden No. Harga Merek Kapasitas
29 Kemudian, melakukan pengkodean untuk varabel dummy yang mewakili setiap level dari masing-masing atribut.
Tabel 4.8 Variabel Dummy Untuk Atribut Harga Level Tabel 4.9 Variabel Dummy Untuk Atribut Merek
Level
Level 1 (Xiaomi) 1 0
Level 2 (Samsung) 0 1
Level 3 (Iphone) 0 0
Tabel 4.10 Variabel Dummy Untuk Atribut Kapasitas RAM Level
Level 1 (< 4 GB) 1 0 Level 2 (4 GB – 6 GB) 0 1 Level 3 (> 6 GB) 0 0
Tabel 4.11 Variabel Dummy Untuk Atribut Kapasitas ROM Level
Level 1 (< 64 GB) 1 0 Level 2 (64 GB – 128 GB) 0 1 Level 3 (> 128 GB) 0 0
Tabel 4.12 Variabel Dummy Untuk Atribut Fitur Smartphone
Level
Level 1 (Cukup Lengkap) 1 0
Level 2 (Lengkap) 0 1
Level 3 (Sangat Lengkap) 0 0 Tabel 4.13 Variabel Dummy Untuk Atribut Warna
Level
Level 1 (Putih) 1 0
Level 2 (Hitam) 0 1
Level 3 (Berwarna) 0 0
Tabel 4.14 Variabel Dummy Untuk Atribut Kapasitas Baterai
Level
Sehingga, stimulus yang menjadi kuesioner penelitian untuk menganalisis ketertarikan konsumen dalam memilih produk smartphone dikodekan menjadi variabel dummy.
Tabel 4.15 Pengkodean Stimulus Untuk Variabel Dummy No. Harga Merek Kapasitas data hasil evaluasi responden dianalisis menggunakan persamaan regresi berganda dengan varibel bebasnya adalah variabel dummy sebanyak 14 buah dengan persamaan sebagai berikut:
31
= Variabel tak bebas (Peringakat atau penilaian responden) = Variabel dummy untuk atribut harga menjadi variabel dummy yang kemudian digunakan untuk mencari koefisien regresinya.
Tabel 4.16 Input Data Dari 1 Responden Dalam Variabel Dummy No. Harga Merek Kapasitas
Untuk menghitung nilai dari menggunakan analisis regresi berganda dengan langkah-langkah sebagai berkut:
Tahap pertama adalah menjumlahkan data-data yang diperlukan dalam perhitungan yaitu:
∑ ∑ ∑ ∑ ∑ ∑
∑ ∑ ∑ ∑ ∑
∑ ∑ ∑ ∑
∑ ∑ ∑ ∑ ∑ ∑
∑ ∑ ∑ ∑ ∑
∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑
∑ ∑ ∑
∑ ∑ ∑
∑ ∑ ∑ ∑ ∑ ∑ ∑
∑ ∑ ∑
∑ ∑ ∑
∑ ∑ ∑
∑ ∑ ∑ ∑ ∑
∑ ∑ ∑
∑ ∑ ∑ ∑
33
∑ ∑ ∑ ∑ ∑
∑ ∑ ∑
∑ ∑ ∑
∑ ∑ ∑ ∑ ∑
∑ ∑ ∑
∑ ∑
∑ ∑ ∑ ∑ ∑
∑ ∑ ∑ ∑
∑ ∑ ∑ ∑
∑ ∑ ∑ ∑
∑ ∑ ∑ ∑
∑ ∑ ∑
∑ ∑ ∑ ∑ ∑
∑
∑ ∑ ∑ ∑ ∑
∑ ∑ ∑ ∑
∑ ∑ ∑
∑ ∑
∑ n=18
Setelah menjumlahkan seluruh data, kemudian memasukkannya kedalam persamaan-persamaan berikut:
∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑
∑ ∑ ∑ ∑ ∑ ∑
∑ ∑ ∑ ∑
∑ ∑ ∑ ∑ ∑ ∑
∑ ∑ ∑ ∑ ∑ ∑
∑ ∑ ∑ ∑
∑ ∑ ∑ ∑ ∑ ∑
∑ ∑ ∑ ∑ ∑ ∑
∑ ∑ ∑ ∑
∑ ∑ ∑ ∑ ∑ ∑
∑ ∑ ∑ ∑ ∑ ∑
∑ ∑ ∑ ∑
∑ ∑ ∑ ∑ ∑ ∑
35
∑ ∑ ∑ ∑ ∑ ∑
∑ ∑ ∑ ∑
∑ ∑ ∑ ∑ ∑ ∑
∑ ∑ ∑ ∑ ∑ ∑
∑ ∑ ∑ ∑
∑ ∑ ∑ ∑ ∑ ∑
∑ ∑ ∑ ∑ ∑ ∑
∑ ∑ ∑ ∑
∑ ∑ ∑ ∑ ∑ ∑
∑ ∑ ∑ ∑ ∑ ∑
∑ ∑ ∑ ∑
∑ ∑ ∑ ∑ ∑ ∑
∑ ∑ ∑ ∑ ∑ ∑
∑ ∑ ∑ ∑
∑ ∑ ∑ ∑ ∑ ∑
∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑
∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑
∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑
∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑
∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑
37
Persamaan-persamaan di atas dapat diubah kedalam persamaan matriks untuk mempermudah dalam menghitung persamaan-persamaan tersebut dalam memperoleh nilai dapat digunakan matriks sebagai berikut: koefisien regresinya hanya tinggal menghitung matriks berikut:
Maka, setelah mengubah matriks R menjadi matriks inversnya yaitu kumudian mengalikannya dengan matriks didapatlah:
Berikut hasil perhitungan menggunakan IBM SPSS Statistics 22:
Tabel 4.17 Koefisien Regresi
39
Baik dari perhitungan manual maupun perhitungan menggunakan IBM SPSS Statistics 22 menghasilkan hasil yang sama yaitu:
Persamaan regresi yang telah didapat, digunakan untuk menghitung ketertarikan yang diestimasi (estimation preferences) dan koefisien regresi yang telah didapat digunakan untuk menghitung nilai utilitas setiap level atribut. Untuk mempermudah pengestimasian nilai utilitas setiap level atribut, terlebih dahulu setiap level atribut dilambangkan sebagai berikut:
Tabel 4.18 Variabel Untuk Level Setiap Atribut
Untuk menghitung nilai utilitas setiap level, dapat dilakukan dengan langkah-langkah sebagai berikut:
1. Utilitas pada atribut harga
Persamaan (4.1) dikurang dengan persamaan (4.2) sehingga didapat:
(4.4)
Kemudian persamaan (4.4) diinput kedalam persamaan (4.3), didapat:
41
(4.5)
Persamaan (4.5) ditambah persamaan (4.2), didapat:
Nilai dimasukkan kedalam persamaan (4.2), didapat:
Nilai dimasukkan kedalam persamaan (4.1), didapatlah:
Maka, didapatlah niali utilitas tiap level untuk atribut harga yaitu:
2. Utilitas pada atribut merek
Diperoleh persamaan:
(4.6)
(4.7)
(4.8)
Persamaan (4.6) dikurang dengan persamaan (4.7) sehingga didapat:
(4.9)
Kemudian persamaan (4.9) diinput kedalam persamaan (4.8), didapat:
(4.10)
Persamaan (4.10) ditambah persamaan (4.7), didapat:
Nilai dimasukkan kedalam persamaan (4.7), didapat:
Nilai dimasukkan kedalam persamaan (4.6), didapatlah:
Maka, didapatlah niali utilitas tiap level untuk atribut harga yaitu:
3. Utilitas pada atribut kapasitas RAM
Diperoleh persamaan:
(4.11)
(4.12)
(4.13)
Persamaan (4.11) dikurang dengan persamaan (4.12) sehingga didapat:
(4.14)
Kemudian persamaan (4.14) diinput kedalam persamaan (4.13), didapat:
(4.15)
Persamaan (4.15) ditambah persamaan (4.12), didapat:
Nilai dimasukkan kedalam persamaan (4.12), didapat:
Nilai dimasukkan kedalam persamaan (4.11), didapatlah:
Maka, didapatlah niali utilitas tiap level untuk atribut harga yaitu:
4. Utilitas pada atribut kapasitas ROM
43
Diperoleh persamaan:
(4.16)
(4.17)
(4.18)
Persamaan (4.16) dikurang dengan persamaan (4.17) sehingga didapat:
(4.19)
Kemudian persamaan (4.19) diinput kedalam persamaan (4.18), didapat:
(4.20)
Persamaan (4.20) ditambah persamaan (4.17), didapat:
Nilai dimasukkan kedalam persamaan (4.17), didapat:
Nilai dimasukkan kedalam persamaan (4.16), didapatlah:
Maka, didapatlah niali utilitas tiap level untuk atribut harga yaitu:
Dengan cara yang sama, maka didapatlah:
5. Utilitas pada atribut fitur smartphone
6. Utilitas pada atribut warna
7. Utilitas pada atribut kapasitas baterai
Kemudian, persamaan regresi yang telah didapat digunakan untuk menghitung ketertarikan yang diestimasi atau dengan kata lain persamaan regresi yang telah didapat digunakan untuk menghitung estimasi tingkat ketertarikan seorang responden pada setiap stimulus yang disajikan. Berikut perhitungan menggunakan persamaan regresinya:
Tabel 4.19 Estimation Prefereces Dari Satu Responden No. Harga Merek Kapasitas
Tabel 4.20 Perbandingan Estimation Preferences dan Actual Preferences No. Estimation
45
Hasil Estimation preferences (Y) juga diperlukan untuk tahap Validasi hasil analisis konjoin karena untuk menghitung korelasi antara Estimation preferences dengan Actual preferences (yaitu hasil penilaian responden pada tiap stimulus yang disajikan).
Tabel 4.21 Nilai Utilitas Untuk Setiap Level Atribut Dari Satu Responden No. Atribut Level Keterangan Variabel Utilitas 1 Harga
3 > 4000 mAh 0.278 Berikut hasil perhitungan menggunakan IBM SPSS Statistics 22:
Tabel 4.22 Nilai Utilitas Untuk Setiap Level Atribut Dari Satu
Dengan demikian, telah didapat estimasi utilitas setiap level atribut dari satu responden. Untuk nilai utilitas keseluruhan responden, diolah dengan menggunakan IBM SPSS Statistics 22 sehingga diperoleh hasil sebagai berikut:
Tabel 4.23 Utilitas Keseluruhan Responden
47
Fitur_Smartphone Cukup Lengkap -,081 ,049
Lengkap -,025 ,049
Sangat Lengkap ,106 ,049
Warna Putih ,045 ,049
Hitam -,012 ,049
Berwarna -,033 ,049
Kapasitas_Baterai < 3000 mAh -,244 ,049 3000 mAh - 4000
mAh -,009 ,049
> 4000 mAh ,252 ,049
(Constant) 3,266 ,035
Dari tabel 4.23 di atas, telah didapat estimasi utilitas tiap level atributnya dari hasil penilaian seluruh responden.
b. Menginterpretasi hasil
Setelah didapat utilitas setiap levelnya, kemudian menghitung nilai kepentingan (importance value) untuk setiap atribut sebagai berikut:
Dari nilai utilitas setiap level atribut dari satu responden pada tabel 4.21 atau tabel 4.22, dapat kita hitung range nilai kepentingan setiap atribut dengan rumus:
( ) Range kepentingan pada atribut kapasitas RAM :
Range kepentingan pada atribut kapasitas ROM :
Range kepentingan pada atribut fitur smartphone :
Range kepentingan pada atribut warna :
Range kepentingan pada atribut kapasitas baterai :
Selanjutnya adalah menghitung bobot kepentingan relatif (relative impoertance) untuk setiap atribut dengan rumus sebagai berikut:
∑ Maka didapatlah:
Bobot kepentingan relatif pada atribut harga :
Bobot kepentingan relatif pada atribut merek :
Bobot kepentingan relatif pada atribut kapasitas RAM :
Bobot kepentingan relatif pada atribut kapasitas ROM :
Bobot kepentingan relatif pada atribut fitur smartphone :
Bobot kepentingan relatif pada atribut warna :
Bobot kepentingan relatif pada atribut kapasitas baterai :
Kemudian, setiap bobot kepentingan relatifnya dikali dengan 100% sehingga didapatlah:
49
Berikut nilai kepentingan dari seluruh responden menggunakan IBM SPSS Statistics 22:
Tabel 4.25 Importance Values Dari Seluruh Responden
Harga 16,641 pertama yang membuat responden tertarik dalam memilih produk smartphone adalah atribut merek yang ditunjukkan dari nilai kepentingan seluruh data yang paling tinggi diantara yang lainnya yaitu sebesar 17.923%. Jika dilihat dari nilai utilitasnya, merek Iphonelah yang paling diminati responden dengan nilai utilitasnya sebesar 0.254 jika dibanding dengan dua merek lainnya yaitu Xiaomi dan Samsung yang mana nilai utilitasnya masing masing adalah -0.229 dan -0.025. Kemudian adalah harga. Yang mana, harga yang paling membuat responden tertarik adalah < Rp 5.000.000 yang ditunjukkan dari nilai utilitasnya sebesar 0.219 dan untuk harga Rp 5000.000-Rp 8.000.000 serta >Rp 8.000.000 memiliki nilai utilitas masing-masing sebesar -0.29 dan -0.190. Untuk atribut kapasitas baterai, level yang responden paling tertarik adalah > 4000 mAh dengan nilai utilitas sebesar 0.252 sedangkan untuk level 1 dan level 2 nilai utilitasnya negatif yang masingmasing nilainya sebesar 0.244 dan -0.09. Kapasitas ROM yang responden paling tertarik adalah kapasitas > 128 GB dengan nilai utilitas sebesar 0.249 kemudian adalah kapasitas antara 64 GB – 128 GB dengan nilai utilitas sebesar 0.015 sedangkan untuk kapasitas ROM < 64 GB
bernilai utilitas negatif yaitu sebesar -0.264. Kapasitas RAM yang responden paling tertarik adalah kapasitas > 6 GB dengan nilai utilitasnya sebesar 0.130 sedankan untuk kapasitas RAM level 1 dan level 2 bernilai negarif yang masing-masing nilainya sebesar -0.98 dan -0.33. Fitur smartphone yang responden paling tertarik adalah pada smartphone yang memiliki fitur yang sangat lengkap yang ditandai dengan nilai utilitas yang positif sebesar 0.106 sedangkan untuk fitur level 1 dan level 2 bernilai negatif sebesar -0.081 dan -0.025. Atribut yang nilai kepentingannya paling rendah diatara atribut lainnya adalah atribut warna. Warna smartphone yang responden palling tertarik adalah smartphone putih yang ditunjukkan dengan nilai utilitas positif sebesar 0.045 sedangkan untuk level 2 dan level 3 nilai utilitasnya bernilai negatif sebesar -0.012 dan -0.033.
Gambar 4.1 Diagram Lingkaran Importance Values Dari Keseluruhan Data c. Validasi hasil analisis konjoin
Dari perhitungan-perhitungan di atas, didapatlah pola ketertarikan responden dalam memilih produk smartphone. Setelah didapatnya estimasi pola ketertarikan tersebut, perlu dilakukannya pengukuran korelasi antara ketertarikan yang diestimasi dengan hasil penilaian responden untuk melihat akurasi prediksi dari hasil yang didapat. Inilah yang disebut dengan predictive accuracy yaitu mengukur ketepatan prediksi dari hasil yang didapat.
51
Menghitung predictive accuracy dilakukan dengan menghitung utilitas total dari setiap stimulus dalam penelitian, kemudian menghitung korelasi antara hasil penilaian responden dengan utilitas total setiap stimulus penelitian. Korelasi yang tinggi akan mencerminkan estimasi pola ketertarikan yang didapat adalah akurat.
Pengukuran korelasi yang dipakai dalam hal ini adalah korelasi Pearson’s R dan Tau Kendall.
Tabel 4.26 Korelasi Antar Observed Preferences Dan Estimate Preferences
Uji Nilai Sig.
Pearson's R ,989 ,000
Kendall's tau ,858 ,000
Dari korelasi yang didapat, yang mana korelasinya adalah positif dan nilai korelasinya dapat dikategorikan kedalam korelasi yang sangat kuat. Serta nilai signifikansi yang diperoleh adalah 0.00 yang lebih kecil dari 0.05.Hal ini menandakan bahwa, adanya hubungan yang sangat kuat antar observed preferences dan estimated preferences serta hasil yang didapat memiliki tingkat keakuratan yang tinggi terhadap penilaian aktual responden.
5.1 Kesimpulan
Berdasarkan penelitian yang telah dilakukan, berikut kesimpulan yang dapat diambil peneliti:
1. Dengan menggunakan uji Kendall’s W, dapat kita lihat bahwa terdapatnya keselarasan antara penilaian dari responden dengan 7 atribut yang diteliti. Hal ini ditunjukkan dengan nilai statistik hitung yang lebih besar dari nilai statistik tabel yaitu 143,604 > 12.591.
2. Dengan menggunakan uji Validasi dan Reliabilitas yang dilakukan pada 50 responden pada tingkat 5% menyatakan bahwa kuesioner dalam penelitian ini adalah valid dan reliabel.
3. Dengan menggunakan analisis Konjoin Full-Profile untuk mengetahui ketertarikan mahasiswa Kedokteran USU dalam memilih produk smartphone, dapat dilihat bahwa responden dalam memilih smartphone paling tertarik pertama sekali pada merek smartphonenya yang riciannya tertarik pada Iphone yang mana nilai utilitas nya sebesar 0.254 dan nilai kepentingan atributnya sebesar 17.923%. Setelah itu pada atribut harga yang rinciannya smartphone pada harga < Rp 5.000.000 yang mana nilai utilitasnya sebesar 0.219 dengan nilai kepentingan atributnya sebesar 16.641%. Kemudian secara berurutan adalah atribut kapasitas baterai yaitu pada kapasitas > 4000 mAh dengan nilai utilitas sebesar 0.252 dan nalai kepentingan atributnya sebesar 15.254%, atribut kapasitas ROM yaitu pada kapasitas > 128 GB dengan nilai utilitas sebesar 0.249 dan nilai kepentingan atributnya sebesar 14.935%, atribut kapasitas RAM yaitu pada kapasitas > 6 GB dengan nilai utilitas sebesar 0.130 dan nilai kepentingan atributnya sebesar 13.244%, atribut fitur smartphone yaitu dengan fitur yang sangat lengkap dengan nilai utilitas sebesar 0.106 dan nilai kepentingan atributnya sebesar 12.3%, dan yang terakhir adalah atribut warna yaitu pada warna putih dengan nilai utilitas sebesar 0.045 dan nilai kepentingan atributnya sebesar 9.702%.
53
4. Konsep produk smartphone yang responden sangat tertarik berdasarkan hasil yang telah didapat adalah smartphone seharga < Rp 5.000.000, dengan merek Iphone, kapasitas RAM > 6 GB, kapasitas ROM > 128 GB, fitur yang sangat lengkap, warna putih, kapasitas baterai >4000 mAh.
5.2 Saran
Dari penelitian yang telah dilakukan, peneliti menyarankan bahwa bagi pelaku usaha yang bergerak dalam pemasaran smartphone supaya lebih mempertimbangkan hal-hal yang membuat konsumen tertarik dalam memilih produk yang hendak dijual. Dari hasil yang telah didapat, hal-hal penting yang membuat konsumen tertarik dalam memilih produk smartphone adalah yang pertama adalah merek yang mana dalam penelitian ini responden lebih menyukai merek Iphone.
Kedua adalah harga dari smartphonenya. Yang mana, responden lebih menyukai smartphone dengan harga dibawah Rp 5.000.000. Ketiga adalah kapasitas baterainya.
Yang mana, lebih besar kapasitasnya lebih disukai oleh konsumen demikian juga untuk kapasitas ROM dan kapasitas RAM.
Sehingga dengan lebih memperhatikan hal-hal yang membuat konsumen tertarik dalam memilih produk smartphone akan meningkatkan penjualan toko.
Dengan meningkatnya penjualan toko, pendapatan toko akan meningkat seiring meningkatnya penjualan.