METODE PENELITIAN
5. Penilaian keandalan dan kesahihan model yang diperoleh dengan nilai R
4.2.2.4 Pengolahan Nilai Utilitas Level Tiap Atribut
Analisis konjoin memiliki salah satu tujuan untuk mengetahui nilai guna/utility dalam tiap-tiap level pada atribut yang akan diujikan. Untuk mengetahui nilai utilitas bersebut, harus diketahui preferensi responden, baik secara individu maupun agregat (keseluruhan), dalam mengevaluasi ketertarikan responden terhadap produk sepeda
motor. Nilai utilitas individu bermanfaat untuk mendesain suatu produk sepeda motor bersifat spesifik bagi masing-masing individu. Nilai utilitas agregrat menunjukan nilai utilitas secara keseluruhan dari responden penelitian ini. Terdapat nilai utilitas agregrat dengan tanda negatif karena pengaruh efek coding dan proses penghitungannya.
Nilai utilitas pada dasarnya adalah selisih antara rata-rata atribut tertentu dengan nilai konstantanya. Dalam penafsiran angka utilitasnya perlu memperhatikan penyusunan rating yang dilakukan oleh responden. Karena dalam penelitian ini, responden melakukan penyusunan rating dari yang paling tidak disukai sampai yang paling disukai, maka tanda negatif yang terbaca sebagai nilai utilitas menunjukan bahwa responden tidak menyukai level pada atribut tersebut. Untuk megetahui perhitungan nilai utilias setiap responden dan nilai utilitas agregratnya dapat dilakukan dengan menggunakan bantuan program SPSS 17 yaitu sampel respondennya sebanyak 354 mewakili mahasiswa USU. Untuk melihat hasilnya peneliti menampilkan 1 subjek (responden) serta pengerjaan manualnya, sebagai perwakilan 354 subjek (responden) dan nilai utilitas agregratnya yang menggambarkan nilai utilitas secara keseluruhan dari 354 responden. Cara menghitung nilai utilitas dilakukan dengan manual untuk 1 responden sebagai berikut:
Untuk atribut Merek, level dari atribut dikodekan sebagai berikut:
Level 1 2
Level 1 1 0
Level 2 0 1
Untuk atribut Kapasitas Tangki , level dari atribut dikodekan sebagai berikut:
Level 3 4
Level 1 1 0
Level 2 0 1
Level 3 0 0
Untuk atribut Ketahanan Baterai, level dari atribut dikodekan sebagai berikut:
Level 5 6
Level 1 1 0
Level 2 0 1
Level 3 0 0
Untuk atribut Ban, level dari atribut dikodekan sebagai berikut:
Level 7 8
Level 1 1 0
Level 2 0 1
Level 3 0 0
Untuk atribut Harga, level dari atribut dikodekan sebagai berikut:
Level 9 10
Level 1 1 0
Level 2 0 1
Level 3 0 0
Untuk atribut Roda, level dari atribut dikodekan sebagai berikut:
Level 11
Level 1 1
Untuk atribut Warna, level dari atribut dikodekan sebagai berikut:
Level 12 13
Level 1 1 0
Level 2 0 1
Level 3 0 0
Untuk atribut Daya Mesin, level dari atribut dikodekan sebagai berikut:
Level 14 15
Level 1 1 0
Level 2 0 1
Level 3 0 0
Bentuk pertanyaan dalam kuesioner adalah pada Lampiran 8 dan diminta dari responden adalah preferensi mereka atas setiap kombinasi. Preferensi diperoleh dengan menilai kombinasi-kombinasi yang tersedia berdasarkan tingkat kesukaan relatif. Karena masih berupa kata-kata, data pada lampiran 3 hasil penilaian dari 1 responden tersebut perlu dikodekan menjadi variabel dummy, sebagaimana dilakukan pada regresi dengan variabel kuantitatif. Hasilnya adalah data Tabel 4.6 berikut:
Tabel 4.6 Pengkodeaan Data untuk Regresi
Sumber: Data Olahan Penulis
No Merek Kapasit as Tangki Jenis sepeda Motor
Ban Harga Roda Warna Daya
Mesin Rating Prefer ensi 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 1 1 0 0 0 0 1 0 1 0 0 0 0 1 0 1 4 2 0 1 1 0 1 0 0 0 0 0 1 0 0 0 0 3 3 0 0 1 0 1 0 0 1 0 1 1 0 1 0 1 2 4 1 0 1 0 0 0 1 0 0 1 0 0 0 0 1 4 5 0 0 0 0 1 0 0 0 0 1 1 0 1 1 0 2 6 1 0 0 0 0 0 0 1 0 1 1 0 0 1 0 5 7 0 1 1 0 0 0 0 0 1 0 0 0 1 1 0 4 8 1 0 0 0 1 0 0 1 1 0 1 1 0 0 0 4 9 0 1 0 0 0 1 1 0 0 1 0 1 0 1 0 4 10 0 0 0 1 0 0 1 0 0 0 1 1 0 1 0 2 11 1 0 0 1 0 1 0 0 0 0 1 0 1 1 0 4 12 0 1 0 0 0 0 1 0 1 0 1 0 1 0 0 2 13 0 0 0 0 0 0 0 0 0 0 1 1 0 0 1 3 14 0 1 0 1 0 0 0 1 1 0 1 0 1 0 1 3 15 0 1 1 0 0 1 0 0 0 1 1 1 0 0 1 3 16 0 0 1 0 0 1 0 1 1 0 1 0 0 1 0 5 17 0 1 0 1 1 0 0 1 0 0 0 0 0 1 0 5 18 0 1 0 1 0 1 0 1 0 1 1 1 0 0 0 3 19 1 0 0 1 1 0 0 0 1 0 0 1 0 0 1 3 20 0 0 0 1 0 1 1 0 1 0 1 0 0 0 1 3 21 1 0 1 0 0 1 1 0 0 0 1 0 1 0 0 2 22 0 0 1 0 0 0 0 1 0 0 0 1 0 0 0 2 23 0 0 0 1 1 0 1 0 0 1 0 0 1 0 0 4 24 0 1 0 0 1 0 1 0 0 0 1 0 0 0 1 4 25 1 0 0 1 0 0 0 0 0 1 1 0 0 0 0 4 26 1 0 1 0 1 0 1 0 1 0 1 1 0 1 0 4 27 0 0 0 0 0 1 0 0 1 0 0 0 0 0 0 4
Data yang sudah ditransformasi (diubah bentuknya), Sehingga data yang diperoleh dari hasil kuesioner dianalisis dengan persamaan regresi linear berganda dengan variabel bebas berupa dummy sebanyak 15 buah.
= 0+ 1 1+ 2 2+ 3 3+ 4 4+ 5 5+ 6 6+ 7 7+ 8 8+ 9 9+ 10 10 + 11 11+ 12 12+ 13 13 + 14 14+ 15 15
di mana :
= Rating Preferensi
1, 2 = Variabel dummy mewakili bagian Merek
3, 4 = Variabel dummy mewakili bagian Kapasitas Tangki 5, 6 = Variabel dummy mewakili bagian Jenis Sepeda Motor 7, 8 = Variabel dummy mewakili bagian Ban
9, 10 = Variabel dummy mewakili bagian Harga 11 = Variabel dummy mewakili bagian Roda 12, 13 = Variabel dummy mewakili bagian Warna 14, 15 = Variabel dummy mewakili bagian Daya Mesin
Menentukan 0, 1,…, 15 dapat menggunakan metode kuadrat terkecil. Untuk mendapatkan koefisien di atas dapat juga diperoleh dengan menggunakan SPSS. Hasil dari pengolahan tersebut dapat dilihat pada Lampiran 5. Setelah diperoleh koefisien dari 0, 1,…, 15 , dengan bantuan SPSS 17 diperoleh nilai utilitas dari 1 responden dapat dilihat pada Lampiran 6. Hubungan setiap koefisien variabel dummy, mewakili perbedaan pada parth-worth untuk level yang bersangkutan dikurangi parth-worth dari level dasar, yang dilakukan dengan manual pada contoh sebagai berikut:
Persamaan untuk atribut merek
11 − 13 = 1 (4.1) 12 − 13 = 2 (4.2) 11 + 12+ 13 = 0 (4.3) Dengan menggunakan nilai-nilai koefisien dari hasil SPSS maka diperoleh persamaan berikut :
11 − 13 = 0,777 (4.4) 12 − 13 = 0,444 (4.5) Dari persamaan (4.4) dan (4.5) diperoleh persamaan
11 − 13 = 0,777
12 − 13 = 0,444 _ (4.6) 11 − 12 = 0,333
11 = 0,333 + 12
Dari persamaan (4.3) diperoleh 11 + 12+ 13 = 0
0,333 + 12+ 12 + 13 = 0 (4.7)
0,333 +2 12+ 13 = 0 2 12 + 13 = −0,333
Dari persamaan (4.5) dan (4.7) diperoleh 12 − 13 = 0,444
2 12 − 13 = −0,333 _ (4.8) 3 12 = 0,111
12 = 0,037
Substitusikan persamaan (4.8) ke (4.5) diperoleh 12 − 13 = 0,444
0,037 − 13 = 0,444 (4.9) 13 = 0,037−0,444
13 =−0,407
Substitusikan persamaan (4.9) ke (4.4) diperoleh 11 − 13 = 0,777
11 −(−0,407) = 0,777 (4.10) 11 = 0,777−0,407
Sehingga diperoleh nilai untuk atribut merek 11 = 0,370
12 = 0,037 13 =−0,407
Persamaan untuk atribut kapasitas tangki
21− 23 = 3 (4.11) 22− 23 = 4 (4.12) 21+ 22+ 23 = 0 (4.13) Dengan menggunakan nilai-nilai koefisien dari hasil SPSS maka diperoleh persamaan berikut :
21− 23 = −0,333 (4.14) 22− 23 = −0,111 (4.15)
Dari persamaan (4.14) dan (4.15) diperoleh persamaan 21− 23 = −0,333
22− 23 = −0,111 _ (4.16) 21− 22 = −0,222
21 = −0,222 + 22
Dari persamaan (4.13) diperoleh 21+ 22+ 23 = 0
−0,222 + 22+ 22+ 23 = 0 (4.17) −0,222 +2 22+ 23 = 0
2 22+ 23 = 0,222
Dari persamaan (4.15) dan (4.17) diperoleh 2 22− 23 = 0,222
22− 23 =−0,111 + (4.18)
3 22 = 0,111 22 = 0,037
Substitusikan persamaan (4.18) ke (4.15) diperoleh 22− 23 = −0,111
0,037 − 23 = −0,111 (4.19) 23 = 0,037 + 0,111
23 = 0,148
Substitusikan persamaan (4.19) ke (4.14) diperoleh 21− 23 = −0,333
21−0,148 =−0,333 (4.20) 21 = −0,333−0,148
21 = −0,185
Sehingga diperoleh nilai untuk atribut kapasitas tangki 21 = −0,185
22 = 0,037 23 = 0,148
Perhitungan ini dilakukan terus hingga atribut ke delapan yaitu daya mesin ( 81, 82, 83)
Persamaan regresi linier berganda, untuk memperkirakan nilai utilitas. Harus diperoleh utility setiap atribut, setiap atribut memiliki sub level. Dengan diketahuinya kode variabel dummy, di mana level 3 sebagai kategori dasar. Setiap level perlu dilambangkan terlebih dahulu yang lambangnya dapat dilihat pada Lampiran 4. Sehingga hasil nilai utilitas agregat dari 354 responden dapat dilihat pada Tabel 4.7.
Tabel 4.7 Nilai Utilitas Agregat Level Atribut Responden Mahasiswa USU Utilitas
Atribut Keterangan Utility
Estimate Std. Error Merek Honda 0,317 0,097 Yamaha -0,038 0,097 Suzuki -0,280 0,097 Kapasitas Tangki < 3,7 Liter -0,111 0,097 3,7Liter s.d 12Liter 0,034 0,097 > 12 Liter 0,077 0,097 Jenis Sepeda Motor Matic -0,013 0,097 Bebek -0,071 0,097 Sport 0,083 0,097 Ukuran Ban (D)70/90 – 14 M/C 34 P (B)80/90 – 14 M/C 40 P -0,007 0,097 (D)70/90 – 17 M/C 38 P (B) 80/90 – 17 M/C 44 P -0,034 0,097 (D)80/100 – 17 M/C 46P (B)100/90 – 17 M/C 55P 0,042 0,097 Harga < Rp 12.000.000,00 0,162 0,097 Rp 12.000.000,00 – Rp 20.000.000,00 0,010 0,097 > Rp 20.000.000,00 -0,172 0,097
Roda Pelak Jari-jari 0,056 0,073
Pelak Biasa -0,056 0,073 Warna Putih 0,102 0,097 Hitam -0,074 0,097 Merah -0,029 0,097 Daya Mesin < 108cc -0,142 0,097 108cc s.d 150cc 0,076 0,097 > 150cc 0,066 0,097 Konstanta 3,118 0,073
Dari Tabel 4.7 telah diperoleh estimasi koefisien persamaan konjoin atau estimasi utilitas tiap levelnya yang disebut prediksi parth-worth secara agregrat yaitu sebagai berikut: 0 = 3,118 , 11 = 0,317 , 12 =−0,038 , 13 =−0,280 , 21 = −0,111 , 22 = 0,034 , 23 = 0,077 , 31 = −0,013 , 32 = −0,071 , 33 = 0,083 , 41 = −0,007 , 42 =−0,034 , 43 = 0,042 , 51 = 0,162 , 52 = 0,010 , 53 =−0,172 , 61 = 0,056 , 62 = −0,056 , 71 = 0,102 , 72 = −0,074 , 73 = −0,029 , 81 =−0,142 , 82 = 0,076 , 83 = 0,066 ,
Dari estimasi koefisien diatas maka dapat disubtitusi setiap estimasi utilitas kedalam persamaan dasar konjoin yaitu sebagai berikut:
= 3,118 + 0,317 11−0,038 12−0,280 13−0,111 21 + 0,034 22 + 0,077 23−0,013 31 −0,071 32+ 0,083 33−0,007 41 −0,034 42+
0,042 43+ 0,162 51 + 0,010 52−0,172 53+ 0,056 61 −0,056 62+
0,102 71−0,074 72 −0,029 73−0,142 81+ 0,076 82 + 0,066 83
Utilitas pada dasarnya adalah selisih antara rata-rata atribut tertentu dengan konstantanya. Jika selisih adalah negatif, maka responden kurang suka dengan stimuli produk tersebut. Sebaliknya, jika selisih adalah positif, maka responden suka dengan stimuli produk tersebut. Dari hasil nilai utilitas agregrat level atribut responden mahasiswa USU pada Tabel 4.7 maka dapat ditafsirkan analisis nilai utilitas setiap level pada atribut yaitu :
1. Merek
Pada atribut merek, utility yang bernilai positif yaitu Honda. Secara agregratnya responden cenderung menyukai merek Honda.
2. Kapasitas Tangki
Pada atribut Kapasitas tangki, utility yang bernilai positif ada dua yaitu untuk 3,7 Liter s.d 12 Liter dan > 12 Liter. Utility yang bernilai positif lebih besar yaitu > 12 Liter. Secara agregratnya responden cenderung menyukai Kapasitas tangki > 12 Liter.
Pada atribut jenis sepeda motor, utility yang bernilai positif yaitu jenis sepeda motor sport. Secara agregratnya responden cenderung menyukai sepeda motor sport.
4. Ukuran Ban
Pada atribut ukuran ban, utility yang bernilai positif yaitu ukuran ban (80/100- 17M/C 46P dan 100/90-17M/C 55P) . Secara agregatnya responden cenderung menyukai ukuran ban (80/100-17M/C 46P dan 100/90-17M/C 55P).
5. Harga
Pada atribut harga, utility yang bernilai positif untuk harga ada dua yaitu harga < Rp 12 .000.000,00 dan Rp 12.000.000,00 s.d Rp 20.000.000,00. Utility yang bernilai positif lebih besar yaitu < Rp 12.000.000,00. Secara agregatnya responden cenderung menyukai harga < RP 12.000.000,00.
6. Roda
Pada atribut roda, utility yang bernilai positif untuk roda yaitu roda pelak jari- jari. Secara agregatnya responden cenderung menyukai roda pelak jari-jari. 7. Warna
Pada atribut ukuran warna, utility yang bernilai positif yaitu warna putih.. Secara agregratnya responden cenderung menyukai warna putih tersebut. 8. Daya Mesin
Pada atribut ketahanan daya mesin, utility yang bernilai positif ada dua yaitu daya mesin 108cc s.d 150cc dan > 150cc. Utility yang bernilai positif lebih besar yaitu daya mesin 108cc s.d 150cc. Secara agregratnya responden cenderung menyukai daya mesin 108cc s.d 150cc.