KONSISTENSI RESPONDEN DALAM MENGEVALUASI PROFIL PRODUK
PADA ANALISIS KONJOIN
(Studi Kasus Preferensi Mahasiswa IPB dalam Memilih Mata Kuliah Pilihan)
YUNI SUCI KURNIAWATI
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
ABSTRAK
YUNI SUCI KURNIAWATI. Konsistensi Responden dalam Mengevaluasi Profil Produk pada Analisis Konjoin (Studi Kasus Preferensi Mahasiswa IPB dalam Memilih Mata Kuliah Pilihan). Di bawah bimbingan HARI WIJAYANTO dan UTAMI DYAH SYAFITRI.
Pengukuran respon pada analisis konjoin adalah berupa preferensi atau keinginan konsumen dalam membeli suatu produk atau jasa. Pengukuran respon ini dapat dilakukan dengan mengevaluasi beberapa profil produk baik dengan cara memberikan penilaian (rating) atau mengurutkan (ranking) profil-profil produk tersebut berdasarkan tingkat kesukaan. Jika dua metode evaluasi (rating dan
ranking) dilakukan oleh responden, maka ada kemungkinan terjadi ketidakkonsistenan jawaban responden terhadap hasil evaluasi. Responden dikatakan konsisten apabila hasil analisis konjoin per individu dari data rating dan ranking menunjukkan urutan tingkat kepentingan atribut yang sama dari dua data tersebut.
Penelitian ini menggunakan studi kasus preferensi mahasiswa IPB dalam memilih mata kuliah pilihan. Secara keseluruhan, responden dapat dikatakan konsisten dalam mengevaluasi stimuli dengan metode rating dan ranking. Namun setelah dilihat lebih rinci pada masing-masing individu diperoleh hanya 43% responden yang dapat mengevaluasi stimuli dengan metode rating dan ranking secara konsisten. Faktor-faktor yang berperan terhadap kekonsistenan jawaban responden adalah faktor waktu, kegiatan suka bermain games, sikap dan kesungguhan responden dalam mengevaluasi stimuli.
KONSISTENSI RESPONDEN DALAM MENGEVALUASI PROFIL PRODUK
PADA ANALISIS KONJOIN
(Studi Kasus Preferensi Mahasiswa IPB dalam Memilih Mata Kuliah Pilihan)
YUNI SUCI KURNIAWATI
G14103024
Skripsi
Sebagai salah satu syarat untuk memperoleh gelar
Sarjana Sains pada
Departemen Statistika
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
Judul : Konsistensi Responden dalam Mengevaluasi Profil Produk pada
Analisis Konjoin (Studi Kasus Preferensi Mahasiswa IPB dalam
Memilih Mata Kuliah Pilihan)
Nama : Yuni Suci Kurniawati
NRP : G14103024
Menyetujui :
Pembimbing I,
Pembimbing II,
Dr. Ir. Hari Wijayanto, MS
Utami Dyah Syafitri, M.Si
NIP.
131
878
950 NIP.
132
311
922
Mengetahui :
Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Pertanian Bogor
Dr. Drh. Hasim, DEA
NIP. 131 578 806
PRAKATA
Alhamdulillahirabbil’alamin, segala puji dan syukur penulis panjatkan kehadirat Allah SWT atas segala karunia-Nya sehingga penulis dapat menyelesaikan karya ilmiah ini. Shalawat serta salam semoga selalu tercurahkan kepada Rasulullah SAW, keluarga, sahabat, dan umatnya hingga akhir zaman.
Karya ilmiah ini berjudul “Konsistensi Responden dalam Mengevaluasi Profil Produk pada Analisis Konjoin (Studi Kasus Preferensi Mahasiswa IPB dalam Memilih Mata Kuliah Pilihan)“. Penelitian ini membahas bagaimana kekonsistenan jawaban responden dalam mengevaluasi stimuli menggunakan dua metode evaluasi (rating dan ranking) dan faktor-faktor apa saja yang mempengaruhi kekonsistenan.
Terima kasih penulis ucapkan kepada semua pihak yang telah membantu dalam penyelesaian karya ilmiah ini, terutama kepada :
• Bapak Dr. Ir. Hari Wijayanto, MS dan Ibu Utami Dyah Syafitri, M.Si atas bimbingan dan masukan yang telah diberikan kepada penulis.
• Seluruh dosen pengajar Departemen Statistika IPB atas ilmu bermanfaat yang telah diberikan selama penulis mengikuti perkuliahan di Departemen Statistika IPB.
• Ibu dan Bapak atas doa dan semangat yang selalu menyertai, kakak-kakakku atas nasihat dan bimbingan yang dibutuhkan penulis, dan kedua keponakanku yang lucu (Razi dan Bima) atas hiburan dan keceriaan yang telah diberikan.
• Seluruh staf pegawai Departemen Statistika IPB: Ibu Markonah, Ibu Sulis, Pak Ian, Ibu Dedeh, Bang Sudin, Ibu Aat, Mang Dur, dan Mang Herman. Terima kasih atas segala hal yang membantu penulis dalam menyelesaikan karya ilmiah ini.
• Heru Novriyadi, thanks for the love and support that you always give to me..Ich liebe dich.
• Teman-teman senasib sepenanggungan di Statistika 40: Adist, Mey, Vina, Rani, dan Rahayu (true friends never die!!), Arif dan Yudi (teman seperjuangan konjoin...Semangat!!), Anggoro, Ema, dan Deni (terimakasih atas diskusinya), Edo, Adit, Dauz, Rina, dan seluruh teman-teman lainnya...never forget our sweet memories.
• Tim pembahas seminar (Irfan, Eninta, dan Zainal), kakak-kakak kelas Statistika 38 dan 39 (Kak Ryan...terima kasih atas bahan-bahannya), dan adik-adik kelas Statistika 41 dan 42. • Teman-teman sepermainan : Rathma (thanks for the books), Kiki, Yasmin, Pi2t, Reni, Nyie,
Tiwi, Achie.
• Kak Irfan....Statistics tutor, terima kasih atas ilmunya.
• Semua pihak yang telah memberikan dukungan kepada penulis yang tidak dapat disebut satu persatu sehingga karya ilmiah ini dapat diselesaikan.
Penulis menyadari bahwa penulisan karya ilmiah ini masih jauh dari sempurna, oleh karena itu kritik dan saran yang membangun sangat penulis harapkan sebagai pemicu untuk dapat berkarya lebih baik lagi. Semoga karya ilmiah ini bermanfaat bagi pihak yang membutuhkan.
Bogor, November 2007
RIWAYAT HIDUP
Penulis dilahirkan di Bogor pada tanggal 11 Juni 1985 dari pasangan E. Sukandar Prayitno dan C. Komariah sebagai anak keempat dari 4 bersaudara. Penulis menempuh pendidikan dasar di SD Negeri Kebon Pedes I pada tahun 1991, kemudian melanjutkan pendidikan menengah pertama di SLTP Negeri 5 Bogor hingga tahun 2000. Pada tahun 2003 penulis menyelesaikan pendidikan menengah atas di SMU Negeri 2 Bogor dan pada tahun yang sama diterima di Departemen Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor melalui Undangan Seleksi Masuk IPB (USMI).
Selama mengikuti perkuliahan, penulis ikut serta dalam kegiatan himpunan profesi Gamma Sigma Betta sebagai anggota Departemen Kewirausahaan periode 2004/2005. Penulis pernah menjadi asisten mata kuliah perancangan percobaan pada tahun ajaran 2006/2007 dan menjadi surveyor Verifikasi dan Validasi Data Administrasi Kependudukan Departemen Dalam Negeri pada tahun 2006. Penulis mengikuti kegiatan praktek lapang di Balai Besar Pengkajian dan Pengembangan Teknologi Pertanian (BBP2TP) Bogor pada bulan Februari-April 2007.
DAFTAR ISI
Halaman
DAFTAR TABEL... vii
DAFTAR GAMBAR ... vii
DAFTAR LAMPIRAN... vii
PENDAHULUAN Latar Belakang ... 1
Tujuan... 1
TINJAUAN PUSTAKA Metode Penarikan Contoh... ... 1
Analisis Konjoin... 1
Regresi Logistik Biner... 3
BAHAN DAN METODE Bahan... 4
Metode... 4
HASIL DAN PEMBAHASAN Profil Responden.. ... 5
Atribut yang Dipentingkan dalam Memilih Mata Kuliah Pilihan... 6
Faktor-faktor yang Mempengaruhi Kekonsistenan.. ... 8
SIMPULAN ... 9
SARAN.. ... 9
DAFTAR PUSTAKA ... 9
DAFTAR TABEL
Halaman
1. Atribut dan Taraf Atribut yang Dievaluasi.. ... 4
2. Kuota Pada Departemen dan Jenis Kelamin... 5
3. Profil Responden.... ... 5
4. Frekuensi Atribut yang Dipentingkan Responden... 6
5. NKT tiap Atribut dari Masing-masing Data Rating dan Ranking... ... 6
6. Rata-rata NRP tiap Atribut pada Masing-masing Data Rating dan Ranking... ...6
7. Analisis Regresi Logistik dengan Model Penuh... 8
8. Analisis Regresi Logistik dengan Model Reduksi... 8
DAFTAR GAMBAR
Halaman 1. Persentase Konsistensi Seluruh Responden dalam Mengevaluasi Stimuli.. ... 72. Persentase Konsistensi Responden Berdasarkan Jenis Kelamin... 7
3. Persentase Konsistensi Responden Berdasarkan Departemen... 7
4. Persentase Konsistensi Responden Berdasarkan Angkatan... 8
DAFTAR LAMPIRAN
Halaman 1. Kuesioner yang Diisi oleh Responden... 112. Kuesioner Pengamatan terhadap Responden oleh Peneliti ... 12
3. Peubah Penjelas Beserta Peubah Boneka yang Terbentuk.... ... 13
4. Profil Mata Kuliah Pilihan (Stimuli)... ... 14
PENDAHULUAN
Latar Belakang
Analisis konjoin digunakan untuk mempelajari faktor-faktor yang mempengaruhi konsumen dalam pengambilan keputusan pembelian produk atau jasa (Kuhfeld, 2005). Suatu produk atau jasa terdiri dari beberapa atribut, seperti harga, warna, komposisi, dan lain-lain. Pada umumnya konsumen tidak memiliki pilihan produk yang terbaik di tiap atribut, untuk itu konsumen melakukan trade off (pertukaran) antar atribut dalam menentukan produk mana yang mereka beli. Analisis konjoin sangat erat hubungannya dengan profil produk (stimuli). Terdapat dua metode yang digunakan untuk mengevaluasi stimuli, yaitu memberikan penilaian (rating) atau pengurutan (ranking).
Evaluasi konsumen dengan memberikan penilaian maupun pengurutan terhadap suatu stimuli digunakan untuk menangkap preferensi atau keinginan konsumen dalam membeli produk tersebut. Pada saat pengumpulan data, dimungkinkan terjadinya error dalam jawaban responden. Salah satunya berkaitan dengan hasil yang diperoleh dari responden. Jika dua metode evaluasi (rating dan ranking) dilakukan oleh responden, maka ada kemungkinan terjadi ketidakkonsistenan jawaban responden terhadap hasil evaluasi.
Penelitian ini akan membahas bagaimana kekonsistenan jawaban responden dalam mengevaluasi stimuli menggunakan dua metode evaluasi tersebut dan faktor-faktor apa saja yang mempengaruhi kekonsistenan. Studi kasus yang digunakan dalam penelitian ini adalah preferensi mahasiswa IPB dalam memilih mata kuliah pilihan.
Tujuan
Tujuan dari penelitian ini adalah:
1. Mengidentifikasi Nilai Kegunaan Taraf (NKT) tiap atribut dan Nilai Relatif Penting (NRP) atribut yang mempengaruhi mahasiswa dalam memilih mata kuliah pilihan yang digunakan untuk melihat kekonsistenan jawaban dari metode evaluasi
rating dan ranking.
2. Mengidentifikasi faktor-faktor yang mempengaruhi kekonsistenan jawaban responden antara metode rating dan ranking.
TINJAUAN PUSTAKA
Metode Penarikan Contoh
Metode penarikan contohadalah metode yang digunakan untuk memilih sebagian anggota populasi untuk digunakan sebagai contoh. Ada dua jenis metode penarikan contoh, pertama adalah metode penarikan contoh berpeluang. Metode penarikan contoh ini berdasarkan konsep pengacakan dimana setiap anggota populasi memiliki peluang yang sama untuk terambil sebagai contoh. Kedua adalah metode penarikan contoh tak berpeluang dimana contoh yang diambil dibatasi pada suatu bagian dari populasi yang mudah didapat (Cochran, 1977). Yang termasuk ke dalam penarikan contoh tak berpeluang diantaranya adalah Quota sampling
dan Purposive sampling.
Quota sampling merupakan metode memilih contoh yang mempunyai ciri-ciri tertentu dalam jumlah atau kuota yang diinginkan. Keuntungan metode ini adalah mudah, murah, dan relatif cepat melaksanakannya. Namun penarikan contoh ini dilakukan secara subjektif oleh peneliti sehingga hasil yang diperoleh tidak dapat digeneralisasikan untuk populasi (Scheaffer et al,
1990). Purposive sampling adalah metode penarikan contoh dengan pertimbangan tertentu (Cochran, 1977). Seseorang atau sesuatu diambil sebagai contoh karena peneliti menganggap bahwa seseorang atau sesuatu tersebut memiliki informasi yang diperlukan bagi penelitiannya
.
Dari penjelasan di atas, dapat disimpulkan bahwa metode quota-purposive sampling adalah metode penarikan contoh dimana jumlah dan kriteria responden yang akan diteliti sudah ditentukan terlebih dahulu.Analisis Konjoin
Menurut para pelaku riset pemasaran, kata “Conjoint” berasal dari istilah ”CONsidered JOINTly” yang berarti konsumen mempertimbangkan secara bersamaan semua atribut penyusun suatu produk (Anonim, 2002). Analisis konjoin menurut Hair et al (1998) adalah salah satu teknik analisis multivariate yang secara spesifik digunakan untuk memahami bagaimana preferensi konsumen terhadap produk maupun jasa. Analisis ini juga berguna untuk menentukan kepentingan relatif suatu atribut sesuai dengan pilihan konsumen, menentukan kombinasi taraf
atribut yang paling disukai konsumen, dan dapat membuat segmentasi pasar berdasarkan pada kemiripan preferensi taraf atribut.
Berikut ini adalah tahapan yang umum dilakukan dalam merancang dan melaksanakan analisis konjoin (Malhotra, 2004):
1. Pemilihan Atribut dan Taraf Atribut
Pada tahap ini ditentukan atribut dan taraf atribut yang akan digunakan dalam merancang stimuli. Atribut adalah bentuk umum dari suatu produk atau jasa, seperti ukuran, warna, kecepatan, dan lain-lain. Di dalam perancangan percobaan, istilah atribut identik dengan istilah faktor. Masing-masing atribut memiliki taraf spesifik yang menyertainya.
Dari sisi teori, sangat disarankan atribut dan taraf yang terpilih memiliki peran dalam mempengaruhi preferensi konsumen dalam memilih produk atau jasa. Pada umumnya cara yang sering ditempuh untuk mendapatkan atribut dan taraf yang berperan adalah dengan melakukan diskusi pakar, eksplorasi data sekunder atau melakukan penelitian pendahuluan.
2. Perancangan Stimuli
Stimuli atau profil produk adalah kombinasi dari taraf atribut yang satu dengan taraf atribut lainnya. Pada perancangan percobaan, stimuli identik dengan perlakuan. Terdapat dua pendekatan yang umum digunakan dalam merancang stimuli, yaitu: a. Pairwise Combination
Pendekatan pairwise combination
(kombinasi berpasangan) disebut juga evaluasi dua faktor, dimana responden mengevalusi dua atribut secara bersamaan sampai semua kemungkinan kombinasi dua atribut terevaluasi. Bila ada sejumlah
p atribut berarti jumlah pasangan yang dievaluasi ada p(p-1)/2 pasangan.
b. Full Profile
Pendekatan ini disebut evaluasi banyak faktor karena penyusunan profil produk melibatkan seluruh atribut. Jika sebelumnya telah terpilih sebanyak p buah atribut dengan masing-masing atribut mempunyai 2 taraf, maka akan ada sebanyak 2p kombinasi taraf atribut yang
harus dievaluasi responden. Pendekatan
full-profile direkomendasikan untuk jumlah atribut kurang dari 6 (Hair et al, 1998).
Semakin banyak atribut dan taraf yang digunakan maka akan semakin banyak stimuli yang akan terbentuk, sehingga menjadi tidak efisien dalam proses evaluasi. Untuk itu diperlukan metode pereduksian stimuli, salah satunya dengan menggunakan fractional factorial design
yaitu rancangan yang hanya melakukan sebagian dari kombinasi perlakuan lengkap. Pada rancangan ini dapat menghilangkan informasi tentang pengaruh tingkat tinggi tetapi tidak menghilangkan informasi tentang pengaruh utama dan interaksi tingkat rendah yang merupakan informasi penting dalam percobaan (Harlina, 2007).
3. Penentuan Jenis Data
Dalam analisis konjoin, data yang diperlukan dapat berupa nonmetrik (data berskala nominal atau ordinal) maupun metrik (data berskala interval atau rasio).
a. Data Nonmetrik
Untuk data berjenis nonmetrik, responden diminta untuk membuat
ranking atau mengurutkan stimuli yang telah dibuat pada tahap sebelumnya. Nilai
ranking ini dipercaya akan mencerminkan perilaku konsumen dalam situasi nyata. Pengurutan ini biasanya dimulai dari stimuli yang paling disukai sampai pada stimuli yang paling tidak disukai. Untuk stimuli yang paling disukai diberi ranking
mulai dari 1 dan seterusnya hingga
ranking terakhir bagi stimuli yang paling tidak disukai.
b. Data Metrik
Pada data metrik, responden mengevaluai profil produk dengan memberikan penilaian (rating) terhadap masing-masing stimuli. Pemberian rating
dapat menggunakan skala Likert mulai dari 1 sampai 9 (1= paling tidak disukai, 9=paling disukai). Bila dibandingkan dengan nonmetrik (ranking), cara ini lebih disukai oleh responden, karena tidak membutuhkan pertimbangan yang terlalu rumit.
4. Metode Analisis
Model dasar analisis konjoin adalah sebagai berikut:
∑∑
= = = m i k j ij ij j x X U 1 1 ) (β
Dimana:
U(X) = Total kepuasan terhadap suatu stimuli βij = Nilai kegunaan taraf ke-j atribut ke-i kj = Banyaknya taraf dari atribut ke-i m = Banyaknya atribut
Xij = Peubah boneka atribut ke-i taraf ke-j
(bernilai 1 bila taraf yang berkaitan muncul dan 0 bila tidak).
Nilai Kegunaan Taraf (NKT) adalah nilai pentingnya suatu taraf relatif terhadap taraf yang lain pada suatu atribut. NKT dapat diduga menggunakan analisis regresi peubah boneka dengan peubah bebas adalah peubah boneka untuk stimuli-stimuli yang terbentuk (bernilai 1 bila taraf yang berkaitan muncul dan 0 bila tidak). Jumlah peubah boneka dari suatu atribut adalah sebanyak n-1, dimana n adalah banyaknya taraf dalam suatu atribut. Sedangkan peubah tak bebasnya adalah preferensi atau keinginan konsumen untuk membeli suatu produk. Dengan kata lain, responden memberikan ranking atau
rating sebagai cerminan preferensi atau keinginan untuk membeli suatu produk. Koefisisen peubah boneka menunjukkan selisih nilai kegunaan suatu taraf dengan nilai kegunaan taraf acuannya (Malhotra, 2004). NKT tertinggi pada tiap atribut menunjukkan taraf atribut yang paling disukai.
Nilai Relatif Penting (NRP) adalah nilai yang menunjukkan tingkat kepentingan relatif suatu atribut terhadap atribut yang lain. Tingkat kepentingan dari suatu atribut didefinisikan sebagai selisih antara NKT terbesar dengan NKT terkecil. Atribut dengan selisih terbesar merupakan atribut yang dinilai paling penting. NRP diformulasikan sebagai berikut:
∑
= = m i i i i I I NRP 1 Dimana:NRPi = NRP atribut ke-i
Ii = [max (βij) – min (βij)], untuk setiap
atribut ke-i m = Banyaknya atribut
Regresi Logistik Biner
Regresi logistik biner merupakan teknik analisis data yang dapat menjelaskan hubungan antara peubah respon yang memiliki dua kategori dengan satu atau lebih peubah penjelas berskala kontinu atau kategori (Hosmer dan Lemeshow, 1989).
Peubah respon Y memiliki dua kemungkinan nilai, yaitu Y = 1 menyatakan bahwa respon memiliki kriteria yang ditentukan dan sebaliknya
Y = 0 tidak memiliki kriteria, maka peubah respon Y mengikuti sebaran Bernoulli dengan parameter
π
( )
x
i sehingga fungsi sebaran peluangnya adalah :( )
[
( )
]
i[
( )
]
yi i y i i x x y f = − 1− 1π
π
Model umum regresi logistik dengan p peubah penjelas yaitu :
(
)
( )
(
(
)
)
) ( exp 1 ) ( exp | x g x g x x Y E + = =πdengan melakukan transformasi logit diperoleh : ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − = ) ( 1 ) ( ln ) ( x x x g π π
=
β
0+
β
1x
1+
β
2x
2+
....
+
β
px
pDalam pendugaan parameter digunakan metode kemungkinan maksimum (maximum likelihood), dimana fungsi kemungkinannya adalah:
[
]
i i y i y i n i x x l − = − Π = 1 1 ( ) 1 ( ) ) (β
π
π
βi diduga dengan memaksimumkan
persamaan di atas. Untuk memudahkan perhitungan, dilakukan pendekatan logaritma sehingga fungsi log-likelihood sebagai berikut:
∑
= − − + = n i i i i i x y x y L 1 ))] ( 1 ln( ) 1 ( ) ( ln [ ) (β
π
π
Nilai dugaan βi dapat diperoleh dengan
membuat turunan pertama L(β) terhadap βi = 0,
dengan i=0,1,2,....,p.
Pengujian terhadap parameter model dilakukan untuk mengetahui peranan peubah bebas dalam model. Uji parameter yang digunakan adalah statistik Uji G dan Uji Wald (W). Statistik Uji-G digunakan untuk menguji peranan peubah penjelas di dalam model secara bersama-sama, rumus untuk uji G berdasarkan hipotesis :
H0 : β1 = β2 = ... = βp = 0
H1 : paling sedikit ada satu βi ≠ 0 (i=1,2,...,p)
adalah ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − = 1 0 ln 2 L L G
dengan L0 adalah loglikelihood tanpa peubah penjelas, dan L1 merupakan loglikelihood dengan p peubah penjelas. Kriteria keputusan yang diambil yaitu menolak H0 jika
G
>
χ
α2(p) atau dengan melihat nilai-p, jika lebih kecil dari tarafnyata (α) maka Ho ditolak (Hosmer dan Lemeshow, 1989).
Statistik Uji Wald digunakan untuk menguji parameter βi secara parsial (Hosmer dan
Lemeshow, 1989). Rumus untuk Uji Wald berdasarkan hipotesis H0 : βi= 0 lawan H1 : βi≠ 0 (i = 0,1, 2, …, p) adalah
( )
i i i E S W β β ˆ ˆ ˆ =dengan βˆi merupakan penduga βi dan
S
ˆ
E
( )
β
ˆ
imerupakan penduga galat baku dari βˆ . Kriteria i keputusan adalah H0 ditolak jika Wi >Zα/2 atau nilai-p dari Uji Wald lebih kecil dari α. Interpretasi koefisien untuk model regresi logistik adalah dengan melihat rasio oddsnya. Rasio odds adalah ukuran asosiasi yang memperkirakan berapa besar kecenderungan pengaruh peubah-peubah penjelas terhadap peubah respon (Hosmer dan Lemeshow, 1989). Dalam analisis model logit rasio odds didefinisikan sebagai : )] 0 ( ) 1 ( exp[ ) exp( i = g −g = Ψ β
Interpretasi rasio odds untuk peubah penjelas X berskala nominal, yaitu kecenderungan untuk Y = 1 pada X = 1 sebesar ψ kali dibandingkan pada X = 0. Sedangkan untuk peubah penjelas X kontinu, jika ψ lebih besar atau sama dengan satu maka semakin besar nilai peubah X diikuti semakin besarnya kecenderungan untuk Y=1.
BAHAN DAN METODE
Bahan
Penelitian ini menggunakan data primer dengan studi kasus mengenai preferensi mahasiswa IPB dalam memilih mata kuliah pilihan. Ukuran contoh yang diambil sebanyak 100 responden. Pemilihan departemen dilakukan secara purposive, dengan asumsi departemen yang dipilih adalah departemen yang menyediakan alternatif mata kuliah pilihan yang luas bagi mahasiswanya. Departemen yang terpilih adalah Statistika, Ilmu Komputer, Agronomi & Hortikultura, dan Agribisnis.
Cara pengambilan data dilakukan melalui penyebaran kuesioner. Ada dua kuesioner yang digunakan dalam penelitian ini, pertama kuesioner untuk diisi oleh responden dalam mengevaluasi stimuli (Lampiran 1) dan yang
kedua adalah kuesioner bagi peneliti untuk mencatat keadaan responden saat mengevaluasi stimuli (Lampiran 2), yang akan digunakan untuk menelusuri faktor-faktor yang mempengaruhi kekonsistenan.
Peubah respon yang digunakan dalam analisis regresi logistik adalah konsistensi responden dalam mengevaluasi stimuli dengan metode
rating dan ranking (Y=1 jika responden konsisten dalam mengevaluasi, dan Y=0 jika responden tidak konsisten dalam mengevaluasi). Peubah penjelas beserta peubah boneka yang terbentuk disajikan pada Lampiran 3.
Metode
Langkah-langkah yang dilakukan dalam penelitian ini antara lain:
1. Pemilihan atribut beserta taraf-tarafnya melalui penelitian pendahuluan, dimana responden diminta untuk menyebutkan atribut apa saja yang dinilai berpengaruh dalam memilih mata kuliah pilihan. Berdasarkan penelitian pendahuluan diperoleh 4 buah atribut yang dinilai mempengaruhi mahasiswa IPB dalam memilih mata kuliah pilihan. Atribut-atribut tersebut dapat dilihat pada Tabel 1.
Tabel 1. Atribut dan taraf atribut yang dievaluasi
No. Atribut Taraf Atribut
Sulit Sedang 1 Tingkat Kesulitan Materi (X11, X12, X13) Mudah Sangat Menunjang Kurang Menunjang 2 Menunjang Mayor (X21, X22, X23) Tidak Menunjang Mudah 3 Kemudahan Mendapat Nilai (X31, X32) Sulit Aplikatif 4 Kegunaan di Dunia Kerja (X4, X42) Kurang Aplikatif 2. Perancangan stimuli melalui pendekatan
full-profile. Dengan bantuan Software SPSS
diperoleh 9 buah stimuli dengan menggunakan fractional factorial design. Kemudian stimuli yang telah diperoleh
disusun ke dalam bentuk kartu stimuli, diantara tiap kartu berisi kombinasi dari taraf-taraf atribut yang berbeda dengan kartu-kartu lainnya (Lampiran 4).
3. Pengumpulan data melalui penyebaran kuesioner. Responden dihadapkan pada seluruh kartu stimuli lalu diminta untuk mengevaluasinya terlebih dahulu dengan memberikan penilaian (rating) terhadap masing-masing kartu stimuli. Kemudian responden yang sama diminta lagi untuk mengevaluasi kartu-kartu stimuli tersebut dengan cara mengurutkannya (ranking) dimulai dari stimuli yang paling disukai sampai pada stimuli yang paling tidak disukai. Selama responden mengevaluasi stimuli, peneliti melakukan pengamatan terhadap perilaku responden yang dicatat dalam kuesioner.
Penelitian ini menggunakan 100 orang responden dengan kuota yang telah ditentukan untuk masing-masing departemen dan jenis kelamin (Tabel 2). Penggunaan kuota dalam memilih responden bertujuan agar kekonsistenan responden dapat dibandingkan secara seimbang berdasarkan departemen dan jenis kelamin.
Tabel 2. Kuota pada Departemen dan Jenis Kelamin Departemen Kuota Statistika 25% Ilmu Komputer 25% Agronomi &Hortikultura 25% Agribisnis 25%
Jenis Kelamin Kuota
Laki-laki 50% Perempuan 50% 4. Analisis Konjoin pada tiap responden untuk
mengidentifikasi atribut yang dipentingkan dalam memilih mata kuliah pilihan dan juga untuk melihat kekonsistenan jawaban responden. Konsistensi dilihat dengan membandingkan NRP tiap atribut pada masing-masing data rating dan ranking per individu. Responden dikatakan konsisten apabila hasil analisis konjoin per individu dari data rating dan ranking menunjukkan urutan tingkat kepentingan atribut yang sama dari dua data tersebut.
5. Analisis Regresi Logistik Biner untuk mengidentifikasi faktor-faktor yang mempengaruhi kekonsistenan jawaban responden antara metode rating dan ranking.
Analisis data menggunakan software SPSS 11.5 for windows, Microsoft Excel, dan SAS 9.1.
HASIL DAN PEMBAHASAN
Profil Responden
Responden pada penelitian ini terdiri dari tiga angkatan, yaitu angkatan 40 sebanyak 34% dan angkatan 41 dan 42 masing-masing sebanyak 33%. Mayoritas responden berasal dari Jabodetabek (47%), dengan tempat tinggal saat ini kost atau mengontrak rumah (83%), dan pengeluaran kurang dari Rp.500.000 per bulan (52%). Dari segi aktivitas, sebagian besar responden aktif berorganisasi (72%) dan suka bermain games (81%). Profil responden secara umum disajikan pada Tabel 3.
Tabel 3. Profil Responden
Karakteristik Kategori Persentase
Angkatan 40 34%
41 33%
42 33%
Asal Daerah Jabodetabek* 47%
Luar Jabodetabek 43%
Luar Jawa 10%
Tempat Tinggal Kost / Kontrak 83% saat ini Bersama Orangtua 16%
Ikut Keluarga 1% Pengeluaran per <= Rp.500.000 52% Bulan <= Rp.1.000.000 44% > Rp.1.000.000 4% Suka Bermain Ya 81% Games Tidak 19% Aktif Berorganisasi Ya 72% Tidak 28% Total 100% * = Jakarta Bogor Depok Tangerang Bekasi
Atribut yang Dipentingkan dalam Memilih Mata Kuliah Pilihan
Analisis konjoin pada tiap individu memberikan hasil yang berbeda antar responden satu sama lain dalam hal atribut yang dipentingkan dalam memilih mata kuliah pilihan. Dari Tabel 4 terlihat bahwa atribut tingkat kesulitan materi merupakan atribut dengan frekuensi terbanyak yang dipilih responden sebagai atribut paling penting dalam memilih mata kuliah pilihan, kemudian diikuti oleh atribut kegunaan di dunia kerja yang frekuensinya terbanyak kedua setelah atribut tingkat kesulitan materi. Pada atribut menunjang mayor dan kemudahan mendapat nilai, tidak banyak responden yang mementingkan atribut tersebut dalam pertimbangannya memilih mata kuliah pilihan.
Tabel 4. Frekuensi Atribut yang Dipentingkan Responden
Frekuensi Atribut yang
Dipentingkan Rating Ranking
Tingkat Kesulitan Materi 40 37 Kegunaan di Dunia Kerja 29 33
Menunjang Mayor 21 20
Kemudahan Mendapat Nilai 10 10 Berdasarkan NKT terbesar pada tiap atribut hasil analisis konjoin yang disajikan pada Tabel 5, dapat ditarik kesimpulan bahwa kombinasi taraf atribut mata kuliah pilihan yang paling disukai mahasiswa adalah mata kuliah pilihan dengan tingkat kesulitan materi yang mudah, sangat menunjang mayor, mudah mendapatkan nilai dari dosen, dan dapat diaplikasikan di dunia kerja. Terdapat kecenderungan bahwa banyak mahasiswa yang memilih mata kuliah pilihan dengan tingkat kesulitan materi yang mudah agar dapat menutupi kekurangannya pada mata kuliah wajib.
Mahasiswa juga mempertimbangkan dampak mata kuliah yang dipilih pada saat di dunia kerja nanti. Mata kuliah pilihan yang dapat diaplikasikan di dunia kerja tentunya menjadi pilihan mahasiswa. Pada atribut menunjang mayor, mata kuliah pilihan yang dapat menunjang mayor akan dipilih oleh mahasiswa untuk melengkapi ilmu utamanya. Hal lain yang menjadi pertimbangan mahasiswa dalam memilih mata kuliah pilihan adalah dari sisi dosen. Mata
kuliah pilihan dengan dosen yang dikenal mudah memberikan nilai tentunya menjadi pilihan mahasiswa.
Tabel 5. NKT tiap Atribut dari Masing-masing Data Rating dan Ranking
Atribut Taraf NKT Rating NKT Ranking Tingkat Sulit -0.342 -1.550 Kesulitan Sedang -0.515 0.720 Materi Mudah 0.856 0.831
Menunjang Sangat Menunjang 0.765 0.999
Mayor Kurang Menunjang 0.402 -1.311
Tidak Menunjang -1.167 0.312 Kemudahan Mudah 0.186 1.173 Mendapat Sulit -0.186 -1.173 Nilai Kegunaan di Aplikatif 0.043 1.388
Dunia Kerja Kurang Aplikatif -0.043 -1.388
NRP tiap atribut untuk data rating dan
ranking pada masing-masing responden disajikan pada Lampiran 5. Nilai ini digunakan untuk melihat kekonsistenan tiap responden dalam mengevaluasi stimuli dengan dua cara yang berbeda (rating dan ranking). Jika urutan NRP tiap atribut pada masing-masing data rating dan
ranking menunjukkan urutan yang sama maka dapat dikatakan responden konsisten dalam mengevaluasi stimuli.
Tabel 6. Rata-rata NRP tiap Atribut pada Masing-masing Data Rating dan Ranking
NRP
Atribut Rating Ranking
Urutan Tingkat Kepentingan Tingkat Kesulitan Materi 30.038 29.010 1 Kegunaan di Dunia Kerja 26.989 28.141 2 Menunjang Mayor 24.742 26.688 3 Kemudahan Mendapat
Nilai 19.606 19.342 4
Tabel 6 menunjukkan rata-rata NRP tiap atribut pada masing-masing data rating dan
ranking yang digunakan untuk melihat NRP tiap atribut secara keseluruhan. Nilai ini diperoleh dengan menjumlahkan NRP tiap atribut
masing-masing responden baik pada data rating dan
ranking kemudian dibagi dengan banyaknya responden. Berdasarkan Tabel 6, terlihat bahwa atribut tingkat kesulitan materi memiliki NRP terbesar dibanding atribut lainnya baik pada data
rating maupun ranking. Sehingga atribut tersebut menjadi atribut yang paling dipentingkan responden dalam memilih mata kuliah pilihan. Atribut selanjutnya yang dipentingkan responden secara berurutan adalah atribut kegunaan di dunia kerja, menunjang mayor, dan kemudahan mendapat nilai sesuai dengan besar NRP masing-masing atribut.
Secara umum, responden dapat dikatakan konsisten dalam mengevaluasi stimuli dengan metode rating dan ranking. Hal ini ditunjukkan oleh hasil rata-rata NRP tiap atribut pada masing-masing data rating dan ranking yang memberikan urutan tingkat kepentingan atribut yang sama (Tabel 6). Namun setelah dilihat lebih rinci pada masing-masing individu, diperoleh hanya 43% responden yang menunjukkan urutan tingkat kepentingan atribut yang sama antara data
rating dan ranking (konsisten) sedangkan 57% lainnya tidak konsisten. Perbandingan tersebut dapat dilihat pada Gambar 1.
43% 57% 0% 10% 20% 30% 40% 50% 60%
Konsist en Tidak Konsist en
Gambar 1. Persentase Konsistensi Seluruh Responden dalam Mengevaluasi Stimuli
Gambar 2 menunjukka n persentase konsistensi responden berdasarkan jenis kelamin. Responden laki-laki memiliki persentase konsisten yang lebih tinggi dibanding yang tidak konsisten, namun sebaliknya pada responden perempuan. Dan jika dibandingkan antara laki-laki dan perempuan, responden laki-laki-laki-laki cenderung lebih konsisten dibanding responden perempuan dalam mengevaluasi stimuli dengan metode rating dan ranking.
52% 34% 48% 66% 0% 20% 40% 60% 80% 100% 120% Laki-laki Perempuan Konsisten Tidak Konsisten
Gambar 2. Persentase Konsistensi Responden Berdasarkan Jenis Kelamin
Gambar 3 menunjukkan persentase kekonsistenan dari masing-masing departemen, terlihat bahwa Departemen Statistika memiliki persentase konsisten sebesar 36%, Departemen Ilmu Komputer dan Departemen Agribisnis masing-masing 44%, sedangkan Departemen Agronomi dan Hortikultura memiliki persentase terbesar yaitu 48%. Sehingga dalam penelitian ini dapat ditarik kesimpulan bahwa Departemen Agronomi dan Hortikultura cenderung lebih konsisten dibanding departemen yang lain. Konsistensi responden berdasarkan angkatan terlihat pada Gambar 4. Angkatan 42 cenderung lebih konsisten dibanding angkatan lainnya dengan persentase sebesar 48.5%, kemudian diikuti dengan angkatan 40 (41.2%) dan angkatan 41 (39.4%). 36% 44% 48% 44% 64% 56% 52% 56% 0% 20% 40% 60% 80% 100% 120%
ST K ILKOM AGH AGB Konsi sten T i dak Konsi sten
Gambar 3. Persentase Konsistensi Responden Berdasarkan Departemen
Dalam pengumpulan data ditemui ketidakkonsistenan jawaban responden dalam mengevaluasi stimuli, walaupun secara umum responden dapat dikatakan konsisten. Untuk itu perlu ditelusuri faktor-faktor yang mempengaruhi kekonsistenan jawaban responden pada saat pengumpulan data.
41,20% 39,40% 48,50% 58,80% 60,60% 51,50% 0,00% 20,00% 40,00% 60,00% 80,00% 100,00% 120,00% 40 41 42
Konsist en Tidak Konsist en
Gambar 4. Persentase Konsistensi Responden Berdasarkan Angkatan
Faktor-faktor yang Mempengaruhi Kekonsistenan
Faktor-faktor yang mempengaruhi kekonsistenan jawaban responden dalam mengevaluasi profil produk dengan metode
rating dan ranking pada model penuh menghasilkan Statistik Uji-G sebesar 59.610 dengan nilai-p = 0.000, yang berarti sedikitnya ada satu βi yang tidak sama dengan nol diantara sebelas peubah penjelas tersebut pada taraf nyata 5% (Tabel 7).
Tabel 7. Analisis regresi logistik dengan model penuh
Peubah Koefisien Wald Sig.
WAKTU 0.355 2.991 0.048 JENIS KELAMIN (1) -0.299 0.106 0.745 DEPARTEMEN (1) 0.432 0.194 0.659 ANGKATAN 0.197 0.906 ANGKATAN (1) -0.209 0.078 0.780 ANGKATAN (2) -0.321 0.194 0.660 GAMES (1) -1.852 4.275 0.039 ORGANISASI (1) 0.382 0.316 0.574 SIKAP (1) 1.949 8.852 0.003 KESUNGGUHAN (1) 3.991 11.918 0.001 METODE SENDIRI (1) -0.814 0.939 0.333 MENGOBROL (1) -0.536 0.753 0.386 METODE MUDAH (1) 0.622 0.973 0.324 Constant -4.444 6.125 0.013 Log-likelihood = -38.5265 G = 59.610, Nilai-p = 0.000
Pengujian parameter secara parsial dengan Statistik Uji-Wald menghasilkan tujuh peubah penjelas yang tidak berpengaruh nyata terhadap kekonsistenan dikarenakan nilai-p yang dihasilkan lebih besar dari α = 0.05. Sedangkan peubah-peubah yang berpengaruh nyata terhadap kekonsistenan pada taraf nyata 5% adalah peubah
waktu, kebiasaan bermain games (suka/tidak), sikap dan kesungguhan saat mengevaluasi.
Setelah tujuh peubah penjelas yang tidak berpengaruh nyata pada taraf 5% direduksi maka akan diperoleh model seperti pada Tabel 8 dengan nilai statistik uji-G sebesar 55.464 dan nilai-p = 0.000. Model hasil reduksi menunjukkan semua peubah nyata pada taraf 5% sehingga diperoleh faktor-faktor yang berperan terhadap kekonsistenan jawaban responden dalam mengevaluasi profil produk dengan metode rating dan ranking adalah faktor lama mengevaluasi, hobi (suka bermain games atau tidak), sikap dan kesungguhan saat mengevaluasi. Mayoritas responden (81%) dalam penelitian ini suka bermain games sehingga mereka cenderung menganggap pengumpulan data sebagai suatu permainan. Hal tersebut mempengaruhi kesungguhan mereka saat mengevaluasi sehingga hasilnya tidak konsisten. Nilai uji statistik-G yang digunakan untuk membandingkan model penuh dan model reduksi adalah:
Gred = -2((-40.5995)-(-38.5265)) = 4.146 Nilai Gred diatas lebih kecil dari χ2(11, 0.05) = 19.68, yang berarti hipotesis nol diterima. Hal ini menunjukkan bahwa peubah jenis kelamin, departemen, angkatan, aktif berorganisasi, memiliki metode sendiri, mengobrol saat mengevaluasi, metode termudah dapat dikeluarkan dari model penuh.
Tabel 8. Analisis regresi logistik dengan model reduksi
Peubah Koefisien Wald Sig.
Rasio Odds WAKTU 0.430 7.328 0.007 1.537 GAMES (1) -1.673 4.206 0.040 0.188 SIKAP (1) 1.772 8.721 0.003 5.884 KESUNGGUHAN (1) 3.800 16.040 0.000 44.691 Constant -4.870 11.265 0.001 0.008 Log-likelihood = -40.5995 G = 55.464, Nilai-p = 0.000
Nilai dugaan rasio odds untuk peubah waktu pada Tabel 8 memiliki makna bahwa responden dengan catatan waktu lebih lama cenderung lebih konsisten dibandingkan responden dengan catatan waktu lebih cepat. Peubah suka bermain
games memiliki dugaan rasio odds sebesar 0.2, yang berarti responden yang suka main games
memiliki kemungkinan kecil untuk dapat mengevaluasi stimuli lebih konsisten dibanding
dengan responden yang tidak suka bermain
games. Pengertian ini setara dengan responden yang tidak suka bermain games memiliki peluang 5 kali lebih konsisten dibanding responden yang suka bermain games.
Peubah sikap dalam mengevaluasi memiliki dugaan rasio odds sebesar 5.9 yang berarti responden yang bersikap tenang cenderung lebih konsisten dibanding responden yang bersikap bingung saat mengevaluasi stimuli. Dugaan rasio odds sebesar 44.7 pada peubah kesungguhan dalam mengevaluasi menunjukkan bahwa responden yang serius dalam mengevaluasi cenderung lebih konsisten dibanding yang tidak serius.
SIMPULAN
Nilai Relatif Penting (NRP) tiap atribut dari data rating dan ranking secara keseluruhan menunjukkan bahwa atribut tingkat kesulitan materi merupakan atribut dengan NRP terbesar dibanding atribut lainnya. Sehingga dapat ditarik kesimpulan bahwa sebagian besar responden menganggap bahwa atribut tingkat kesulitan materi merupakan atribut paling penting yang dipertimbangkan mahasiswa dalam memilih mata kuliah pilihan.
Secara umum, seluruh responden dapat dikatakan konsisten dalam mengevaluasi profil mata kuliah pilihan dengan metode rating dan
ranking. Hal ini berkaitan dengan urutan rata-rata NRP tiap atribut pada masing-masing data rating
dan ranking yang menunjukkan urutan tingkat kepentingan atribut yang sama. Namun setelah dilihat lebih detail pada masing-masing individu, diperoleh hanya 43% responden yang dapat mengevaluasi secara konsisten.
Faktor-faktor yang mempengaruhi kekonsistenan jawaban responden dalam mengevaluasi profil produk dengan metode rating dan ranking adalah faktor lama mengevaluasi, hobi (suka bermain games atau tidak), sikap dan kesungguhan responden saat mengevaluasi. Umumnya responden dengan catatan waktu yang lebih lama, tidak suka bermain games, tenang dan serius dapat mengevaluasi stimuli dengan dua cara berbeda tersebut secara konsisten.
SARAN
Hal yang perlu diperhatikan pada saat pengumpulan data adalah latar belakang dan keadaan responden saat menjawab pertanyaan pada kuesioner agar hasil yang diperoleh sesuai harapan peneliti. Untuk mendukung hal tersebut, maka perlu dirancang kondisi pengumpulan data yang kondusif. Suasana yang tenang dan tidak terburu-buru sangat mempengaruhi antusiasme reponden dalam mengisi kuesioner.
DAFTAR PUSTAKA
Anonim. 2002. A Short History of Conjoint Analysis. http://www.sawtoothsoftware.com. [02 April 2007].
Cochran, W.G. 1977. Sampling Techniques.
Third Edition. New York: Wiley.
Hair, J.F., R.E. Anderson, R.L. Tatham. 1998.
Multivariate Data Analysis. Fifth Edition. New Jersey: Prentice Hall International. Harlina, I.E. 2007. Kajian pada Rancangan
Fractional Factorial 3n-p. Skripsi. Departemen Statistika, IPB. Bogor.
Hosmer D.W., Lemeshow S. 1989. Applied Logistic Regression. New York: Wiley. Kuhfeld, W.F. 2005. Marketing Research
Methods in SAS. SAS Institute, Inc.
Malhotra, N.K. 2004. Marketing Research an Applied Orientation. United States: Pearson Education International.
Scheaffer, R.L., Mendenhall, W. Ott, L. 1990.
Elementary Survey Sampling. Fourth Edition. Boston: PWS-KENT Publishing Company.
Lampiran 1. Kuesioner yang Diisi Oleh Responden
KUESIONER PENELITIAN
PREFERENSI MAHASISWA IPB DALAM MEMILIH MATA KULIAH PILIHAN
Nama Pewawancara : Nomor Responden :
Tanggal Wawancara : Nama Responden :
Petunjuk : Lingkari jawaban pada salah satu pilihan yang sesuai 1. Jenis Kelamin :
a. Laki-laki b. Perempuan 2. Asal Daerah :
a. Jabodetabek b. Pulau Jawa (Selain Jabodetabek) c. Luar Jawa 3. Tempat Tinggal Saat Ini :
a. Kost/Kontrak c. Ikut Keluarga (Selain Orangtua) b. Bersama Orangtua d. Lainnya : ...
4. Pengeluaran per Bulan :
a. ≤ Rp. 500.000 b. ≤ Rp. 1.000.000 c. > Rp. 1.000.000 5. Fakultas & Departemen :
a. FMIPA - Statistika c. FAPERTA - Agronomi dan Hortikultura b. FMIPA - Ilmu Komputerd. FEM - Agribisnis
6. Angkatan :
a. 40 b. 41 c. 42
7. Apakah anda suka bermain games (Komputer, Playstation, dll) ?
a. Ya b. Tidak
8. Apakah anda aktif berorganisasi ?
a. Ya b. Tidak
SHOW CARD
Petunjuk : Masing-masingstimuli diberi nilai dengan menggunakan Skala Likert mulai dari 1 sampai 9
(1=stimuli yang paling tidak disukai, 9=stimuli yang paling disukai).
Stimuli 1 Stimuli 4 Stimuli 7
Stimuli 2 Stimuli 5 Stimuli 8
Stimuli 3 Stimuli 6 Stimuli 9
SHOW CARD
Petunjuk : Masing-masing stimuli diurutkan mulai dari stimuli yang paling disukai sampai stimuli yang
paling tidak disukai. Ranking pertama untuk stimuli yang paling disukai dan seterusnya hingga ranking
terakhir bagi stimuli yang paling tidak disukai.
Stimuli 1 Stimuli 4 Stimuli 7
Stimuli 2 Stimuli 5 Stimuli 8
Stimuli 3 Stimuli 6 Stimuli 9
A. PROFIL RESPONDEN
B. EVALUASI PROFIL MATA KULIAH PILIHAN (STIMULI) DENGAN METODE RATING
Lampiran 2. Kuesioner Pengamatan Terhadap Responden oleh Peneliti
Keterangan :
1. No : Nomor Responden
2. Waktu : Waktu Mulai – Waktu Berakhir Evaluasi 3. Sikap : Tenang / Bingung
4. Kesungguhan : Serius / Tidak Serius
5. Kerja Sama : Kerja sama dengan responden lain (Ya/Tidak) 6. Bertanya : Bertanya pada interviewer saat evaluasi (Ya/Tidak) 7. Jenis Pertanyaan : Sederhana atau rumit (jika no 7 menjawab ya)
8. Kegiatan Mengobrol : Apakah responden mengobrol saat mengevaluasi (Ya/Tidak)
9. Metode Sendiri : Memiliki metode sendiri saat mengevaluasi (Ya/Tidak)
10. Metode Termudah : Rating / Ranking
NO WAKTU SIKAP KESUNGGUHAN KERJA
SAMA BERTANYA JENIS PERTANYAAN KEGIATAN MENGOBROL METODE SENDIRI METODE TERMUDAH
Lampiran 3. Peubah Penjelas Beserta Peubah Boneka yang Terbentuk
PEUBAH PENJELAS Kategori (1) (2)
WAKTU (WAKTU) : Peubah Kontinu
JENIS KELAMIN (JENIS KELAMIN) Laki-laki 1
Perempuan 0
DEPARTEMEN (DEPARTEMEN) non-eksak 1
eksak 0
ANGKATAN (ANGKATAN) 40 1 0
41 0 1
42 0 0
SUKA BERMAIN GAMES (GAMES) Ya 1
Tidak 0
AKTIF BERORGANISASI (ORGANISASI) Ya 1
Tidak 0
SIKAP SAAT MENGEVALUASI (SIKAP) Tenang 1
Bingung 0
KESUNGGUHAN DALAM MENGEVALUASI (KESUNGGUHAN) Serius 1
Tidak Serius 0
MEMILIKI METODE SENDIRI (METODE SENDIRI) Ya 1
Tidak 0
MENGOBROL SAAT MENGEVALUASI (MENGOBROL) Ya 1
Tidak 0
METODE TERMUDAH (METODE MUDAH) Rating 1
Lampiran 4. Profil Mata Kuliah Pilihan (Stimuli)
STIMULI 1
-Tingkat Kesulitan Materi : Mudah -Menunjang Mayor: Kurang
-Kemudahan Mendapat Nilai : Mudah -Kegunaan di Dunia Kerja : Aplikatif
STIMULI 2
-Tingkat Kesulitan Materi : Mudah -Menunjang Mayor: Tidak
-Kemudahan Mendapat Nilai : Mudah -Kegunaan di Dunia Kerja : Kurang Aplikatif
STIMULI 3
-Tingkat Kesulitan Materi : Sedang -Menunjang Mayor: Sangat
-Kemudahan Mendapat Nilai : Mudah -Kegunaan di Dunia Kerja : Kurang Aplikatif
STIMULI 4
-Tingkat Kesulitan Materi : Sedang -Menunjang Mayor: Tidak
-Kemudahan Mendapat Nilai : Sulit -Kegunaan di Dunia Kerja : Aplikatif
STIMULI 5
-Tingkat Kesulitan Materi : Sedang -Menunjang Mayor : Kurang
-Kemudahan Mendapat Nilai : Mudah -Kegunaan di Dunia Kerja : Aplikatif
STIMULI 6
-Tingkat Kesulitan Materi : Sulit -Menunjang Mayor : Tidak
-Kemudahan Mendapat Nilai : Mudah -Kegunaan di Dunia Kerja : Aplikatif
STIMULI 8
-Tingkat Kesulitan Materi : Mudah -Menunjang Mayor : Sangat -Kemudahan Mendapat Nilai : Sulit -Kegunaan di Dunia Kerja : Aplikatif
STIMULI 7
-Tingkat Kesulitan Materi : Sulit -Menunjang Mayor : Sangat
-Kemudahan Mendapat Nilai : Mudah -Kegunaan di Dunia Kerja : Aplikatif
STIMULI 9
-Tingkat Kesulitan Materi : Sulit -Menunjang Mayor: Kurang -Kemudahan Mendapat Nilai : Sulit -Kegunaan di Dunia Kerja : Kurang Aplikatif
Lampiran 5. NRP Tiap Atribut untuk Data Rating dan Ranking pada Masing-masing Responden
NRP tiap Atribut pada Data Rating NRP tiap Atribut pada Data Ranking
No.Resp X1 X2 X3 X4 X1 X2 X3 X4 Konsistensi 1 29.412 47.059 23.529 0.000 10.170 44.067 10.169 35.593 0 2 52.632 36.842 10.526 0.000 31.069 40.777 23.300 4.854 0 3 42.105 21.053 21.053 15.789 49.180 16.393 14.754 19.672 0 4 18.182 22.727 15.909 43.182 9.677 41.935 14.516 33.871 0 5 13.333 31.111 11.111 44.444 21.212 21.213 12.120 45.455 1 6 19.608 54.902 3.922 21.569 9.836 45.902 14.754 29.508 0 7 42.857 14.286 28.571 14.286 21.720 25.339 38.009 14.932 0 8 27.692 40.000 9.231 23.077 24.359 35.897 12.821 26.923 0 9 35.897 20.513 33.333 10.256 48.276 10.345 36.207 5.172 1 10 13.043 34.783 19.565 32.609 17.241 31.034 5.172 46.552 0 11 27.273 36.364 18.182 18.182 8.560 8.012 8.854 74.574 0 12 14.286 28.571 23.214 33.929 15.873 41.270 9.524 33.333 0 13 63.415 14.634 4.878 17.073 69.231 7.692 17.308 5.769 0 14 40.000 16.667 36.667 6.667 48.276 10.345 36.207 5.172 1 15 39.344 16.393 19.672 24.590 27.779 16.667 27.777 27.777 1 16 37.037 51.852 0.000 11.111 36.000 64.000 0.000 0.000 1 17 17.910 23.881 22.388 35.821 28.070 24.561 0.000 47.368 0 18 23.333 13.333 51.667 11.667 15.385 24.615 27.692 32.308 0 19 17.391 37.681 20.290 24.638 0.000 80.000 0.000 20.000 1 20 27.586 10.345 51.724 10.345 31.034 17.241 46.552 5.172 1 21 26.923 11.538 30.769 30.769 25.000 18.750 32.813 23.438 0 22 26.316 21.053 34.211 18.421 17.646 17.647 52.941 11.766 1 23 42.553 25.532 25.532 6.383 30.750 17.443 26.895 24.911 1 24 17.143 40.000 17.143 25.714 14.545 36.364 0.000 49.091 0 25 18.182 22.727 36.364 22.727 5.661 37.736 5.660 50.943 0 26 32.558 13.953 37.209 16.279 22.400 24.000 50.400 3.200 0 27 16.667 8.333 37.500 37.500 13.793 13.793 25.862 46.552 1 28 7.273 25.455 20.000 47.273 7.018 24.561 21.053 47.368 1 29 29.167 29.167 27.083 14.583 14.492 23.188 47.826 14.493 0 30 22.581 25.806 25.806 25.806 23.881 26.866 26.866 22.388 1 31 14.286 42.857 0.000 42.857 8.031 9.252 8.167 74.550 1 32 14.545 36.364 0.000 49.091 14.545 36.364 0.000 49.091 1 33 22.642 49.057 5.660 22.642 18.182 32.727 0.000 49.091 0 34 15.789 36.842 15.789 31.579 24.615 33.846 13.846 27.692 1 35 18.750 37.500 17.188 26.563 12.698 25.397 23.810 38.095 0 36 31.579 31.579 10.526 26.316 19.231 69.231 5.769 5.769 0 37 36.364 22.727 27.273 13.636 37.878 37.879 9.470 14.773 0 38 20.000 25.000 20.000 35.000 25.223 24.312 23.893 26.572 1 39 19.355 29.032 6.452 45.161 11.765 35.294 0.000 52.941 1 40 20.690 17.241 46.552 15.517 31.285 16.819 28.529 23.367 0 41 10.256 35.897 30.769 23.077 32.836 17.910 17.910 31.343 0 42 32.258 0.000 38.710 29.032 32.203 22.034 40.678 5.085 0 43 32.000 12.000 40.000 16.000 38.889 16.668 38.888 5.555 0 44 16.667 63.333 10.000 10.000 40.065 19.170 28.782 11.982 0 45 16.949 27.119 35.593 20.339 25.144 24.497 24.315 26.044 0 46 12.500 75.000 6.250 6.250 7.692 69.231 17.308 5.769 0 47 15.152 39.394 22.727 22.727 24.867 24.867 25.019 25.247 0 48 26.667 26.667 20.000 26.667 56.267 6.075 6.497 31.161 0 49 38.095 28.571 23.810 9.524 25.142 24.503 26.031 24.323 0 50 23.529 41.176 5.882 29.412 0.267 39.893 29.987 29.853 0
Lampiran 5. (Lanjutan)
NRP tiap Atribut pada Data Rating NRP tiap Atribut pada Data Ranking
No.Resp X1 X2 X3 X4 X1 X2 X3 X4 Konsistensi 51 37.500 25.000 18.750 18.750 32.127 29.358 12.366 26.149 1 52 19.231 34.615 28.846 17.308 31.824 12.128 43.933 12.116 0 53 23.529 23.529 23.529 29.412 10.345 17.241 46.552 25.862 0 54 61.818 10.909 21.818 5.455 61.818 10.909 21.818 5.455 1 55 38.298 17.021 6.383 38.298 19.672 45.902 4.918 29.508 0 56 24.000 28.000 18.000 30.000 18.085 31.560 18.085 32.270 1 57 36.842 15.789 15.789 31.579 28.070 24.561 0.000 47.368 0 58 25.455 14.545 21.818 38.182 37.778 18.519 5.925 37.779 0 59 27.451 27.451 13.725 31.373 19.888 39.948 19.840 20.324 0 60 41.860 9.302 20.930 27.907 25.062 24.972 24.950 25.017 1 61 34.043 21.277 6.383 38.298 19.672 45.902 4.918 29.508 0 62 36.000 24.000 2.000 38.000 38.461 25.641 0.000 35.897 0 63 28.571 28.571 12.245 30.612 26.666 41.904 4.762 26.667 0 64 48.485 18.182 12.121 21.212 25.210 24.976 24.760 25.054 1 65 37.500 16.667 10.417 35.417 38.518 20.741 4.445 36.296 1 66 22.222 26.667 22.222 28.889 14.350 36.770 14.351 34.529 0 67 34.615 23.077 15.385 26.923 38.460 27.693 10.770 23.077 0 68 58.824 11.765 17.647 11.765 59.440 5.716 17.482 17.363 1 69 37.838 10.811 13.514 37.838 25.264 24.969 24.700 25.067 1 70 33.962 11.321 18.868 35.849 33.346 24.883 8.438 33.333 0 71 20.408 20.408 26.531 32.653 29.412 17.647 22.059 30.882 0 72 32.558 13.953 23.256 30.233 27.011 19.287 24.195 29.507 0 73 13.333 26.667 26.667 33.333 25.049 24.989 24.936 25.026 0 74 36.000 24.000 8.000 32.000 35.000 29.999 5.000 30.001 1 75 15.789 36.842 15.789 31.579 24.473 25.201 24.731 25.595 1 76 56.000 12.000 22.000 10.000 61.818 10.909 21.818 5.455 1 77 44.000 16.000 8.000 32.000 46.738 14.131 6.522 32.609 1 78 29.630 25.926 11.111 33.333 32.854 32.861 1.436 32.849 1 79 40.000 17.778 17.778 24.444 27.586 20.690 5.172 46.552 0 80 37.500 16.667 10.417 35.417 38.709 17.370 5.211 38.710 1 81 28.000 16.000 16.000 40.000 37.778 18.519 5.925 37.779 1 82 34.043 17.021 14.894 34.043 24.325 25.219 23.914 26.542 0 83 37.209 9.302 9.302 44.186 29.091 21.818 0.000 49.091 1 84 46.154 15.385 15.385 23.077 28.070 24.561 0.000 47.368 0 85 37.500 12.500 12.500 37.500 37.778 18.519 5.925 37.779 1 86 31.373 27.451 11.765 29.412 30.842 30.841 14.019 24.298 1 87 59.574 8.511 19.149 12.766 61.818 10.909 21.818 5.455 0 88 36.842 15.789 15.789 31.579 25.229 24.973 24.739 25.059 1 89 36.735 12.245 16.327 34.694 37.778 18.519 5.925 37.779 0 90 33.333 16.667 12.500 37.500 32.857 32.856 1.428 32.859 1 91 41.026 10.256 20.513 28.205 25.199 24.977 24.773 25.051 1 92 31.111 17.778 22.222 28.889 62.500 12.499 12.500 12.500 1 93 44.898 20.408 20.408 14.286 61.818 10.909 21.818 5.455 1 94 25.000 25.000 12.500 37.500 28.125 34.375 4.687 32.813 0 95 32.000 20.000 24.000 24.000 32.743 32.743 12.390 22.124 0 96 27.451 19.608 17.647 35.294 33.346 24.883 8.438 33.333 1 97 21.277 29.787 8.511 40.426 33.585 32.830 0.000 33.585 1 98 27.451 27.451 13.725 31.373 25.756 24.761 23.935 25.548 1 99 31.818 13.636 20.455 34.091 26.126 26.125 16.217 31.531 0 100 28.000 32.000 8.000 32.000 30.769 36.923 4.615 27.692 0 MEAN 30.038 24.742 19.606 26.989 29.010 26.688 19.342 28.141 1
