3.1 Desain Penelitian
Desain penelitian adalah kerangka atau framework untuk mengadakan penelitian. Berdasarkan karakteristik masalah yang diteliti, penelitian ini termasuk ke dalam penelitian deskriptif. Penelitian deskriptif (descriptive research) merupakan penelitian terhadap masalah-masalah berupa fakta-fakta saat ini dari suatu populasi. Tipe penelitian ini umumnya berkaitan dengan opini (individu, kelompok, atau organisasional), kejadian, atau prosedur. Sedangkan metode yang digunakan di dalam penelitian ini adalah metode survei. Metode survei merupakan teknik pengumpulan dan analisis data berupa opini dari subyek yang diteliti (responden) melalui tanya-jawab. (Indriantoro dan Supomo2002, p26)
Unit analisis merujuk pada tingkat kesatuan data yang dikumpulkan selama tahap analisis data selanjutnya (Sekaran2006, p173). Unit analisis yang diperlukan dalam penelitian ini dibagi/terbagi menjadi dua. Pertama adalah individu, yaitu konsumen yang telah membeli dan mengkonsumsi produk private label Indomaret dan kedua adalah organisasi, yaitu PT. Indomarco Prismatama. Horizon waktu yang digunakan dalam penelitian ini adalah cross-sectional, di mana data yang dikumpulkan hanya satu kali dalam suatu kurun waktu tertentu.
Tabel 3.1 Desain Penelitian Tujuan
Penelitian Jenis Penelitian Metode Penelitian Unit Analisis Time Horison
T-1 Penelitian Deskriptif Survei Individu Cross-Sectional
T-2 Penelitian Deskriptif Survei Organisasi Cross-Sectional
T-3 Penelitian Deskriptif Survei Organisasi Cross-Sectional
T-4 Penelitian Deskriptif Survei Organisasi Cross-Sectional
Sumber: Hasil Pengolahan Data (2010)
Keterangan:
T-1: Mengetahui status keberlanjutan pengelolaan private label saat ini ditinjau dari dimensi merchandise, quality product, price, location, customer service & selling, store layout & design, dan advertising & promotion.
T-2: Menganalisis faktor-faktor kunci yang menentukan keberlanjutan pengelolaan private label di PT. Indomarco Prismatama.
T-3: Merumuskan alternatif kebijakan pengelolaan private label secara berkelanjutan di PT. Indomarco Prismatama.
T-4: Menentukan prioritas kebijakan pengelolaan private label secara berkelanjutan di PT. Indomarco Prismatama.
3.2 Operasionalisasi Variabel Penelitian
Operasional variabel merupakan penjelasan pengertian dari teori variabel, sehingga dapat diamati dan diukur dengan menentukan hal-hal yang diperlukan untuk mencapai tujuan tertentu.
Tabel 3.2 Operasionalisasi Variabel Penelitian
Dimensi Konsep Atribut Indikator Skala Skala
Pengukuran
Merchandise Produk private label
Banyak variasi barang
Penilaian
Konsumen Ordinal Skala Likert Kuantitas atau isi produk
Ketersediaan produk Quality Product Kualitas produk private label Kinerja produk Penilaian
Konsumen Ordinal Skala Likert Fitur produk
Keandalan produk Kesesuaian produk Daya tahan produk Estetika produk Kualitas yang dirasakan
Price Harga produk private label
Kestabilan harga Penilaian
konsumen Ordinal Skala Likert Tingkat harga
Location
Lokasi toko yang menyediakan produk private
label
Lokasi yang mudah dijangkau
Penilaian
konsumen Ordinal Skala Likert Fasilitas parkir yang luas
Waktu tempuh perjalanan menuju tempat berbelanja
Banyaknya sarana transportasi yang menunjang
Lingkungan sekitar yang aman
Customer Service & Selling Pelayanan penjualan di toko yang menyediakan produk private label
Pengetahuan pramuniaga atas produk yang ditawarkan
Penilaian
konsumen Ordinal Skala Likert Pramuniaga yang ramah dan sopan
Proses transaksi pembayaran cepat Kasir memberikan penjelasan yang cukup jelas mengenai cara pembayaran (tunai, debet, kredit)
Layanan yang ramah dan membantu Jam buka yang sesuai
Mudah untuk menukarkan barang dan mendapatkan pengembalian uang
Store Layout & Design Suasana toko yang menyediakan produk private label
Kebersihan toko dan area perbelanjaan
Penilaian
konsumen Ordinal Skala Likert Mudah menjangkau seluruh area toko
dan perbelanjaan
Mudah menjangkau dan memilih barang dagangan
Penempatan rak yang disusun dengan rapi sesuai dengan jenis barang Pencahayaan yang baik
Advertising
& Promotion
Promosi produk
private label
Iklan yang menarik
Penilaian
konsumen Ordinal Skala Likert Informasi brosur yang dapat dipercaya
Potongan harga
Hadiah langsung atas pembelian sejumlah barang tertentu Diskon khusus pada event tertentu
Sumber: Hasil Pengolahan Data (2010)
Menurut Riduwan dan Kuncoro (2008, p20), skala likert digunakan untuk mengukur sikap, pendapat dan persepsi seseorang atau sekelompok tentang kejadian atau gejala sosial.
Skala ordinal tidak hanya mengkategorikan variabel ke dalam kelompok, tetapi juga melakukan rangking terhadap kategori. Pengukuran seperti ini dinamakan skala ordinal dan data yang dapat dari pengukuran ini disebut data ordinal. Variabel yang diukur dengan skala nominal dan ordinal umumnya disebut variabel parametrik atau variabel non-metrik (Sahibul Munir, 2008).
3.3 Jenis dan Sumber Data Penelitian
Data yang digunakan di dalam penelitian ini merupakan data subyek (self-report data). Data subyek merupakan jenis data penelitian yang berupa opini, sikap, pengalaman, atau karakteristik dari seseorang atau sekelompok orang yang menjadi subyek penelitian (responden). (Indriantoro dan Supomo2002, p145). Data yang digunakan di dalam penelitian ini diperoleh dari sumber primer dan sumber sekunder. Data primer mengacu pada informasi yang diperoleh dari tangan pertama oleh peneliti yang berkaitan dengan variabel minat untuk tujuan spesifik studi. Sedangkan data sekunder mengacu pada informasi yang dikumpulkan dari sumber yang telah ada. (Sekaran2006, p60)
Data primer yang digunakan di dalam penelitian ini diperoleh melalui wawancara dengan para pemangku kepentingan/pakar (stakeholder) dalam PT. Indomarco Prismatama dan melalui penyebaran kuesioner baik secara langsung maupun online kepada konsumen dan para stakeholder yang berkepentingan dalam proses pengambilan keputusan dalam perusahaan. Kuesioner yang diberikan kepada para stakeholder di antaranya mengenai data-data yang diperlukan untuk analisis kebutuhan, perbandingan antar faktor (prospektif), dan penentuan prioritas kebijakan. Sedangkan data sekunder diperoleh melalui hasil studi pustaka, laporan, dan data historis perusahaan serta dokumen dari berbagai instansi yang berhubungan dengan topik penelitian.
3.4 Teknik Pengumpulan Data
Metode pengumpulan data merupakan bagian integral dari desain penelitian. Beberapa metode pengumpulan data yang digunakan dalam penelitian ini, yaitu:
1. Observasi
Pengamatan langsung di beberapa gerai Indomaret dilakukan untuk melihat reaksi masyarakat terhadap kehadiran produk private label serta mengumpulkan data mengenai jumlah produk private label yang tersedia di Indomaret.
2. Wawancara
Mengadakan wawancara awal melalui telepon dengan Bapak Hantoro selaku Senior Manager HRD PT. Indomarco Prismatama untuk memperoleh informasi mengenai isu-isu yang terkait dengan topik skripsi yang sedang diteliti.
3. Kuesioner
Kuesioner (questionnaries) adalah daftar pertanyaan tertulis yang telah dirumuskan sebelumnya yang akan responden jawab, biasanya dalam alternatif yang didefinisikan dengan jelas. Kuesioner merupakan suatu mekanisme pengumpulan data yang efisien jika peneliti mengetahui dengan tepat apa yang diperlukan dan bagaimana mengukur variabel penelitian. (Sekaran2006, p82)
Yang menjadi responden dalam penelitian ini adalah konsumen yang telah membeli dan mengkonsumsi produk private label Indomaret dan para pemangku kepentingan/pakar (stakeholder) yang berwenang untuk menentukan prioritas kebijakan dan pengambilan keputusan di PT. Indomarco Prismatama, yaitu Bpk. Peter Notodiredjo selaku manajer Education & Training, Bpk. Henry Setiawan selaku manajer Location Development, Ibu Yuswanti selaku manajer Merchandising Support & Development (bagian Home Brand), dan Bpk. Yan Bastian selaku direktur Merchandising.
4. Studi Pustaka
Studi pustaka pada penelitian ini dilakukan untuk memperoleh data sekunder dengan membaca, mengumpulkan, mencatat, mempelajari buku cetak dan buku–buku pelengkap atau referensi, seperti jurnal di perpustakaan ataupun melalui internet.
3.5 Teknik Pengambilan Sampel
(Indriantoro dan Supomo2002, p115) Problematik yang ada dalam pemilihan dalam pemilihan data kuantitatif umumnya berkaitan dengan populasi data yang diteliti. Populasi (population), yaitu sekelompok orang, kejadian atau segala sesuatu yang memiliki
karakteristik tertentu. Karena jumlah populasi yang relatif banyak, maka penggunaan sampel (elemen-elemen populasi) yang jumlahnya relatif lebih sedikit namun dapat mewakili keseluruhan populasi, lebih diutamakan dalam penelitian ini.
Populasi yang digunakan dalam penelitian ini adalah konsumen yang telah membeli dan mengkonsumsi produk private label Indomaret yang berasal dari berbagai latar belakang pendidikan dan pekerjaan yang berbeda. Penarikan sampel untuk penelitian ini dilaksanakan dengan membagi sejumlah kuesioner kepada konsumen yang telah membeli dan mengkonsumsi produk private label Indomaret yang telah melalui proses wawancara baik secara langsung maupun tidak langsung sebelumnya.
Teknik yang digunakan dalam pengambilan sampel pada penelitian ini adalah probability sampling. Menurut Riduwan dan Kuncoro (2008, p41), probability sampling adalah teknik pengambilan sampel yang memberi peluang atau kesempatan sama bagi setiap unsur atau anggota populasi untuk dipilih menjadi sampel. Dengan menggunakan teknik simple random sampling, pengambilan sampel dari anggota populasi dilakukan secara acak tanpa memperhatikan strata (tingkatan) dalam anggota populasi.
Sampel yang digunakan berjumlah 100 responden dengan asumsi populasi tidak diketahui dan tingkat kesalahan sebesar 5%. Menurut Riduwan dan Kuncoro (2008, p50), teknik pengambilan sampel apabila populasinya tidak diketahui secara pasti, digunakan teknik sampling kemudahan. Rumus yang digunakan ialah:
n = /2
⎟
2⎠
⎞
⎜
⎝
⎛
e
Z
ασ
di mana :n = jumlah sampel minimal
Z = nilai yang diperoleh dari tabel Z pada level yang confidence tertentu (level of confidence untuk penelitian bisnis biasanya berkisar antar 95% - 99%)
e = error of estimate. Kesalahan yang dapat ditoleransi dalam level of confidence tertentu. Apabila nilai σ tidak diketahui, dapat digunakan s dari sampel sebelumnya (untuk n ≥ 30) yang memberikan estimasi terhadap σ. Jika tidak ada sampel sebelumnya, maka dapat diganti dengan 0,25 sebagai perkalian antara 0,5 x 0,5. (Umar2000, p150)
Dengan rumus yang ada, maka jumlah sampel minimal untuk menganalisis indeks dan status keberlanjutan pengelolaan private label saat ini adalah:
α
= 1 – 0,95 = 0,05, maka Zα/2= 1,96 e = 5% = 0,05 n = /2⎟
2⎠
⎞
⎜
⎝
⎛
e
Z
ασ
= 2 05 , 0 25 , 0 96 , 1 ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ x = 96,04 = 97 respondenJadi, jumlah minimal responden yang diambil sebagai sampel adalah sebanyak 97 responden, yang dibulatkan menjadi 100 responden.
3.6 Teknik Pengolahan Sampel
Setelah melewati tahap uji kuesioner (pre-test) barulah dapat dilakukan penyebaran kuesioner kepada keseluruhan responden (sampel) yang dibutuhkan di dalam penelitian ini. Kemudian dari data yang berhasil dikumpulkan melalui penyebaran kuesioner baik secara langsung maupun online kepada konsumen, diperoleh penilaian terhadap private label Indomaret dari setiap atribut untuk masing-masing dimensi yang kemudian dicari nilai tengah (median) untuk memperoleh kondisi skor masing-masing atribut pada setiap dimensi pengelolaan private label Indomaret. Nilai indeks dan status keberlanjutan pengelolaan
private label Indomaret ditentukan berdasarkan skor untuk masing-masing atribut pada setiap dimensi sesuai dengan kondisi pengelolaan saat ini.
3.7 Metode Analisis
Metode yang digunakan dalam penelitian adalah metode deskriptif melalui survei dengan menggunakan pendekatan sistem. Pendekatan sistem ini digunakan untuk merumuskan alternatif kebijakan pengelolaan private label secara berkelanjutan bagi PT. Indomarco Prismatama. Secara garis besar penelitian dibagi ke dalam empat tahapan penelitian yaitu: 1) Analisis keberlanjutan dan faktor pengungkit pengelolaan private label Indomaret, 2) Analisis kebutuhan stakeholder PT. Indomarco Prismatama, 3) Analisis faktor-faktor kunci pengelolaan private label Indomaret, dan 4) Perumusan alternatif kebijakan pengelolaan private label Indomaret di PT. Indomarco Prismatama.
Penelitian ini dilengkapi dengan berbagai metodologi seperti yang dapat digambarkan pada diagram rancangan penelitian pada Gambar 3.1.
Gambar 3.1 Diagram Alir Konsep Penelitian Pengelolaan Private Label yang Berkelanjutan di PT. Indomarco Prismatama
3.7.1 Uji Validitas dan Reliabilitas 1. Uji Validitas
Validitas menguji seberapa baik suatu instrumen yang dibuat mengukur konsep tertentu yang ingin diukur (Sekaran2006, p39). Validitas atau ketepatan uji dilakukan dengan mengkorelasikan masing-masing skor variabel dengan jumlah skor variabel, bila variabel mempunyai hubungan signifikan dengan totalnya maka variabel tersebut dikatakan valid. Sedangkan bila salah satu variabel yang tidak mempunyai hubungan dengan totalnya, maka variabel tersebut dikatakan tidak valid, dan harus dikeluarkan dari item pertanyaan kuesioner.
Uji validitas ini dapat dilakukan dengan menghitung korelasi antara masing-masing pernyataan dengan skor total memakai rumus teknik korelasi product moment. Rumusnya adalah sebagai berikut:
Dengan menggunakan SPSS, uji validitas dilakukan dengan membandingkan Rhitung dan Rtabel. Nilai akan dinyatakan valid bila Rhitung > Rtabel.
Langah-langkah mengukur validitas untuk tahapan uji kuesioner adalah sebagai berikut:
a. Melakukan uji coba kuesioner dengan meminta 30 responden menjawab pertanyaan-pertanyaan yang ada.
c. Menghitung korelasi antar data pada masing-masing pertanyaan dengan skor total.
2. Uji Reliabilitas
Kendalan (reliabilitas) suatu pengukuran menunjukkan sejauh mana pengukuran tersebut tanpa bias (bebas kesalahan) karena itu menjamin pengukuran yang konsisten lintas waktu dan lintas beragam item dalam instrumen. Dengan kata lain, keandalan suatu pengukuran merupakan indikasi mengenai stabilitas dan konsistensi dimana instrumen mengukur konsep dan membantu menilai ketepatan sebuah pengukuran (Sekaran2006, p40).
Dalam penelitian ini, teknik uji reliabilitas yang digunakan adalah Cronbach’s Alpha. Berikut rumusnya:
Dengan menggunakan SPSS, uji reliabilitas dilakukan dengan membandingkan R cronbach alpha dan Rtabel. Nilai dinyatakan reliabel jika R cronbach alpha > Rtabel.
3.7.2 Analisis Keberlanjutan Pengelolaan Private Label Indomaret
Kajian diawali oleh analisis keberlanjutan pengelolaan private label pada kondisi saat ini melalui proses ordinasi menggunakan analisis RAP-FOVABEL (Rapid Appraisal For Private Label) dengan metode Multidimensional Scaling (MDS). Melalui
analisis ordinasi, diperoleh posisi relatif keberlanjutan pengelolaan private label yang dikaji terhadap dua titik acuan yaitu titik “baik” (good) dan titik “buruk” (bad). Proses ordinasi RAP-FOVABEL ini menggunakan perangkat lunak modifikasi RAPFISH (Kavanagh, 2001). Proses Algoritma RAP-FOVABEL juga pada dasarnya mengikuti proses algoritma RAPFISH seperti terlihat pada Lampiran 4.
Analisis keberlanjutan pengelolaan private label dilakukan melalui tiga tahapan, yaitu: (1) Tahap penentuan atribut atau kriteria pengelolaan private label berkelanjutan, yang mencakup dimensi merchandise, quality product, price, location, customer service & selling, store layout & design, dan advertising & promotion. Secara keseluruhan, terdapat 35 atribut yang dianalisis, masing-masing: 3 atribut dimensi merchandise, 7 atribut dimensi quality product, 2 atribut dimensi price, 6 atribut dimensi location, 7 atribut dimensi customer service & selling, 5 atribut dimensi store layout & design, dan 5 atribut dimensi advertising & promotion.
(2) Tahap penilaian setiap atribut dalam skala ordinal berdasarkan kriteria keberlanjutan untuk setiap dimensi. Pemberian skor yang didasarkan pada hasil penyebaran kuesioner sesuai dengan persyaratan yang telah ditetapkan. Rentang skor berkisar antara 1 – 4, yang diartikan dari sangat tidak setuju (buruk) sampai sangat setuju (baik). Hasil pemberian skor kemudian dianalisis dengan menggunakan program RAPFISH untuk menentukan posisi status keberlanjutan pengelolaan private label pada masing-masing dimensi dan keterpaduan dimensi (multidimensi) yang dinyatakan dalam skala nilai indeks keberlanjutan. Skala indeks keberlanjutan terletak antara 0 – 100.
Posisi status keberlanjutan sistem yang dikaji diproyeksikan pada garis mendatar dalam skala ordinasi yang berbeda di antara dua titik ekstrim, yaitu titik ekstrim “buruk” dan “baik” yang diberi nilai indeks antara 0 sampai 100%.
Gambar 3.2 Ilustrasi Nilai Indeks Keberlanjutan dalam Skala Ordinasi Sumber: Thamrin, Sutjahjo, Herison, dan Sabiham (2007, p109)
Tabel 3.3 Kategori Indeks dan Status Keberlanjutan Pengelolaan Private Label
Nilai Indeks Kategori
0,00 – 25,00 Buruk (tidak berkelanjutan) 25,01 – 50,00 Kurang (kurang berkelanjutan) 50,01 – 75,00 Cukup (cukup berkelanjutan) 75,01 – 100,00 Baik (berkelanjutan) Sumber: Hidayanto, Supiandi, Yahya, dan Amien (2009, p217)
Hasil analisis ordinasi akan mencerminkan seberapa jauh atau baik status keberlanjutan dimensi tersebut. Jika analisis untuk masing-masing dimensi telah dilakukan maka analisis perbandingan kebelanjutan antar dimensi dapat dilakukan dan divisualisasikan dalam bentuk diagram layang-layang (kite diagram) seperti terlihat pada Gambar 3.3.
Gambar 3.3 Ilustrasi Indeks Keberlanjutan Setiap Dimensi Pengelolaan Private Label Sumber: Hasil Pengolahan Data (2010)
(3) Dalam analisis MDS dengan menggunakan komputer, sekaligus dilakukan analisis Leverage, analisis Monte Carlo, penentuan nilai stress, dan nilai koefisien
determinasi (R2) yang merupakan program satu paket dengan program RAPFISH.
Analisis leverage digunakan untuk mengetahui atribut-atribut yang sensitif untuk meningkatkan status keberlanjutan pengelolaan private label. Penentuan atribut yang sensitif dilakukan berdasarkan urutan prioritasnya pada hasil analisis leverage dengan melihat bentuk perubahan root mean square (RMS) ordinasi pada sumbu X. Semakin besar nilai perubahan RMS, maka semakin besar pula peranan atribut tersebut dalam peningkatan status keberlanjutan pengelolaan private label di PT. Indomarco Prismatama.
Analisis Monte Carlo digunakan untuk menduga pengaruh galat (error) dalam proses analisis yang dilakukan pada selang kepercayaan 95%. Hasil analisis dinyatakan dalam bentuk nilai indeks Monte Carlo, yang selanjutnya dibedakan dengan nilai indeks dari hasil analisis MDS. Apabila perbedaan kedua nilai indeks tersebut kecil, hal tersebut mengindikasikan bahwa:
1. Kesalahan dalam pembuatan skor setiap atribut relatif kecil. 2. Variasi pemberian skor akibat perbedaan opini relatif kecil. 3. Proses analisis yang dilakukan secara berulang-ulang stabil. 4. Kesalahan pemasukan data dan data yang hilang dapat dihindari.
5. Nilai stress dan koefisien determinasi (R2) yang berfungsi untuk menentukan
perlu tidaknya penambahan atribut untuk mencerminkan dimensi yang dikaji secara akurat (mendekati kondisi sebenarnya). Nilai ini diperoleh dari pemetaan terhadap dua titik yang berdekatan, di mana titik tersebut diupayakan sedekat mungkin terhadap titik asal dalam skala ordinasi. Teknik ordinasi (penentuan jarak) dalam MDS didasarkan pada Euclidian Distance.
Dalam ruang dua dimensi, jarak euclidean dirumuskan sebagai berikut: 2 2 1 2 2 1 x y y x d = − + −
Sedangkan dalam n-dimensi, jarak euclidean dirumuskan sebagai berikut: ... 2 2 1 2 2 1 2 2 1− + − + − + = x x y y z z d di mana,
d = Jarak geometris (Euclidian Distance) i
x
= koordinat x ke-ii
y
= koordinat y ke-iyang dalam ruang berdimensi n dengan persamaan:
Titik tersebut kemudian diaproksimasi dengan meregresikan jarak euclidian (dij) dari titik i ke titik j dengan titik asal (dij) dengan persamaan:
e bd a
dij = + ij +
Nilai stress menunjukkan proporsi varians yang tidak dijelaskan oleh model. Semakin rendah nilai stress, maka semakin baik model MDS. Adapun tabel nilai stress adalah sebagai berikut:
Tabel 3.4 Tabel Nilai Stress Nilai Stress KESESUAIAN Lebih dari 20% Poor
10% - 20% Fair
5% - 10% Good
2.5% - 5% Excellent
Kurang dari 2.5% Perfect Sumber: Simamora (2005, p269)
Secara lengkap, tahapan analisis RAP-FOVABEL menggunakan metode MDS dengan aplikasi modifikasi RAPFISH disajikan pada Gambar 3.4.
Gambar 3.4 Tahapan analisis RAP-FOVABEL menggunakan MDS dengan aplikasi Modifikasi RAPFISH
Sumber: Hasil Pengolahan Data (2010)
3.7.3 Analisis Kebutuhan Stakeholder
Wawancara melalui penyebaran kuesioner kepada para stakeholder di PT. Indomarco Prismatama, dilakukan untuk memperoleh informasi tentang kebutuhan stakeholder yang berkaitan dengan pengelolaan private label Indomaret. Stakeholder di dalam penelitian ini yaitu 1) Bpk. Peter Notodiredjo selaku manajer Education & Training, 2) Bpk. Henry Setiawan selaku manajer Location Development, dan 3) Ibu Yuswanti selaku manajer Merchandising Support & Development (bagian Home Brand). Hasil analisis kebutuhan stakeholder berupa faktor-faktor penting/strategis merupakan masukan dalam penentuan faktor kunci yang akan menjadi dasar dalam perumusan alternatif kebijakan pengelolaan private label di PT. Indomarco Prismatama.
Mulai
Kondisi pengelolaan private label
saat ini Penentuan atribut sebagai kriteria penilaian
MDS (ordinasi setiap atribut)
Penilaian setiap atribut
Analisis Monte Carlo Analisis Leverage
3.7.4 Analisis Prospektif Struktural
Penentuan faktor kunci keberlanjutan pengelolaan private label di PT. Indomarco Prismatama didasarkan pada faktor-faktor penting dari hasil analisis RAP-FOVABEL dan analisis kebutuhan. Faktor-faktor penting tersebut dianalisis dengan analisis prospektif struktural menggunakan metoda MICMAC.
Adapun tahapan dalam analisis prospektif struktural dengan metode MICMAC adalah sebagai berikut:
1. Teknik Hubungan Langsung Metode MICMAC
Menurut Eriyatno (2003), teknik hubungan langsung dari analisa prospektif struktural MICMAC (Matrice d’Impact Croisés – Multiplicaction Appliquée a un Classement) merupakan suatu proses pengkajian kelompok (group learning process) di mana model-model struktural dihasilkan guna memotret perihal yang kompleks dari suatu sistem, melalui pola yang dirancang secara seksama dengan menggunakan grafis serta kalimat. Teknik ini, terutama ditujukan untuk pengkajian oleh suatu tim, namun bisa juga dipakai oleh seorang peneliti. Dengan memperhitungkan pengaruh (Influence) dan ketergantungan (Dependence) dari setiap sub-elemen, maka matriks hubungan langsung MICMAC dapat disusun dengan menempatkan sub-elemen pada setiap ordinat (x,y) masing-masing. Seperti pada gambar berikut ini:
Gambar 3.5 Tingkat Pengaruh dan Ketergantungan antar Faktor dalam Sistem Sumber: Godet (1999)
2. Metode Analisa Hubungan Tidak Langsung MICMAC
MICMAC pada awalnya dikemukakan oleh Godet pada tahun 1974, menurut Arcade et.al. (1995) adalah suatu matriks analisa struktural dengan pendekatan matriks dampak silang multi aplikasi yang digunakan untuk mengklasifikasikan (Dunham & Ritchey, 1997), matriks ini tidak hanya menganalisa hubungan langsung diantara variabel-variabelnya seperti yang dikemukakan sebelum ini, namun juga hubungan tidak langsung (indirect classification). Adapun tahap-tahap dalam hubungan tidak langsung yang dilaksanakan adalah:
a. Melisting variabel-variabel
Melakukan listing varibel-variabel terkait, baik yang berkarakter aspek di dalam fenomena studi (variabel internal) maupun aspek lingkungan (variabel eksternal). List dari variabel-variabel tersebut haruslah merupakan informasi lengkap yang bisa didapatkan dari wawancara tidak langsung dengan para aktor yang mewakili sistem. Dalam berbagai pengalaman
Godet (1999) menyarankan bahwa list tersebut janganlah lebih dari 70 variabel.
b. Mendeskripsikan hubungan antar variabel
Kemudian analisa struktural akan mencari hubungan antar variabel dengan menggunakan tabel dual-entry yang disebut dengan “structural analysis matrix”. Dalam memasukkan datanya haruslah merupakan pernyataan kualitatif. Gotze (1991) dalam Scholz et.al. (1995) mengkategorikannya dalam level skala “tidak ada dampak (0)”, “berdampak sedang (1)”, dan “berdampak kuat (2)”. Sedangkan Vester & Von Hesler dalam Fried & Linss (2005) mengkuantifikasi dampak tersebut dengan menggunakan nomor-nomor 0, 1, 2, 3 (no impact, weak impact, medium impact, strong impact). Lebih lanjut dinyatakan bahwa yang perlu diperhatikan adalah tingkat yang diukur adalah dampak langsung, dan tidak menyertakan pernyataan dampak tidak langsung seperti: apakah ada dampak tidak langsung variabel Abc terhadap variabel Cde melalui variabel Bcd? Seperti contoh cross-impact matrix berikut.
Tabel 3.5 Contoh Cross – Impact Matrix
Abc Bcd Cde Def Efg Fgh Ghi Hij Ijk Jkl
Abc 0 0 2 0 1 1 0 0 1 1 6 Bcd 2 0 0 0 0 2 0 0 0 1 5 Cde 1 0 0 0 0 0 1 0 1 0 3 Def 2 2 0 0 2 1 0 0 1 2 10 Efg 2 2 1 0 0 2 1 1 1 1 11 Fgh 1 0 0 0 0 0 1 2 0 1 5 Jkl 0 0 1 0 1 1 2 0 0 0 5 8 4 3 0 4 7 3 3 4 6 45 Sumber: Godet (1999)
c. Mengidentifikasikan variabel kunci dengan menggunakan MICMAC
Dalam mengidentifikasikan variabel-variabel kunci, maka kunci utama dalam mengembangkannya adalah: pertama, gunakanlah klasifikasi langsung, kemudian buatlah klasifikasi tidak langsung (dengan MICMAC) dengan
mengaktifkan matriks. Perbandingkan hirarki dari variabel-variabel dalam berbagai klasifikasi (langsung, tidak langsung dan potensial) tersebut, sebagai suatu informasi yang lengkap. Dimungkinkan menyertakan berbagai efek yang ditimbulkan yang sebelumnya belum terkemukakan dalam klasifikasi hubungan langsung. Contohnya dapat dilihat dari gambar berikut ini:
Klasifikasi Langsung:
ISM Klasifikasi Tidak Langsung: MICMAC
Posisi 1 Fgh 2 … 5 Def … 6 Fgh Def … 10
Gambar 3.6 Klasifikasi Hubungan Tidak Langsung MICMAC Sumber: Godet (1999)
Adanya perubahan posisi Fgh dari posisi ke 6 menjadi posisi ke 1 disebabkan berbagai kendala dan kemungkinan perubahan-perubahan di masa mendatang. Hasil tersebut menggambarkan influence dan dependence dari masing-masing variabel yang dipresentasikan dalam suatu rencana (plan). Sehingga dapat diidentifikasikan variabel-variabel yang berpengaruh dalam sistem, kemudian dapat diobservasi pada matriks Influence-Dependence Plan berikut ini:
Influence
Input
Variables Relay Variables
Average
Influence Middle Cluster
Excluded
Variables Resulting Variables
Average
Dependence Dependence
Gambar 3.7 Matriks Influence – Dependence MICMAC Sumber: Godet (1999)
Tahapan studi yang utama untuk mendapatkan hasil dari analisis prospektif kebijakan dengan menggunakan serangkaian soft system yang mendukung teknik model struktural. Analisis prospektif memungkinkan para analis mengkreasikan model yang menggambarkan situasi mendatang, mengelola data saat ini, dan membuat rancangan ilmiah tentang masa depan (Turner et.al. 2004). Prospektif maksudnya menekankan pada pentingnya sikap yang berorientasi masa depan. Sikap prospektif tersebut berarti:
1. Untuk melihat jauh ke depan, sebab prospektif cara pandang jangka panjang 2. Untuk melihat lebih luas, memperhatikan berbagai interaksi
3. Untuk melihat lebih mendalam, mendapatkan faktor dan trend yang benar-benar penting.
4. Untuk mengambil resiko, sebab mencakup rencana jangka panjang
5. Untuk memperhatikan kesejahteraan umat manusia (Godet & Roubelat, 1996) Dengan demikian, dapat ditetapkan prioritas maupun urutan tahap pelaksanaan kesisteman.
3.7.5 Analisis Kebijakan Pengelolaan Private Label Indomaret
Untuk menghasilkan prioritas alternatif kebijakan pengelolaan private label secara berkelanjutan, dilakukan analisis menggunakan Analitycal Hierarchy Process (AHP). Analitycal Hierarchy Process merupakan salah satu alat analisis manajemen strategik dengan pendekatan sistem. AHP merupakan metode yang dapat dipakai dalam pengambilan keputusan untuk memahami kondisi suatu sistem dan membantu melakukan prediksi dan pengambilan keputusan. Metode ini juga digunakan dalam memodelkan problema-problema dan pendapat-pendapat, dimana permasalahan telah dinyatakan secara jelas, dievaluasi, diperbincangkan, dan diprioritaskan untuk dikaji (Saaty 1999).
Dalam kaitan menentukan prioritas alternatif kebijakan pengelolaan private label secara berkelanjutan, maka analisis menggunakan AHP ini diatur sedemikian rupa sehingga dapat mengkaji interaksi menyeluruh dari semua komponen yang terkait. Dalam menggunakan AHP, berbagai komponen yang berinteraksi atau terkait dengan pengelolaan private label sebagai upaya mendapatkan keunggulan kompetitif secara berkelanjutan ini akan dikelompokkan ke dalam beberapa level/hirarki, yaitu: 1) level fokus (tujuan), 2) level dimensi, 3) level kriteria, dan 4) level alternatif kebijakan.
Harapan akhir dari analisis AHP ini adalah diketahuinya prioritas dari alternatif kebijakan pengelolaan private label, beserta kestabilan atau sensitivitas dari alternatif tersebut dalam aplikasi nyatanya pada pengelolaan private label. Adapun tahapan analisis alternatif kebijakan pengelolaan private label yang berkelanjutan ini adalah:
1. Pendefinisian Komponen
Pada tahap ini, semua komponen atau variabel yang berkaitan dengan kebijakan pengelolaan private label secara berkelanjutan ditetapkan dan didefinisikan.
Lingkup komponen yang didefinisikan mencakup fokus atau tujuan pengelolaan private label, dimensi pengelolaan private label untuk pencapaian tujuan tersebut, kriteria berupa faktor atau atribut sensitif dari dimensi merchandise, quality product, price, location, customer service & selling, store layout & design, dan advertising & promotion yang terkait dengan pengelolaan private label, serta alternatif kebijakan pengelolan private label yang ditawarkan.
2. Penyusunan Struktur Hirarki
Pada tahap ini, semua interaksi komponen atau variabel yang telah didefinisikan disusun secara bertingkat dalam bentuk struktur hirarki AHP yang dimulai dari tingkat paling atas berupa fokus/tujuan pada level 1, dilanjutkan dengan dimensi pada level 2, kriteria pada level 3, dan alternatif kebijakan pengelolaan private label secara berkelanjutan pada level 4 (tingkatan paling bawah hirarki).
Gambar 3.8 Ilustrasi Struktur Hirarki Analisis Kebijakan Pengelolaan Private Label Sumber: Hasil Pengolahan Data (2010)
3. Penetapan Skala Banding dan Pembobotan
Pada tahap ini, skala banding antar komponen atau variabel ditetapkan. Penilaian dalam AHP dilakukan dengan teknik komparasi berpasangan (pairwise comparison) terhadap kriteria-kriteria yang digunakan. Penilaian dilakukan oleh
Level 2
Dimensi
Penentuan Kebijakan Pengelolaan Private Label
yang Berkelanjutan Level 1
Fokus
Merchandise Quality
Product Price Location
Customer Service & Selling Store Layout & Design Advertising & Promotion Level 3 Kriteria Atribut
Sensitif Sensitif Atribut Sensitif Atribut Sensitif Atribut Sensitif Atribut Sensitif Atribut Sensitif Atribut
Level 4
Bpk. Yan Bastian selaku direktur Merchandising. Penilaian dilakukan dengan memberikan bobot numerik dan membandingkan antara satu kriteria dengan kriteria lainnya. Bobot numerik tersebut menggunakan skala banding secara berpasangan antar kriteria yang dibandingkan. Penetapan skala banding ini dan sistem pembobotannya mengacu kepada skala banding berpasangan menurut Saaty (1999) pada Tabel 3.6.
Tabel 3.6 Skala Banding Berpasangan dalam AHP Tingkat
Kepentingan Keterangan
1 Kedua elemen sama pentingnya.
3 Elemen yang satu “sedikit lebih penting” daripada elemen yang lain. 5 Elemen yang satu “lebih penting” daripada elemen yang lain. 7 Elemen yang satu “jelas lebih penting” daripada elemen yang lain. 9 Elemen yang satu “mutlak lebih penting” daripada elemen yang lain. 2,4,6,8 Nilai-nilai antara dua nilai pertimbangan yang berdekatan.
Kebalikan
(Reciprocal)
Jika untuk aktifitas i mendapat satu angka bila dibandingkan dengan aktifitas j, maka j mempunyai nilai kebalikannya bila dibandingkan dengan i.
Sumber: Saaty (1999) 4. Formulasi Data
Formulasi data merupakan kegiatan menginput data hasil analisis skala banding berpasangan ke dalam struktur hirarki. Pembuatan hirarki dan input data ini dilakukan menggunakan perangkat lunak Expert Choice 2000.
5. Simulasi
Simulasi dilakukan setelah data terkait diinput ke dalam program. Simulasi merupakan kegiatan menganalisis dan membandingkan data semua komponen yang ada dengan prinsip hasil banding antar dua pasangan komponen diperbandingkan dengan hasil banding antar dua pasangan komponen lainnya di level sama dan hasil perbandingan tersebut dilanjutkan ke level di atasnya
hingga berakhir di level 1. Simulasi seperti ini merupakan upaya pertimbangan terhadap kepentingan semua komponen yang terkait sehingga alternatif kebijakan pengelolaan private label yang menjadi prioritas benar-benar merupakan alternatif kebijakan terbaik.
6. Pengujian Konsistensi
Tahap ini bertujuan untuk menguji konsistensi dari hasil simulasi yang telah dilakukan. Bila dari hasil simulasi diperoleh rasio inconsistency 0,1 atau lebih berarti data yang digunakan tidak konsistensi dan harus dilakukan pengambilan data ulang. Kriteria uji konsistensi AHP disajikan pada Tabel 3.7.
Tabel 3.7 Kriteria Uji Konsistensi AHP
Jenis Pengujian Kriteria
Rasio inconsistency < 0,1
Sumber: Expert Choice 2000 7. Interpretasi hasil
Tahap interpretasi hasil merupakan tahap penggunaan hasil analisis AHP dalam menjelaskan dan memberikan rekomendasi prioritas alternatif kebijakan pengelolaan private label yang berkelanjutan dan kestabilan atau sensitivitas prioritas tersebut terhadap berbagai perubahan yang terjadi secara nyata. Untuk lebih ringkasnya tahapan AHP, menurut Ma’arif dan Tanjung, langkah-langkah penggunaan AHP adalah sebagaimana pada Gambar 3.9.
Gambar 3.9 Langkah-langkah Penggunaan AHP Sumber: Ma’arif dan Tanjung (2003, p95)
3.8 Rancangan Implikasi Hasil Penelitian
Setelah penelitian ini selesai dianalisis dengan melalui tiga macam tahap yaitu analisis keberlanjutan, analisis prospektif struktural, dan analisis proses hirarki (AHP). Langkah selanjutnya yang harus dilakukan adalah menginterpretasi alternatif kebijakan yang menjadi prioritas, kemudian merekomendasikan hasil penelitian tersebut kepada perusahaan sehingga pada akhirnya diharapkan sistem pengelolaan private label di PT. Indomarco Prismatama dapat menjadi keunggulan kompetitif yang berkelanjutan bagi perusahaan di masa depan. Tidak Mulai Identifikasi Sistem Penyusunan Hirarki Pengisian Matriks Pendapat Individu CR Mememuhi Ya Menyusun Matriks Gabungan Pengolahan vertikal
Menghitung Vektor Prioritas
Selesai
