PENGUMPULAN DAN PENGOLAHAN DATA
IV- 121). Uji Likelihood Ratio
Uji likelihood ratio dapat dilihat hasilnya pada output SPSS pada tabel
likelihood ratio tests. Untuk provider Telkomsel hasil uji likelihood ratio dapat
dilihat pada Gambar 4.9.
Gambar 4.9 Gambar Uji Likelihood Ratio Telkomsel
Uji likelihood ratio ini mengikuti distribusi chi square. Sehingga dari gambar 4.9 dapat dilihat nilai 2 untuk intercept, harga paket 1 (Lifestyle), harga paket 2 (Business), dan harga paket 3 (Full Services).
Dari Gambar 4.9 dapat dilihat nilai 2 hitung untuk intercept atau koefisien yaitu sebesar 423,195. Sedangkan dengan derajat kebebasan (df) sebesar 3 dan taraf kepercayaan sebesar 0,05 maka dapat diketahui bahwa nilai 2 tabel sebesar 7,81. Nilai 2 hitung lebih besar daripada nilai 2 tabel sehingga dapat disimpulkan bahwa intercept atau koefisien secara individu mempengaruhi variabel dependen.
Untuk harga paket 1 (Lifestyle) dapat dilihat nilai 2 hitungnya yaitu sebesar 125,474. Sedangkan dengan derajat kebebasan (df) sebesar 3 dan taraf kepercayaan sebesar 0,05 maka dapat diketahui bahwa nilai 2 tabel sebesar 7,81. Nilai 2 hitung lebih besar daripada nilai 2 tabel sehingga dapat disimpulkan bahwa harga paket 1 (Lifestyle) secara individu mempengaruhi variabel dependen. Untuk harga paket 2 (Business) dapat dilihat nilai 2 hitungnya yaitu sebesar 85,529. Sedangkan dengan derajat kebebasan (df) sebesar 3 dan taraf kepercayaan sebesar 0,05 maka dapat diketahui bahwa nilai 2 tabel sebesar 7,81. Nilai chi 2 hitung lebih besar daripada nilai 2 tabel sehingga dapat disimpulkan bahwa harga paket 2 (Business) secara individu mempengaruhi variabel dependen.
IV-13
Untuk harga paket 3 (Full Services) dapat dilihat nilai 2 hitungnya yaitu sebesar 734,787. Sedangkan dengan derajat kebebasan (df) sebesar 3 dan taraf kepercayaan sebesar 0,05 maka dapat diketahui bahwa nilai 2 tabel sebesar 7,81. Nilai 2 hitung lebih besar daripada nilai 2 tabel sehingga dapat disimpulkan bahwa harga paket 3 (Full Services) secara individu mempengaruhi variabel dependen.
Sedangkan untuk provider Indosat hasil uji likelihood ratio dapat dilihat pada Gambar 4.10.
Gambar 4.10 Gambar Uji Likelihood Ratio Indosat
Uji likelihood ratio ini mengikuti distribusi chi square. Sehingga dari gambar 4.10 dapat dilihat nilai chi square untuk intercept, harga paket 1 (Gaul), harga paket 2 (Mail), dan harga paket 3 (Irit).
Dari Gambar 4.10 dapat dilihat nilai 2 hitung untuk intercept atau koefisien yaitu sebesar 410,313. Sedangkan dengan derajat kebebasan (df) sebesar 3 dan taraf kepercayaan sebesar 0,05 maka dapat diketahui bahwa nilai 2 tabel sebesar 7,81. Nilai 2 hitung lebih besar daripada nilai 2 tabel sehingga dapat disimpulkan bahwa intercept atau koefisien secara individu mempengaruhi variabel dependen.
Untuk harga paket 1 (Gaul) dapat dilihat nilai 2 hitungnya yaitu sebesar 243,896. Sedangkan dengan derajat kebebasan (df) sebesar 3 dan taraf kepercayaan sebesar 0,05 maka dapat diketahui bahwa nilai 2 tabel sebesar 7,81. Nilai 2 hitung lebih besar daripada nilai 2 tabel sehingga dapat disimpulkan bahwa harga paket 1 (Gaul) secara individu mempengaruhi variabel dependen.
IV-14
Untuk harga paket 2 (Mail) dapat dilihat nilai 2 hitungnya yaitu sebesar 217,485. Sedangkan dengan derajat kebebasan (df) sebesar 3 dan taraf kepercayaan sebesar 0,05 maka dapat diketahui bahwa nilai 2 tabel sebesar 7,81. Nilai 2 hitung lebih besar daripada nilai 2 tabel sehingga dapat disimpulkan bahwa harga paket 2 (Mail) secara individu mempengaruhi variabel dependen.
Untuk harga paket 3 (Irit) dapat dilihat nilai 2 hitungnya yaitu sebesar 488,098. Sedangkan dengan derajat kebebasan (df) sebesar 3 dan taraf kepercayaan sebesar 0,05 maka dapat diketahui bahwa nilai 2 tabel sebesar 7,81. Nilai 2 hitung lebih besar daripada nilai 2 tabel sehingga dapat disimpulkan bahwa harga paket 3 (Irit) secara individu mempengaruhi variabel dependen. 2). Uji Wald
Uji Wald dapat dilihat hasilnya pada output SPSS pada tabel parameter
estimates. Pada tabel tersebut nilai statistik Wald ada pada kolom Wald. Untuk provider Telkomsel hasil uji Wald dapat dilihat pada Gambar 4.11.
Gambar 4.11 Gambar Uji Wald Telkomsel
Dari gambar 4.11 dapat dilihat nilai statistik Wald untuk intercept atau koefisien, harga paket 1, harga paket 2, dan harga paket 3 pada variabel dependen berupa keputusan memilih paket 1 (Lifestyle) sebesar 99,243;74,404;5,525 dan 59,717. Nilai 2 tabel dengan derajat kebebasan (df) 1 dan taraf kepercayaan sebesar 0,05 yaitu sebesar 3,84. Nilai statistik Wald lebih besar daripada nilai 2 tabel sehingga intercept, harga paket 1, harga paket 2, dan harga paket 3 secara individu mempengaruhi keputusan memilih paket 1.
IV-15
Nilai statistik Wald untuk intercept atau koefisien, harga paket 1, harga paket 2, dan harga paket 3 pada variabel dependen berupa keputusan memilih paket 2 (Business) sebesar 116,631;19,941;57,97 dan 63,905. Nilai 2 tabel dengan derajat kebebasan (df) 1 dan taraf kepercayaan sebesar 0,05 yaitu sebesar 3,84. Nilai statistik Wald lebih besar daripada nilai 2 tabel sehingga intercept, harga paket 1,
harga paket 2, dan harga paket 3 secara individu mempengaruhi keputusan memilih paket 2.
Nilai statistik Wald untuk intercept atau koefisien, harga paket 1, harga paket 2, dan harga paket 3 pada variabel dependen berupa keputusan memilih paket 3 (Full Services) sebesar 216,205;4,544;4,956 dan 260,681. Nilai 2 tabel dengan derajat kebebasan (df) 1 dan taraf kepercayaan sebesar 0,05 yaitu sebesar 3,84. Nilai statistik Wald lebih besar daripada nilai 2 tabel sehingga intercept, harga
paket 1, harga paket 2, dan harga paket 3 secara individu mempengaruhi keputusan memilih paket 3.
Untuk provider Indosat hasil uji Wald dapat dilihat pada Gambar 4.12.
Gambar 4.12 Gambar Uji Wald Indosat
Dari Gambar 4.12 dapat dilihat nilai statistik Wald untuk intercept atau koefisien, harga paket 1, harga paket 2, dan harga paket 3 pada variabel dependen berupa keputusan memilih paket 1 (Gaul) sebesar 78,239;160,955;4,116 dan 33,533. Nilai 2 tabel dengan derajat kebebasan (df) 1 dan taraf kepercayaan sebesar 0,05 yaitu sebesar 3,84. Nilai statistik Wald lebih besar daripada nilai 2 tabel sehingga intercept, harga paket 1, harga paket 2, dan harga paket 3 secara individu mempengaruhi keputusan memilih paket 1.
IV-16
Nilai statistik Wald untuk intercept atau koefisien, harga paket 1, harga paket 2, dan harga paket 3 pada variabel dependen berupa keputusan memilih paket 2 (Mail) sebesar 73,079;13,014;100,223 dan 21,973. Nilai 2 tabel dengan derajat kebebasan (df) 1 dan taraf kepercayaan sebesar 0,05 yaitu sebesar 3,84. Nilai statistik Wald lebih besar daripada nilai 2 tabel sehingga intercept, harga paket 1,
harga paket 2, dan harga paket 3 secara individu mempengaruhi keputusan memilih paket 2.
Nilai statistik Wald untuk intercept atau koefisien, harga paket 1, harga paket 2, dan harga paket 3 pada variabel dependen berupa keputusan memilih paket 3 (Irit) sebesar 254,637;19,036;3,978 dan 258,017. Nilai 2 tabel dengan derajat kebebasan (df) 1 dan taraf kepercayaan sebesar 0,05 yaitu sebesar 3,84. Nilai statistik Wald lebih besar daripada nilai 2 tabel sehingga intercept, harga paket 1,
harga paket 2, dan harga paket 3 secara individu mempengaruhi keputusan memilih paket 3.
4.2.4 Penentuan Validasi Model Multinomial logit
Validasi model ini dilakukan dengan melihat perbandingan antara data yang diobservasi dengan data prediksi model. Dari perbandingan ini dapat dilihat jumlah data yang diobservasi yang dapat diprediksi benar oleh model dalam bentuk prosentase (Tabel 3.1 untuk Telkomsel dan Tabel 3.2 untuk Indosat).
Validasi model untuk provider Telkomsel dapat dilihat pada Gambar 4.13.
Gambar 4.13 Gambar Hasil Validasi Model untuk Telkomsel Hasil SPSS 17.0 Gambar 4.13 menunjukkan seberapa besar model memprediksi data yang diobservasi dengan benar. Benar disini yang dimaksud adalah jika data yang diobservasi kemudian diprediksi oleh model dengan pilihan yang sama. Misalnya data yang diobservasi adalah pilihan memilih 0. Maka benar itu yang dimaksud adalah model memprediksi pilihan 0 juga. Dari tabel diatas terlihat bahwa model
IV-17
memprediksi pilihan 0 dengan benar sebanyak 61, memprediksi salah menjadi pilihan memilih 1 sebanyak 64, memprediksi salah menjadi pilihan memilih 2 sebanyak 30 dan memprediksi salah menjadi pilihan memilih 3 sebanyak 18. Hal yang sama berlaku untuk semua pilihan.
Percent correct menunjukan prosentase seberapa besar model dapat
memprediksi dengan benar data yang diobservasi. Untuk pilihan 0 yang diprediksi dengan benar sebesar 35,3%, untuk pilihan 1 yang diprediksi dengan benar sebesar 65,9%, untuk pilihan 2 yang diprediksi dengan benar sebesar 32,3%, dan untuk pilihan 3 yang diprediksi dengan benar sebesar 80%.
Sedangkan overall percentage menunjukkan prosentase prediksi suatu pilihan dari seluruh pilihan yang muncul. Pilihan 0 diprediksi muncul sebesar 7,4%, pilihan 1 diprediksi muncul sebesar 37%, pilihan 2 diprediksi muncul sebesar 14,8% dan pilihan 3 diprediksi muncul sebesar 40,7%.
Untuk provider Indosat hasil validasi model dapat dilihat pada Gambar 4.14.
Gambar 4.14 Gambar Hasil Validasi Model untuk Indosat Hasil SPSS 17.0 Dari gambar 4.14 terlihat bahwa model memprediksi pilihan 0 dengan benar sebanyak 83, memprediksi salah menjadi pilihan memilih 1 sebanyak 71, memprediksi salah menjadi pilihan memilih 2 sebanyak 53 dan memprediksi salah menjadi pilihan memilih 3 sebanyak 31. Hal yang sama berlaku untuk semua pilihan.
Percent correct menunjukan prosentase seberapa besar model dapat
memprediksi dengan benar data yang diobservasi. Untuk pilihan 0 yang diprediksi dengan benar sebesar 34,9%, untuk pilihan 1 yang diprediksi dengan benar sebesar 71,2%, untuk pilihan 2 yang diprediksi dengan benar sebesar 47,3%, dan untuk pilihan 3 yang diprediksi dengan benar sebesar 70,1%.
IV-18
Sedangkan overall percentage menunjukkan prosentase prediksi suatu pilihan dari seluruh pilihan yang muncul. Pilihan 0 diprediksi muncul sebesar 11,1%, pilihan 1 diprediksi muncul sebesar 37%, pilihan 2 diprediksi muncul sebesar 18,5% dan pilihan 3 diprediksi muncul sebesar 33,3%.
4.2.5 Penentuan Harga Optimal Masing-Masing Provider
Penentuan harga optimal dilakukan untuk masing-masing provider dengan menggunakan software Excel Solver.
Fungsi tujuan yang ditentukan yaitu memaksimumkan ekspetasi pendapatan (Expected Revenue) pada provider Telkomsel yang ditunjukkan pada persamaan (3.19) dan pada provider Indosat yang ditunjukkan pada persamaan (3.20).
Sedangkan batasan untuk fungsi tujuannya yaitu probabilitas konsumen memilih paket yang ditawarkan (Purchase Likelihood). Untuk batasan pada provider Telkomsel yaitu probabilitas konsumen memilih paket Lifestyle, paket Business atau paket Full Service. Untuk batasan pada provider Indosat yaitu probabilitas konsumen memilih paket Gaul, paket Mail atau paket Irit.
Dengan persamaan Purchase Likelihood (PL) yang sudah didapat pada persamaan (4.1-4.4) untuk provider Telkomsel dan persamaan Purchase
Likelihood (PL) yang sudah didapat pada persamaan (4.9-4.12) untuk provider
Indosat maka dapat diolah sesuai fungsi tujuan dan batasan yang sudah ditentukan. Untuk mendapatkan harga yang optimal maka diperlukan software
Excel Solver. Hasil output Excel Solver untuk provider Telkomsel ditunjukkan
pada tabel 4.7.
Tabel 4.7 Harga Optimal Hasil Output Excel Solver Telkomsel
1 Intercept 27,473 harga Life style= Rp70.000,00 PL1= 0,094417144 ER= Rp88.053,00
harga1 -0,113 harga Business= Rp88.479,00 PL2= 0,044824912
harga2 -0,03 harga Full Services= Rp91.524,00 PL3= 0,846533674
harga3 -0,164 PL0= 0,014224269 2 Intercept 31,567 U1= 1,89856628 harga1 -0,064 U2= 1,15132757 harga2 -0,109 U3= 4,098707025 harga3 -0,178 U0= 0 3 Intercept 44,224 harga1 -0,032 harga2 -0,032 harga3 -0,383
Estimated Parameter Changing Cell (Harga Optimal) Constraint (Batasan) Target cell is to ma x Expected Revenue
IV-19
Estimated Parameter adalah hasil estimasi parameter dari output SPSS. Changing Cell merupakan bagian yang nilainya berubah-ubah sehingga tercapai
fungsi tujuannya yaitu expected revenue yang maksimal. Bagian yang berubah-ubah disini yaitu harga untuk tiap paket. Constraint merupakan batasan yang sudah dikemukakan sebelumnya. Target cell merupakan hasil untuk fungsi tujuan yang diinginkan yaitu memaksimumkan expected revenue. Untuk mencapai fungsi tujuan itu maka didapatkan harga yang optimal untuk paket Lifestyle sebesar Rp 70.000. Sedangkan untuk paket Business sebesar Rp 88.479 dan untuk paket Full Services sebesar Rp 91.524.
Untuk hasil output Excel Solver untuk provider Indosat ditunjukkan pada Tabel 4.8.
Tabel 4.8 Harga Optimal Hasil Output Excel Solver Indosat
Untuk mencapai fungsi tujuan maka didapatkan harga yang optimal untuk paket Gaul sebesar Rp 53.766. Sedangkan untuk paket Mail sebesar Rp 49.930 dan untuk paket Irit sebesar Rp 90.000.
4.2.6 Penentuan Harga Optimal dimana Tidak Terjadi Persaingan
Untuk menentukan harga optimal ini yaitu sama seperti menentukan harga optimal untuk masing-masing provider. Penggunaan Excel Solver masih dibutuhkan. Fungsi tujuan yang ditentukan yaitu memaksimumkan ekspetasi pendapatan (Expected Revenue) antara Telkomsel dan Indosat dimana tidak terjadi persaingan pada persamaan (3.43). Sedangkan batasan untuk fungsi tujuannya yaitu probabilitas konsumen memilih paket yang ditawarkan pada persamaan (3.39-3.42).
1 Intercept 14,89 harga Gaul= Rp53.766 PL1= 0,09675 ER= Rp77.675 harga1 -0,161 harga Mail= Rp49.930 PL2= 0,06242
harga2 0,024 harga Irit= Rp90.000 PL3= 0,77063
harga3 -0,079 PL0= 0,0702 2 Intercept 15,08 U1= 0,32184 harga1 -0,047 U2= -0,11776 harga2 -0,133 U3= 2,40326 harga3 -0,067 U0= 0 3 Intercept 29 harga1 -0,058 harga2 -0,025 harga3 -0,247
Estimated Parameter Changing Cell (Harga
Optimal) Constraint (Batasan) Target cell is to max ER value
IV-20
Dengan persamaan yang sudah didapat maka dapat diolah sesuai fungsi tujuan dan batasan yang sudah ditentukan. Untuk mendapatkan harga yang optimal maka diperlukan software Excel Solver. Hasil output Excel Solver ditunjukkan pada Tabel 4.9.
Tabel 4.9 Harga Optimal Hasil Output Excel Solver dimana Tidak Terjadi Persaingan
Untuk mencapai fungsi tujuan maka didapatkan harga yang optimal untuk paket 1 (Lifestyle dan Gaul) sebesar Rp 70.000. Sedangkan untuk paket 2 (Business dan Mail sebesar Rp 84.529 dan untuk paket 3 (Full Services dan Irit) sebesar Rp 98.801.
1 Intercept 27,473 1 Intercept 14,89 harga Gaul= Rp70.000 PL1= Rp0 ER= Rp56.214
harga1 -0,113 harga1 -0,161 harga Mail= Rp84.529 PL2= 0,14948603
harga2 -0,03 harga2 0,024 harga Irit= Rp98.801 PL3= 0,32023431
harga3 -0,164 harga3 -0,079 PL0= -0,6402723
2 Intercept 31,567 2 Intercept 15,08 U1tel= 0,82364907
harga1 -0,064 harga1 -0,047 U2tel= 0,28659954
harga2 -0,109 harga2 -0,133 U3tel= 1,43803313
harga3 -0,178 harga3 -0,067 U0= 0
3 Intercept 44,224 3 Intercept 29 U1ind= -2,1566219
harga1 -0,032 harga1 -0,058 U2ind= -6,0721263
harga2 -0,032 harga2 -0,025 U3ind= -1,577239
harga3 -0,383 harga3 -0,247 U0= 0
Target cell is to max ER value Estimated Parameter Tel Estimated Parameter Ind Changing Cell (Harga Constraint (Batasan)
V-1