BAB IV ANALISIS DAN DISKUSI
4.2 Pengolahan Data
4.2.6 Prediksi Penggunaan Jasa Transportasi Online Ride Sharing
Pada sub-bab sebelumnya sudah dibahas tentang bagaimana model tentang difusi inovasi menggunakan model Bass dan model Roger. Kedua model ini lolos uji Goodness of Fit. Akan tetapi, pada penelitian ini dipilih salah satu model untuk menggambarkan besarnya ukuran dari masing-masing kategori pengadopsi. Untuk itu selanjutnya adalah menentukan model yang lebih sesuai untuk digunakan, dilihat dari bagaimana model tersebut dapat menggambarkan kondisi nyata. Pada tahapan ini kedua model diuji dan dilihat dari seberapa dekat nilai aktual dan model yang ada.
Sebelum membandingkan antara data aktual dan data model, data penggunaan jasa transportasi online ride sharing perlu diproyeksikan dan diprediksikan untuk beberapa tahun ke depan. Hal ini perlu dilakukan karena pada model difusi inovasi, data yang ada adalah bagaimana tingkat penyerapan inovasi, sedangkan pada data adopsi inovasi data yang ada, data adalah jumlah adopsi tiap tahunnya. Karena itu perlu diketahui berapa jumlah potensi adopsi sebuah inovasi yang ada di masyarakat. Salah satu cara untuk mengetahui berapa potensi adopsi adalah dengan melakukan prediksi.
Prediksi dari penggunaan jasa transportasi online ride sharing dilakukan menggunakan metode forecasting polynomial orde 3. Metode forecasting polynomial orde 3 digunakan karena model ini dianggap paling menggambarkan
78
dengan nilai R2 lebih besar jika dibandingkan dengan menggunakan metode forecasting polynomial orde 2. Selain itu metode forecasting polynomial orde tiga dipilih karena hasil dari metode ini adalah grafik dimana sebuah data mengalami titik puncak dan kemudian mengalami penurunan.
Forecasting dilakukan menggunakan software Microsoft Excel 2016 dengan bantuan tools trendline pada grafik dari data penggunaan jasa transportasi online ride sharing yang didapat dari kuesioner.
Tabel 4.7 Adopsi Responden Jasa Transportasi Online Ride Sharing
t Tahun Jumlah Responden
1 2012 1
2 2013 1
3 2014 15
4 2015 63
5 2016 78
Pengguna jasa transportasi online ride sharing meningkat dari tahun ke tahun (Tabel 4.7). Jumlah pengguna dalam tabel ini menggambarkan jumlah pengguna yang pertama kali menggunakan jasa transportasi online ride sharing pada tahun tertentu, bukan menggambarkan total akumulasi pengguna jasa transportasi online ride sharing dari tahun ke tahun. Responden yang menggunakan jasa transportasi online ride sharing untuk pertama kali pada tahun 2012 dan 2013 berjumlah masing-masing 1 orang. Untuk responden yang pertama kali menggunakan pada tahun 2014 terdapat 15 orang. Responden yang pertama kali menggunakan jasa transportasi online ride sharing pada tahun 2015 sejumlah 63 responden dan tahun 2016 sejumlah 78 responden.
Gambar 4.1 Grafik Data Adopsi dan Data Prediksi Polinomial Adopsi
y = -0.8023x3+ 10.458x2- 15.955x R² = 0.9469 -50 0 50 100 150 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022
Adopsi Jasa Transportasi Online Ride Sharing
79
Data tersebut kemudian dituangkan kedalam bentuk grafik untuk mempermudah untuk melihat perubahan adopsi jasa transportasi online ride sharing pada responden penelitian dan trendline proyeksi dari adopsi jasa transportasi online ride sharing (Gambar 4.1). Prediksi untuk penggunaan jasa transportasi online ride sharing masih terus berkembang sampai pada tahun 2018 dan mulai menurun setelahnya. Untuk mengetahui berapa jumlah proyeksi adopsi setiap tahun, persamaan polynomial digunakan untuk menghitung jumlah adopsi tersebut. Persamaan untuk prediksi polynomial orde 3 adalah:
𝑦 = −0,8023𝑥3+ 10,458𝑥2 − 15,955𝑥
y: pengadopsi jasa transportasi online ride sharing pada tahun x x: tahun adopsi (0, 1, 2, …)
Nilai variabel 𝑎 adalah negatif, ini berarti kurva bergerak dari kiri atas ke kanan bawah dan kurva memiliki nilai dasar pada x yang lebih kecil dibanding x pada nilai puncak. Nilai variabel 𝑏 adalah positif, ini berarti perbedaan antara nilai puncak dan nilai dasar cukup besar dan titik puncak cenderung menjauhi titik dasar yang tetap. Nilai variabel 𝑐 adalah negatif, ini berarti kurva menjauhi bentuk garis lurus. Dalam persamaan ini nilai y adalah nilai pengguna jasa transportasi online ride sharing pada tahun ke-x. Persamaan ini memiliki nilai R2 sebesar 0,94. Hal ini berarti data yang dapat digambarkan dengan model ini adalah sebesar 94 persen. Dengan menggunakan persamaan ini, jumlah penggunaan jasa transportasi online ride sharing kemudian diprediksi untuk tahun 2017 sampai pada tahun dimana tidak ada lagi melakukan adopsi jasa transportasi online ride sharing (Tabel 4.8).
Jumlah adopsi inovasi transportasi online ride sharing meningkat pada tahun 2017-2019. Jumlah adopsi inovasi transportasi online ride sharing ini kemudian menurun dari tahun ke tahun sampai akhirnya pada tahun ke-12 (tahun 2023) nilai pengguna ini diprediksi berada dibawah 0. Penyedia jasa masih dapat mengembangkan pengguna adopsinya selama tiga tahun awal proyeksi yaitu tahun 2017-2019. Strategi penetrasi pasar masih sangat cocok diterapkan untuk tahun 2017-2019 karena masih ada potensi pasar yang belum mengadopsi inovasi ini. Setelah itu penyedia jasa harus sudah menciptakan inovasi baru karena inovasi transportasi online ride sharing sudah mulai memasuki tahap penurunan karena sudah di adopsi oleh sebagian besar masyarakat. Saat ini strategi yang cocok untuk
80
diterapkan oleh penyedia jasa adalah strategi pengembangan produk dan strategi difersifikasi. Perlu inovasi baru agar penyedia jasa dapat bertahan dalam persaingan.
Tabel 4.8 Prediksi Adopsi Difusi Inovasi Berdasarkan Model Bass
t Tahun Prediksi Jumlah adopsi
6 2017 107 7 2018 126 8 2019 131 9 2020 119 10 2021 84 11 2022 22
Dari prediksi ini diketahui berapa prediksi nilai m (nilai potensi pasar) dari jasa transportasi online ride sharing. Nilai ini nantinya digunakan dalam analisis difusi inovasi untuk melihat sudah sejauh mana pencapaian inovasi jasa transportasi online ride sharing saat ini. Nilai m sendiri didapatkan dari jumlah nilai aktual penggunaan pertama oleh responden (tahun 2012-2016) dengan nilai prediksi menggunakan metode forecasting polynomial orde 3 (tahun 2017-2022). Nilai m (nilai total) adalah sebesar 748 (Tabel 4.9). Setelah nilai potensi pasar didapatkan, data adopsi dari difusi inovasi kemudian dapat dilanjutkan kepada analisis untuk menentukan berapa besar masing-masing kategori dalam difusi inovasi.
Tabel 4.9 Kalkulasi Nilai Potensi Pasar (m) Berdasarkan Data dan Prediksi.
Tahun Nilai aktual Nilai prediksi
2012 1 2013 1 2014 15 2015 63 2016 78 2017 107 2018 126 2019 131 2020 119 2021 84 2022 22 Total 748