BAB 2
LANDASAN TEORI
2.1. Definisi dan Konsep Bimbingan Belajar
Masalah belajar merupakan inti dari masalah pendidikan, karena belajar merupakan kegiatan utama dalam pendidikan dan pengajaran. Perkembangan belajar siswa tidak selalu berjalan lancar dan memberikan hasil yang diharapkan. Adakalanya mereka menghadapi berbagai kesulitan atau hambatan. Murid-murid seperti ini perlu diberikan bantuan atau pertolongan yang disebut dengan layanan bimbingan belajar. Secara umum, bimbingan belajar bertujuan untuk mencapai penyesuaian akademis secara optimal sesuai dengan potensi yang dimiliki siswa.
Secara umum, bimbingan dapat diartikan sebagai suatu bantuan yang diberikan kepada orang lain yang bermasalah, dengan harapan orang tersebut dapat menerima keadaannya sehingga dapat mengatasi masalahnya dan mengadakan penyesuaian terhadap diri pribadi, lingkungan keluarga, sekolah, maupun masyarakat.
2.2. Preferensi
Preferensi didefenisikan padan KBBI sebagai (1) (hak untuk) didahulukan dan diutamakan daripada yang lain atau prioritas; (2) pilihan atau kecenderungan atau kesukaan. Sedangkan menurut Chaplin (2002) preferensi adalah suatu sikap yang lebih menyukai sesuatu benda daripada benda lainnya. Karena banyak digunakan dalam bidang pemasaran, maka pembahasan mengenai analisis konjoin mengacu pada istilah-istilah pada bidang pemasaran. Jika disesuaikan dengan istilah dalam bidang atribut bimbingan belajar, maka konsumen dalam hal ini diartikan sebagai siswa yang akan diukur preferensinya.
2.3. Nilai Guna (Utilitas)
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.
Jika konsumen membeli barang karena mengharap memperoleh nilai gunanya, 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 absolute) dan secara ordinal (dengan menggunakan pendekatan nilai relative 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)
2.4. Analisis Konjoin
2.4.1. Pengertian Analisis Konjoin
Kata conjoint menurut para praktisi riset diambil dari kata CONsidered JOINTly. Dalam kenyataannya kata sifat conjoint diturunkan dari kata benda to conjoint yang berarti joint together atau bekerja sama (Kuhfeld, 2000).
Analisis konjoin adalah suatu teknik yang secara spesifik digunakan untuk memahami bagaimana keinginan atau preferensi konsumen terhadap suatu produk atau jasa dengan mengukur tingkat kegunaan dan nilai kepentingan relative berbagai atribut suatu produk (hair et al 1995). Analisis ini sangat berguna untuk membantu merancang karakteristik produk baru, membuat konsep produk baru, membantu menentukan tingkat harga serta memprediksi tingkat penjualan.
Bentuk dasar model dependensi analisis konjoin dapat dirumuskan sebagai berikut :
Dimana :
1) Y1 (variabel dependen), skala pengukuran metrik atau non metrik, didefinisikan sebagai pendapat keseluruhan dari seorang responden terhadap sekian faktor /atribut dan taraf pada sebuah barang/jasa/ide.
2) X1, X2, X3 hingga Xn (variabel independen), skala pengukuran non metrik, didefinisikan sebagai faktor/atribut dan taraf.
2.4.2. Istilah-istilah dalam Analisis Konjoin
Adapun beberapa istilah dalam analisis conjoin adalah :
Atribut, yaitu berupa variabel-variabel yang akan diteliti.
Taraf/lefel, yaitu bagian dari atribut yang menunjukkan nilai yang diasumsikan oleh atribut
Stimuli, yaitu sekelompok atribut yang dievaluasi oleh responden. Dalam desain stimuli termasuk memilih atribut dan taraf atribut yang akan digunakan untuk membuat stimuli.
Nilai kepentingan relative (Relative Importance value), yaitu nilai yang menunjukkan atribut mana yang penting dalam mempengaruhi piliyhan responden.
barang-barang. Jika kepuasan itu semakin tinggi maka semakin tinggi nilai guna. Sebaliknya semakin rendah kepuasan dari suatu barang maka nilai guna semakin rendah.
2.4.3. Tujuan Analisis Konjoin
Pada dasarnya, tujuan analisis konjoin adalah untuk mengetahui bagaimana persepsi seseorang terhadap suatu objek yang terdiri atas satu atau banyak bagian. Hasil utama analisis konjoin adalah suatu bentuk (desain) produk barang atau jasa, atau objek tertentu yang diinginkan oleh sebagian besar responden. (Santoso, 2010)
2.4.4. Tahapan- Tahapan Analisis Konjoin
Adapun tahapan-tahapan yang perlu dilakukan dalam merancang dan melaksanakan analisis konjoin secara umum sebagai berikut :
Gambar 2.1. Tahapan-tahapan analisis conjoin Mengidentifikasi atribut
Merancang kombinasi atribut atau stimuli
Menentukan Metode Pengumpulan Data
Menentukan Metode Analisis yang digunakan
Tahap 1. Mengidentifikasi Atribut
Langkah awal dalam melakukan analisis konjoin yaitu perumusan masalah (Aaker et. al., 1980). Perumusan masalah dimulai dari mendefinisikan produk sebagai kumpulan dari atribut-atribut dimana setiap atribut terdiri atas beberapa taraf/level. Informasi mengenai atribut yang mewakili preferensi konsumen bisa diperoleh melalui diskusi dengan pakar, eksplorasi data sekunder, 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).
Tahap 2. Merancang Kombinasi Atribut (Stimuli)
Setelah mengidentifikasi atribut beserta taraf-tarafnya, kemudian dilakukan perancangan stimuli yaitu kombinasi taraf antar atribut. Pendekatan yang umum digunakan untuk merancang stimuli yaitu kombinasi lengkap (full-profile) atau evaluasi banyak faktor dan kombinasi berpasangan (pairwise comparison) atau evaluasi dua faktor (Kuhfeld, 2000)
Menurut Santoso Singgih (2010) “Untuk jumlah stimuli yang terlalu banyak, dapat dilakukan pengurangan stimuli dengan ketentuan stimuli minimal, yaitu Minimum Stimuli=Jumlah level – Jumlah faktor + 1”. Pada penelitian ini terdapat jumlah level yaitu 19 dan jumlah level adalah 8. Jadi minimum stimuli pada penelitian ini adalah 19-8+1 = 12 stimuli.
1. Full profile
tidak penting diabaikan. Desain seperti ini dikenal dengan nama Orthogonal Array. Orthogonal Array digunakan untuk mendesain percobaan yang efisien dan digunakan untuk menganalisis data percobaan. Orthogonal Array digunakan untuk menentukan jumlah eksperimen minimal yang dapat memberi informasi sebanyak mungkin semua faktor yang mempengaruhi. Orthogonal Array memungkinkan desain yang mengasumsikan bahwa seluruh kombinasi produk dipilih yang benar-benar berpengaruh terhadap efek utama atau semua interaksi yang tidak penting bisa diabaikan. Cara lain untuk mengurangi banyaknya interaksi adalah dengan melakukan survey terhadap konsumen.
Untuk membentuk stimuli dirancang dengan menggunakan SPSS 17, sehingga diperoleh 16 minimal stimuli. Setiap stimuli berisi kombinasi antara atribut dengan taraf, dimana setiap stimuli menggambarkan profil setiap objek secara lengkap. Responden mengevaluasi masing-masing stimuli mulai dari stimuli yang paling diminati/dianggap penting hingga stimuli yang paling tidak diminati/yang paling dianggap tidak penting dengan cara rating (memberi peringkat).
Keuntungan menggunakan metode ini adalah :
1) Diperoleh deskripsi yang lebih realisitis dengan menjelaskan setiap stimuli berisikan sebuah taraf dari masing-masing atribut.
2) Menggambarkan trade-off yang lebih jelas antara seluruh atribut yang tersedia.
3) Memungkinkan pemakaian tipe-tipe penilaian preferensi lainnya
Sedangkan kendala menggunnakan metode ini adalah metode full-profile disarankan apabila jumlah atribut yang diteliti antara enam s/d sembilan atribut saja ( heir at al, 2006)
Tahap 3. Menentukan Metode Pengumpulan 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)
tahap yang telah dibuat sebelumnya. Perangkingan dimulai dari 1 dan seterusnya sehingga ranking terakhir bagi stimuli yang paling tidak disukai. 2) Data metrik : untuk memperoleh data dalam bentuk metrik, responden
diminta untuk memberikan nilai atau rating terhadap masing-masing stimuli. Dengan cara ini, responden akan dapat memberikan penelitian terhadap masing-masing stimuli 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 ranking, artinya untuk stimuli yang paling disukai diberi nilai tertinggi setara dengan jumlah stimulinya, sedangkan stimuli yang paling tidak disukai diberi nilai satu
Tahap 4. Menentukan Metode Analisis yang Digunakan
Saat ini terdapat beberapa metode atau prosedur yang dapat digunakan untuk menyelesaikan model dasar analisis conjoin. Umumnya metode-metode ini akan sangat bergantung pada tata cara pengumpulan data yang dilakukan. Beberapa metode yang umum digunakan dalam analisis conjoin yaitu :
1) Multidimensional Scalling
Menurut Hair, et.al (1998) Multidimensional Scalling bertujuan untuk mentransformasikan penilaian responden mengenai kesamaan atau preferensi kedalam jarak yang dipresentasikan dalam suatu ruang multidimensional. Persepsi seseorang akan kesamaan beberapa objek dituangkan oleh jarak geometri antar objek yang digambarkan dalam ruang berdimensi tertentu, sehingga hubungan relative atau jarak antara posisi objek-objek itu menunjukkan persepsi tingkat perbedaan responden.
2) Regresi Linier dengan Variabel Dummy
Berkaitan dengan tipe data dan cara pengumpulan datanya, prosedur analisis yang umum digunakan dalam analisis konjoin adalah full-profile menggunakan metode regresi dengan variabel dummy. Metode regresi dengan variabel dummy sangat umum digunakan untuk data berjenis nonmetrik ataupun metrik, dimana data telah diperoleh melalui pengurutan maupun penilaian terhadap kombinasi atribut atau stimuli yang telah dirancang sebelumnya. Terdapat beberapa variasi penggunaan metode regresi dengan variabel dummy yaitu :
a. 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).
b. Jika penilaian stimuli menggunakan urutan (ranking) stimuli, maka data tersebut harus diubah terlebih dahulu menjadi skala interval dengan monotomic regression atau multidimensional scalling, kemudian analisis dilanjutkan dengan regresi peubah boneka.
c. Jika data diperoleh melalui penilaian secara terpisah dari masing-masing taraf/level atribut, analisis yang dapat digunakan adalah model logit.
Model dasar analisis konjoin secara matematis sebagai berikut (Supranto, 2004) :
∑ ∑
dimana:
= Utilitas total dari tiap-tiap stimuli
= Utilitas dari faktor ke-i (i, i = 1, 2, 3, ..., m) dan level ke-j (j, j = 1, 2, 3, .., k)
= bernilai 1 jika atribut variabel dummy ke-i taraf ke-j terjadi dan 0 jika tidak terjadi
Dengan model regresi tersebut, maka dapat ditentukan nilai kegunaan dari taraf-taraf atribut untuk menentukan nilai pentingnya suatu taraf-taraf relative terhadap taraf-taraf yang lain pada suatu atribut. Setelah menentuan nilai kegunaan taraf, maka nilai kepentingan relative (bobot) dapat dihitung dengan formula sebagai berikut :
∑
Keterangan :
= bobot kepentingan relatif untuk tiap atribut = range nilai kepentingan untuk tiap atribut
Range nilai kepentingan relatif tiap atribut dapat dicari dengan rumus : Ii = {maks(aij) – min(aij)}
Tahap 5. Interpretasi Hasil
Kuhfeld (2000) menyatakan ada beberapa ketentuan dalam melakukan interpretasi hasil, yaitu :
a. Taraf yang memiliki nilai kegunaan lebih tinggi adalah taraf yang lebih disukai
b. Total nilai kegunaan masing-masing kombinasi sama dengan jumlah nilai kegunaan tiap taraf dari atribut-atribut tersebut.
c. Kombinasi yang memiliki total nilai kegunaan tertinggi adalah kombinasi yang paling disukai responden.
d. Atribut yang memiliki perbedaan nilai kegunaan lebih besar antara nilai kegunaan taraf tertinggi dan terendah merupakan atribut yang lebih penting.
2.5. Regresi Linier Berganda
Secara umum model regresi linier berganda ditulis sebagai berikut :
Dimana :
= Variabel Terikat = Variabel Bebas
= Jarak titik pangkal dengan titik potong garis regresi pada sumbu Y = Kemiringan garis regresi
= Kesalahan
Untuk persamaan regresi untuk populasi secara umum dituliskan sebagai berikut :
Dimana :
= Perkiraan/ramalan Y
= Koefisien regresi
= Variabel bebas
2.6. Analisis Regresi dengan Peubah Boneka (dummy)
Tabel 2.1. Variabel dummy Atribut ke-i dengan level k
Level X1 X2 … Xk-1
1 1 0 … 0
2 0 1 … 0
3 0 0 … 0
. . . . .
. . . . .
. . . . .
k-1 0 0 … 1
k 0 0 … 0
Untuk membangun model regresi yang peubah bebasnya mengandung variabel kualitatif, salah satunya adalah menggunakan peubah boneka. Peubah boneka merupakan cara sederhana untuk mengkuantitatifkan variabel yang kualitatif. Untuk variabel kualitatif yang mempunyai k kategori dapat dibagun k-1 peubah boneka. Variabel ini biasanya mengambil nilai 1 atau 0. Kedua nilai yang diberikan tidak menunjukkan bilangan (numerik) tetapi hanya sebagai identifikasi kelas atau kategorinya. Atribut yang mempunyai dua taraf diberi kode 1 untuk salah satu taraf dan 0 untuk taraf lainnya. Atribut yang mempunyai tiga taraf, pengkodeannya sebagai berikut ;
Tabel 2.2. Pengkodean Variabel Dummy
Taraf Kode
Tarar 1 1 0
Taraf 2 0 1
Untuk taraf lebih dari tiga, pengkodean dilakukan dengan cara yang sama sehingga setiap faktor memiliki k-1 variabel dummy. Banyaknya variabel ini sama dengan banyaknya kategori (taraf) dikurangi satu. (J Supranto, 2004)
2.7. Uji Validitas dan Reliabilitas
Uji validitas adalah uji statistik yang digunakan untuk menentukan seberapa valid suatu item pertanyaan untuk mengukur variabel yang diteliti. Uji validitas digunakan untuk mengukur sah atau tidaknya suatu kuesioner. Suatu kuesioner dikatakan sah jika pertanyaan pada kuesioner mampu mengungkapkan sesuatu yang diukur oleh kuesioner tersebut. Uji validitas dapat digunakan dengan menggunakan software spss menggunakan uji korelasi Pearson Product Moment.
Rumus Uji Validitas konstruk (Syofian,2014) adalah sebagai berikut:
∑ ∑ ∑
√ ∑ ∑ ∑ ∑
keterangan:
n = jumlah responden
X = skor variabel (jawaban responden)
Y = skor total dari variabel untuk responden ke-n
Uji reliabilitas adalah uji yang digunakan untuk menentukan reabilitas serangkaian
item pertanyaan dalam kehandalannya mengukur suatu variabel. Suatu kuisioner dikatakan
reliabel atau handal jika jawaban responden terhadap pertanyaan kuisioner dapat
menunjukkan secara stabil atau konsisten dari waktu ke waktu. Menurut Sugiyono (2006),
“instrument yang reliable adalah instrument yang bila digunakan beberapa kali untuk
mengukur objek yang sama, akan menghasilkan data yang sama”. Instrumen dapat
dikatakan reliable bila mempunyai koefisien alpha . Rumus Uji reliabilitas adalah
sebagai berikut:
( ) ∑
keterangan:
∑ = jumlah ragam butir = jumlah ragam total
Kategori koefisien korelasi berdasarkan Sugiyono (2006) adalah sebagai berikut :
Tabel 2.2. Kategori Koefisien Korelasi
Reliabilitas sangat tinggi
Reliabilitas tinggi
Reliabilitas sedang
Reliabilitas rendah
