FAKUL
APROK
PENG
LTAS MAT
IN
KSIMASI B
GUKURAN
SYAH
DEPARTE
TEMATIKA
NSTITUT P
OOTSTRAP
N SENSITIV
HRIL ILHA
EMEN STA
A DAN ILM
PERTANIA
2009
P UNTUK H
VITAS HAR
AMI
TISTIKA
MU PENGET
AN BOGOR
HASIL
RGA
TAHUAN A
R
ALAM
RINGKASAN
SYAHRIL ILHAMI. Aproksimasi Bootstrap untuk Hasil Pengukuran Sensitivitas Harga. Dibimbing
oleh I MADE SUMERTAJAYA dan LA ODE ABDUL RAHMAN.
Harga merupakan key of success dari suatu produk atau jasa. Karena itu untuk menetapkan harga sebuah produk atau jasa diperlukan strategi sebab harga merupakan bagian dari grand strategy produk dan merek, bahkan corporate. Penetapan harga tidak bisa hanya dilakukan berdasarkan perhitungan biaya finansial saja tetapi harus pula mempertimbangkan aspek psikologis konsumen.
Acceptable price range (APR) merupakan suatu kisaran harga yang membuat konsumen tidak merasa
bahwa produk tersebut terlalu mahal sehingga konsumen tidak sanggup membelinya ataupun terlalu murah sehingga konsumen meragukan kualitas dari produk tersebut. APR diukur menggunakan metode price sensitivity measurement (PSM). Dalam penelitian ini, presisi dari APR dievaluasi menggunakan metode bootstrap dan diterapkan untuk mengukur kisaran harga terterima nasi rendang, pecel ayam dan nasi goreng yang lazim dikonsumsi mahasiswa di sekitar kampus IPB Dramaga. Data yang digunakan adalah data primer dengan ukuran contoh sebesar 114 responden. Metode yang digunakan adalah metode bootstrap non-parametrik dengan pengulangan sebanyak tiga puluh kali.
Hasil analisis menunjukkan bahwa APR nasi rendang adalah Rp 5.905,35 sampai dengan Rp 6.787,60, pecel ayam adalah Rp
5.389,86 sampai dengan Rp
6.966,59, sedangkan untuk nasi goreng adalah Rp 4.554,53 sampai Rp 6.001,91. Hasil simulasi APR nasi rendang menggunakan metode
bootstrap cenderung stabil, dengan rata–rata panjang selang sebesar Rp 1.106,8, simpangan baku
sebesar Rp 236,3. Selang kepercayaan 95% untuk batas kiri adalah Rp 5.403,5 sampai dengan Rp 6.298,5. Sedangkan untuk batas kanan adalah Rp 6.477,3 sampai dengan Rp 7.344,9.
APROKSIMASI BOOTSTRAP UNTUK HASIL
PENGUKURAN SENSITIVITAS HARGA
Syahril Ilhami
Skripsi
Sebagai salah satu syarat memperoleh gelar Sarjana Sains
pada Departemen Statistika
Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Pertanian Bogor
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
Judul : APROKSIMASI BOOTSTRAP UNTUK HASIL PENGUKURAN SENSITIVITAS HARGA Nama : Syahril Ilhami
NRP : G14104047
Menyetujui :
Pembimbing I, Pembimbing II,
Dr. Ir. I Made Sumertajaya, M.Si La Ode Abdul Rahman, S.Si, M.Si
Mengetahui :
Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor
Dr. drh. Hasim DEA. NIP. 131578806 Tanggal Lulus :
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah SWT, karena atas segala rahmat, nikmat, hidayah serta karunia-Nya sehingga penulis dapat menyelesaikan karya ilmiah ini sebagai salah satu syarat untuk memperoleh gelar sarjana pada Departemen Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor (IPB)
Karya ilmiah ini berjudul “Aproksimasi Bootstrap untuk Hasil Pengukuran Sensitivitas Harga”. Dalam penelitian ini diterapkan metode price sensitivity measurement untuk harga nasi rendang, pecel ayam dan nasi goreng yang dijual di sekitar kampus IPB Dramaga.
Terima kasih sebesar-besarnya penulis sampaikan kepada seluruh pihak yang telah membantu penulis dalam proses penyelesaian karya ilmiah ini, terutama kepada:
• Bapak Dr. Ir. I Made Sumertajaya M.Si dan Bapak Laode Abdul Rahman, S.Si, M.Si yang telah mendedikasikan waktunya dan telah sabar untuk membimbing penulis.
• Untuk Ayah, Ibu, kakak-kakak dan adik-adik saya yang saya sayangi terima kasih atas do’a dan semangat yang tidak pernah berhenti yang diberikan kepada saya.
• Segenap staf pengajar di Departemen Statistika FMIPA IPB yang tidak dapat saya sebutkan satu per satu. Terima kasih atas ilmu yang telah diberikan.
• Seluruh staf pegawai di Departemen Statistika FMIPA IPB. Yang selalu setia membantu keperluan dalam penyelesaian karya ilmiah ini.
• Seluruh sahabat Statistika angkatan 41 saya, terima kasih atas kritik dan sarannya selama ini. • Semua kakak kelas angkatan 38,39,40 dan adik kelas angkatan 42,43,44.
• Semua teman diskusi saya, Gandy, Irfan, Bang Karim, Bang Syarif, Bang Dilla, Bang Yusuf, Bang Sofyan, Bang Sangaji.
• Bapak Satrio Wiseno dan Mas Veibert Moudy P. terima kasih atas bimbingan selama Praktek lapang
• Semua pihak yang telah memberikan dukungan kepada saya yang tidak dapat saya sebutkan satu per satu, terima kasih banyak.
Penulis menyadari bahwa penulisan karya ilmiah ini masih memiliki banyak kekurangan. Oleh karena itu, penulis mengharapkan saran dan kritik yang membangun agar pada penulisan selanjutnya dapat menjadi lebih baik. Semoga karya ilmiah ini dapat berguna bagi kita semua.
Bogor, Maret 2009
RIWAYAT HIDUP
Penulis dilahirkan di Bogor pada tanggal 3 Maret 1986 sebagai anak ke tiga dari Bapak Khairil Anwar Notodiputro dan Ibu Lily Arlina.
Pada tahun 2004 penulis menyelesaikan pendidikan menengah atas di SMA Negeri 5 Bogor dan pada tahun yang sama diterima di Departemen Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor melalui jalur Seleksi Penerimaan Mahasiswa Baru (SPMB).
Selama mengikuti perkuliahan, penulis ikut serta dalam kegiatan Himpunan Profesi Gamma Sigma Beta (GSB) sebagai staf Departemen Eksternal periode 2004/2005. Penulis juga aktif di organisasi ekstra kampus yaitu Himpunan Mahasiswa Islam (HMI) semenjak tahun 2004. Penulis diberikan kesempatan mengikuti kegiatan Praktek Lapang di PT. Grup Riset Potensial (GRP) pada bulan Februari-April 2008.
DAFTAR ISI
Halaman
DAFTAR TABEL ……… viii
DAFTAR LAMPIRAN ……… ix PENDAHULUAN Latar Belakang ……… 1 Tujuan ………. 1 Tinjauan Pustaka Statistika Deskriptif ……… 1
Acceptable Price Range ……….. 1
Price Sensitivity Measurement ……….... 1
Persepsi ………... 2
Frekuensi Kumulatif …….………... 2
Fungsi Peluang ……… 2
Fungsi Sebaran Peluang ……….. 2
Kuesioner ……… 2
Purposive Sampling ……… 3
Metode Simulasi ………. 3
Metode Bootstrap ……… 3
Selang Kepercayaan ... 3
DATA DAN METODE Data ………. 4
Metode ……… 4
HASIL DAN PEMBAHASAN Karakteristik Responden ………. 5
Acceptable Price Range ……….. 7
Sifat-sifat Statistik dari Acceptable Price Range ...……….. 8
SIMPULAN ….………. 9
SARAN ………. 9
DAFTAR PUSTAKA ……… 9
DAFTAR TABEL
Halaman
1. Sebaran Responden Berdasarkan Fakultas ... 5 2. Sebaran Responden Berdasarkan Provinsi Responden ... 5 3. Uang Bulanan, Pengeluaran dan Rata-rata Uang yang Dikeluarkan untuk Satu Kali Makan... 5 4. APR Hasil Simulasi Menggunakan Metode Bootstrap ……….... 8
DAFTAR LAMPIRAN
Halaman
1. Hasil Simulasi Menggunakan Metode Bootstrap ………..…….. 10 2. Daftar Responden dan Jawaban dari Responden untuk Tiap Komoditi ……….. 11 3. Kuesioner Penelitian ……….... 15
1
PENDAHULUAN
Latar Belakang
Harga merupakan key of success dari suatu produk atau jasa. Karena itu untuk menetapkan harga sebuah produk atau jasa diperlukan strategi sebab harga merupakan bagian dari
grand strategy produk dan merek, bahkan corporate. Penetapan harga tidak bisa hanya
dilakukan berdasarkan perhitungan biaya finansial saja tetapi harus pula mempertimbangkan aspek psikologis konsumen. Salah satu hal penting dalam menetapkan harga adalah pengetahuan tentang kisaran harga yang dapat diterima konsumen atau dikenal sebagai acceptable price range (APR) yaitu suatu kisaran harga yang membuat konsumen tidak merasa bahwa produk tersebut terlalu mahal sehingga konsumen tidak sanggup membelinya ataupun terlalu murah sehingga konsumen meragukan kualitas dari produk tersebut. Penentuan APR sangat diperlukan untuk memahami
psychological price, sehingga tingkat harga
yang akan ditetapkan sesuai dengan value yang dipersepsikan oleh konsumen (Lewis dan Shoemaker, 1997).
Setiap konsumen memiliki rasa sensitif terhadap harga, karena mereka selalu membandingkan dengan value yang diterimanya dari produk yang dibeli. Ada tingkat harga terendah yang masih bisa diterima (di bawah harga tersebut justru tidak dipercaya), tetapi ada harga tertinggi yang masih bersedia untuk dibayar. Price sensitivity
Measurement (PSM) merupakan sebuah teknik
yang dapat digunakan untuk mengetahui APR ini. PSM diperlukan oleh pemasar sebagai kerangka acuan kerja yang dapat membantu pengembangan pemahaman terhadap persepsi harga. Dengan demikian penelitian tentang PSM diharapkan dapat berguna bagi setiap pelaku usaha yang akan menentukan harga dari suatu produk atau jasa dari usaha tersebut.
Pada dasarnya, PSM dapat dimodelkan dengan fungsi peluang dan sudah digunakan secara intensif dalam penelitian preferensi konsumen (Lewis dan Shoemaker, 1997; Consultores, 2002). Namun demikian belum banyak penelitian yang mempelajari kinerja PSM khususnya sifat statistik seperti presisi dan akurasi untuk penentuan APR. Karena itu dalam penelitian ini, akan dikaji kinerja dari APR dengan metode bootstrap. Kajian akan dilakukan dengan menggunakan data sampel dari studi kasus kisaran harga nasi rendang, pecel ayam dan nasi goreng yang ada di
sekitar kampus Intitut Pertanian Bogor (IPB) Dramaga yang dapat diterima oleh konsumen mahasiswa IPB.
Tujuan
Tujuan dari penelitian ini adalah :
1. Menerapkan metode PSM untuk menentukan APR nasi rendang, pecel ayam dan nasi goreng yang biasa dikonsumsi mahasiswa di sekitar kampus IPB Dramaga.
2. Mempelajari sifat–sifat statistik khususnya presisi dari APR dengan menggunakan metode bootstrap.
TINJAUAN PUSTAKA
Statistika Deskriptif
Statistika deskriptif adalah bidang yang membicarakan metode pengumpulan, penyederhanaan dan penyajian data (Mattjik dan Sumertajaya, 2002). Statistika deskriptif dapat disajikan dalam bentuk ringkasan statistik dan gambar. Ringkasan statistik dapat disajikan dalam bentuk nilai maksimum, nilai minimum dan rataan dari segugus data. Deskriptif segugus data dalam bentuk gambar dapat berupa bar chart, pie chart, stacked bar
chart dan lain sebagainya.
Acceptable Price Range
Acceptable price range adalah kisaran
harga yang dapat diterima oleh konsumen. Pada tingkat harga tersebut, konsumen tidak merasa bahwa produk itu terlalu mahal sehingga tidak sanggup untuk membelinya (unaffordable) ataupun terlalu murah sehingga konsumen tidak mempertanyakan kualitas dari suatu produk atau jasa (Lewis dan Shoemaker, 1997).
Price Sensitivity Measurement Price sensitivity measurement (PSM)
adalah suatu teknik atau metode yang digunakan untuk penentuan APR.
Adapun langkah-langkah penentuan APR dengan metode PSM sebagai berikut:
1. Setiap responden menentukan kategori harga sangat murah, murah, mahal dan sangat mahal.
2. Misal Xij = respon dari responden ke-i
2
(i = 1,…,n) dan (j = 1,…,m)
Kemudian Xij diurutkan. Hasil
pengurutan:
(X11,X21,…,Xnm)
3. Menghitung frekuensi kemunculan untuk setiap kategori harga.
4. Menghitung frekuensi kumulatif untuk setiap kategori harga.
5. Menghitung frekuensi relatif secara kumulatif untuk kategori mahal dan sangat mahal, sedangkan untuk kategori sangat murah dan murah, dihitung 1–frekuensi relatif secara kumulatif.
6. Membuat plot hubungan antara frekuensi relatif secara kumulatif
dengan Xi.
7. Menentukan APR yaitu kisaran yang berawal dari titik potong kurva sangat murah dan mahal dan berakhir pada titik potong kurva murah dan sangat mahal.
Persepsi
Persepsi merupakan pandangan individu terhadap suatu objek sehingga individu tersebut memberikan reaksi atau respon yang berhubungan dengan penerimaan atau penilaian. Persepsi berhubungan dengan pendapat dan penilaian yang berakibat terhadap motivasi, kemauan, tanggapan, perasaan dan fantasi terhadap stimulus (Kotler, 1997).
Frekuensi Kumulatif
Frekuensi kumulatif adalah penjumlahan frekuensi secara berurutan pada setiap kelas baik meningkat (kurang dari), maupun menurun (lebih dari). Distribusi frekuensi kumulatif dapat digambarkan oleh suatu grafik yang disebut Poligon Frekuensi Kumulatif atau OGIVE, yang melukiskan frekuensi kumulatif terhadap batas atas kelas.
Fungsi Peluang
Fungsi peluang adalah fungsi yang merepresentasikan sebaran peluang. Fungsi peluang dapat juga diartikan sebagai aturan atau fungsi yang menghubungkan bilangan riil dengan setiap himpunan bagian dari suatu himpunan (Larson, 1982).
Misalkan suatu peubah acak X telah dibatasi terhadap suatu ruang contoh U =
{u1,u2,..,un} maka kejadian bahwa X = x
merupakan anak gugus U yang mengandung
semua unsur ui yang memenuhi syarat X(ui) =
x. Peluang timbulnya semua kejadian X = x dengan demikian sama dengan jumlah peluang
timbulnya semua kejadian ui yang memenuhi
syarat X(ui) = x. Kalau peluang timbulnya
kejdian X = x ini dilambangkan sebagai P(x), maka
P(x) = P({ui U; X(ui) = x})
Rumus ini bila disederhanakan, mengambil bentuk:
P(x) = P(X = x)
Karena P(x) merupakan peluang timbulnya suatu kejadian, maka haruslah juga sesuai dengan apa yang telah dikemukakan, dipenuhi syarat bahwa P(x) > 0 serta ∑P(x) = 1.
Dipandang dari segi pengertian fungsi sebagai suatu pemetaan, maka P(x) merupakan suatu pemetaan wilayah peubah acak X, yaitu
Wx sebagai daerah fungsi ke suatu gugus yang
unsur-unsurnya terdiri dari P(x). Fungsi P(x) ini disebut fungsi peluang atau fungsi kepekatan peubah acak X (Nasoetion dan Rambe, 1983)
Fungsi Sebaran Peluang
Fungsi sebaran peluang suatu peubah acak X adalah :
F(x) = P(X≤x)
Yaitu suatu fungsi peluang kumulatif atau fungsi sebaran frekuensi nisbi kumulatif.
Untuk X bersifat diskret, fungsi sebarannya secara umum dapat dicatat sebagai
F(x) = P X t = ∑ f t
Sedangkan untuk X bersifat kontinu, fungsi sebaran itu secara umum dapat dicatat sebagai
F(x) = f t dt
(Musa dan Nasoetion, 1989).
Kuesioner
Kuesioner adalah instrumen survei yang terdiri atas serangkaian pertanyaan tertulis (baik terstruktur maupun tidak terstruktur), bertujuan mendapatkan tanggapan dari kelompok orang terpilih melalui wawancara pribadi atau melalui pos.
Kuesioner juga dapat diartikan sebagai suatu teknik pengumpulan informasi yang memungkinkan analis mempelajari sikap-sikap, keyakinan, perilaku, dan karakteristik beberapa orang utama di dalam organisasi yang bisa terpengaruh oleh sistem yang diajukan atau oleh sistem yang sudah ada.
Dengan menggunakan kuesioner, analis berupaya mengukur apa yang ditemukan
3
dalam wawancara, selain itu juga untuk menentukan seberapa luas atau terbatasnya sentimen yang diekspresikan dalam suatu wawancara.
Purposive sampling
Purposive sampling adalah metode
penarikan contoh yang tidak berpeluang
(non-probability sampling), di mana dalam
pengambilan contohnya ada unsur kesengajaan di dalamnya. Metode penarikan contoh ini digunakan jika objek survei dari suatu penelitian yang ingin diambil sudah sangat spesifik dan ketika mengalami kesulitan dalam menentukan frame sample.
Purposive sampling juga dapat diartikan
sebagai metode penarikan contoh yang didasarkan pada ciri-ciri atau sifat-sifat tertentu yang dipandang mempunyai sangkut paut yang erat dengan ciri-ciri atau sifat-sifat populasi yang sudah diketahui sebelumnya.
Metode Simulasi
Metode simulasi didefinisikan sebagai suatu usaha untuk memperoleh gambaran tentang suatu populasi yang sulit diamati, sehingga contoh yang diambil mampu mewakili populasi serta mampu menjelaskan karakteristik dari populasi tersebut.
Sebelum dilakukan simulasi diperlukan pengetahuan tentang karakteristik populasi yang akan diduga. Dalam bidang statistika, simulasi mempunyai peranan penting dalam pendugaan-pendugaan nilai parameter suatu populasi data yang memberikan suatu informasi baru. Metode simulasi dapat memberikan efesiensi dan kemudahan dalam menganalisis suatu model matematika (Morgan, y 1984).
Metode Bootstrap
Metode bootstrap merupakan metode simulasi berbasis data untuk mempelajari keragaman ciri sebaran peluang dari segugus pengamatan. Bootstrap dapat pula digunakan untuk memperoleh selang kepercayaan dari parameter ketika teknik parametrik sulit atau tidak dapat digunakan untuk memperoleh selang kepercayaan tersebut. Gagasan dasar dari prosedur ini mencakup konsep penarikan contoh dengan pemulihan untuk menghasilkan
contoh acak berukuran n dari data asal x1,
x2,…,xn. Setiap contoh acak berukuran n ini
disebut sebagai contoh bootstrap dan setiap contoh tadi menghasilkan dugaan bagi
parameter yang ingin dipelajari. Dengan proses pengulangan yang cukup banyak,
bootstrap dapat digunakan untuk mendapatkan
informasi tentang keragaman dari penduga. Sedangkan pendekatan selang kepercayan 95% dari parameter (θ) adalah kuantil 2,5% dan 97,5% dari statistik (θ) yang diulang (Everitt, 2006).
Bootstrap mulai diperkenalkan oleh
Bradley Efron pada tahun 1979, sebagai suatu metode pengambilan contoh ulang secara acak dengan pengembalian (resampling with
replacement). Bootstrap merupakan salah satu
metode statistika yang bersifat nonparametrik. Suatu populasi yang tidak diketahui sebarannya atau populasi nonparametrik dapat menggunakan Bootstrap untuk melakukan pendugaan parameter. Suatu populasi tak terbatas yang terdiri dari n nilai data contoh, masing-masing mempunyai peluang 1/n untuk
setiap nilai xi, i = 1, 2, ..., n (Manly, 1997).
Dengan demikian suatu gugus A dalam ruang contoh x mempunyai peluang sebesar P{A},
yaitu jumlah xi anggota A dibagi n.
Asumsikan x = (x1, x2, ..., xn) adalah contoh
acak dari sebaran peluang F yang tidak
diketahui dan adalah parameter yang
ingin diduga, maka langkah pembangkitan contoh acak Bootstrap Non-parametrik :
1. Misalkan x* = (x1*, x2*, ..., xn*) adalah
contoh acak berukuran n dengan pemulihan dari yang diulang sebanyak B kali.
2. Setiap penarikan contoh acak dilakukan pendugaan sehingga diperoleh gugus nilai .
3. Dari gugus nilai , diperoleh
nilai rata-rata dari , i= 1, 2, ..., B yang merupakan nilai penduga Bootstrap untuk
.
Selang Kepercayaan
Selang kepercayaan adalah salah satu metode pendugaan parameter. Misalnya, rataan contoh merupakan penduga terbaik bagi nilai tengah populasi (µ), meskipun tidak ada jaminan bahwa kedua nilai tersebut persis sama. Bahkan kita tidak memiliki petunjuk berapa besar kemungkinan bahwa rataan yang diperoleh dari contoh tersebut akan sama nilainya dengan µ.
Parameter populasi tidak mungkin diketahui nilainya, kecuali jika mengamati keseluruhan populasi, karena itu untuk menduga µ dengan perlu dilakukan
) (F t = θ Fˆ θ B θ θ θˆ,ˆ,...,ˆ 2 1 B θ θ θˆ,ˆ,...,ˆ 2 1 i θˆ θ
4
penarikan contoh berulang sehingga diperoleh gambaran tentang keragaman , jika variasi yang diperoleh dari beberapa contoh relatif kecil maka kemungkinan besar nilai µ berada di sekitar nilai-nilai (Aunuddin, 2005).
Selang kepercayaan (1-α)100% bagi µ, apabila ragam populasi diketahui adalah:
/
σ
√n μ /
σ √n
Sedangkan / adalah nilai z yang luas
daerah di sebelah kanan kurva normal baku
sebesar α/2.
Selang kepercayaan (1-α)100% memberikan ukuran sejauh mana ketelitian atau akurasi nilai dugaan titiknya. Bila µ memang pusat selang itu, maka menduga µ tanpa galat. Tetapi kecil sekali kemungkinan tapat sama dengan µ, sehingga nilai dugaan itu mempunyai galat. Jika hanya dilakukan sekali penarikan contoh, merupakan penduga tak bias bagi µ. Besarnya nilai galat ini sama dengan nilai mutlak selisih antara µ dan , dan kita yakin (1-α)100% bahwa selisih tersebut
tidak melibihi / √ (Walpole, 1982).
DATA DAN METODE
Data
Data yang akan dianalisis merupakan data primer. Metode penarikan contoh yang digunakan dalam penelitian ini adalah
purposive sampling karena objek survei dari
penelitian ini sudah sangat spesifik, yaitu mahasiswa yang biasa makan nasi rendang, pecel ayam atau nasi goreng. Penarikan contoh secara acak tidak dapat diterapkan karena dapat menghasilkan contoh yang tidak memenuhi spesifikasi yang diinginkan. Populasi dari penelitian ini adalah seluruh mahasiswa Intitut Pertanian Bogor (IPB) yang biasa membeli nasi rendang, pecel ayam dan nasi goreng. Ukuran contoh dalam penelitian ini adalah sebesar 114 responden. Data ini dikumpulkan mulai dari 18 November 2008 sampai 30 November 2008. Pengumpulan data dilakukan di lingkungan Kampus IPB Dramaga, tepatnya di kantin-kantin yang ada di setiap fakultas di IPB.
Kuesioner yang digunakan pada penelitian ini didesain sesuai kebutuhan penelitian ini. Di dalam penelitian ini, responden akan diberikan empat pertanyaan inti, yang terdiri dari: 1. Pada tingkat harga berapa menurut anda harga makanan ini terlalu murah? Ini dimaksudkan untuk mengetahui pada tingkat harga berapa konsumen merasa kualitas dari makanan
tersebut patut dipertanyakan. 2. Pada tingkat harga berapa menurut anda harga makanan ini murah? Ini dimaksudkan untuk mengetahui pada tingkat harga berapa konsumen merasa harga yang ditawarkan cukup terjangkau (affordable). 3. Pada tingkat harga berapa menurut anda harga makanan ini mahal? Ini dimaksudkan untuk mengetahui pada tingkat harga berapa konsumen merasa harus berpikir ulang dalam membeli makanan tersebut. 4. Pada tingkat harga berapa menurut anda harga makanan ini terlalu mahal? Ini dimaksudkan untuk mengetahui pada tingkat harga berapa konsumen tidak sanggup untuk membeli makanan tersebut (unaffordable).
Metode
Metode Price Sensitivity Measurement
Setelah data terambil, metode selanjutnya adalah menggunakan metode PSM untuk menentukan APR pada masing-masing komoditi. Langkah–langkah dari metode PSM adalah:
1. Setiap responden menentukan kategori harga sangat murah, murah, mahal dan sangat mahal.
2. Misal hij = respon (harga) dari
responden ke-i terhadap kategori ke-j (i = 1,…,114) dan (j = 1,…,4)
Kemudian hij diurutkan. Hasil
pengurutan:
(h11,h21,...,h114,1); (h12,h22,...,h114,2);...;
(h14,h24,...,h114,4).
2. Menghitung frekuensi kemunculan untuk setiap kategori harga.
3. Menghitung frekuensi kumulatif untuk setiap kategori harga.
4. Menghitung frekuensi relatif secara kumulatif untuk kategori mahal dan sangat mahal, sedangkan untuk kategori sangat murah dan murah, dihitung 1–frekuensi relatif secara kumulatif.
5. Membuat plot hubungan harga (X) dengan frekuensi relatif secara kumulatif (Y)
6. Menentukan APR yaitu kisaran yang berawal dari titik potong kurva sangat murah dan mahal dan berakhir pada titik potong kurva murah dan sangat mahal.
5
Metode Bootstrap
Setelah didapatkan hasil dari pengukuran sensitivitas harga, lalu diamati perilaku dari APR dan diduga selang kepercayaan dengan
menggunakan metode bootstrap
non-parametrik, dengan pengulangan sebanyak tiga puluh kali, ini dikarenakan mengalami kesulitan dalam bersimulasi. Adapun langkah-langkahnya sebagai berikut:
1. Membangkitkan tiga puluh buah contoh bootsrap dengan masing-masing contoh berukuran 114. 2. Pada masing–masing contoh bootstrap
tersebut ditentukan nilai APR.
3. Setelah mendapatkan batas kiri dan batas kanan dari APR, diduga selang kepercayaan 95% dari tiap batas tersebut.
HASIL DAN PEMBAHASAN
Karakteristik Responden
Dalam penelitian ini, seluruh fakultas yang ada di IPB ada dalam sebaran yang merata dengan frekuensi terbesar di fakultas ekonomi dan manajemen serta fakultas ekologi manusia. Untuk lebih lengkapnya disajikan dengan tabel di bawah ini.
Tabel 1. Sebaran Responden Berdasarkan Fakultas.
Fakultas n Persentase
Pertanian 11 9,6%
Kedokteran Hewan 9 7,9%
Perikanan dan Ilmu
Kelautan 11 9,6%
Peternakan 13 11,4%
Kehutanan 9 7,9%
Teknologi Pertanian 14 12,3%
Matematika dan Ilmu Pengetahuan Alam
15 13,2%
Ekonomi dan Manajemen 22 19,3%
Ekologi Manusia 10 8,8%
TOTAL 114 100%
Jika berdasarkan asal usul responden ternyata yang cukup banyak berasal dari Provinsi Jawa Barat dan DKI Jakarta. Ini dikarenakan letak geografis dari IPB berlokasi di kota Bogor dan kabupaten Bogor yang berada di Provinsi Jawa Barat. Kota Bogor sangat dekat dengan provinsi DKI Jakarta sehingga mahasiswa IPB banyak berasal dari kedua provinsi tersebut. Untuk lebih lengkapnya disajikan dengan tabel di bawah ini.
Tabel 2. Sebaran Responden Berdasarkan Provinsi. Provinsi n Persentase Jawa Barat 47 41,2% DKI Jakarta 21 18,4% Jawa Tengah 10 8,8% Jawa Timur 10 8,8% Bengkulu 1 0,9% Banten 4 3,5%
Nangroe Aceh Darussalam 3 2,6%
Sumatera Utara 1 0,9% Sumatera Selatan 1 0,9% Sumatera Barat 3 2,6% Sulawesi Tenggara 1 0,9% Sulawesi Selatan 2 1,8% Riau 4 3,5% Papua 2 1,8%
Nusa Tenggara Barat 1 0,9%
Kalimantan Timur 2 1,8%
Kalimantan Barat 1 0,9%
TOTAL 114 100%
Berdasarkan uang bulanan responden, rata-rata uang bulanan responden adalah sebesar Rp 754.473,21 per bulan dengan simpangan baku sebesar Rp 295.520,00, rata–rata pengeluaran responden per bulan adalah sebesar Rp 680.549,55 per bulan dengan simpangan baku sebesar Rp 265.256,44. Sedangkan rata-rata uang yang dikeluarkan responden untuk sekali makan adalah sebesar Rp 6.991,23 dengan simpangan baku sebesar Rp 2.036,16.
Tabel 3. Uang Bulanan, Pengeluaran dan Rata-rata Uang yang Dikeluarkan untuk Satu Kali Makan Karakteristik Lain Responden Rata–rata (Rp) Simpangan Baku (Rp) Uang bulanan 754.473,21 295.520,00 Pengeluaran per bulan 680.549,55 265.256,44 Rata–rata uang yang dikeluarkan untuk satu kali makan
6
Gambar 1. Histogram Uang Bulanan Mahasiswa.
Gambar 2. Histogram Pengeluaran Mahasiswa per Bulan.
Gambar 3. Histogram Rata-Rata Uang yang Dikeluarkan untuk Satu Kali Makan.
Berdasarkan penelitian ini, distribusi mahasiswa dalam memilih makanan pada siang hari adalah nasi rendang 20,2%, pecel ayam 12,3%, nasi goreng 9,6%, tidak jawab 6,1% dan lainnya 51,8%. Sedangkan untuk malam hari nasi rendang 4,4%, pecel ayam 45,6%, nasi goreng 23,7%, tidak jawab 6,1% dan lainnya 20,2%.
Rendahnya pemilihan pecel ayam pada waktu siang hari dapat disebabkan karena pecel ayam tidak banyak dijual pada waktu siang hari. 7, 6.1% Tidak Jawab 14, 12.3% Pecel Ayam 23, 20.2% Nasi Rendang 11, 9.6% Nasi Goreng 59, 51.8% Lainnya
Distribusi Pemilihan Makanan pada Siang Hari
Gambar 4. Distribusi Pemilihan Makanan pada Siang Hari.
7, 6.1% Tidak Jawab 52, 45.6% Pecel Ayam 5, 4.4% Nasi Rendang 27, 23.7% Nasi Goreng 23, 20.2% Lainnya
Distribusi Pemilihan Makanana pada Malam Hari
Gambar 5. Distribusi Pemilihan Makanan pada Malam Hari.
Mahasiswa dalam memilih makanan tentunya memiliki pertimbangan. Dalam penelitian ini, pertimbangan utama mahasiswa dalam memilih makanan adalah sebagai berikut, untuk mahasiswa dengan uang bulanan kurang dari atau sama dengan Rp 500.000, yang paling banyak menjadi pertimbangan adalah rasa yaitu sebesar 40,7%, untuk lebih detail lihat gambar 6. Untuk mahasiswa dengan uang bulanan lebih besar dari Rp 500.000 sampai dengan kurang dari Rp 1.000.000, yang mayoritas dijadikan pertimbangan adalah selera, yaitu sebanyak 41,8%, lebih lengkapnya ada di gambar 7. Sedangkan mahasiswa dengan uang uang bulanan lebih dari atau sama dengan Rp 1.000.000, yang paling banyak dijadikan pertimbangan utama saat membeli makanan adalah rasa 40% (lihat gambar 8).
Sedangkan secara keseluruhan adalah sebagai berikut, yang paling banyak adalah selera, yaitu sebesar 36% dan yang paling sedikit adalah gizi, yaitu hanya 4,4%, (lihat gambar 9). Uang bulanan Fr eq ue nc y 1800000 1500000 1200000 900000 600000 25 20 15 10 5 0
Histogram of Uang bulanan
Pengeluaran Mahasiswa per Bulan
Fr e q ue nc y 1400000 1200000 1000000 800000 600000 400000 25 20 15 10 5 0
Histogram of Pengeluaran Mahasiswa per Bulan
Rata2 utk 1 kali makan
Fr e que nc y 14000 12000 10000 8000 6000 4000 30 25 20 15 10 5 0
7
3, 11.1% Tempat Makan yang Bersih
8, 29.6%Selera 11, 40.7% Rasa 1, 3.7% Lainnya 3, 11.1% Harga 1, 3.7% Gizi
Pertimbangan dalam Memilih Makanan
Gambar 6. Pertimbangan Utama Mahasiswa dengan Uang Bulanan Kurang dari atau sama dengan Rp. 500.000 dalam Memilih Makanan.
1, 1.8% Tidak jawab 8, 14.5% Tempat Makan yang Bersih
23, 41.8%Selera 16, 29.1% Rasa 1, 1.8% Lainnya 4, 7.3% Harga 2, 3.6% Gizi
Pertimbangan dalam Memilih Makanan
Gambar 7. Pertimbangan Utama Mahasiswa dengan Uang Bulanan Lebih Besar dari Rp. 500.000 sampai dengan kurang dari Rp. 1000.000 dalam Memilih Makanan.
5, 16.7% Tempat Makan yang Bersih
9, 30.0%Selera 12, 40.0% Rasa 2, 6.7% Lainnya 1, 3.3% Harga 1, 3.3% Gizi
Pertimbangan dalam Memilih Makanan
Gambar 8. Pertimbangan Utama Mahasiswa dengan Uang Bulanan Lebih dari atau sama dengan Rp. 1.000.000 dalam Memilih Makanan. 1, 0.9% Tidak jawab 16, 14.0% Tempat Makan yang Bersih
41, 36.0%Selera 39, 34.2% Rasa 4, 3.5% Lainnya 8, 7.0% Harga 5, 4.4% Gizi
Pertimbangan Mahasiswa dalam Membeli Makanan
Gambar 9. Pertimbangan Utama Mahasiswa dalam Membeli Makanan.
Acceptable Price Range
Hasil perhitungan APR (Lewis dan Shoemaker, 1997) menunjukkan bahwa APR nasi rendang adalah Rp 5.905,35 sampai
dengan Rp 6.787,60, pecel ayam adalah Rp
5.389,86 sampai dengan Rp 6.966,59,
sedangkan untuk nasi goreng adalah Rp 4.554,53 sampai Rp 6.001,91. Dari ketiga hasil pengukuran tersebut, nasi rendang memiliki lebar selang yang paling sempit yaitu sebesar Rp 882,5, sedangkan pecel ayam memiliki lebar selang yang paling lebar yaitu sebesar Rp 1.576,73. Ini merupakan indikasi bahwa fanatisme mahasiswa terhadap pecel ayam lebih besar dibandingkan nasi rendang, sehingga responden lebih toleran terhadap harga makanan tersebut.
Gambar 10. APR Nasi Rendang.
8
Gambar 12. APR Pecel Ayam.
Gambar 13. APR Nasi Goreng. Sifat - Sifat Statistik dari
Acceptable Price Range
Berdasarkan hasil simulasi price sensitivity
measurement untuk jenis makanan nasi
rendang menggunakan metode bootstrap dengan pengulangan sebanyak tiga puluh kali didapat titik minimum, maksimum, rata–rata dan simpangan baku untuk harga terendah dari APR nasi rendang adalah masing-masing sebesar Rp 5.403,5, Rp 6.298,5, Rp 5.864,5 dan Rp 163,1. Sedangkan titik minimum, maksimum, rata–rata dan simpangan baku untuk harga tertinggi dari APR nasi rendang adalah masing–masing Rp 6.477,3, Rp 7.344,9, Rp 6.978,8 dan Rp 235,1.
Jika dilihat dari stabilitas APR, APR hasil simulasi dengan menggunakan metode
booststrap ini cukup stabil, ini dapat dilihat
dari nilai tengah setiap simulasi selalu berada di antar APR setiap simulasi. Pearson
correlation antara batas kiri dan batas kanan
APR dari setiap simulasi adalah sebesar 33,7% dengan p-value sebesar 0,068. Oleh karena itu, dapat diasumsikan bahwa keeratan hubungan antara batas kiri dan batas kanan tidak signifikan atau dapat dikatakan kedua batas tersebut saling bebas (independent), sehingga dapat diduga selang kepercayaan 95% dari masing-masing batas tersebut.
Selang kepercayaan 95% untuk batas kiri adalah Rp 5.403,5 sampai dengan Rp 6.298,5. sedangkan untuk batas kanan adalah Rp 6.477,3 sampai dengan Rp 7.344,9.
Tabel 4. APR Hasil Simulasi Menggunakan Metode Bootstrap. Simulasi Ke- Batas Kiri (xL) Batas Kanan (xR) Range (xR-xL) 1 5.403,53 7.164,71 1.761,18 2 5.863,50 6.777,71 914,21 3 5.835,72 6.832,09 996,37 4 5.760,14 6.665,23 905,09 5 5.863,44 6.925,83 1.062,38 6 5.993,98 6.806,16 812,18 7 5.895,64 7.245,09 1.349,45 8 5.999,63 6.968,04 968,40 9 5.908,79 7.029,87 1.121,08 10 5.696,66 6.893,53 1.196,87 11 6.094,51 7.153,85 1.059,34 12 5.805,94 6.666,82 860,88 13 5.617,16 6.638,85 1.021,69 14 5.783,19 6.966,83 1.183,64 15 5.829,66 6.842,48 1.012,81 16 5.871,99 7.268,34 1.396,36 17 6.298,54 7.238,84 940,30 18 5.701,64 6.971,33 1.269,70 19 6.005,22 7.191,39 1.186,16 20 5.763,15 6.477,26 714,11 21 5.963,74 7.154,41 1.190,67 22 5.934,57 7.054,07 1.119,49 23 5.980,62 7.344,88 1.364,26 24 5.748,66 7.181,93 1.433,27 25 5.915,83 7.105,34 1.189,50 26 5.750,61 6.763,55 1.012,94 27 5.873,18 7.118,34 1.245,15 28 5.763,60 7.072,25 1.308,65 29 6.044,65 7.293,54 1.248,89 30 5.967,69 6.552,05 584,36
Gambar 14. Plot Hasil Simulasi dengan Menggunakan Metode bootstrap. (Rp 5.389; Rp 6.966) (Rp 4.554; Rp 6.001) 5000 6000 7000 8000 1 4 7 10 13 16 19 22 25 28
Plot Batas Kiri - Batas Kanan dari Sampel Bootstrap
ke-9
Gambar 15. Histogram dari Batas Kiri (xL)
Gambar 16. Histogram dari Batas Kanan (xR)
Gambar 17. Histogram dari Range Setiap Simulasi
SIMPULAN
Lebar dari acceptable price range (APR) tergantung pada fanatisme dari konsumen terhadap makanan tersebut yang dicerminkan oleh asal–usul responden dan kebiasaan makan responden.
Kisaran harga terterima untuk nasi rendang, pecel ayam dan nasi goreng berturut– turut adalah Rp 5.905,35 sampai dengan Rp
6.787,60, Rp 5.389,86 sampai dengan Rp
6.966,59 dan Rp 4554,53 sampai dengan Rp 6.001,91.
Hasil simulasi APR untuk jenis makanan nasi rendang menggunakan metode bootstrap cenderung stabil, dengan rata–rata panjang selang sebesar Rp 1.106,8, simpangan baku sebesar Rp 236,3, panjang selang paling lebar sebesar Rp 1.761,2 dan panjang selang paling sempit sebesar Rp 584,4. Selang kepercayaan 95% untuk batas kiri adalah Rp 5403,5 sampai dengan Rp 6.298,5. sedangkan untuk batas
kanan adalah Rp 6.477,3 sampai dengan Rp 7.344,9.
SARAN
1. Instrumen pengumpulan data
khususnya dalam penentuan harga sangat murah, murah, mahal dan sangat mahal sebaiknya kisaran harga untuk setiap kategori dibatasi.
2. Perangkat lunak untuk menghitung
APR secara lebih otomatis perlu dikembangkan, sehingga jumlah pengulangan dapat lebih diperbanyak.
DAFTAR PUSTAKA
Aunuddin. 2005. Statistika: Rancangan dan Analisis Data. Bogor: IPB Press
Everitt, B.S. 2006. The Cambridge Dictionary of Statistics Third Edition. Cambridge
University Press.
Kotler, P. 1997. Manajemen Pemasaran.
Jakarta: PT. Prenhallindo.
Larson, H.J. 1982. Introduction to Probability Theory and Statistical Inference. John Wiley and Sons.
Lewis, R. and S. Shoemaker. 1997. Cornell Hotel and Restaurant Quarterly.
http://www.brandcareer.comty/knowledge. data/040426_Price%20Sensitivity%20Mea surement.ppt -. [20 April 2008].
Manly, B.F.J. 1997. Randomization, Bootstrap and Monte Carlo Methods in Biology. Ed ke-2. New York: Chapman and
Hall.
Mattjik, A.A. & I.M. Sumertajaya. 2002. Perancangan Percobaan dengan Aplikasi SAS dan Minitab. Jilid I Edisi Kedua. IPB
Press, Bogor.
Morgan, B.J.T. 1984. Element of Simulation.
New York: Chapman and Hall.
Musa, M.S. dan A.H. Nasoetion. 1989. Perancangan dan Analisis Percobaan Ilmiah. PAU-IPB.
Nasoetion, A.H. dan A. Rambe. 1983. Teori Statistika. Bhrata Karya Aksara.
Walpole, R.E. 1982. Introduction to Statistic Third Edition. Macmillan Publishing Co.,
Inc. Harga Fr e q ue nc y 6200 6000 5800 5600 5400 9 8 7 6 5 4 3 2 1 0
Histogram of Batas Kiri
Harga Fr e q ue nc y 7200 7000 6800 6600 7 6 5 4 3 2 1 0
Histogram of Batas Kanan
Range Fr eq ue nc y 1800 1500 1200 900 600 9 8 7 6 5 4 3 2 1 0 Histogram of Range
10
Lampiran 1. Hasil Simulasi Menggunakan Metode Bootstrap dengan Pengulangan Sebanyak Tiga Puluh Kali
Sim
Sangat Murah Mahal Murah Sangat Mahal
xL xR Range X1 Y1 X2 Y2 X3 Y3 X4 Y4 X5 Y5 X6 Y6 X7 Y7 X8 Y8 xR - xL 1 5500 0.1706 6000 0.733 5000 0.0432 6000 0.0900 7000 0.2010 7500 0.1034 6000 0.1322 7500 0.1794 5403.5 7164.7 1761.2 2 5000 0.3604 6000 0.0921 5000 0.0732 7000 0.2018 6500 0.3328 7000 0.1708 6000 0.2212 7000 0.2490 5863.5 6777.7 914.2 3 5500 0.1632 6000 0.0725 5000 0.0611 6000 0.1104 6500 0.3099 7000 0.1685 6000 0.1951 7000 0.2202 5835.7 6832.1 996.4 4 5500 0.1583 6000 0.0596 5000 0.0659 6000 0.1199 6500 0.2758 7000 0.1266 6000 0.2084 7000 0.2356 5760.1 6665.2 905.1 5 5500 0.1523 6000 0.0607 5000 0.0422 6000 0.0926 6500 0.2839 7000 0.1327 6000 0.1243 7000 0.1576 5863.4 6925.8 1062.4 6 5500 0.2079 6000 0.0947 6000 0.0965 7000 0.1692 6500 0.3552 7000 0.1923 7500 0.2728 8000 0.2853 5994.0 6806.2 812.9 7 5500 0.1841 6000 0.0777 5000 0.0502 6000 0.1057 7000 0.2057 7500 0.1043 7000 0.1458 7500 0.1666 5895.6 7245.1 1349.5 8 5500 0.2169 6000 0.1078 5000 0.0527 6000 0.1079 6500 0.2672 7000 0.1226 5000 0.0730 7000 0.1328 5999.6 6968.0 968.4 9 5500 0.2102 6000 0.1004 5000 0.0709 6000 0.1254 7000 0.1642 7500 0.0677 6000 0.1239 7500 0.1742 5908.8 7029.9 1121.1 10 5500 0.1410 6000 0.0507 6000 0.1269 7000 0.1975 6500 0.2890 7000 0.1286 7500 0.1818 8000 0.1975 5696.7 6893.5 1196.9 11 6000 0.1265 6500 0.0506 5000 0.0432 7000 0.1692 7000 0.2678 7500 0.1480 6000 0.1984 7500 0.2407 6094.5 7153.8 1059.3 12 5500 0.1394 6000 0.0590 5000 0.0516 6000 0.0995 6500 0.2973 7000 0.1648 6000 0.2370 7500 0.2732 5805.9 6666.8 860.9 13 5500 0.1214 6000 0.0422 5000 0.0726 6000 0.1216 6500 0.2694 7000 0.1260 5000 0.1909 7000 0.2381 5617.2 6638.9 1021.7 14 5500 0.1692 6000 0.0737 5000 0.0662 7000 0.1911 6500 0.2852 7000 0.1380 6000 0.1176 7000 0.1488 5783.2 6966.8 1183.6 15 5500 0.1627 6000 0.0662 5000 0.0595 6000 0.1072 6500 0.3254 7000 0.1764 5000 0.1747 7000 0.2275 5829.7 6842.5 1012.8 16 5500 0.1905 6000 0.0837 5000 0.0623 7000 0.1741 7000 0.2061 7500 0.0969 7000 0.1388 7500 0.1550 5872.0 7268.3 1396.4 17 5500 0.1754 6000 0.0633 5000 0.0561 6000 0.0101 7000 0.1896 7500 0.0793 7000 0.1286 7500 0.1460 6298.5 7238.8 940.3 18 5500 0.2127 6000 0.0102 5000 0.0935 6000 0.1470 6500 0.5162 7000 0.2126 5000 0.1824 7000 0.2307 5701.6 6971.3 1269.7 19 5500 0.1775 6000 0.0722 5000 0.0326 6000 0.0709 7000 0.1590 7500 0.0701 7000 0.1190 7500 0.1346 6005.2 7191.4 1186.2 20 5500 0.1647 6000 0.0611 5000 0.0579 7000 0.1949 6000 0.4933 6500 0.2533 6000 0.2530 7000 0.2765 5763.1 6477.3 714.1 21 5500 0.1923 6000 0.0808 5000 0.0433 6000 0.0906 7000 0.1748 7500 0.0721 7000 0.1370 7500 0.1567 5963.7 7154.4 1190.7 22 5500 0.1713 6000 0.0713 5000 0.0399 6000 0.0875 7000 0.1773 7500 0.0846 7000 0.1652 7500 0.1844 5934.6 7054.1 1119.5 23 5500 0.2171 6000 0.1054 5000 0.0606 6000 0.1107 7000 0.2538 7500 0.1436 7000 0.1662 7500 0.1830 5980.6 7344.9 1364.3 24 5500 0.1703 6000 0.0734 5000 0.0858 6000 0.1343 7000 0.2137 7500 0.1088 7000 0.1700 7500 0.1852 5748.7 7181.9 1433.3 25 5500 0.1626 6000 0.0679 5000 0.0375 6000 0.0881 7000 0.1647 7500 0.0764 7000 0.1418 7500 0.1622 5915.8 7105.3 1189.5 26 5500 0.1573 6000 0.0604 5000 0.0706 6000 0.1214 6500 0.3123 7000 0.1537 6000 0.2095 7500 0.2472 5750.6 6763.6 1012.9 27 5500 0.1910 6000 0.0891 5000 0.0705 6000 0.1214 7000 0.1937 7500 0.0985 7000 0.1675 7500 0.1830 5873.2 7118.3 1245.2 28 5500 0.1528 6000 0.0564 5000 0.0667 6000 0.1129 7000 0.1784 7500 0.0786 6000 0.1341 7500 0.1759 5763.6 7072.2 1308.6 29 6000 0.1211 6500 0.0539 5000 0.0543 7000 0.1707 7000 0.2134 7500 0.1077 7000 0.1416 7500 0.1582 6044.7 7293.5 1248.9 30 5500 0.2626 6000 0.0312 7000 0.1467 7500 0.1954 6500 0.2773 7000 0.1237 7500 0.2797 8000 0.2894 5967.7 6552.1 584.4 Rata2 5516.7 0.1801 6033.3 0.0907 5133.3 0.0651 6316.7 0.128 6733.3 0.2618 7233.3 0.1277 6383.3 0.1711 7383.3 0.1998 5864.5 6978.8 1114.3
11
Lampiran 2. Daftar Responden dan Jawaban dari Responden untuk Tiap Komoditi
No. Nama M1 M2 M3 M4 M5 M6 M7 M8 M9 M10 M11 M12 1 Hafinudin 4000 5000 7000 15000 3500 5000 9000 20000 3000 4000 10000 20000 2 Achmad A. Leo 4000 5000 9000 25000 4000 5000 8000 20000 2500 4000 8000 25000 3 M. Anggi Natapraya 5000 7000 10000 12000 5000 6000 8000 10000 5000 6000 12000 15000 4 Vikar Muhammad 4000 5000 7000 15000 4500 6500 15000 20000 4500 6000 15000 25000 5 Uthy 2500 3000 4500 5000 3000 5000 8000 8500 3000 4500 6500 7000 6 Ichsan 4000 5000 12000 13000 7000 3500 10000 11000 2000 2500 17000 18000 7 Anisa Fathir Rahman 6000 7000 9000 10000 6500 7000 8000 8500 3000 4000 5000 10000 8 Ema Krallia Irawan 5000 6000 8000 10000 6000 7750 9000 10000 4500 6000 8000 10000 9 Ibnu Affiano 4000 5000 10000 15000 3000 5000 10000 15000 2000 3500 9000 25000 10 Fauzi Iriawan 5000 6000 8000 10000 4000 5000 6000 7000 4500 5000 8000 10000 11 Inna Oktaviani 4000 6000 15000 20000 4000 8000 15000 20000 5000 8000 20000 30000 12 Anggi Destria 5000 7000 15000 25000 8000 10000 20000 25000 5000 8000 20000 30000 13 Sandhy Widiansyah 5000 5500 8000 10000 3500 4000 7500 9000 2500 4000 7000 7500 14 Tri Ari Setiawan 6000 6500 7500 8000 6000 6500 7500 8000 5000 5500 6500 7000 15 Marisssa 4000 5000 10000 15000 3000 6250 8750 15000 2000 5000 8000 15000 16 Aufa H. 4000 6000 15000 20000 3000 4000 15000 20000 2000 5000 15000 20000 17 Selvi 4000 7000 15000 20000 3000 5000 15000 20000 3000 5000 15000 20000 18 Estasia Paretta 5000 6000 8000 9000 4000 6500 10000 10000 2000 3000 7000 9000 19 Amri Riady 4000 6000 7500 8000 5000 7000 7500 8000 3500 5000 6500 7000 20 Helni 5000 7500 15000 15000 5000 7000 10000 15000 4000 6000 8000 10000 21 Daryl Darussalam 3000 5000 15000 25000 3000 5000 15000 25000 2000 3500 17000 25000 22 Herry Trisna A. 5000 6000 9000 10000 4000 6000 8000 10000 4000 5000 7000 8000 23 Yayat N.H 3500 6000 9000 15000 4000 5000 9000 10000 3000 4000 5000 8000 24 Dian Amalia 5000 5000 7000 10000 5000 5000 8000 10000 6500 6500 15000 15000 25 Diah Rany 4000 5000 7000 10000 5000 5000 9000 10000 4000 5000 7000 8000 26 Khaerul .M 4000 6000 7000 8500 2000 5000 6500 8000 3000 3500 5000 6500 27 Dimar W 5000 8000 15000 25000 6500 5000 15000 25000 5000 6000 15000 25000 28 Elvira 5000 6000 7000 10000 3000 5000 6000 7000 2000 3000 5000 7000 29 Rina Adila 3000 5000 7000 10000 5000 7000 8500 10000 4000 5000 7000 10000 30 Luthfi R 4000 6000 8000 20000 3000 6000 8000 20000 3000 5000 10000 20000 31 Titis Romantis 4000 5000 10000 10000 4000 6500 8000 10000 4500 5500 8000 10000 32 Adriana H. 3000 5000 10000 15000 3000 4000 8000 15000 2500 4000 6000 8000 33 Vivin K.W. 4000 6000 15000 50000 3000 4000 9000 25000 2000 5000 10000 20000 34 Theo M.S. 5000 6000 8000 8500 4000 5000 8500 10000 4000 5000 6500 7000
12
35 Tania P.P. 3000 4000 5000 7000 3500 3000 5000 6000 4000 3000 5000 6000 36 Delia 5000 6000 10000 20000 4000 5000 20000 50000 3000 5000 20000 50000 37 Iva Irma K.D. 4000 6000 8000 10000 3000 4500 7000 8000 2000 4000 6000 7000 38 Restu 4000 5000 8000 10000 2000 4000 7000 10000 3000 4000 5000 10000 39 Ria Kade 4000 6000 8000 20000 3000 4000 7000 20000 1000 2000 5000 30000 40 Ratna A. 4000 6000 8000 20000 6000 7000 8500 10000 4500 5000 7000 10000 41 Radiati 5000 6500 10000 15000 4000 6500 9000 12000 2000 4000 7000 10000 42 Okvina N.A. 4000 6000 10000 15000 3500 6000 9000 12000 3000 5000 8000 10000 43 Lanof 4000 6000 8000 10000 4000 6000 8000 10000 3000 5000 7000 9000 44 Pramadya A. 4000 5000 10000 20000 4500 6000 7500 15000 3500 4000 5000 15000 45 Dias P.S. 5000 6000 10000 15000 3000 5000 8000 10000 1000 2000 15000 25000 46 Miranti N.S. 6000 8000 9000 10000 5000 6000 8000 9000 4000 5000 6000 8000 47 Titin J. 2500 6000 10000 15000 2500 5000 7000 10000 2500 5000 7000 9000 48 Dwieka 4000 5000 9000 15000 3500 4500 8500 12000 2500 4000 7000 15000 49 Nurwina E.P. 5000 6000 8000 10000 4000 5500 8000 10000 3000 4500 6000 8000 50 Radfidha 5000 6000 8000 9000 4000 5000 8000 9000 4000 5000 7000 8000 51 Encah E.M. 3000 5000 8000 15000 3000 4000 8000 10000 3000 4000 10000 15000 52 Winda R. 4000 6000 7500 9000 3500 6000 8000 10000 2000 3500 6500 9000 53 Janto D.H. 3000 5000 10000 15000 4500 6000 9000 15000 2500 6000 15000 20000 54 Upik K.A. 6500 7000 8000 10000 4000 5000 7000 10000 3000 3500 5500 6000 55 R.Anny K. 5000 7000 25000 50000 4000 7000 10000 15000 4000 7000 10000 20000 56 Andraw N.R. 5000 5500 8000 10000 5000 6000 8000 10000 4000 5000 8000 10000 57 Sionita 4000 6000 10000 12000 4000 6000 7000 8000 3000 5000 8000 10000 58 Yulia E. 4000 5000 7000 8000 4500 5000 7000 8000 4000 5000 8000 10000 59 Rinalda 4500 5000 8000 10000 3500 5000 9000 12000 3500 5000 20000 25000 60 Feriana C. 5000 6000 8000 10000 4500 5000 7000 10000 3000 4000 9000 15000 61 Deni S. 4000 6000 10000 15000 4000 7500 10000 15000 4000 6000 10000 15000 62 Glenn C. 5000 6000 10000 15000 4000 6000 10000 15000 3000 5000 10000 15000 63 Kenny M. 5000 6000 8000 10000 4000 5000 8000 10000 4000 5000 7000 10000 64 Yayan A. 5000 7000 9000 10000 3000 6000 8000 11000 3000 6000 8000 11000 65 Ninda 5000 6000 9000 10000 3000 5000 8000 10000 3000 5000 7000 10000 66 Trancy C. 5000 6000 9000 10000 4500 5000 9000 10000 3000 4000 7000 10000 67 Boris 5000 6000 10000 15000 4000 6000 10000 15000 4000 6000 10000 15000 68 Martin D. 3000 4000 8000 10000 4000 3000 9000 20000 4000 5000 15000 20000 69 Yurina 3000 5000 9000 10000 3000 6000 9000 10000 4000 5000 8000 9000 70 Ovi Y. 5000 6000 9000 10000 3000 5000 8000 10000 3000 5000 7000 10000 71 Margaret 5000 7000 9000 10000 4500 6000 9000 10000 3000 4000 7000 10000 72 Zai 5000 7000 10000 20000 3000 5000 10000 15000 3000 3500 8000 10000
13
73 Cindi Alifia 3000 4000 15000 20000 2500 3000 9000 12000 2000 2500 17000 20000 74 Resa M. 5000 6000 8000 12000 5000 6000 8000 10000 3500 4500 7000 8500 75 Mega 5000 6000 8500 9000 5000 5500 7000 7500 4000 5000 7000 8000 76 Iqbal 1000 3000 7000 10000 900 2000 6000 7000 700 1500 5000 6000 77 Fati 5000 6000 10000 15000 4500 6000 7500 9000 4000 5000 7500 10000 78 Renny F. 7000 11000 11000 20000 6000 15000 15000 20000 5000 7000 20000 20000 79 Yermias 5500 6000 7000 7500 6000 6000 8000 8000 5500 5500 7000 7000 80 Suci Nurhayati 5000 6000 8000 15000 4000 6000 10000 15000 3000 4500 6000 10000 81 Rina Trisminingsih 6000 7000 10000 12000 5000 6000 8000 10000 4000 5000 8000 10000 82 Aulia R. 5500 6000 7000 7500 3000 5500 6000 6500 3000 3500 5000 5500 83 Yana 6000 7000 8000 9000 5000 6000 8000 9000 4000 4500 6000 7000 84 Tyas Rara S. 5000 7000 20000 30000 3000 5000 15000 20000 1000 2000 10000 20000 85 Rany M. 5000 6000 7000 7500 4500 6000 7000 7500 3500 4000 4500 5000 86 Putri 7000 7500 8000 9000 4000 5000 7000 9000 4000 6000 8000 10000 87 Ginna Ayu P. 5000 7000 12000 15000 4000 6000 8000 10000 2000 4500 7000 9000 88 Irvan Indra S 4000 6000 10000 20000 4000 6000 10000 20000 3000 5000 8000 20000 89 Agita 3000 7000 10000 15000 3000 5000 10000 15000 3000 6000 10000 15000 90 Riani W 4500 6000 15000 20000 2500 6000 12000 20000 2000 5000 10000 18000 91 Fajri 5000 7000 10000 15000 5000 6000 8000 10000 3000 4000 8000 10000 92 Refa W.S 7000 7500 10000 15000 5000 6000 8000 12000 5000 6000 10000 14000 93 Patria Kusumadiya 5000 6000 8000 10000 3000 4000 8000 10000 2500 3000 5500 7000 94 Erfan Setiawan 5000 5500 8000 9500 5000 5500 8500 10000 4000 4500 6500 7500 95 Yudi Bujagunasti 6000 8000 15000 25000 3000 5000 7000 9000 2000 5000 10000 20000 96 Ani Triani 5000 7000 15000 20000 3000 5000 10000 15000 3000 5000 10000 15000 97 Asri Fitriani 7000 7500 10000 15000 4000 5000 7000 8000 2000 5000 5000 10000 98 Gita 3500 5000 6000 10000 3500 5000 8000 10000 3500 5000 8000 10000 99 Andita 5000 7000 15000 20000 3000 5000 10000 15000 3000 5000 10000 20000 100 Meita Amanda 5000 5500 10000 20000 5000 7000 10000 15000 3000 4000 8000 10000 101 Ratih 5000 7000 11000 15000 3000 6000 8000 10000 3000 5000 8000 10000 102 Tri Firandari 5000 7000 10000 12000 3000 5000 10000 15000 2500 4000 7000 10000 103 Danti Astrini 5000 5500 20000 50000 5000 6000 20000 30000 3000 4000 20000 30000 104 Anissa Merryna 5000 6000 10000 12000 3000 4000 6000 10000 3000 4000 5000 7000 105 Indragiri 5000 7000 10000 15000 4000 6000 8000 12000 4000 7000 10000 15000 106 Kaka 5000 6000 7000 7500 5000 6000 7000 8000 2500 3500 5000 7500 107 Erwin Indra P 3500 4000 5000 6000 3000 3500 6000 7000 2500 3000 4000 5000 108 Nur Andi Setiabudi 4500 6000 8500 9000 3000 5000 6000 7000 3000 4500 5000 6000 109 Hely Kurniawan 5000 6000 10000 15000 7500 9000 10500 12000 8000 10000 12000 14000
14
Keterangan: M1 = Harga termurah untuk nasi rendang
M2 = Harga murah untuk nasi rendang M3 = Harga mahal untuk nasi rendang M4 = Harga termahal untuk nasi rendang M5 = Harga termurah untuk pecel ayam M6 = Harga murah untuk pecel ayam M7 = Harga mahal untuk pecel ayam M8 = Harga termahal untuk pecel ayam M9 = Harga termurah untuk nasi goreng M10 = Harga murah untuk nasi goreng M11 = Harga mahal untuk nasi goreng M12 = Harga termahal untuk nasi goreng
111 Dian Amalia 4000 5000 8000 10000 3500 4000 6000 7000 3500 4000 6000 7500 112 Meka Dian Putra 5000 6000 10000 15000 4000 5000 8000 10000 7000 8000 9000 10000 113 M Yasin 4000 6000 10000 15000 5000 6000 8000 10000 3000 6000 5000 8000 114 Sigit Panji Eko W 6000 7000 8500 9000 5500 6000 7000 7500 3500 4500 6500 8000
15
Penentuan Kisaran Harga
Nasi Rendang, Pecel Ayam dan Nasi Goreng
(Price Sensitivity Measurement)
Identitas
Responden
Tanggal :
I1. Nama
:
I4. Fakultas
:
I2. Jenis Kelamin (P/L) :
I5. No Hp
:
I3.
Angkatan
: I6.
Alamat
Orang
tua
:
I4. Departemen
:
Penapisan
P1. Sebutkan makanan yang pernah anda beli di sekitar kampus IPB Darmaga dalam 6 bulan terakhir?
Berikan tanda (√)
No. Jenis
Makanan
Sangat
Sering
Sering
Kadang-kadang
Jarang Tidak
Pernah
1.
Nasi
rendang
2.
Pecel
ayam
3.
Nasi
goreng
4.
Pecel
lele
5.
Ayam goreng tepung
6.
Soto
ayam
7.
Sate
8.
Bakso
9.
Mie
ayam
10.
Sop
iga
11.
Nasi
timbel
12.
Lainnya,……….
P2. Apa yang menjadi pertimbangan utama anda saat membeli makanan?
(Pilih salah satu)
A. Harga
D.
Gizi
B. Rasa
E. Selera
C. Tempat makan yang bersih
F. Lainnya,……….
P3. Berapa rata-rata uang yang dikeluarkan untuk satu kali pembelian makanan?
Rp……….
Strata Responden
S1. Berapa uang bulanan anda? Rp………/bulan
S2. Berapa pengeluaran per bulan anda? Rp. ………/bulan
S3. Di kota mana anda menghabiskan sebagian besar waktu dari SD sampai SMA?
Kabupaten/Kota: …………..……
Provinsi: ……….
S4. Apakah anda penerima beasiswa?
A. Ya B. Tidak (langsung ke S7)
S5. Apa nama beasiswa tersebut? ………
S6. Berapa besarnya tiap bulan? Rp. ………/bulan
S7. Apakah anda kost?
A. Ya B. Tidak (langsung ke S9)
16
Pertanyaan Pendukung (Khusus yang memilih (minimal kadang-kadang) nasi rendang, pecel
ayam dan nasi goreng pada P1)
D1. Jika anda sedang di rumah orang tua apakah anda sering makan jenis makanan ini?
Berikan tanda (√)
No. Jenis
makanan
Sangat
sering
Sering
Kadang-kadang
Jarang Tidak
Pernah
1.
Nasi
rendang
2.
Pecel
ayam
3.
Nasi
Goreng
4.
Lainnya,……….
D2. Dalam 7 hari terakhir ini, berapa kali anda makan nasi rendang di warung?………
D3. Berapa harga per porsi? Rp. ………
D4. Dalam 7 hari terakhir ini, berapa kali anda makan pecel ayam di warung? ………
D5. Berapa harga per porsi? Rp. ………
D6. Dalam 7 hari terakhir ini, berapa kali anda makan nasi goreng di warung?………
D7. Berapa harga per porsi? Rp. ………
D8. Untuk makan siang, anda lebih sering makan masakan apa?
(Pilih salah satu)
A. Nasi Rendang
C. Nasi goreng
B. Pecel
ayam
D.
Lainnya,………
D9. Untuk makan malam, anda lebih sering makan masakan apa?
(Pilih salah satu)
A. Nasi Rendang
C. Nasi goreng
B. Pecel
ayam
D.
Lainnya,………
D10. Di antara ketiga jenis makanan ini, urutkan dari yang paling anda suka
Nasi
rendang
Pecel
Ayam
Nasi
goreng
D11. Apakah anda bersedia merubah dari makanan yang paling anda suka ke kedua makanan lainnya?
A. Ya
B. Tidak (langsung ke M1)
D12. Apa yang paling dapat membuat anda merubah pilihan itu?
A. Harga
B. Selera/nafsu makan (langsung ke M1) C. Rasa (langsung ke M1)
D13. Berapa kenaikan harga minimal yang membuat anda berpindah ke kedua makanan yang lain?
Rp………
Pertanyaan Inti
M1. Pada tingkat harga berapa menurut anda harga nasi rendang sangat murah sehingga anda
mempertanyakan kualitas dari makanan tersebut? Rp. ………
M2. Pada tingkat harga berapa menurut anda harga nasi rendang murah sehingga anda sanggup
membelinya? Rp. ………
M3. Pada tingkat harga berapa menurut anda harga nasi rendang mahal sehingga anda berpikir ulang
saat ingin membelinya? Rp. ………
M4. Pada tingkat harga berapa menurut anda harga nasi rendang sangat mahal sehingga anda tidak
sanggup membelinya? Rp. ………
M5. Pada tingkat harga berapa menurut anda harga pecel ayam sangat murah sehingga anda
mempertanyakan kualitas dari makanan tersebut? Rp. ………
17
