ANALISIS ATRIBUT YANG MEMPENGARUHI MAHASISWA
USU MEMILIH SEPEDA MOTOR DENGAN METODE
KRUSKAL-WALLIS DAN ANALISIS KONJOIN
SKRIPSI
NURBELITA HAJUNDI PELAWI
100803001
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
ANALISIS ATRIBUT YANG MEMPENGARUHI MAHASISWA
USU MEMILIH SEPEDA MOTOR DENGAN METODE
KRUSKAL-WALLIS DAN ANALISIS KONJOIN
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar
Sarjana Sains
NURBELITA HAJUNDI PELAWI 100803001
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : Analisis Atribut yang Mempengaruhi Mahasiswa USU Memilih Sepeda Motor dengan Metode Kruskal-Wallis dan Analisis Konjoin
Kategori : SKRIPSI
Nama : Nurbelita Hajundi Pelawi
Nomor Induk Mahasiswa : 100803001
Program Studi : Sarjana (S1) Matematika
Departemen : Matematika
Fakultas : Matematika dan Ilmu Pengetahuan Alam (FMIPA) Universitas Sumatera Utara
Diluluskan di Medan, Juni 2014 Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Dr. Suwarno Ariswoyo, M.Si. Drs. Henry Rani Sitepu, M.Si. NIP. 195003211980031001 NIP. 195303031983031002
Diketahui/Disetujui oleh:
Departemen Matematika FMIPA USU Ketua,
PERNYATAAN
ANALISIS ATRIBUT YANG MEMPENGARUHI MAHASISWA USU
MEMILIH SEPEDA MOTOR DENGAN METODE
KRUSKAL-WALLIS DAN ANALISIS KONJOIN
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Juni 2014
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Allah SWT yang Maha Pemurah dan Maha Penyayang, yang senantiasa memberikan segala rahmat dan hidayah-Nya, dan yang telah memberi kekuatan sehingga penulis dapat menyelesaikan skripsi ini dengan judul Analisis Atribut yang Mempengaruhi Mahasiswa USU Memilih Sepeda Motor dengan Metode Kruskal-Wallis dan Analisis Konjoin.
ABSTRAK
Penelitian ini diarahkan untuk menganalisis atribut sepeda motor yang paling diminati dan mengetahui kombinasi atribut yang paling diminati Mahasiswa Universitas Sumatera Utara. Metode yang digunakan dalam penelitian ini adalah metode Kruskal-Wallis dan Analisis Konjoin. Data yang digunakan dalam penelitian ini merupakan data primer yang diperoleh dengan cara menyebarkan kuesioner kepada mahasiswa aktif USU. Hasil penelitian menunjukkan bahwa pilihan atribut dari sepeda motor yang paling mempengaruhi minat responden dalam penelitian ini adalah merek. Konsep sepeda motor yang ideal berdasarkan pilihan responden melalui proses evaluasi dari 27 profil/kombinasi/stimuli yang disajikan dalam bentuk kuesioner dengan membuat rating adalah sepeda motor merek honda, jenis sport, dengan harga < Rp 12.000.000,00, daya mesin 108cc s.d 150cc, kapasitas tangki >12Liter, warna putih, ukuran ban (80/100-17M/C 46P dan 100/90-17M/C 55P) , dan roda pelak jari-jari.
ANALYSIS ABOUT ATTRIBUT AFFECTING STUDENT OF USU CHOOSING MOTORCYCLE WITH METHOD
KRUSKAL-WALLIS AND CONJOINT
ABSTRACT
This research is aimed to analyze the collegian interest of motorcycle to students University of North Sumatera. The methods that used in this research are kruskal wallis and conjoint analysis. The data that used in this research is the primary data obtained by distributing questionnaires to students University of North Sumatera for class. The results revealed that the most interesting atribute for respondence in this research is the merk. The ideal motorcycle’s concept according to interest of respondence is which Honda brand,with types of motorcycle sport, the price list less than Rp 12.000.000,-, engine power 108cc s.d 150cc, which tank capacity more than 12liter, white colour, has tire size (80/100-17M/C 46P and 100/90-17M/C 55P), and will wheel spoke.
DAFTAR ISI
Halaman
Persetujuan i
Pernyataan ii
Penghargaan ii
Abstrak iv
Abstract v
Daftar Isi vi
Daftar Tabel viii
Daftar Gambar ix
Daftar Lampiran x
Bab 1 Pendahuluan
1.1 Latar Belakang 1
1.2 Perumusan Masalah 2
1.3 Batasan Masalah 3
1.4 Tinjauan Pustaka 3
1.5 Tujuan Penelitian 4
1.6 Kontribusi Penelitian 5
Bab 2 Landasan Teori
2.1 Produk 6
2.2 Atribut 6
2.3 Konsumen 7
2.4 Nilai Guna (Utilitas) 7
2.5 Uji Validitas dan Reliabilitas 8
2.6 Uji Kruskal Wallis 9
2.7 Analisis Konjoin 11
2.7.1 Defenisi Analisis Konjoin 11
2.7.2 Manfaat Analisis Konjoin 12
2.7.3 Tahapan Analisis Konjoin 12
2.7.3.1 Mengidentifikasi Atribut 13
2.7.3.2 Merancang Kombinasi Atribut (Stimuli) 13
2.7.3.3 Analisis Data 15
2.7.3.4 Memilih Prosedur Analisis Konjoin 16 2.7.3.5 Analisis Regresi dengan Peubah Boneka (dummy) 16
2.7.3.6 Interpretasi Hasil 19
2.7.3.7 Penilaian Keandalan dan Kesahihan 19
2.8 Pengambilan Sampel 20
2.8.1 Populasi dan Sampel 20
Bab 3 Metode Penelitian
3.1 Merumuskan Masalah 22
3.2 Studi Literatur 22
3.3 Pengamatan dan Pengumpulan Data 22
3.4 Membuat Landasan Teori 23
3.5 Analisis Data dengan Metode Kruskal-Wallis 23
3.6 Analisis Data dengan Analisis Konjoin 23
3.7 Membuat Kesimpulan 24
Bab 4 Pembahasan
4.1 Pengumpulan Data 25
4.1.1 Karakteristik Responden 25
4.2 Pengolahan Data 28
4.2.1 Uji Kruskal-Wallis 28
4.2.2 Analisis Konjoin 32
4.2.2.1 Analisis Minat Sepeda Motor Secara Umum 32 4.2.2.2 Hasil Analsis Konjoin dari Minat Mahasiswa USU 32 4.2.2.3 Melakukan Prosedur Analisis Konjoin 33 4.2.2.4 Pengolahan Nilai Utilitas Level Tiap Atribut 34 4.2.2.5 Tingkat Kepentingan Relatif 45 4.2.2.6 Pengukuran Predictive dan Uji Signifikansi 48 Bab 5 Kesimpulan dan Saran
5.1 Kesimpulan 49
5.2 Saran 50
Daftar Pustaka 51
DAFTAR TABEL
Nomor Judul Halaman
Tabel
2.1 Contoh Orthogonal Array dan Non-orthogonal Array 14 2.2 Variabel Dummy Atribut ke-i dengan level 17
2.3 Pengkodean Taraf atau Level 18
4.1 Penarikan sampel dengan Proportional Stratified Sampling 26
4.2 Karakteristik Responden 27
4.3 Data Rangking Atribut padaSepeda Motor 29
4.4 Data Ranking Setelah Diurutkan 30
4.5 Data Ranking Berdasarkan Kelompok Atribut 31
4.6 Pengkodean Data untuk Regresi 37
DAFTAR GAMBAR
Nomor Judul Halaman
Gambar
DAFTAR LAMPIRAN
Nomor Judul Halaman Lamp
1. Atribut dan Level Atribut dalam Penelitian 52 2. Kombinasi Stimuli Produk Sepeda Motor 53
3. Hasil Penilaian Responden 56
4. Atribut, Level Atribut dan Lambang Peubah dalam Penelitian 59 5. Nilai Koefisien dari 1 Responden 60 6. Nilai Utilitas dan Nilai Kepentingan Relatif dari 1 Responden 61 7. Nilai Tingkat Kepentingan Relatif dari 1 Responden 62
8. Kuesioner Penelitian 63
9. Jumlah Mahasiswa USU Menggunakan Sepeda Motor 68
ABSTRAK
Penelitian ini diarahkan untuk menganalisis atribut sepeda motor yang paling diminati dan mengetahui kombinasi atribut yang paling diminati Mahasiswa Universitas Sumatera Utara. Metode yang digunakan dalam penelitian ini adalah metode Kruskal-Wallis dan Analisis Konjoin. Data yang digunakan dalam penelitian ini merupakan data primer yang diperoleh dengan cara menyebarkan kuesioner kepada mahasiswa aktif USU. Hasil penelitian menunjukkan bahwa pilihan atribut dari sepeda motor yang paling mempengaruhi minat responden dalam penelitian ini adalah merek. Konsep sepeda motor yang ideal berdasarkan pilihan responden melalui proses evaluasi dari 27 profil/kombinasi/stimuli yang disajikan dalam bentuk kuesioner dengan membuat rating adalah sepeda motor merek honda, jenis sport, dengan harga < Rp 12.000.000,00, daya mesin 108cc s.d 150cc, kapasitas tangki >12Liter, warna putih, ukuran ban (80/100-17M/C 46P dan 100/90-17M/C 55P) , dan roda pelak jari-jari.
ANALYSIS ABOUT ATTRIBUT AFFECTING STUDENT OF USU CHOOSING MOTORCYCLE WITH METHOD
KRUSKAL-WALLIS AND CONJOINT
ABSTRACT
This research is aimed to analyze the collegian interest of motorcycle to students University of North Sumatera. The methods that used in this research are kruskal wallis and conjoint analysis. The data that used in this research is the primary data obtained by distributing questionnaires to students University of North Sumatera for class. The results revealed that the most interesting atribute for respondence in this research is the merk. The ideal motorcycle’s concept according to interest of respondence is which Honda brand,with types of motorcycle sport, the price list less than Rp 12.000.000,-, engine power 108cc s.d 150cc, which tank capacity more than 12liter, white colour, has tire size (80/100-17M/C 46P and 100/90-17M/C 55P), and will wheel spoke.
BAB 1
PENDAHULUAN
1.1Latar Belakang
Uji kruskal-wallis merupakan salah satu pengujian dari statistik nonparametrik. Perhitungan dari uji kruskal-wallis dilakukan dengan menggabungkan semua subjek dan diurutkan dari yang paling rendah sampai yang paling tinggi. Jumlah urutan subjek-subjek pada tiap kelompok kemudian dibandingkan. Uji kruskal-wallis pertama kali diperkenalkan oleh William H Kruskal dan W. Allen Wallis pada tahun 1952.
Analisis konjoin merupakan salah satu teknik analisis multivariat yang digunakan untuk mengetahui ketertarikan konsumen terhadap suatu produk baik berupa barang atau jasa. Teknik analisis konjoin penting karena banyak faktor yang mempengaruhi penilaian konsumen dalam menentukan pilihan suatu produk dengan cara mengkombinasikan jumlah nilai dari masing-masing atribut yang terpisah (Ghozali, 2006).
Analisis konjoin juga dapat digunakan untuk mendapatkan kombinasi atau komposisi atribut-atribut suatu produk atau jasa baik yang baru maupun yang lama yang paling disukai konsumen atau yang akan dikonsumsi, dengan demikian analisis ini digunakan untuk mengetahui ketertarikan mahasiswa terhadap produk sepeda motor dan untuk mengevaluasi produk atau jasa yang diminta oleh konsumen sehingga produsen mendapatkan suatu kesimpulan tentang produk sepeda motor yang diminati oleh konsumen terutama mahasiswa USU.
tempat. Dengan demikian permintaan konsumen akan produk sepeda motor saat ini semakin lama semakin meningkat. Sejak ditemukannya hingga sekarang perkembangan sepeda motor semakin cepat dan meningkat terutama jumlah penggunanya. Begitu efisien dan praktis ketika dapat bepergian dengan menggunakan kendaraan sepeda motor. Kepemilikan sepeda motor di Indonesia berkembang sangat pesat (Nugroho, 2010), sosok yang menarik, mesin yang andal dan mudah dirawat, serta persaingan membuat sepeda motor asal Jepang, yakni Honda, Suzuki, Yamaha, sangat populer dan sampai kini mendominasi pasar sepeda motor dunia. Dengan ketatnya persaingan, perusahan-perusahan sepeda motor perlu mengukur sikap konsumen terhadap suatu produk, serta mengetahui atribut apa saja yang paling mempengaruhi konsumen dalam memilih sepeda motor, khususnya di kalangan mahasiswa.
Sepeda motor memiliki nilai ekonomis dan praktis. Nilai ekonomis dapat dilihat dengan harga sepeda motor yang relatif terjangkau oleh masyarakat dengan ekonomi menengah dan penggunaan bahan bakar yang relatif lebih hemat dibandingkan dengan kendaraan bermotor roda empat, dan nilai kepraktisan dapat dilihat dengan lincahnya kendaraan bermotor roda dua bila digunakan pada jalan raya yang padat, seperti kota Medan.
Berdasarkan uraian tersebut, penulis memilih judul penelitian “Analisis
Atribut yang Mempengaruhi Mahasiswa USU Memilih Sepeda Motor dengan
Metode Kruskal-Wallis dan Analsis Konjoin”.
1.2Perumusan Masalah
Rumusan masalah dalam penelitian ini adalah:
1. Ada atau tidak perbedaan ranking kualitas atribut menurut responden. 2. Bagaimana minat mahasiswa terhadap 8 atribut yang berkaitan dengan
sepeda motor dan akan dilibatkan dalam mengevaluasi produk dengan analisis konjoin.
Batasan dalam penelitian ini adalah:
1. Objek penelitian adalah mahasiswa USU yang masih aktif.
2. Produk objek penelitian dibatasi untuk sepeda motor dengan merek Honda, Yamaha, dan Suzuki.
3. Atribut yang diteliti yaitu merek, kapasitas tangki, jenis sepeda motor, ban, harga, roda, warna, dan daya mesin.
4. Masa pemakaian sepeda motor lebih dari 6 bulan.
1.4Tinjauan Pustaka
Tavi Supriana dan Rianti Barus dalam bukunya yang berjudul ”Statistik Nonparametrik Aplikasi dalam Bidang Sosial Ekonomi Pertanian” (2010) menyatakan uji kruskal-wallis adalah uji nonparametrik yang digunakan untuk membandingkan tiga atau lebih kelompok data sampel.
Andi Supangat dalam bukunya yang berjudul “Statistika dalam Kajian Deskriptif, Inferensi, dan Nonparametrik” (2008) menyatakan uji kruskal-wallis ini digunakan untuk membandingkan dua atau lebih nilai rata-rata populasi secara bersama-sama. Hal ini dimaksudkan sebagai upaya untuk melihat apakah ada kesamaan nilai variansi dari populasi.
Para pelaku riset pemasaran menduga bahwa kata “conjoint” diambil dari kata “Considered Jointly”. Dalam kenyataannya kata sifat conjoint diturunkan dari kata “to conjoint” yang berarti “joined together” atau bekerja sama.
menggambarkan profil tiap produk. Responden mengevaluasi masing-masing kartu dan mengurutkannya dalam urutan dari yang terbaik sampai yang paling buruk atau sebaliknya. Peneliti secara statistik dapat mengetahui, untuk masing–masing individu, mana yang menunjukan paling utama dan tingkatan yang paling disukai.
Dalam prosesnya analisis konjoin mencoba untuk menentukan kepentingan relatif yang dikaitkan pelanggan pada atribut dan utility dikaitkan pada level atribut (Supranto, 2010). Tujuan penggunaan analisis konjoin dalam riset pemasaran yaitu untuk mengetahui minat konsumen terhadap suatu produk. Oleh karena itu, penggunaan metode analisis konjoin sangat membantu penelitian dalam pemasaran. Terutama untuk mengetahui penting atau tidak suatu atribut beserta level pada produk sepeda motor.
Supranto (2010), prosedur konjoin mencoba untuk memberikan nilai pada tingkatan atau level dari setiap atribut, sehingga nilai yang dihasilkan atau utilitas yang dikaitkan pada stimulus cocok atau sedekat mungkin dengan evaluasi input yang diberikan oleh responden. Asumsi yang mendasari ialah bahwa setiap stimulus, seperti produk, merek, atau toko dievaluasi sebagai perangkat atribut atau a bundle of atribute.
1.5Tujuan Penelitian
Tujuan dari penelitian ini adalah:
1. Untuk mengetahui ada atau tidak perbedaan penilaian yang dilakukan responden terhadap atribut-atributsepeda motor.
2. Mengetahui minat mahasiswa terhadap suatu atribut yang memiliki level tertentu.
3. Mengetahui konsep produk sepeda motor yang ideal yang paling disukai mahasiswa.
1.6Kontribusi Penelitian
1. Sebagai sarana dalam mengetahui atribut-atribut yang penting dalam pemilihan sepeda motor.
2. Sebagai evaluasi bagi perusahaan untuk mempertimbangkan atribut-atribut yang akan dipertahankan dan ditingkatkan atau diganti untuk meningkatkan kualitas sepeda motor.
3. Sebagai pertimbangan untuk menghasilkan konsep produk baru sepeda motor yang sesuai minat mahasiswa.
BAB 2
LANDASAN TEORI
2.1Produk
Menurut Kotler (2004), produk didefinisikan sebagai salah satu yang bisa ditawarkan untuk memenuhi kebutuhan dan keinginan konsumen. Jadi produk bisa mencakup aspek fisik seperti citra atau reputasi. Menurut Buchari Alma (2004: 98), produk adalah seperangkat atribut baik yang berwujud maupun tidak berwujud termasuk masalah warna, harga, nama baik pabrik, toko, serta pengecer yang diterima oleh pembeli guna memuaskan keinginan. Inti dari definisi tersebut adalah konsumen tidak hanya sekedar membeli sekumpulan atribut fisiknya, pada dasarnya konsumen membayar sesuatu yang memuaskan keinginan.
2.2Atribut
Atribut adalah keseluruhan karakteristik yang melekat pada produk tersebut. Atribut dalam arti luas, merupakan keseluruhan faktor yang dipertimbangkan konsumen untuk membeli suatu produk (Suliyanto, 2005). Atribut merupakan indikator yang memungkinkan terjadinya pengukuran pengaruh pada variabel. Konsumen melihat suatu produk atau jasa sebagai sekelompok atribut. Konsumen akan kesulitan membandingkan banyak produk secara keseluruhan. Jadi, konsumen membutuhkan pendekatan yang lebih sederhana. Pertama konsumen menentukan beberapa merek, yang dianggap memenuhi kriterianya. Kedua konsumen melakukan evaluasi terhadap faktor produk atau atribut, meliputi tingkat kepentingan atribut yang digunakan oleh seorang konsumen disebut sebagai kriteria pemilihan konsumen.
kapasitas tangki, jenis sepeda motor, ban, harga, roda, warna, dan daya mesin.
2.3Konsumen
Menurut Nugroho (2003: 109), definisi perilaku konsumen adalah suatu proses pengambilan keputusan dan aktivitas masing–masing individu yang dilakukan dalam rangka evaluasi, mendapatkan, penggunaan atau mengukur barang dan jasa. Sedangkan menurut Bilson Simamora yang dikutip dari Engel F. James (2004: 3), menyatakan perilaku konsumen adalah tindakan yang langsung terlibat untuk mendapatkan, mengkonsumsi, dan menghabiskan produk dan jasa, termasuk proses keputusan yang mendahului dan mengikuti tindakan ini.
Dari definisi perilaku konsumen tersebut, dapat diketahui bahwa perilaku konsumen merupakan tindakan–tindakan yang dilakukan oleh individu, kelompok atau organisasi tertentu, tindakan itu berhubungan dengan proses pengambilan keputusan dari para pembeli. Tujuannya adalah agar keputusan itu dapat digunakan untuk mendapatkan dan menggunakan barang dan jasa yang ekonomis.
2.4Nilai Guna (Utilitas)
Teori nilai guna (utilitas) yaitu teori ekonomi yang mempelajari kepuasan atau kenikmatan yang diperoleh seorang konsumen dari mengkonsumsi barang-barang. Jika kepuasan itu semakin tinggi maka semakin tinggi nilai gunanya. Sebaliknya semakin rendah kepuasan dari suatu barang maka nilai guna semakin rendah juga. Nilai guna dibedakan menjadi dua pengertian
a. Nilai Guna Marginal
Nilai guna marginal adalah pertambahan atau pengurangan kepuasan akibat adanya pertambahan atau pengurangan penggunaan satu unit barang tertentu. b. Total Nilai Guna
Total nilai guna yaitu keseluruhan kepuasan yang diperoleh dari mengkonsumsi sejumlah barang-barang tertentu.
tentu saja secara rasional konsumen berharap memperoleh nilai guna optimal. Secara rasional nilai guna akan meningkat jika jumlah komoditas yang dikonsumsi meningkat. Ada dua cara mengukur nilai guna dari suatu komoditas yaitu secara kardinal (dengan menggunakan pendekatan nilai absolut) dan secara ordinal (dengan menggunakan pendekatan nilai relatif, atau ranking). Dalam pendekatan kardinal bahwa nilai guna yang diperoleh konsumen dapat dinyatakan secara kuantitatif dan dapat diukur secara pasti. Untuk setiap unit yang dikonsumsi akan dapat dihitung nilai gunanya, (Sugiarto, 2010).
2.5Uji Validitas dan Reliabilitas
Sugiyono (2006: 67), berpendapat bahwa instrumen (kuesioner) harus diuji. Instrumen yang baik harus memenuhi dua persyaratan penting yaitu valid dan reliabel.
Uji validitas atau kesahihan digunakan untuk mengetahui seberapa tepat suatu alat ukur mampu melakukan fungsi. Alat ukur yang dapat digunakan dalam pengujian validitas suatu kuesioner adalah angka hasil korelasi antara skor pernyataan dan skor keseluruhan penyataan reseponden terhadap informasi dalam kuesioner.
Perhitungan uji reliabilitas ini dilakukan dengan bantuan program Statistical product and Service Solution (SPSS). Pengujian reliabilitas bertujuan untuk mengetahui konsistensi atau keteraturan hasil pengukuran suatu instrumen apabila instrumen tersebut digunakan lagi sebagai alat ukur suatu objek atau responden. Menurut Sugiyono (2006:220), “instrumen yang reliabel adalah instrumen yang bila digunakan beberapa kali untuk mengukur objek yang sama, akan menghasilkan data yang sama”.
2.6Uji Kruskal-Wallis
Metode ini merupakan metode nonparametrik dengan menpergunakan teknik rank (urutan). Uji ini digunakan untuk menguji asumsi pertama yang menjelaskan adanya sifat kenormalan dari distribusi data. Uji ini digunakan untuk membandingkan rata-rata tiga sample atau lebih. Uji H atau Kruskal-Wallis adalah suatu uji statiska yang dipergunakan untuk menetukan apakah k sample independen berasal dari populasi yang sama ataukah berbeda. Sampel-sampel yang diambil dari populasi dapat berbeda, hal ini dapat terjadi karena populasi yang berbeda atau populasi yang sama. Apabila populasi yang sama, maka perbedaan itu hanyalah karena faktor kebetulan saja. Asumsi yang harus dipenuhi dalam analisis ini adalah:
1. Data terdri atas k sampel acak.
2. Sampel yang diambil dari populasinya bersifat saling bebas atau independen. 3. Skala pengukuran minimal Ordinal.
Secara manual, uji Kruskal-Wallis (nilai H) dapat dihitung dengan rumus
= 12
+1
�2
− 3( + 1)
=1 (2.1)
di mana:
n = Jumlah data ( 1, 2, 3,…, ) � = Jumlah ranking pada kelompok j
= Jumlah data tiap kolom j Hipotesis yang diajukan adalah
0: Sampel berasal dari populasi yang sama (�1 = �2 = …= � ) 1: Sampel berasal dari populasi yang berbeda (� =� )
Secara umum, rumus yang digunakan dalam uji kruskal-wallis menggunakan persamaan (2.1). Pembuktian persamaan (2.1) adalah sebagai berikut:
=1
yaitu ranking rata-rata
= �
2.7Analisis Konjoin
2.7.1 Definisi Analisis Konjoin
Analisis konjoin adalah suatu teknik yang secara spesifik digunakan untuk memahami bagaimana keinginan atau minat konsumen terhadap suatu produk atau jasa dengan mengukur tingkat kegunaan dan nilai kepentingan relatif berbagai atribut suatu produk. Analisis konjoin yang mulai dikembangkan pada tahun 1970-an ini mulai banyak digunakan pada bidang ilmu yang terkait dengan persepsi seseorang, seperti pemasaran, sosial politik dan psikologi. Pada bidang pemasaran, analisis ini khususnya banyak digunakan untuk mengetahui preferensi konsumen akan sebuah produk baru. Analisis konjoin sangat berguna untuk membantu bagaimana seharusnya karakteristik produk baru, membuat konsep produk baru, mengetahui pengaruh tingkat harga serta memprediksi tingkat penjualan atau penggunaan (Santoso, 2010).
2.7.2 Manfaat Analisis Konjoin
Menurut Hair (1993), beberapa manfaat dari penggunaan analisis konjoin adalah sebagai berikut:
1. Dapat menentukan kombinasi optimal dari atribut–atribut produk yang paling penting atau menarik bagi konsumen.
2. Dapat menunjukan kontribusi relatif dari tiap atribut dan level terhadap seluruh evaluasi produk yang mempengaruhi proses pembelian konsumen.
3. Dapat mengkelompokkan pasar berdasarkan kesamaan kesukaan konsumen terhadap atribut produk.
2.7.3 Tahapan Analisis Konjoin
Adapun tahapan-tahapan analisis konjoin meliputi beberapa langkah yaiatu: 1. Mengidentifikasi atribut
2. Merancang kombinasi atribut (stimuli) 3. Analisis data
4. Memilih prosedur analisis konjoin 5. Interpretasi hasil
6. Penilaian keandalan dan kesahihan
2.7.3.1 Mengidentifikasi Atribut
Langkah awal dalam melakukan analisis konjoin yaitu mengidentifikasi kumpulan dari atribut-atribut di mana setiap atribut terdiri atas beberapa taraf atau level. Informasi mengenai atribut yang mewakili preferensi konsumen bisa diperoleh melalui diskusi dengan pakar, eksplorasi data skunder, atau melakukan tes awal.
Kemudian atribut yang sudah dianggap mewakili ditentukan skalanya. Skala atribut dibagi menjadi dua yaitu skala kualitatif atau non metrik atau kategori (nominal dan ordinal) dan skala kuantitatif atau metrik (interval dan rasio).
memperkirakan parameter seakurat mungkin, perlu membatasi banyaknya tingkatan atau level dari atribut.
2.7.3.2 Merancang Kombinasi Atribut (Stimuli)
Ada dua cara pembentukan stimuli dalam analisis konjoin yaitu: 1. Full-profile
Pendekatan kombinasi lengkap (full profile) juga disebut evaluasi banyak faktor (multiple-factor-evaluation) yaitu jika ada k atribut dan ada li level yang
diteliti dapat mengevaluasi semua stimuli yang muncul dengan l1 x l2 x l3 x …
sejumlah li buah.
Tentunya terkadang banyaknya stimuli membuat bingung responden dalam menilai, untuk mengatasi masalah ini dapat digunakan SPSS 17 dengan menggunakan pendekatan full profile namun desain yang digunakan bukan full factor design melainkan factorial design. Dengan desain ini, sebagian dari seluruh kombinasi produk dipilih yang benar-benar berpengaruh terhadap efek utama. Efek interaksi tidak diperhatikan. Desain seperti ini dikenal dengan nama Orthogonal Array.
Orthogonal Array memungkinkan desain yang mengasumsikan bahwa semua interaksi yang tidak penting bisa diabaikan. Orthogonal Array dibentuk dari basic full fractional design dengan mengganti suatu faktor baru untuk seleksi interaksi efek yang dianggap bisa diabaikan. Metode yang lain untuk mengurangi banyaknya inetraksi dengan melakukan survei terhadap konsumen.
Tampak bahwa dalam desain Orthogonal Array, jumlah kemunculan dari setiap level suatu atribut selalu tidak sama. Berikut contoh desain
Tabel 2.1 Contoh Orthogonal Array dan Non-orthogonal Array
Orthogonal Array Non-orthogonal Array
Faktor : A B C Faktor : A B C
1 1 1 1 1 2
1 2 2 1 2 1
2 1 2 2 1 2
2 2 1 1 2 1
2. Pairwise Combination
Melalui pendekatan ini, stimuli yang diperingkatkan dilakukan dengan cara memberikan peringkat pada setiap kombinasi taraf/level dari dua atribut, mulai dari yang paling disukai sampai pada yang paling tidak disukai. Jika banyaknya atribut ada � − buah, maka kombinasi taraf/level atribut yang harus dievaluasi responden adalah sebanyak:
q = �(�−1)
2 pasangan.
Kelebihan pendekatan pasangan adalah bahwa pendekatan ini lebih mudah bagi responden untuk memberikan pertimbangan. Tetapi kelemahan relatifnya ialah bahwa pendekatan ini memerlukan lebih banyak evaluasi.
2.7.3.3 Analisis Data
Data yang diperlukan dalam analisis konjoin dapat berupa data non-metrik (data berskala nominal atau ordinal atau kategorial) maupun data metrik (data berskala interval atau rasio).
1. Data non-metrik
Untuk memperoleh data dalam bentuk non-metrik, responden diminta untuk membuat ranking atau mengurutkan stimulus yang paling disukai hingga pada stimulus yang tidak disukai. Untuk stimulus yang paling disukai diberi nilai dimulai dari 1 dan seterusnya hingga ranking terakhir stimulus yang paling tidak disukai.
Untuk memperoleh data dalam bentuk metrik, responden diminta untuk memberikan nilai atau rating terhadap masing-masing stimulus. Dengan cara ini, responden akan memberikan penilaian terhadap masing-masing stimulus secara terpisah. Pemberian nilai atau rating dapat dilakukan melalui beberapa cara, yaitu:
a. Menggunakan skala likert mulai dari 1 hingga 5 (1 = paling tidak disukai dan 5 = paling disukai).
b. Menggunakan nilai rangking terbalik, artinya untuk stimulus yang paling disukai diberi nilai tertinggi setara dengan jumlah stimulusnya, sedangkan stimulus yang paling tidak disukai diberi nilai satu.
2.7.3.4 Memilih Prosedur Analisis Konjoin
Model dasar analisis konjoin secara matematis sebagai berikut (Supranto, 2004):
=
=1 =1 di mana:
= Utilitas total dari tiap-tiap stimuli
= Utilitas dari atribut ke- ( = 1, 2, 3, ... , k) dan level ke- ( = 1, 2, 3, ... , )
= Banyaknya level dari atribut = Banyaknya atribut
= Atribut ke- level ke- (bernilai 1, jika level ke- dari atribut ke- terjadi; 0, jika tidak terjadi)
Range nilai kepentingan relatif tiap atribut dapat dicari dengan rumus: = { ( ) – ( )}
Rumus untuk nilai kepentingan relatif adalah: =
di mana:
= Bobot kepentingan relatif untuk tiap atribut = Range nilai kepentingan untuk tiap atribut
2.7.3.5 Analisis Regresi dengan Peubah Boneka (dummy)
Analisis regresi dengan peubah boneka adalah suatu regresi yang variabel bebasnya merupakan variabel dummy . Di dalam hal ini, variabel bebas terdiri dari variabel
dummy untuk level dari atribut. Bila atribut mempunyai level sebanyak diberi kode, dinyatakan dalam −1 variabel dummy, atau banyaknya variabel dummy = banyaknya kategori (level) dikurangi satu.
Untuk atribut ke-i dengan level, variabel dummy-nya adalah
Tabel 2.2 Variabel Dummy Atribut ke- dengan level �
Level 1 2 . . . −1
1 1 0 . . . 0
2 0 1 . . . 0
3 0 0 . . . 0
. . . . .
. . . . .
. . . . .
−1 0 0 . . . 1
0 0 . . . 0
1. Atribut yang mempunyai dua taraf diberi kode 1 untuk salah satu taraf dan 0 untuk lainnya.
2. Atribut yang mempunyai dari tiga taraf, pengkodeannya sebagai berikut:
Tabel 2.3 Pengkodean taraf atau level
Taraf Kode
Taraf 1 Taraf 2 Taraf 3
1 0 0
0 1 0
Untuk taraf lebih dari tiga, pengkodean dilakukan dngan cara yang sama sehingga setiap faktor memiliki −1 peubah boneka. Banyaknya peubah boneka sama dengan banyaknya kategori (taraf) dikurangi satu.
Jika data yang digunakan berasal dari penilaian stimuli yang telah dirancang sebelumnya dan penilaian dilakukan dengan menggunakan skala metrik, maka regresi dapat dihitung langsung dengan menggunakan pendekatan Ordinary Least Square
(OLS). Jika penilaian stimuli menggunakan urutan stimuli, maka data tersebut harus ditransformasi terlebih dahulu dengan monotomic regression atau multidimensional scalling, kemudian analisis dilanjutkan dengan regresi peubah boneka. Namun, jika data diperoleh melalui penilaian secara terpisah dari masing-masing taraf atau level atribut yang dikenal dengan istilah discrete choice, analisis yang dapat digunakan adalah model logit, metode perancangan dan pengukuran pada analisis konjoin salah satunya yaitu Self-Explicated Model.Pada model ini, responden diminta untuk menilai atribut dan mempertimbangkan atribut yang menurut mereka penting. Beberapa langkah metode model ini adalah sebagai berikut
a. Pereduksian taraf
menurut mereka tidak penting, hal ini dilakukan untuk efisien taraf atau level yang dinilai memiliki pengaruh paling penting.
b. Memberikan peringkat pada taraf atau level
Responden diminta untuk memilih taraf atau level yang menurut mereka paling disukai dan yang paling tidak disukai untuk tiap atributnya. Kemudian, tara atau level dalam atribut yang sama diberikan peringkat.
c. Memberikan peringkat pada atribut
Responden diminta untuk mengurutkan atribut yang paling penting sampai dengan atribut yang tidak penting dari semua atribut. Hal ini dilakukan untuk mengetahui seberapa penting atribut yang satu dibandingkan dengan atribut yang lain.
Meskipun model self-explicated dapat diterapkan pada jumlah atribut yang besar, namun terbatas pada kemampuan responden dalam memberikan peringkat. Apabila jumlah atribut besar, maka responden tidak fokus dalam memberikan peringkat sehingga hasil yang diperoleh kurang memuaskan.
2.7.3.6 Interpretasi Hasil
Untuk menginterpretasikan hasil analisis, dilakukan pada semua tingkat kepentingan atribut dengan membuat grafik perbandingan antara nilai kepentingan dari tiap-tiap atributnya. Interpretasi dari hasil berikutnya juga dilakukan dengan membuat suatu grafik perbandingan antara nilai kegunaan dari tiap levelnya.
2.7.3.7 Penilaian Keandalan Dan Kesahihan
Uji keandalan terhadap hasil konjoin untuk mengetahui apakah prediksi yang telah dilakukan mempunyai ketepatan yang tinggi dengan kenyataannya. Pada uji ketepatan prediksi ini akan dilakukan pengukuran korelasi secara Pearson maupun Kendall
2.8Pengambilan Sampel
2.8.1 Populasi dan Sampel
Populasi adalah wilayah generelisasi yang terdiri atas; obyek atau subyek yang mempunyai kuantitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. Sampel merupakan bagian dari populasi yang mempunyai ciri-ciri atau keadaan tertentu yang akan diteliti karena tidak semua data dan informasi akan diproses dan tidak semua orang atau benda akan diteliti melainkan cukup dengan menggunakan sampel yang mewakilinya (Sugiyono, 2006).
Dalam pelaksanaan penelitian, ruang lingkup populasi merupakan area yang amat luas batasnya sehingga penggunaan populasi sebagi instrumen penelitian sangat sulit dilakukan. Oleh karena itu, untuk memenuhi kelayakan dalam pelaksanaan penelitian, ditentukan populasi sasaran (target population), yaitu populasi yang digunakan untuk mengeneralisasi hasil penelitian.
2.8.2Teknik Penarikan Sampel
Krejcie dan Morgan (1970) dalam Uma Sekaran (1992) membuat daftar yang bisa dipakai untuk menentukan jumlah sampel yang benar-benar mewakili seluruh populasi, dapat dilihat pada lampiran 10 dan dengan rumus sebagai berikut:
= �
2��(1− �) � −1 �2+�2�(1− �)
Di mana:
P = proporsi populasi
Berdasarkan pada perhitungan di atas, dapat diketahui beberapa keterangan mengenai tabel Krejcie-Morgan sebagai berikut:
1. Tabel Krejcie-Morgan dapat dipakai untuk menentukan ukuran sampel.
2. Asumsi tingkat keandalan 95%, karena menggunakan nilai �2= 3,841 yang artinya memakai � = 0,05 pada derajat bebas 1.
3. Asumsi keragaman populasi yang dimasukkan dalam perhitungan adalah P(1-P), dimana P=0,5
4. Asumsi nilai galat pendugaan 5% (d=0,05).
Dalam penelitian ini pengambilan sampel dilakukan dengan teknik penarikan sampel bertingkat proposional (propotional stratified random sampling). Ada beberapa syarat yang harus terpenuhi terlebih dahulu untuk menggunakan teknik ini antara lain (Singarimbun dan Effendi, 1989:162-163):
1. Adanya kriteria yang jelas yang akan dipergunakan sebagai dasar untuk menstratifikasi populasi ke dalam lapisan-lapisan.
2. Adanya data pendahuluan dari populasi mengenai kriteria yang dipergunakan untuk menstratifikasi.
BAB 3
METODE PENELITIAN
3.1Merumuskan Masalah
Langkah awal pada penelitian ini adalah merumuskan masalah. Masalah yang dirumuskan berdasarkan pendahuluan yaitu apakah dalam penelitian ini ada atau tidak perbedaan ranking kualitas atribut menurut responden dan bagaimana minat mahasiswa terhadap 8 atribut yang berkaitan dengan sepeda motor dan akan dilibatkan dalam mengevaluasi produk dengan analisis konjoin sehingga menghasilkan kombinasi atribut-atribut yang sesuai dengan minat mahasiswa USU. Adapun data yang digunakan dalam proses analisis adalah data primer dengan penyebaran kuesioner kepada mahasiswa USU.
3.2Studi Literatur
Studi literatur dilakukan dengan mengidentifikasi permasalahan, mengkaji dan menganalisis metode Kruskal-Wallis dan Analisis Konjoin. Penelusuran referensi ini bersumber dari buku, jurnal maupun penelitian yang telah ada sebelumnya mengenai hal-hal yang berhubungan dengan metode yang dipakai.
3.3 Pengamatan dan Pengumpulan Data
Pada tahap ini dilakukan pengamatan pengumpulan data pada mahasiswa USU yang menggunakan sepeda motor. Data yang digunakan diperoleh dari menyebarkan kuesioner di setiap fakultas USU yaitu fakultas kedokteran, kedokteran gigi, kesehatan masyarakat, keperawatan, ilkom, ilmu budaya, hukum, ilmu sosial dan politik, ekonomi, mipa, teknik, farmasi, pertanian, pisikologi dapat dilihat pada Lampiran 8.
Setelah mendapatkan data yang dimaksud, selanjutnya dilakukan pembahasan secara teoritis mengenai metode yang digunakan dalam penelitian berdasarkan hasil studi literatur. Hal ini dilakukan untuk mengetahui bagaimana metode yang digunakan dalam kajian teorinya sebelum digunakan dalam penelitian. Pembahasan ini terdapat dalam tinjauan pustaka.
3.5 Analisis Data dengan Metode Kruskal-Wallis
Pada tahap ini dilakukan analisis data sebagai berikut: 1. Perumusan hipotesis.
Menentukan hipotesis nol ( 0) sebagai kesimpulan sementara yang menyatakan “ Tidak ada perbedaan “, dan menentukan hipotesis alternatif ( ) yang menyatakan kebalikan dari hipotesis nolnya “ Ada perbedaan “.
2. Menentukan nilai kritis berdasarkan tabel nilai kritis chi-kuadrat dengan � = −1.
3. Menghitung nilai statistik Kruskal-Wallis.
4. Bandingkan antara hasil penetapan daerah kritis dari tabel chi-kuadrat dengan hasil hitungan statistik ujinya.
5. Membuat Kesimpulan dari hasil perbandingan tersebut dengan ketentuan 0: diterima jika ( ��2; −1) dan 0: ditolak jika ( > ��2; −1).
3.6 Analisis Data dengan Metode Analisis Konjoin
Pada tahap ini dilakukan analisis data sebagai berikut:
1. Merancang stimuli, menentukan dan menyusun level dari tiap-tiap atribut dapat dilihat pada Lampiran 1.
2. Menggunakan konsep Orthogonalitas dalam mereduksi kombinasi atribut dengan setiap levelnya agar konsumen lebih mudah memberi pendapat pada setiap stimuli, dengan menggunakan bantuan perintah Orthoplan pada SPSS 17 dapat dilihat pada Lampiran 3.
3. Estimasi utilitas untuk tiap atribut dan level atribut.
b. Menentukan nilai kepentingan relatif tiap atribut dan membandingkannya dengan total kepentingan seluruh atribut tiap responden.
4. Interpretasi hasil melalui pengelompokkan responden yang memiliki nilai utilitas dan kepentingan relatif sama dan estimasi tingkah laku responden dalam pemilihan kombinasi atribut.
5. Membuat kesimpulan.
Pada tahap ini dilakukan penarikan kesimpulan hasil analisa data sekaligus memberikan saran yang berkaitan dengan pengembangan penelitian sebelumnya.
3.7 Membuat Kesimpulan
Pada tahap ini dibuat kesimpulan hasil analisis data dari kedua metode yang digunakan sekaligus
BAB 4
PEMBAHASAN
4.1Pengumpulan Data
Data yang digunakan adalah data primer. Data primer adalah data yang diperoleh dari individu atau perseorangan. Alat untuk memperoleh data dalam penelitian ini dengan menggunakan kuesioner. Peneliti membagikan kuesioner sebanyak 354 kepada mahasiswa. Pemberian kuesioner ini bertujuan untuk mengetahui pengaruh minat mahasiswa USU memilih sepeda motor.
4.1.1 Karakteristik Responden
Perilaku responden dapat dipengaruhi oleh berbagai macam faktor. Tentu hal ini menjadi tantangan utama bagi para pemasar untuk mengendalikan semua faktor yang mampu mempengaruhi perilaku memilih pada konsumen. Penelitian ini didapatkan dengan menyebarkan kuesioner kepada mahasiswa Universitas Sumatera Utara.
Pada penelitian ini populasinya adalah mahasiswa USU yang memiliki sepeda motor, data yang diperoleh melalui pendekatan sampel dari luas lahan parkir setiap fakultas di USU. Hasil pendekatan sampelnya dapat dilihat pada Lampiran 9. Krejcie dan Morgan (1970) dalam Uma Sekaran (1992) membuat daftar yang bisa dipakai untuk menentukan jumlah sampel ada pada Lampiran 10.
Setelah jumlah sampel yang akan diteliti diketahui selanjutnya penelitian ini menggunakan teknik sampel bertingkat proposional (propotional stratified random sampling) sebagai berikut:
No. Fakultas Luas Lahan Parkir
( �)
Jumlah Sepeda Motor
Proporsi Sampel
(%)
Jumlah Sampel
1 Kedokteran 296,40 269 5,446 19
2 Kesehatan Masyarakat 172,66 156 3,159 11
3 Kedokteran Gigi 228,16 207 4,191 15
4 Ilkom 345,80 314 6,358 23
5 Ilmu Budaya 599,04 544 11,014 39
6 Hukum 676,24 614 12,432 44
7 Ilmu Sosial dan Politik 114,31 103 2,085 7
8 Ekonomi 407,40 370 7,491 27
9 Pertanian 311,04 282 5,710 20
10 Mipa 481,98 438 8,869 31
11 Farmasi 810,84 737 14,922 53
12 Teknik 597,47 543 10,994 39
13 Pisikologi 117,84 107 2,166 8
14 Keperawatan 280,80 255 5,163 18
Total 4.939 100 354
Sumber: Data Olahan Penulis
Tabel 4.2 Karakteristik Responden
Karakteristik Responden Jumlah Sampel Fakultas Ilmu Sosiologi dan Politik
Kesehatan Masyarakat
4.2Pengolahan Data
Untuk pemecahan suatu permasalahan perlu dilakukan analisis dan pengolahan data. Teknik penganalisaan yang digunakan untuk memecahkan permasalahan ini adalah dengan menggunakan metode Kruskal-Wallis dan Analisis Konjoin. Dari data yang diperoleh berdasarkan pengisian kuesioner oleh mahasiswa, dapat dilakukan analisa dari permasalahan berikut.
4.2.1 Uji Kruskal-Wallis
Dalam hal ini, uji Kruskal-Wallis akan digunakan untuk menguji apakah ada tidaknya perbedaan ranking kualitas atribut menurut responden. Berikut tahap-tahap yang diperlukan untuk memecahkan permasalahan ini.
Tahap pertama adalah merumuskan hipotesis. Pada Uji Kruskal-Wallis, hipotesis nol sebagai kesimpulan sementara yang menyatakan tidak ada perbedaan penilaian yang dilakukan responden terhadap atribut-atribut, dan menentukan hipotesis alternatifnya yang menyatakan kebalikan dari hipotesis nol. Perumusan hipotesisnya sebagai berikut:
0: Tidak ada perbedaan penilaian yang dilakukan responden terhadap atribut-atribut sepeda motor.
1:Ada perbedaan penilaian yang dilakukan responden terhadap atribut-atributsepeda motor.
Tahap kedua adalah menentukan nilai kritis berdasarkan tabel nilai kritis chi-kuadrat. Nilai tingkat signifikansi adalah 5% atau 0,05. Untuk menentukan nilai kritis, terlebih dahulu menghitung nilai derajat bebas. Dikarenakan derajat bebas = −1, maka derajat bebas 8−1 = 7. Nilai kritis berdasarkan tabel chi-kuadrat dengan derajat bebas 7 dan tingkat signifikansi 5% adalah 14,07.
Tabel 4.3 Data Ranking Atribut pada Sepeda Motor
Berdasarkan data tersebut, gabungkan data masing-masing atribut kemudian lakukan rangking data. Untuk mendapat nilai ranking, urutkan terlebih dahulu data dari yang terkecil sampai terbesar, dapat dilihat pada Tabel 4.4 berikut:
Pringkat
Atribut Merek Kapasitas
Tangki
Jenis
Sepeda
Motor
Ukuran
Ban
Harg
a
Roda Warna Daya
Mesin
1 119 2 73 6 92 2 6 56
2 97 37 74 8 72 6 18 43
3 59 44 95 10 47 7 45 46
4 29 46 53 16 61 13 66 76
5 18 61 32 33 32 31 83 63
6 11 96 14 49 20 79 52 27
7 11 29 9 108 20 133 24 22
8 10 39 4 124 10 83 60 21
Tabel 4.4 Data Ranking Setelah Diurutkan
No
Urut
Frekuensi Rank No
Urut
Frekuensi Rank No
Urut
Frekuensi Rank
1 2 1,5 23 22 23 45 60 45
2 2 1,5 24 24 24 46 61 46,5
3 4 3 25 27 25 47 61 46,5
4 6 5 26 29 26,5 48 63 48
5 6 5 27 29 26,5 49 66 49
6 6 5 28 31 28 50 72 50
7 7 7 29 32 29,5 51 73 51
8 8 8 30 32 29,5 52 74 52
9 9 9 31 33 31 53 76 53
10 10 11 32 37 32 54 79 54
11 10 11 33 39 33 55 83 55,5
12 10 11 34 43 34 56 83 55,5
13 11 13,5 35 44 35 57 92 57
14 11 13,5 36 45 36 58 95 58
15 13 15 37 46 37,5 59 96 59
16 14 16 38 46 37,5 60 97 60
17 16 17 39 47 39 61 108 61
18 18 18,5 40 49 40 62 119 62
19 18 18,5 41 52 41 63 124 63
20 20 20,5 42 53 42 64 133 64
21 20 20,5 43 56 43
22 21 22 44 59 44
Tabel 4.5 Data Ranking Berdasarkan Kelompok Atribut
Secara manual untuk menghitung statistik kruskal-wallis (nilai H) dapat dihitung dengan rumus
Dari hasil yang diperoleh dapat diketahui bahwa = 0,95 < 14,07. Dengan demikian 0 diterima dan 1 ditolak, artinya tidak ada perbedaan penilaian yang dilakukan responden terhadap atribut-atributsepeda motor.
4.2.2 Analisis Konjoin
4.2.2.1 Analisis Minat Sepeda Motor Secara Umum
Munculnya merek-merek sepeda motor di pasar membuat persaingan semakin tinggi, sehingga perlu dilakukan penelitian mengenai pola atribut yang mempengaruhi minat ketertarikan konsumen dalam membeli produk sepeda motor dan diperlukan pola atribut yang mempengaruhi pembelian sepeda motor. Pada dasarnya, ada beberapa pola atribut yang mempengaruhi minat mahasiswa tetapi pada penelitian ini atribut hanya dibatasi pada atribut merek, kapasitas tangki, jenis sepeda motor, ban, harga, roda, warna dan daya mesin dengan:
3 x 3 x 3 x 3 x 3 x 2 x 3 x 3 = 4.374 buah. Atribut-atribut tersebut dapat dilihat pada Lampiran 1.
Tujuan penelitian ini untuk mengidentifikasikan atribut yang dianggap penting oleh mahasiswa dalam membeli sepeda motor, mendapatkan nilai utilitas atribut pada level tertentu, dan untuk menentukan urutan prioritas atribut yang paling disukai mahasiswa.
4.2.2.2 Hasil Analisis Konjoin dari Minat Mahasiswa USU
4.2.2.3 Melakukan Prosedur Analisis Konjoin
Berikut dijelaskan prosedur analisis konjoin:
1. Membuat model dasar konjoin, kemudian diuraikan ke dalam bentuk persamaan regresi multiple, dengan persamaan dugaannya sebagai berikut: = 0 + 11 11+ 12 12 + 13 13+ 21 21 + 22 22 + 23 23+ 31 31
+ 32 32 + 41 41+ 42 42+ 43 43 + 51 51 + 52 52+ 53 53
+ 61 61 + 62 62+ 71 71+ 72 72 + 73 73 + 81 81+ 82 82
+ 83 83
2. Mengestimasi model dasar persamaan konjoin tersebut menggunakan analisis regresi Kuadrat Terkecil Biasa atau Ordinary Least Square (OLS) dengan peubah bebasnya berupa peubah boneka (dummy variable), yang terlebih dahulu mengubah bentuk data input menjadi peubah dummy. Pada proses ini diperolah estimasi utilitas ( ) untuk setiap level atribut yang dapat dilihat pada Lampiran 4.
3. Menentukan tingkat kepentingan suatu faktor/atribut (factor importance), I dan kepentingan relatifnya dengan faktor lain, W, dimana :
=
=1
dengan = {maks( )−min }
4. Melakukan analisis dan interpretasi hasil analisis konjoin pada data preferensi tersebut pada tingkat agregat (seluruh responden).
5. Penilaian keandalan dan kesahihan model yang diperoleh dengan nilai R2
(koefisien determinasi ganda) Pearson dan Tau’s Kendall.
4.2.2.4 Pengolahan Nilai Utilitas Level Tiap Atribut
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
Tabel 4.6 Pengkodeaan Data untuk Regresi
Sumber: Data Olahan Penulis
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)
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)
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)
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
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-(80/100-17M/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-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
4.2.2.5 Tingkat Kepentingan Relatif
Pada dasarnya analisis konjoin memiliki salah satu manfaat untuk mengetahui atribut mana yang paling dipertimbangkan konsumen sehingga konsumen dapat memilih atau mengevaluasi beberapa atribut sekaligus. Karena tingkat kepentingan relatif suatu produk sangat perlu untuk melihat minat konsumen serta terhadap tenaga distributor untuk dapat mengkombinasikan atribut yang dianggap penting dan mengabaikan atribut yang relatif kurang menunjang minat konsumen. Dengan bantuan program SPSS 17, dapat diperoleh hasil minat 354 responden pada Tabel 4.8 di bawah ini:
Tabel 4.8 Tingkat Kepentingan Relatif Mahasiswa USU
Nilai Kepentingan
Merek 19,150
Kapasitas Tangki 11,955
Jenis Sepeda Motor 14,160
Ukuran Ban 9,419
Harga 13,633
Roda 7,155
Warna 11,907
Daya mesin 12,621
Total 100 %
Sumber : Data Olahan SPSS
Melalui utility level-level yang sudah dihitung dengan manual dari 1 responden dapat diketahui tingkat kepentingan setiap atribut, diketahui bahwa tingkat kepentingan atribut adalah selisih utility tertinggi dan terendah. Tingkat kepentingan relatif 1 responden tiap atribut dengan bantuan SPSS dapat dilihat pada lampiran 7 dan dicari manual dengan rumus sebagai berikut:
= { ( ) – ( )}
Kapasitas Tangki 2 = 0,148 – −0,185 = 0,333
Dengan tingkat kepentingan atribut tersebut dapat diketahui urutan atribut berdasarkan tingkat kepentingan, tetapi jika diubah menjadi tingkat kepentingan relatif (bobot) dengan rumus:
=
=1
=1
= 1
Dengan rumus diatas maka setiap atribut dapat dihitung sebagai berikut:
Dengan demikian dapat disimpulkan dari hasil nilai utilitas agregrat level atribut responden mahasiswa USU dan tingkat kepentingan relatifnya akan digambarkan dalam bentuk diagram batang sebagai berikut:
Gambar 4.1 Tingkat Kepentingan Relatif 354 Mahasiswa USU
Dari diagram tersebut dapat dlihat bahwa atribut yang paling disukai mahasiswa USU adalah merek dengan 19,150%., merek yang paling disukai responden adalah merek honda dengan nilai utility 0,317. Berikutnya adalah atribut jenis sepeda motor dengan 14,160%, di mana jenis sepeda motor yang paling disukai responden adalah sport dengan nilai utility 0,083. Dalam hal ini harga mendapat 13,633% dengan harga yang paling disukai responden adalah < Rp 12.000.000,00 dengan nilai utility 0,162. Selanjutnya adalah atribut daya mesin 12,621% dimana daya mesin yang disukai mahasiswa adalah 108cc s.d 150cc dengan nilai utility 0,076. Atribut berikutnya kapasitas tangki dengan 11,955%, kapasitas tangki yang disukai mahasiswa adalah > 12Liter dengan nilai utility 0,077. Kemudian atribut warna dengan 11,907% ,warna yang disukai adalah warna putih dengan nilai utility 0,102. Berikutnya adalah atribut ukuran ban 9,419% di mana ukuran ban yang paling disukai (80/100-17M/C 46P dan 100/90-17M/C 55P) dengan nilai utility 0,042 Atribut berikutnya adalah roda 7,155%, roda yang paling disukai adalah pelak jari-jari dengan nilai utility 0,056.
19,150
11,955
14,160
9,419
13,633
7,155
11,907 12,621
Merek K.Tangki Jenis Ukuran Ban
4.2.2.6Pengukuran Predictive dan Uji Signifikansi
Analisis konjoin bertujuan untuk memperkirakan pola pendapat responden, yang disebut estimates part-worth, kemudian membandingkan dengan pendapat responden yang sebenarnya, yang ada pada proses stimuli, yang dicerminkan dengan tingginya angka korelasi antara hasil estimates dengan hasil aktual. Inilah yang disebut dengan
Accuaracy, yakni mengukur tingkat ketepatan prediksi, yang dicerminkan dengan adanya korelasi yang tinggi dan signifikansi antara hasil estimates dengan hasil aktual.
Untuk menguji validitas dalam analisis konjoin dilakukan dengan Pearson’s R dan Kendall’s Tau, pedoman untuk uji signifikansi adalah:
0: Tidak ada korelasi yang kuat antara variabel estimates dengan responden. 1: Ada korelasi yang kuat antara variabel estimates dengan responden
Jika angka signifikansi 0,05 maka 0 diterima, sebaliknya jika angka signifikansi 0,05 maka 0ditolak.
Tabel 4.9 Korelasi Variabel Estimates dan Responden
Uji Nilai Signifikansi
Pearson’s R 0,824 0,000
Kendall’s Tau 0,675 0,000
Sumber : Data Olahan SPSS
BAB 5
KESIMPULAN
5.1Kesimpulan
Dari hasil pengolahan data dan perhitungan-perhitungan pada bab sebelumnya dapat disimpulan sebagai berikut:
1. Hasil dari perhitungan kruskal-wallis dapat ditunjukan dengan nilai = 0,95 < 14,07, sehingga 0 diterima artinya tidak ada perbedaan penilaian yang dilakukan responden terhadap atribut-atribut sepeda motor, dimana 354 responden rata-rata memilih atribut merek sebagai peringkat pertama diantara atribut-atribut lain..
2. Hasil dari perhitungan analisis konjoin untuk mengetahui minat mahasiswa USU memilih atribut-atribut sepeda motor yang paling disukai adalah sepeda motor dengan merek honda dengan kepentingan relatif 19,150 dan nilai utility
0,317, jenis sepeda motor sport dengan kepentingan relatif 14,160%, dan nilai
utility 0,083, harga < Rp 12.000.000,00 dengan kepentingan relatif 13,633% dan nilai utility 0,162, daya mesin 108cc s.d 150cc dengan kepentingan relatif 12,621% dan nilai utility 0,076, kapasitas tangki > 12liter dengan kepentingan relatif 11,955%, dan nilai utility 0,077, warna putih dengan kepentingan relatif 11,907%, dan nilai utility 0,102, ukuran ban (80/100-17M/C 46P dan 100/90-17M/C 55P) dengan kepentingan relatif 9,419% dan nilai utility 0,042, roda pelak jari-jari dengan kepentingan relatif 7,155%, dan nilai utility 0,056.
5.2Saran
Dari penelitian yang telah dilakukan ini ada beberapa saran yang dapat diberikan sebagai berikut:
1. Penelitian selanjutnya dapat memperluasan Uji Kruskal-Wallis untuk Data Multivariat.
DAFTAR PUSTAKA
Krejcie, Robert V. dan Daryle W. Morgan. 1970. “Ditermining Sample Size for Research Activities”, Educational and Psychological Measurment. Vol. 30: 607-610.
Kruskal,W.H.., and W. A. Wallis. 1952. Use of ranks in one-criterion variance analysis. Journal of the American Statistical Association, Vol. 47, No. 260. (Dec., 1952), hal. 583-621.
Purba, Refalin Delustia. 2013. Analisis Preferensi Mahasiswa FMIPA USU Terhadap Produk Handphone dengan Menggunakan Analsis Konjoin. Saintia
Matematika.Vol. 1, No. 2 (2013), hal. 187–197.
Santoso, Singgih, 2010. Analisis Multivariat Konsep dan Aplikasi dengan SPSS, PT Gramedia, Jakarta.
Siegel, Sidney. 1985. Statistik Nonparametrik untuk Ilmu-Ilmu Sosial. PT Gramedia Pustaka Utama: Jakarta.
Slameto, 1991. Belajar dari Faktor-Faktor yang Mempengaruhi. Rineka Cipta Jakarta. Sugiyono, 2010. Statistika Nonparametrik untuk Penelitian, CV Alfabeta: Bandung. Supangat, Andi, 2008. Statistika dalam Kajian Deskriptif, Inferensi, dan
Nonparametrik, Kencana: Jakarta.
Supranto, 2010. Analisis Multivariat Arti dan Interpretasi, Rineka Cipta: Jakarta.
Supriana, Tavi dan Barus Riantri, 2010. Statistik Nonparametrik Aplikasi dalam Bidang Sosial Ekonomi Pertanian, PSI , Kampus USU.
Yanti, Teti Sofia. 2010. Perluasan Uji Kruskal Wallis untuk Data Multivariat. Statistik. Vol. 10 No. 1, 43 – 49. Universitas Islam Bandung: Bandung.
