PENERAPAN ALGORITMA CHAID EXHAUSTIVE UNTUK MENENTUKAN FAKTOR - FAKTOR YANG MEMPENGARUHI NASABAH DALAM MENGGUNAKAN LAYANAN INTERNET BANKING.

(1)

PENERAPAN ALGORITMA CHAID EXHAUSTIVE UNTUK MENENTUKAN FAKTOR - FAKTOR YANG MEMPENGARUHI NASABAH DALAM MENGGUNAKAN LAYANAN INTERNET BANKING

(Studi Kasus pada Nasabah Bank BNI Cabang Tamansari Bandung)

SKRIPSI

Diajukan untuk Memenuhi Sebagian dari Syarat untuk Memperoleh Gelar Sarjana Sains

Program Studi Matematika Konsentrasi Statistika

Oleh

YAYAN SUYANTO 0801339

DEPARTEMEN PENDIDIKAN MATEMATIKA

FAKULTAS PENDIDIKAN MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS PENDIDIKAN INDONESIA

(2)

PENERAPAN ALGORITMA CHAID EXHAUSTIVE UNTUK MENENTUKAN FAKTOR - FAKTOR YANG MEMPENGARUHI NASABAH DALAM MENGGUNAKAN LAYANAN INTERNET BANKING

Oleh

Yayan Suyanto

Sebuah skripsi yang diajukan untuk memenuhi salah satu syarat memperoleh gelar

Sarjana pada Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam

Universitas Pendidikan Indonesia

December 2014

Hak Cipta dilindungi undang-undang.

Skripsi ini tidak boleh diperbanyak seluruhnya atau sebagian,

(3)

YAYAN SUYANTO

PENERAPAN ALGORITMA CHAID EXHAUSTIVE UNTUK MENENTUKAN FAKTOR - FAKTOR YANG MEMPENGARUHI NASABAH DALAM MEMILIH LAYANAN INTERNET BANKING (Studi Kasus pada Nasabah bank BNI Cabang Taman Sari Bandung)

DISETUJUI DAN DISAHKAN OLEH PEMBIMBING:

Pembimbing I

Dr. Bambang Avip P., M.Si. NIP. 196106181987031001

Pembimbing II

Fitriani Agustina S.Si., M.Si. NIP. 198108142005012001

Mengetahui,

Ketua Departemen Pendidikan Matematika

(4)

Indra Sholehudin, 2014

Pengaruh Latihan Plyometrics Side Hope Terhadap Peningkatan Power Tungkai Dan Dukungan Terhadap Keterampilan Juggling Freestyle Soccer

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

THE IMPLEMENTATION OF CHAID EXHAUSTIVE ALGORITHMS TO DETERMINE THE FACTORS THAT AFFECT CUSTOMERS IN USING

INTERNET BANKING SERVICES

(Case Study On BNI Customers Branch Office Tamansari Bandung)

By: Yayan Suyanto ABSTRACT

The development of information and communication technologies have a positive impact on the banks of the which facilitate in providing services to its customers. One of the various banking, internet banking service technology is the which is the period of financial intermediation through the internet. The implementation of information technology in Internet banking will improve the efficiency, effectiveness, and productivity while increasing revenue through the sales system that is far more effective than the conventional banks. There are Many factors influence the customer's decision to use internet banking services. In this research, the classification of the customer's decision to use internet banking service with the method of Chi-Square Automatic Interaction Detection ( CHAID ) Exhaustive to observe at the factors that influence the customer's decision to use internet banking services at the BNI Office Branch Tamansari Bandung. The Customer's decisions are divided into two categories, namely using internet banking services and does not use internet banking service . This research results Showed 53.8 % or 70 customers using Internet Banking service affected by the indicator I used to use internet banking ( IB ), Internet banking ( IB ) can improve my work productivity, Using Internet banking ( IB ) without risk of a data leakage, I feel happy to be Able to use internet banking ( IB ), Internet banking ( IB ) assist me in finishing work .

(5)

ii

Pengaruh Latihan Plyometrics Side Hope Terhadap Peningkatan Power Tungkai Dan Dukungan Terhadap Keterampilan Juggling Freestyle Soccer

PENERAPAN ALGORITMA CHAID EXHAUSTIVE UNTUK

MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI NASABAH DALAM MENGGUNAKAN LAYANAN INTERNET BANKING

Oleh: Yayan Suyanto ABSTRAK

Berkembangnya teknologi informasi dan komunikasi memberikan dampak positif bagi perbankan di antaranya mempermudah dalam memberikan pelayanan kepada para nasabah. Salah satu dari bermacam teknologi perbankan adalah layanan internet banking yang merupakan periode dari perantaraan keuangan melalui internet. Aplikasi teknologi informasi dalam internet banking akan meningkatkan efisiensi, efektifitas, dan produktifitas sekaligus meningkatkan pendapatan melalui sistem penjualan yang jauh lebih efektif dari pada bank konvensional. Banyak faktor yang berpengaruh terhadap keputusan nasabah untuk menggunakan layanan internet banking. Pada penelitian ini dilakukan klasifikasi keputusan nasabah untuk menggunakan layanan internet banking dengan metode Chi-Square Automatic

Interaction Detection (CHAID) Exhaustive untuk melihat faktor-faktor yang

berpengaruh terhadap keputusan nasabah untuk menggunakan layanan internet banking di bank BNI Cabang Tamansari Bandung. Keputusan nasabah dibagi menjadi dua kategori yaitu menggunakan layanan internet banking dan tidak menggunakan layanan internet banking. Hasil penelitian ini menunjukkan 53.8% nasabah atau 70 orang nasabah menggunakan Internet Banking dipengaruhi oleh indikator Saya terbiasa menggunakan internet banking (IB), Internet banking (IB) dapat meningkatkan produktivitas kerja saya, Menggunakan internet banking (IB) tidak beresiko kebocoran data, Saya merasa senang dapat menggunakan internet banking (IB), Internet banking (IB) membantu dalam menyelesaikan pekerjaan saya.

Kata kunci: CHAID Exhaustive, Pohon Klasifikasi, Keputusan Menggunakan

(6)

Yayan Suyanto, 2014

Penerapan Allgoritma Chaid Exhaustive untuk menentukan faktor-faktor yang mempengaruhi nasabah dalam menggunakan layanan internet banking Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

DAFTAR ISI

Halaman

LEMBAR PERNYATAAN ... i

ABSTRAK ... ii

KATA PENGANTAR ... iii

UCAPAN TERIMAKASIH ... iv

DAFTAR ISI ... v

DAFTAR GAMBAR ... vii

DAFTAR TABEL ... viii

BAB I PENDAHULUAN ... 1

1.1 Latar Belakang ... 1

1.2 Batasan Masalah ... 4

1.3Rumusan Masalah ... 4

1.4 Tujuan Penulisan ... 4

1.5 Manfaat Penelitian ... 5

BAB II KAJIAN PUSTAKA ... 6

2.1 Bank.………. ... 6

2.1.1 Pengertian Bank... 6

2.1.2 Jenis-Jenis Bank ... 2.1.3 Internet Banking... 6 7 2.1.4 Kesempatan Berkembang Internet Banking... 10

2.2 Perilaku Konsumen... 10

2.2.1 Pengertian Perilaku Konsumen... 10

2.2.2 Proses Pengambilan Keputusan Pembelian... 11

2.2.3 Faktor-Faktor yang Mempengaruhi Proses Keputusan Pembelian ... 2.2.4 Faktor Tingkat Penerimaan Pengguna Teknologi Informasi... 14 16 2.3 Pengertian dan Jenis Data ... ₁₇

2.3.1 Pengertian Data... ₁₇

2.3.2 Jenis Data………….………... ₁₇

2.4 Jenis Skala Pengukuran... 18

2.4.1 Skala Pengukuran Data... ₁₈

2.4.2 Skala Pengukuran Instrumen (Angket) Penelitian... ₁₉

2.5 Teknik Pengumpulan Data... 21

(7)

Indra Sholehudin, 2014

Pengaruh Latihan Plyometrics Side Hope Terhadap Peningkatan Power Tungkai Dan Dukungan Terhadap Keterampilan Juggling Freestyle Soccer

2.5.2 Wawancara... 21

2.5.3 Pengamatan (Observation)... 21

2.5.4 Tes (Test)... 21

2.6 Populasi dan Sampel... 22

2.6.1 Teknik Sampling...………... ₂₂

2.7 Uji Validitas dan Uji Reabilitas... 26

2.7.1 Uji Validitas...……... 26

2.7.2 Uji Reabilitas... 26

2.8 Data Mining... 27

2.8.1 Klasifikasi ... 28

2.8.2 Decision Tree... 29

2.8.2 Chi-squared Automatic Interaction Detection... 30

BAB III METODE CHAID EXHAUSTIVE... 31

3.1 CHAID Exhaustive... 31

3.2 Variabel-variabel dalam Metode CHAID Exhaustive... 31

3.3 Algoritma CHAID Exhaustive... 32

3.3.1 Tahap Penggabungan (Merging)... 32

3.3.2 Tahap Pemisahan (Spliting)... 33

3.3.3 Tahap Penghentian (Stoping)... 34

3.4 Uji Chi-Square... ₃₆

3.5 Uji Hipotesis ... 38

3.6 Tingkat Signifikan dan P-value...………... 40

3.7 Koreksi Bonferroni... 41

BAB IV HASIL PENELITIAN DAN PEMBAHASAN ... 43

4.1 Gambaran Umum Objek Penelitian... 43

4.1.1 Sejarah PT. Bank Negara Indonesia (Persero) Tbk ... 43

4.1.2 Produk dan Jasa... 44

4.1.3 Visi, Misi dan Value... 46

4.2 Penentuan Variabel Penelitian ... 46

4.2.1 Definisi Operasional Variabel...….……..……… ₄₆

4.3 Uji Validitas………... 50

4.4 Uji Reabilitas... 51

4.5 Deskripsi Responden... 52

4.6 Analisis Data dengan metode CHAID Exhaustive... 73

BAB V KESIMPULAN DAN SARAN ... 81

5.1 Kesimpulan ... 81

5.2 Saran ... 81

DAFTAR PUSTAKA ... 82

(8)

(9)

BAB I PENDAHULUAN

1.1Latar Belakang

Meningkatnya perekonomian di Indonesia mengakibatkan terjadinya

persaingan antar bank, khususnya pada sektor nasabah perbankan. Hal ini

mengakibatkan banyaknya perbankan yang menawarkan berbagai macam

keunggulan baik dari segi teknologi, produk yang berkualitas, kemudahan dan

kesederhanaan prosedur perbankan yang bertujuan untuk menarik minat nasabah.

Perkembangan teknologi informasi dan komunikasi memberikan dampak

positif bagi perbankan diantaranya mempermudah dalam memberikan pelayanan

kepada para nasabah. Bank-bank dan institusi keuangan telah meningkatkan

fungsi mereka sebagai perantara finansial melalui pengadopsian berbagai macam

teknologi informasi (Chang et al 2002). Salah satu dari bermacam teknologi

perbankan adalah layanan Internet Banking yang merupakan periode dari

perantaraan keuangan melalui internet.

Aplikasi teknologi informasi dalam Internet Banking akan meningkatkan

efisiensi, efektifitas, dan produktifitas sekaligus meningkatkan pendapatan

melalui sistem penjualan yang jauh lebih efektif. Lee dan Lee (2001)

mengindikasikan bahwa Internet Banking memudahkan para nasabah untuk

mengakses akun bank, biaya servis yang lebih rendah dan menghemat waktu.

Sedangkan menurut Chang (2002) menyatakan bahwa Internet Banking memiliki

biaya transaksi yang murah dan layanan kecepatan tinggi jika dibandingkan

dengan layanan perbankan lainnya.

Menurut Maharsi dan Yuliani (2007) keinginan menggunakan internet

banking dipengaruhi oleh TAM (Technology Acceptance Model) yang

dikemukakan oleh Fred D. Davis. TAM merujuk pada sikap pengguna terhadap

penerimaan teknologi informasi yang dikembangkan menjadi persepsi

(10)

2

Indra Sholehudin, 2014

menggunakan empat konstruk utama, yaitu perceived usefulness, perceived ease

of use, attitude toward behavior atau attitude toward using technology dan

behavioral intention (Davis, 1989). Seiring dengan kemajuan teknologi,

pengembangan penelitian mengenai TAM banyak dilakukan terhadap

faktor-faktor lain yang bisa berpengaruh terhadap sikap konsumen tersebut seperti:

Curran dan Meuter (2005) dengan menambah dua variabel yaitu Need for

Interaction dan Risk (Risiko). Luarn dan Lin (2005) menemukan bahwa faktor

Perceived Cost (biaya) memiliki pengaruh terhadap sikap konsumen. Faktor lain

yang ditemukan mempengaruhi sikap konsumen adalah Compatibilitiy

(Kompatibilitas) oleh Moore dan Benbasat (2001). Penelitian oleh Wang et al

(2003) menyebutkan Perceived Credibility (Kredibilitas) yang dintegrasikan

dengan Customer Attitude mengarah pada faktor yang mempengaruhi konsumen.

Nasabah pengguna layanan Internet Banking yang bervariasi dapat

dikelompokan menjadi segmen-segmen berdasarkan karakteristik tertentu.

Segmentasi ini merupakan hal yang perlu dilakukan untuk menyusun suatu

rencana pemasaran di sektor perbankan, khususnya mengenai layanan Internet

Banking. Untuk mengetahui faktor-faktor yang mempengaruhi nasabah

menggunakan layanan Internet Banking dapat dilakukan dengan menggunakan

metode klasifikasi. Metode klasifikasi merupakan suatu proses untuk

mengelompokan suatu data menjadi kelompok-kelompok yang lebih kecil.

Metode klasifikasi dalam penelitian ini digunakan untuk mengetahui

kelompok-kelompok nasabah yang memilih menggunakan layanan Internet Banking.

Apabila telah diketahui kelompok-kelompok nasabah yang memilih layanan

Internet Banking, maka pihak bank dapat memilih kelompok-kelompok mana saja

yang tepat sebagai pangsa pasar dari produk yang mereka tawarkan.

Salah satu metode dalam teknik klasifikasi adalah metode CHAID

(Chi-Squared Automatic Interaction Detection). Metode CHAID pertama kali

diperkenalkan oleh Dr. G.V. Kass pada tahun 1980 dalam sebuah artikel yang

(11)

3

Indra Sholehudin, 2014

Categorial Data” dalam buku Applied Statistics. Metode CHAID umumnya

dikenal sebagai metode pohon klasifikasi (Classification Tree Method).

Metode CHAID membagi data menjadi kelompok-kelompok yang lebih

kecil berdasarkan keterkaitan antara variabel dependen dengan variabel

independen. Metode CHAID digunakan ketika data yang dipakai adalah data

dengan variabel-variabel kategorik.

Menurut Gallagher (2000) metode CHAID lebih tepat digunakan untuk

data dengan variabel penjelas sebanyak tiga atau empat kategori, sedangkan untuk

variabel penjelas dengan kategori lebih dari empat sebaiknya menggunakan

metode CHAID Exhaustive. Metode CHAID Exhaustive diperkenalkan oleh D.

Biggs et al. (1991) dimana metode ini merupakan evaluasi atas metode CHAID

(Kass, 1980) untuk penyesuaian Bonferroni dengan jumlah kategori lebih besar

dari empat kategori dari variabel penjelas.

Metode CHAID Exhaustive mengemukakan prosedur penyekatan dengan

cara melihat seluruh kemungkinan penggabungn dari pasangan kategori secara

bertahap hingga hanya tersisa dua kategori. Prosedur ini memberikan perhitungan

nilai pengali Bioferroni yang lebih kecil, sehingga memberikan tipe kesalahan I

yang tak terlampau kecil dan berakibat jenis kesalahan II tak terlampau besar.

Pada studi kasus dalam skripsi ini, variabel dependen yang digunakan

adalah kategori nasabah pengguna layanan Internet Banking. Variabel demografi

adalah jenis kelamin, usia, tingkat pendidikan, pekerjaan, pendapatan dan

rekening tabungan yang digunakan.. Berdasarkan model TAM dalam layanan

internet banking maka variabel independen pada penelitian ini adalah sebagai

berikut kegunaan (Usefulness), kemudahan penggunaan (Ease of Use),

kesesuaian gaya hidup (Compatibility), kredibilitas bank (Credibility),

kemampuan diri (Self-Efficacy), risiko penggunaan (Risk), biaya penggunaan

(12)

4

Indra Sholehudin, 2014

Berdasarkan uraian tersebut penulis tertarik untuk meneliti lebih jauh

tentang metode CHAID Exhaustive disektor perbankan dengan judul

“PENERAPAN ALGORITMA CHAID EXHAUSTIVE UNTUK

MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI

NASABAH DALAM MENGGUNAKAN LAYANAN INTERNET

BANKING”

1.2 Batasan Masalah

Dalam skripsi ini memiliki batasan masalah sebagai berikut:

1. Penelitian ini, dibatasi hanya mengenai permasalahan yang berkaitan dengan

layanan internet banking.

2. Responden pada penelitian ini dibatasi hanya pada nasabah Bank BNI cabang

Tamansari Bandung.

3. Program komputer yang digunakan adalah program SPSS versi 20.

1.3 Rumusan Masalah

Berdasarkan latar belakang yang telah dijelaskan, maka rumusan

permasalahaan pada skripsi ini adalah sebagai berikut

1. Bagaimana cara menerapkan algoritma CHAID Exhaustive untuk menentukan

faktor-faktor yang mempengaruhi nasabah menggunakan layanan Internet

Banking?

2. Faktor-faktor apa saja yang mempengaruhi nasabah dalam menggunakan

layanan Internet Banking di bank BNI cabang Tamansari Bandung?

1.4Tujuan Penulisan

Berdasarkan rumusan permasalahan yang telah dikemukakan sebelumnya,

(13)

5

1. Mengetahui bagaimana cara menerapkan algoritma CHAID Exhaustive untuk

menentukan faktor-faktor yang mempengaruhi nasabah menggunakan layanan

Internet Banking.

2. Mengetahui faktor-faktor apa saja yang mempengaruhi nasabah dalam

menggunakan layanan Internet Banking di bank BNI cabang Tamansari

Bandung.

1.5 Manfaat Penulisan

Manfaat dari skripsi ini adalah sebagai berikut:

1. Manfaat Teoritis

Hasil penelitian ini diharapkan dapat meningkatkan pemahaman mengenai

metode klasifikasi, khususnya metode CHAID Exhaustive.

2. Manfaat Praktis

Informasi yang diperoleh dari penelitian ini diharapkan dapat memberikan

kontribusi praktir dan bermanfaat bagi dunia perbankan, kususnya bank BNI

untuk dapat merumuskan strategi pemasaran guna mempertahankan

keunggulan kompetitif layanan internet banking BNI dan mengembangkan

(14)

Indra Sholehudin, 2014

BAB III

METODE CHAID EXHAUSTIVE

3.1CHAID Exhaustive

Metode CHAID Exhaustive dikemukakan oleh D. Biggs et al. (1991) yang

merupakan evaluasi dari metode sebelumnya yaitu CHAID (Kass, 1980) untuk

penyesuaian bonferroni pada jumlah kategori lebih besar dari empat kategori dari

peubah penjelas.

Metode CHAID Exhaustive mengemukakan prosedur penyekatan dengan

cara melihat seluruh kemungkinan penggabungan dari pasangan kategori, secara

bertahap hingga tersisa dua kategori. Prosedur ini memberikan perhitungan nilai

pengali boneferroni yang lebih kecil, sehingga memberikan tipe kesalahan I yang

tak terlampau kecil dan berakibat jenis kesalahan II tak terlampau besar. Oleh

karena itu, hal ini menjamin bahwa kategori yang tersisa merupakan gabungan

kategori yang paling nyata (Biggs, 1991).

3.2Variabel-Variabel dalam Metode CHAID Exhaustive

Variabel yang digunakan dalam metode CHAID Exhaustive terdiri atas

variabel dependen dan variabel independen. Metode klasifikasi dalam CHAID

Exhaustive dilakukan berdasarkan pada hubungan yang ada antara kedua variabel

tersebut. Gallagher (2002) menunjukkan bahwa CHAID akan membedakan

variabel–variabel independennya menjadi tiga bentuk berbeda, yaitu:

1. Monotonik

Kategori-kategori pada variabel monotonik dapat digabungkan, hanya jika

keduanya berdekatan satu sama lain, yaitu variabel-variabel yang kategorinya

mengikuti urutan aslinya (data ordinal). Contohnya adalah: usia dan pendapatan.

(15)

32

Kategori-kategori pada variabel bebas dapat dikombinasikan atau

digabungkan walaupun keduanya berdekatan atau tidak satu sama lain (data

nominal). Contohnya adalah: pekerjaan, kelompok, etnik dan area geografis.

3. Mengambang (floating)

Kategori-kategori pada variabel mengambang dapat diperlakukan sama

seperti layaknya variabel monotonik kecuali untuk kategori terakhir yaitu missing

value, yang dapat dikombinasikan atau digabungkan dengan kategori manapun.

3.3Algoritma CHAID Exhaustive

Secara garis besar algoritma CHAID Exhaustive mempunyai tiga tahapan

yaitu tahap penggabungan (Merging), tahap pemisahan (Spliting) dan tahap

penghentian (Stoping). Diagram pohon pada algoritma CHAID Exhaustive

dimulai dari simpul akar (root simpul) melalui tiga tahapan penggabungan,

pemisahan dan enghentian pada setiap simpul yang terbentuk dan secara

berulang.

3.3.1 Tahap Penggabungan (Merging)

Tahap pertama dalam algoritma CHAID Exhaustive adalah tahap

penggabungan. Pada tahap ini hal yang dilakukan yaitu memeriksa signifikansi

dari masing-maasing kategori pada variabel independen. Kemudian

kategori-kategori yang tidak signifikan akan digabungkan. Tahap penggabungan untuk

setiap kategori-kategori yang tidak signifikan adalah sebagai berikut:

1) Membentuk tabel kontingensi dua arah untuk masing-kategori.

2) Menghitung statistik chi-square untuk setiap pasang kategori yang dapat

dipilih untuk digabungkan menjadi satu. Prosedur pengujian chi-square

adalah sebagai berikut:

(16)

33

Indra Sholehudin, 2014

H0 = Tidak terdapat hubungan antara variabel independen dengan variabel

dependen.

H1 = Terdapat hubungan antara variabel independen dengan variabel

dependen

b. Menentukan taraf signifikansi (α) yaitu = 0.05

c. Menentukan nilai 0.05; (b-1)(k-1) dengan menggunakan tabel chi-square.

d. Menentukan statistik uji, yaitu

e. Menentukan daerah penolakan, yaitu 0.05; (b-1)(k-1) atau p-value < α

f. Mengambil kesimpulan:

1. Apabila termasuk ke dalam daerah penolakan, maka H0 ditolak

2. Apabila tidak termasuk ke dalam daerah penolakan, maka H0

diterima

3) Selanjutnya adalah menentukan nilai p-value berpasangan secara bersamaan,

untuk masing-masing nilai chi-square yang berpasangan. Untuk pasangan

kategori yang tidak signifikan, hal yang dilakukan adalah menggabungkan

sebuah pasangan kategori yang paling mirip (yaitu pasangan yang

mempunyai nilai chi-square berpasangan terkecil dan p-value terbesar)

menjadi sebuah kategori tunggal dan kemudian lanjutkan ke langkah nomor

selanjutnya.

4) Memeriksa kembali kesignifikansian kategori baru setelah digabungkan

dengan kategori lainnya. Jika masih ada pasangan yang belum signifikan,

ulangi langkah nomor 3. Jika semua signifikan lanjutkan ke tahapan

selanjutnya.

3.3.2 Tahap Pemisahan (Splitting)

Langkah pemisahan dipergunakan untuk memilih kategori mana yang

(17)

34

dengan cara membandingkan nilai p-value yang diperoleh dari tahap

penggabungan pada setiap kategori. Tahap pemisahan adalah sebagai berikut:

1) Memilih variabel independen yang memiliki nilai p-value terkecil, yang akan

digunakan sebagai split node.

2) Jika nilai p-value alpha, maka variabel independen dilakukan pemisahan.

Jika tidak ada variabel independen yang mempunyai nilai p-value signifikan

maka lanjutkan ke tahap selanjutnya dan variabel independen tersebut

menjadi simpul akhir.

3.3.3 Tahap Pengehentian (Stoping)

Tahap penghentian dilakukan jika suatu proses pertumbuhan pohon harus

dihentikan sesuai dengan peraturan penghentian di bawah ini:

1) Tidak ada variabel independen yang signifikan menunjukkan perbedaan

terhadap variabel dependen.

2) Jika pohon telah mencapai batas nilai maksimum, maka proses pertumbuhan

pohon akan dihentikan. Misalkan telah di tetapkan bahwa batas ke dalaman

pertumbuhan pohon klasifikasi adalah 3, maka ketika pertumbuhan pohon

sudah mencapai ke dalaman 3, pertumbuhan pohon klasifikasi dihentikan.

Untuk lebih jelasnya mengenai langkah-langkah dari perhitungan pada

algritma CHAID Exhaustive, dapat dilihat pada gambar 3.1 gambar alur

(18)

35

Indra Sholehudin, 2014

Melakukan uji hipotesis dengan metode chi-square pada setiap pasangan kategori dari variabel prediktor

Mulai

Menentukan nilai

dan

Membuat tabulasi antara kategori prediktor (kolom) dan kategori variabel penjelas

Membandingkan p-value

dengan

p-value <

Menyesuaikan p-value dengan

Bonferroni Adjusment

Memilih variabel prediktor dengan

p-value penyesuaian terkecil

Membandingkan p-value penyesuaian Menggabungkan

pasangan kategori

Tidak

Ya

Tidak

Ya

Jumlah kategori variabel prediktor > 2

(19)

---36

Gambar 3.1. Algoritma CHAID Exhaustive 3.4 Uji Chi-Square

Uji Chi-Square digunakan untuk menentukan apakah ada perbedaan yang

signifikan antara frekuensi yang diharapkan dengan frekuensi hasil observasi dari

satu atau lebih kategori. Tabel kontingensi adalah analisis data untuk melihat

hubungan antara beberapa variabel dalam satu tabel. Variabel yang dianalisis

merupakan variabel kategorikal, yang memiliki skala nominal atau ordinal.

Penentuan profil segmen/cluster diperoleh dari hasil tabel kontingensi dua arah.

Secara umum tabel disajikan sebagai berikut:

Tabel 3.1 Tabel Kontingensi Dua Arah Kolom

(20)

37

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu 1 2 . . . R n11 n21 . . . nr1 n12 n22 . . . nr2 ... ... ... ... ... ... n1c n2c . . . nrc n1, n2, . . . n1,

Total n.1 n.2 ... n.c N

Statistik uji yang digunakan adalah chi-Square sebagai berikut (Agresti,

2002)

dengan derajat bebas : (r-1)(c-1)

Oij : observasi baris ke-i dan kolom ke-j

: frekuensi harapan baris ke-i dan kolom ke-j

r : banyaknya baris

c : banyaknya kolom

Untuk menghitung frekuensi harapan masing-masing sel digunakan rumus

sebagai berikut:

di mana, : jumlah baris ke-i

: jumlah kolom ke-j

(21)

38

Indra Sholehudin, 2014

Pengujian dilakukan dengan membandingkan nilai hitung dengan nilai

tabel dengan derajat bebas adalah (r-1)(c-1) untuk tabel ukuran (r x c). Jika

nilai hitung lebih besar dari nilai tabel, maka diputuskan hipotesis awal

ditolak. Nilai koefisien kontingensi yang diperoleh berkisar antara 0 dan 1. Nilai

perhitungan uji Chi-Square harus memenuhi syarat maksimal 20% dari jumlah

sel yang ada memiliki nilai ekspektasi harapan tiap sel kurang dari 5, data yang

tidak memenuhi asumsi di atas digunakan uji fisher’s exact.

Tabel 3.2 Probabilitas Kejadian Kolom

baris 1 2 ... c Total

1 2 . . . R p11 p21 . . . pr1 p12 p22 . . . pr2 ... ... ... ... ... ... p1c p2c . . . prc p1, p2, . . . p1,

Total p.1 p.2 ... p.c P

Dalam pengambilan keputusan ditolak jika masuk ke dalam daerah

penolakan. Sebaliknya diterima jika tidak masuk ke dalam daerah

penolakan.

3.5 Uji Hipotesis

Uji hipotesis merupakan bagian yang sangat penting dalam statistika

inferensi. Hipotesis yang bersifat statistik sebetulnya dapat diartikan sebagai suatu

asumsi mengenai parameter fungsi frekuensi variabel random. Uji hipotesis

merupakan suatu prosedur untuk menentukan apakah suatu hipotesis diterima atau

(22)

39

Indra Sholehudin, 2014

Hipotesis yang digunakan untuk melakukan pengujian adalah hipotesis nol

dan hipotesis alternatif Hipotesis nol merupakan hipotesis yang akan

diuji dan nantinya akan diterima atau ditolak tergantung pada hasil eksperimen.

Hipotesis nol menampilkan suatu teori yang dipercaya kebenarannya atau karena

digunakan sebagai dasar argumen, namun belum terbukti. Hipotesis alternatif

merupakan pernyataan berupa apa yang uji hipotesis statistik munculkan di mana

hipotesis alternatif akan diterima jika hasil eksperimen menolak .

Pada algoritma CHAID Exhaustive, uji hipotesis dilakukan pada saat

penggabungan variabel independen dan pembagian simpul. Hipotesis nol pada

penggabungan variabel independen adalah pasangan variabel independen tidak

memiliki perbedaan dalam memberi pengaruh pada variabel target, sehingga dapat

digabungkan menjadi susunan tunggal. Sementara yang menjadi hipotesis

alternatif adalah keadaan di mana hipotesis nol ditolak, yaitu pasangan variabel

memiliki perbedaan dalam memberikan pengaruh pada variabel target, sehingga

tidak dapat digabungkan. Pada saat pembagian simpul yang menjadi hipotesis nol

adalah kategori-kategori yang ada di dalamnya bersifat homogen, sehingga

simpul tidak perlu dibagi. Sementara hipotesis alternatifnya berupa keadaan yang

menolak hipotesis nol, yaitu kategori-kategori yang terdapat pada simpul tersebut

bersifat heterogen, sehingga terjadi pembagian simpul.

Hasil uji hipotesis ini dinyatakan dalam tingkat signifikansi. Signifikansi

merupakan istilah statistik untuk menyatakan seberapa yakin hubungan atau

perbedaan yang ada antar variabel. Apabila uji hipotesis menunjukkan hasil

menerima hipotesis nol, maka tidak terdapat perbedaan yang signifikan antara

data yang diuji terhadap hipotesis yang ada. Jika uji hipotesis menerima hipotesis

alternatif, maka terdapat perbedaan yang signifikan antara data yang diuji dengan

hipotesis, sehingga hipotesis alternatif diambil sebagai kesimpulan dari hasil uji

(23)

40

Indra Sholehudin, 2014

Dalam uji hipotesis terdapat dua jenis kesalahan yang mungkin terjadi.

Kesalahan tipe I (α) adalah kesalahan yang terjadi ketika menolak hipotesis nol, di mana hipotesis tersebut benar. Sedangkan kesalahan tipe II (β) adalah kesalahan

yang terjadi ketika menerima hipotesis nol, di mana hipotesis tersebut salah.

Tabel 3.3 Uji Hipotesis

Keputusan

Menolak H0 Menerima H0

Kebenaran

H0 Kesalahan tipe I

Keputusan yang

benar

H1

Keputusan yang

benar Kesalahan tipe II

Terdapat dua jenis uji pada uji hipotesis, yaitu uji satu arah dan uji dua

arah. Pada uji satu arah, nilai-nilai yang ada ketika menolak hipotesis nol berada

seluruhnya di satu arah, nilai-nilai yang ada ketika menolak hipotesis nol berada

seluruhnya di satu arah distribusi probabilitas. Sementara uji dua arah, nilai-nilai

yang ada ketika menolak hipotesis nol berada seluruhnya di kedua arah distribusi

probabilitas. Hal ini dapat dilihat melalui gambaran berikut ini:

UJI SATU ARAH

(24)

41

Indra Sholehudin, 2014

3.6 Tingkat Signifikan dan P-value

Tingkat signifikan (α) merupakan probabilitas tertentu menolak hipotesis

nol ketika hipotesis tersebut benar. Tingkat signifikan ini adalah kesalahan tipe I

yang ditentukan oleh investigator yang berhubungan dengan konsekuensi

terjadinya kesalahan. Tingkat signifikan yang paling sering digunakan adalah 0,05

(5%).

Nilai probabilitas (p-value) dari uji hipotesis statistik adalah besarnya

peluang melakukan kesalahan apabila kita memutuskan untuk menolak hipotesis

nol (Kurniawan, 2008).

Gambar 3.2. Uji Hipotesis Satu Arah pada α = 0,05

Dalam hal ini apabila p-value < α, maka uji hipotesis menunjukkan

menolak hipotesis nol, dan sebaliknya apabila p-value > α, maka uji hipotesis

menunjukkan menerima hipotesis nol. Hal ini menunjukkan, p-value yang

semakin mendekati nol, maka akan cenderung menolak hipotesis nol. Demikian

pula sebaliknya, p-value yang semakin mendekati angka satu, maka cenderung

menerima hipotesis nol.

α = 0,05

z Reject

z = 1,645

(25)

42

Indra Sholehudin, 2014

Gambar 3.3 Uji Hipotesis Dua Arah pada α = 0,05

3.7 Koreksi Bonferroni

Koreksi Bonferroni merupakan penyesuaian statistik untuk perbandingan

berganda. Dalam menguji n kejadian atau perbandingan dari n variabel, nilai

tingkat signifikan akan dibagi dengan n. Pengujian akan dilakukan pada nilai α

yang sudah dibagi tersebut. Dengan demikian akan menjamin, bahwa keseluruhan

kesepakatan untuk terjadinya kesalahan tipe I masih kurang dari nilai α.

Koreksi Bonferroni juga dapat diterapkan dengan menyesuaikan p-value.

Hal ini dilakukan dengan mengalikan sejumlah kejadian yang akan diuji. Jika

p-value yang telah disesuaikan ini lebih besar dari 1,0 maka akan dibulatkan ke

bawah menjadi 1.

Koreksi Bonferroni pada algoritma CHAID Exhaustive digunakan untuk

penyesuaian p-value dari variabel prediktor yang telah terjadi pengurangan

kategori. Penyesuaian ini dilakukan dengan melakukan pengalian antara p-value 0

-1,96 1,96

Normal Probability

This right area shaded dark blue is ,025 of the total area under the curve This left area

(26)

43

Indra Sholehudin, 2014

sebelum terjadi pengurangan kategori dengan pengali Bonferroni. Jika jumlah

kategori semula adalah c, dan jumlah kategori setelah terjadi penggabungan

adalah r, maka nilai pengali bonferroni yang diberikan oleh CHAID Exhaustive

adalah sebagai berikut:

Dalam metode ini penggabungan dilakukan bertahap sejak langkah ke k =

1 hingga tersisa dua kategori pada k = c-2, maka

di mana untuk:

1. Variabel ordinal:

2. Variabel nominal:

3. Variabel mengambang:

Jika kategori mengambang tidak dapat digabungkan maka koefisien

Bonferroni sama dengan penyesuaian Boferroni pada skala ordinal:

Jika kategori mengambang dapat digabungkan aka koefisien Benforroni

untuk tipe ini sama dengan koefisien Bonferroni tanpa kategori mengambang

(c-1 kategori) untuk skala ordinal ditambah jumlah gabungan bila kategori

(27)

Indra Sholehudin, 2014

BAB V

KESIMPULAN DAN SARAN 5.1 Kesimpulan

Berdasarkan hasil penelitian ini dapat disimpulkan;

1. Metode klasifikasi CHAID Exhaustive dapat digunakan untuk menentukan

faktor-faktor yang mempengaruhi nasabah menggunakan layanan internet

banking. Prediksi yang dihasilkan yaitu untuk kategori tidak menggunakan

internet banking sebanyak 52 responden. Kategori menggunakan layanan

internet banking sebanyak 65 responden. dengan percent correct keseluruhan

sebesar 90%, hal ini menunjukkan bahwa model ini dapat digunakan untuk

memprediksi dengan baik.

2. Faktor-faktor yang berpengaruh secara signifikan terhadap keputusan nasabah

untuk menggunakan layanan internet banking berdasarkan metode klasifikasi

CHAID Exhaustive di antaranya yaitu; Saya terbiasa menggunakan internet

banking (IB); Internet banking (IB) dapat meningkatkan produktivitas kerja

saya; Menggunakan internet banking (IB) tidak beresiko kebocoran data; Saya

merasa senang dapat menggunakan internet banking (IB); Internet banking

(IB) membantu dalam menyelesaikan pekerjaan saya.

5.2 Saran

Berdasarkan hasil penelitian ini, diberikan beberapa saran sebagai berikut;

1. Metode klasifikasi yang digunakan dalam penelitian ini adalah metode CHAID

Exhaustive, peneliti selanjutnya dapat membandingkan dengan metode

klasifikasi yang lain seperti CART, Neural Network (NN), dan Multivariate

Adaptive Regression Spline (MARS).

2. Pada penelitian selanjutnya dapat menambahkan faktor-faktor pengaruh lain

yang belum diteliti pada penelitian ini.

3. Kegunaan dari pohon klasifikasi masih sangat lua dan dapat dikembangkan

(28)

Indra Sholehudin, 2014

DAFTAR PUSTAKA

Acceptance Model. Jurnal Akuntansi dan Keuangan. Vol. 9. No. 1. pp. 18-28

Agresti, A. (2002). Categorical Data Analysis. New York: John Wiley & Sons Inc.

and Doctor’s Reputation Towards Doctor Services. Pak J Medical science,

Anthony, R.N., David F. Hwkins, Kenneth A. Merchant. (2011). Edisi 13. Accounting : Text and Cases. Singapore : MoGraw-Hill.

Arid Environments, 72, 24–33.

Arikunto, Suharsimi, 2006. Prosedur Penelitian: Suatu Pendekatan Praktek Edisi Revisi, PT. Rineka Cipta, Jakarta.

Biggs, D., De Ville, B., & Suen, E. (1991). A method of choosing multiway partitions for classification and decision trees. Journal of Applied

Statistics, 18, 49-62.

Bumi Aksara.

Chang, Tina, Yoonhee, 2002, “Dynamics of Internet Banking Adoption”, ESRC

Centre For Competition Policy, University of East Anglia

Churchill, Gilbert A. (2005). Dasar-dasar Riset Pemasaran, jilid 1. Erlangga, Jakarta.

Compeau, D., dan Higgins, Christopher A. (1995). Computer Self-Efficacy: Development of a Measure and Initial Test.. MIS Quarterly, Vol. 19, No.2, Hal. 189-211.

Curran, J. and Meuter, M.(2005) Self-Service Technology Adoption: Comparing Three Technologies, Journal of Services Marketing, 19(2), pp.103-13.

Davis, F.D. (1989). Perceived Usefulness, Perceived Ease of Use, and User

Acceptance of Information Technology , Management Information System Quarterly, Vol.13, No.3, September 1989.

December Vol.27, No.5.

Dendawijaya, 2008. Manajemen Perbankan. Jakarta: Ghalia Indonesia.

(29)

83

Indra Sholehudin, 2014

Engel JF et al. 1994. Perilaku Konsumen. (Edisi keenam, jilid I), Terjemahan. FX Budyanto. Jakarta: Binarupa Aksara.

Ferdinand, Augusty. 2002. Structural Equation Modelling dalam Penelitian

Manajemen. Semarang:FE UNDIP.

Fitzsimmons, J.A. and Fitzsimmons, M.J. (2000). Service Management :

Operation, Strategy and Information Technology, 3rd edition, McGraw-Hill International, USA. [P243]

Gallagher, C. A. (2000). An Iterative Approach to Classification Analysis. www.casact.org/library/ratemaking/90dp237.pdf ( 09 Juni 2013)

Gilbert A. Churchill, JR., Basic Marketing Research: Third Edition, The Dryden Press, Orlando. 1996. Hal. 390.

Glenn A. Growe, Comparing Algorithm and Clustering Data: Component of the

Data Mining Process, MSc Thesis, Departement of Computer Science and

Information System Grand Valley State University, 1999, p.6.

Graham, A. (1999), Regulatory Perspective on Banking and the Internet, Texas Banking, volume 88, no.12, p.30.

Han Jiawei, Kamber Micheline, Pei Jian. 2012. Data Mining: Concept and Technique. 3rd edition.

Hansen Flemming, (1972), Consumer Behavior: A Cognitive Behavior Theory. Hasibuan, Malayu S. P. 2008. Manajemen Sumber Daya Manusia. Jakarta: PT. Hermawati, Fajar. 2013. Data Mining.Andi

http://www.klik-galamedia.com/layanan-internet-banking-dan-sms-akan-populer

Hubbard, Glenn R. (2000), Factors that are Influence Interest Rate, Economics

Januarti, Indira dan Dini Apriyanti, 2005. Pengaruh Tanggung Jawab Sosial Perusahaan Terhadap Kinerja Keuangan. Jurnal MAKSI. Vol 5, No. 2 Agustus : 227-243.

Kasmir, 2008, Manajemen Perbankan, edisi revisi, cetakan kedelapan, Penerbit : Grafindo Persada, Jakarta

Kasmir. 2012. Bank dan Lembaga Keuangan Lainnya.

(30)

84

Indra Sholehudin, 2014

Kinnear, Thomas C, dan Taylor, James R., (1998).Riset Pemasaran, Edisi tiga, Jakarta: Erlangga

Kotler, P & Keller, K. L (2010). (Edisi Ketigabelas). Manajemen Pemasaran. Jakarta: Erlangga.

Kuncoro, Mudrajad, 2003. Metode Riset untuk Bisnis dan Ekonomi. Penerbit Erlangga, Jakarta.

Kurniawan, Deny. 2008. Regresi Linier (Linear Regression): Forum Statistika.

Lee, C.H., Lin, C.R. dan Chen, M.S., 2001, On Mining General Temporal Association Rules in a Publication Database, Proceedings IEEE

International Conference on Data Mining, ICDM, San Jose – California, pp. 337 – 344

Lehmann, T. Dan Eherler, D. 2001. Responder Profiling with CHAID and

Dependency Analysis.

www.informatik.uni-freiburg.de/~ml/ecmlpkdd/WS-Proceeding/w10/lehmann.pdf

Levin, R.I., dan Rubin, D.S. (1998), Statistics for Management, 7th edition, Loh W.-Y, Shih Y.-S. 1997. Classification Trees With Unbiased Multiway Splits.

Statistica Sincia

Loudon, David and J. Della Bitta. (19930. Consumer Behaviour : Concept and Aplications. 4th Edition. New York : Mc. Graw Hill.

Loudon, David L. dan Albert J. Della Bitta. (1993). Consumer Behavior. 4th ed. McGraw Hill.

Luarn, Pin dan Hsin-Hui Lin. 2005. Toward an Understanding Of The Behavioral Intention to Use Mobile Banking . Elsevier. Journal of Computers in

Human Behavior, 21, 873-891.

Lukman, Dendawijaya, 2008, Manajemen Perbankan, cetakan pertama, Penerbit : Ghalia Indonesia, Jakarta.

Maharsi, Sri. dan Yuliani. 2007. Faktor-faktor yang mempengaruhi Minat Nasabah

Malayu S.P. Hasibuan.2008.Dasar-Dasar Perbankan.Jakarta : Bumi Aksara.

Menggunakan Internet Banking dengan menggunakan Kerangka Technology

(31)

85

Indra Sholehudin, 2014

Moore, G.C., and Benbasat, I. 1991. Development of an instrument to measure the

perceptions of adopting an information technology innovation.

Information SystemsResearch, 2,3, pp.192-221

New York: The Free Press.

Pavlou, P., A. 2003. Consumer Acceptance of Electronic Commerce: Integrating Trust and Risk with The Technology Acceptance Model. International

Journal of Electronic Commerce. Volume 7(3), pp. 69–103.

Prentice Hall, Englewood Cliffs, NJ.

R. Gunawan S, 2005, Analisis Regresi Linear Ganda dengan SPSS, Edisi I.

Riduwan. (2011). Skala Pengukuran Variabel-Variabel Penelitian. Bandung: Alfabeta.

Rogers, E.M, 1995. “Diffusion Of Innovation”, 4th Edition. New York: Free

Press.

Salomon, M.R.(2009). Consumer Behavior (9th ed.).New Jersey: Pearson

Education.

Sugiyono. 2008.Statistik Untuk Penelitian. Bandung: Alpabeta.

Suki, N.M. (2011) Assessing Patient Satisfaction, Trust, Commitment, Loyalty, Umar, Sekaran. 2000. Metode Penelitian Untuk Bisnis. Edisi Keempat.

Penerjemah: Kwan Men Yon. Penerbit Salemba Empat, Jakarta.

Undang-Undang Nomor 10 tahun 1998 tentang Perubahan atas Undang-Undang Nomor 7 Tahun 1998 tentang Perbankan

Universitas Pendidikan Indonesia. (2012). Pedoman Penulisan Karya Ilmiah. Bandung: UPI Press.

Wang et al. 2010. A new diagnostic algorithm for vascular cognitive impairment: The proposed criteria and evaluation of is reability and validity. Chin Med J.

Wenninger, E.J., and Inouye R.S., 2008. Insect Community Response to Plant William J. Stanton . 1981. Fundamentals of Marketing. New York : Mc. Graw