HASIL DAN PEMBAHASAN
NILAI SKALA
Kemudahan 0.957 Keamanan 0.910 Kecepatan 0.906 Akurasi 0.753 Biaya 0.688 Efisiensi 0.328 Layanan Khusus 0.224 Kenyamanan 0.000
Metode Equal Appearing Intervals Hasil dari metode equal appearing intervals disajikan pada Tabel 3. Aspek kecepatan transaksi memiliki nilai median terkecil dibandingkan dengan aspek lainnya. Artinya, aspek ini memiliki tingkat kepentingan yang paling tinggi dibandingkan ketujuh aspek lainnya. Kenyamanan merupakan aspek dengan tingkat kepentingan terendah dengan nilai median 3.970.
Tabel 3 Nilai Skala pada Metode Equal Appearing Intervals ATRIBUT NILAI SKALA Kecepatan 1.419 Kemudahan 1.451 Keamanan 1.639 Akurasi 1.842 Biaya 1.886 Efisiensi 2.963 Layanan Khusus 3.686 Kenyamanan 3.970
Metode Successive Intervals Metode successive intervals dapat menghasilkan selang kategori dan nilai skala setiap atribut, sehingga posisi relatif setiap atribut dapat diketahui. Hasil pengolahan dengan metode successive intervals disajikan pada Tabel 4.
Tabel 4 Nilai Skala dan Selang Kategori Atribut Menurut Metode Successive Intervals Kategori Atribut (Nilai Skala) Selang Kategori Sangat Penting V4 (-0.196) <0.000 V1 (-0.156) V3 (-0.115) V2 (-0.001) Penting V5 (0.265) 0.000-0.694 Biasa V7 (0.806) V8 (1.042) 0.694-1.115 Tidak Penting V6 (1.290) 1.115-1.708 Sangat Tidak Penting >1.708 Keterangan :
V1:Keamanan ; V2:Akurasi ; V3:Kecepatan V4:Kemudahan ; V5:Biaya ; V6:Kenyamanan V7: Efisiensi ; V8: Layanan Khusus
Kelebihan metode successive interval adalah dapat menghitung batas setiap kategori secara obyektif, sehingga dapat menempatkan atribut pada kategori yang sesuai dengan nilai skalanya. Aspek kemudahan (V4), keamanan (V1), kecepatan (V3), dan akurasi (V2) termasuk dalam kategori sangat penting dalam melakukan transaksi non tunai. Biaya transaksi (V5) termasuk kategori penting. Aspek yang dinilai biasa oleh responden adalah aspek efisiensi (V7) dan layanan khusus (V8), sedangkan aspek yang diniliai tidak penting adalah aspek kenyamanan (V6).
Uji kesesuaian model menghasilkan nilai χ2 hitung sebesar 30.261. Pada taraf nyata 1%, nilai χ2
dengan derajat bebas 21 adalah 38.932. Artinya, model telah cukup baik menggambarkan kondisi data sebenarnya. Metode ini pun dapat menghitung tingkat kesalahan dengan menggunakan nilai AD. Nilai AD yang diperoleh adalah 0.045 yang artinya metode ini memberikan ketidaktepatan hasil sebesar 4.5%.
Perbandingan Hasil
Metode rataan memberikan hasil bahwa tingkat kemanan merupakan urutan terpenting dalam menggunakan transaksi non tunai, kemudian aspek kemudahan dan kecepatan pada urutan kedua dan ketiga. Metode Thurstone dan successive intervals memberikan hasil yang sama dalam menilai motivasi seseorang mengunakan transaksi non tunai. Menurut kedua metode ini, aspek kemudahan merupakan aspek terpenting, kemudian disusul oleh aspek keamanan dan kecepatan transaksi. Berdasarkan metode equal appearing intervals, aspek yang dinilai paling penting berturut-turut adalah kecepatan transaksi, kemudahan, dan tingkat keamanan.
Seluruh metode memberikan hasil yang sama pada urutan tingkat kepentingan yang keempat hingga terakhir. Tingkat kenyamanan merupakan aspek yang dinilai paling rendah tingkat kepentingannya dibandingkan dengan aspek lainnya. Hasil selengkapnya mengenai urutan tingkat kepentingan atribut pada setiap metode disajikan pada Tabel 5.
Tabel 5 Urutan Kepentingan Atribut pada Berbagai Metode
Atribut Rataan LCJ EAI SI
Keamanan 1 2 3 2 Akurasi 4 4 4 4 Kecepatan 3 3 1 3 Kemudahan 2 1 2 1 Biaya 5 5 5 5 Kenyamanan 8 8 8 8 Efisiensi 6 6 6 6 Layanan Khusus 7 7 7 7 Keterangan :
LCJ: The Law of Comparative Judgement EAI: Equal Appearing Intervals
SI : Successive Intervals
Hasil yang berbeda pada urutan kepentingan atribut keamanan, kecepatan, dan kemudahan untuk berbagai metode analisis data ordinal disebabkan atribut tersebut memiliki pola sebaran dan nilai tengah yang relatif tidak terlalu berbeda. Gambar 2 menggambarkan bahwa ketiga atribut tersebut memiliki sebaran data dan nilai tengah yang hampir sama. Kekonsistenan peringkat pada atribut akurasi, biaya, kenyamanan, efisiensi, dan layanan khusus disebabkan karena pola sebaran data dan nilai tengah atribut tersebut relatif berbeda. Perbandingan ketiga metode disajikan secara lengkap pada Tabel 6.
Tabel 6 Perbandingan Metode The Law of Comparative Judgement Equal Appearing Interval Successive Interval Teknik Penghitungan Transformasi ke sebaran normal baku dari matriks proporsi berdasarkan prinsip
pair comparison
Berdasarkan perhitungan langsung dari nilai
pengamatan (Mencari nilai
Median)
Transformasi ke sebaran normal baku berdasarkan proporsi kumulatif suatu atribut
terhadap kategori tertentu
Asumsi Simpangan
diskriminal menyebar normal
Sebaran Data tidak simetrik
Kenormalan Data
Batas Penskalaan Tidak ada Tidak ada Ada
Penghitungan Error
Ada (Average discrepancy)
Tidak ada Ada
(Average discrepancy) Uji Kesesuaian
Model
Ada Tidak Ada Ada
Pemilihan Metode Terbaik
Pemilihan metode terbaik dapat dilakukan dengan melihat sebaran data terlebih dahulu dan disesuaikan pula dengan tujuan penelitian. Metode Thurstone dapat digunakan untuk menilai peringkat atribut berdasarkan asumsi-asumsi yang disepakati. Metode equal appearing intervals masih baik digunakan walaupun sebaran datanya tidak simetrik. Kelemahan metode equal appearing intervals adalah tidak dapat melakukan pengujian kesesuaian model dan menghitung tingkat kesalahan pendugaan. Metode successive intervals digunakan bila penelitian bertujuan untuk memberikan peringkat setiap atribut sekaligus mengelompokkan atribut berdasarkan kategori yang ditentukan.
Pada kasus penilaian tingkat kepentingan responden dalam menggunakan transaksi non tunai, hasil uji kesesuaian model dengan menggunakan metode Thurstone dan successive intervals menunjukkan bahwa model telah cukup baik menggambarkan kondisi data sebenarnya. Tingkat kesalahan yang diukur dengan nilai AD pada metode Thurstone dan successive intervals masing-masing adalah 2.3 % dan 4.5%.
Salah satu hal yang harus diperhatikan oleh peneliti adalah mengenai kesensitifan metode Thurstone bila data dikumpulkan dengan memberikan penilaian skala ordinal terhadap seluruh atribut, seperti yang dilakukan pada penelitian ini. Metode Thurstone tidak membedakan bobot penilaian setiap responden dalam menilai suatu atribut karena hal yang diperhatikan pada metode ini
adalah bagaimana pola responden dalam menilai atribut secara berpasangan. Sebagai contoh, metode Thurstone memberikan penilaian bahwa Vx lebih penting daripada Vy, tanpa melihat berapa bobot atau nilai yang diberikan responden terhadap atribut Vx dan Vy. Bila terjadi perubahan bobot/nilai pada suatu atribut, maka akan berakibat langsung terhadap perubahan nilai rataan atribut, namun belum tentu mengubah hasil penilaian dengan metode Thurstone.
Metode Thurstone relatif lebih stabil dibandingkan dengan metode rataan meskipun terdapat data pencilan. Hal ini terjadi karena metode Thurstone hanya melakukan perbandingan berpasangan terhadap atribut, tanpa mempedulikan besarnya bobot atau penilaian atribut tersebut. Bila peneliti menganggap besarnya bobot atau penilaian responden terhadap suatu atribut sebagai hal yang penting, maka hasil yang diperoleh dengan metode rataan dapat mengambarkan hal tersebut lebih jelas, namun demikian metode rataan lebih sensitif terhadap nilai pencilan.
KESIMPULAN
Pengolahan data ordinal yang dikembangkan oleh Thurstone diantaranya adalah metode Thurstone (the law of comparative judgement), metode equal appearing intervals, dan metode successive intervals. Metode Thurstone dapat mengurutkan peringkat atribut berdasarkan prinsip perbandingan berpasangan. Metode
Tabel 6 Perbandingan Metode The Law of Comparative Judgement Equal Appearing Interval Successive Interval Teknik Penghitungan Transformasi ke sebaran normal baku dari matriks proporsi berdasarkan prinsip
pair comparison
Berdasarkan perhitungan langsung dari nilai
pengamatan (Mencari nilai
Median)
Transformasi ke sebaran normal baku berdasarkan proporsi kumulatif suatu atribut
terhadap kategori tertentu
Asumsi Simpangan
diskriminal menyebar normal
Sebaran Data tidak simetrik
Kenormalan Data
Batas Penskalaan Tidak ada Tidak ada Ada
Penghitungan Error
Ada (Average discrepancy)
Tidak ada Ada
(Average discrepancy) Uji Kesesuaian
Model
Ada Tidak Ada Ada
Pemilihan Metode Terbaik
Pemilihan metode terbaik dapat dilakukan dengan melihat sebaran data terlebih dahulu dan disesuaikan pula dengan tujuan penelitian. Metode Thurstone dapat digunakan untuk menilai peringkat atribut berdasarkan asumsi-asumsi yang disepakati. Metode equal appearing intervals masih baik digunakan walaupun sebaran datanya tidak simetrik. Kelemahan metode equal appearing intervals adalah tidak dapat melakukan pengujian kesesuaian model dan menghitung tingkat kesalahan pendugaan. Metode successive intervals digunakan bila penelitian bertujuan untuk memberikan peringkat setiap atribut sekaligus mengelompokkan atribut berdasarkan kategori yang ditentukan.
Pada kasus penilaian tingkat kepentingan responden dalam menggunakan transaksi non tunai, hasil uji kesesuaian model dengan menggunakan metode Thurstone dan successive intervals menunjukkan bahwa model telah cukup baik menggambarkan kondisi data sebenarnya. Tingkat kesalahan yang diukur dengan nilai AD pada metode Thurstone dan successive intervals masing-masing adalah 2.3 % dan 4.5%.
Salah satu hal yang harus diperhatikan oleh peneliti adalah mengenai kesensitifan metode Thurstone bila data dikumpulkan dengan memberikan penilaian skala ordinal terhadap seluruh atribut, seperti yang dilakukan pada penelitian ini. Metode Thurstone tidak membedakan bobot penilaian setiap responden dalam menilai suatu atribut karena hal yang diperhatikan pada metode ini
adalah bagaimana pola responden dalam menilai atribut secara berpasangan. Sebagai contoh, metode Thurstone memberikan penilaian bahwa Vx lebih penting daripada Vy, tanpa melihat berapa bobot atau nilai yang diberikan responden terhadap atribut Vx dan Vy. Bila terjadi perubahan bobot/nilai pada suatu atribut, maka akan berakibat langsung terhadap perubahan nilai rataan atribut, namun belum tentu mengubah hasil penilaian dengan metode Thurstone.
Metode Thurstone relatif lebih stabil dibandingkan dengan metode rataan meskipun terdapat data pencilan. Hal ini terjadi karena metode Thurstone hanya melakukan perbandingan berpasangan terhadap atribut, tanpa mempedulikan besarnya bobot atau penilaian atribut tersebut. Bila peneliti menganggap besarnya bobot atau penilaian responden terhadap suatu atribut sebagai hal yang penting, maka hasil yang diperoleh dengan metode rataan dapat mengambarkan hal tersebut lebih jelas, namun demikian metode rataan lebih sensitif terhadap nilai pencilan.
KESIMPULAN
Pengolahan data ordinal yang dikembangkan oleh Thurstone diantaranya adalah metode Thurstone (the law of comparative judgement), metode equal appearing intervals, dan metode successive intervals. Metode Thurstone dapat mengurutkan peringkat atribut berdasarkan prinsip perbandingan berpasangan. Metode
equal appearing intervals dapat mengurutkan peringkat atribut berdasarkan penghitungan nilai median. Metode successive intervals dapat mengurutkan peringkat atribut dan mampu menempatkan atribut pada kategori yang tertentu. Uji kesesuaian model dan penghitungan tingkat kesalahan dapat dilakukan pada metode Thurstone dan metode successive intervals.
Pada kasus penelitian ini, hasil uji kesesuaian model dengan menggunakan metode Thurstone dan successive intervals menunjukkan bahwa model telah cukup baik menggambarkan kondisi data yang sebenarnya. Tingkat kesalahan yang diukur dengan nilai AD pada metode Thurstone adalah 2.3%, sedangkan tingkat kesalahan pada metode successive intervals sebesar 4.5%.
Metode Thurstone relatif tidak sensitif terhadap perubahan bobot atau skala penilaian pada suatu atribut. Metode Thurstone hanya melihat bagaimana hasil penilaian berpasangan antara dua atribut, namun tidak mampu melihat perbedaan penilaian yang diberikan oleh responden terhadap atribut-atribut tersebut.
Tingkat kepentingan paling tinggi dalam melakukan transaksi non tunai yaitu pada aspek tingkat kemudahan atau aksesibilitas, tingkat keamanan, dan kecepatan transaksi. Kenyamanan merupakan aspek yang tingkat kepentingannya paling rendah dibandingkan atribut lain.