PREFERENSI PENGGUNA KARTU PRABAYAR GSM PADA MAHASISWA UNIVERSITAS SEBELAS MARET (UNS) SURAKARTA MENGGUNAKAN ANALISIS KONJOIN

(1)

perpustakaan.uns.ac.id digilib.uns.ac.id

commit to user

i SKRIPSI

PREFERENSI PENGGUNA KARTU PRABAYAR GSM PADA MAHASISWA UNIVERSITAS SEBELAS MARET (UNS) SURAKARTA MENGGUNAKAN

ANALISIS KONJOIN yang disiapkan dan disusun oleh

AFNI NURFITA

NIM. M0105019

dibimbing oleh

Pembimbing I

Dra. Etik Zukhronah, M.Si

NIP. 19661213 199203 2 001

Pembimbing II

Drs. H. Tri Atmojo K, M.Sc. Ph.D

NIP. 19630826 198803 1 002

telah dipertahankan di depan Dewan Penguji

pada hari Rabu, tanggal 02 Pebruari 2011

dan dinyatakan telah memenuhi syarat

Anggota Tim Penguji

1. Dra. Yuliana Susanti, M.Si

NIP 19611219 198703 2 001

2. Winita Sulandari, M.Si

NIP. 19780814 200501 2 002

3. Dra. Diari Indriati, M.Si

NIP.19610112 198811 2 001

Tanda Tangan

1.

2.

3.

Surakarta, Pebruari 2011

Disahkan oleh

Fakultas Matematika dan Ilmu Pengetahuan Alam

Dekan,

Prof. Drs. Sutarno, M.Sc. Ph.D

Ketua Jurusan Matematika,

(2)

commit to user

ii

(3)

commit to user

i

PREFERENSI PENGGUNA KARTU PRABAYAR GSM PADA MAHASISWA UNIVERSITAS SEBELAS MARET (UNS) SURAKARTA

MENGGUNAKAN ANALISIS KONJOIN

oleh

AFNI NURFITA NIM. M0105019

SKRIPSI

ditulis dan diajukan untuk memenuhi persyaratan

memperoleh gelar Sarjana Sains Matematika

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET

(4)

commit to user

ii ABSTRAK

Afni Nurfita. 2011. PREFERENSI PENGGUNA KARTU PRABAYAR GSM PADA MAHASISWA UNIVERSITAS SEBELAS MARET (UNS) SURAKARTA MENGGUNAKAN ANALISIS KONJOIN. Fakultas Matematika dan Ilmu Pengetahuan Alam. Universitas Sebelas Maret Surakarta.

Analisis konjoin merupakan teknik dalam analisis multivariat yang digunakan untuk mengetahui preferensi responden terhadap suatu produk atau pelayanan. Penelitian ini bertujuan untuk menentukan kombinasi atribut (stimulus) kartu prabayar GSM yang paling disukai oleh mahasiswa Universitas Sebelas Maret (UNS) Surakarta dan nilai kepentingan masing-masing atribut.

Metode penelitian yang digunakan adalah studi kasus dengan memberikan kuesioner pada mahasiswa UNS Surakarta yang memiliki telepon seluler dengan kartu prabayar GSM. Teknik pengambilan sampel secara random dari 9 fakultas di UNS. Atribut yang digunakan yaitu tarif SMS, tarif telepon, tarif internet, bentuk isi ulang, jangkauan, sinyal dan bonus.

Hasil penelitian menunjukkan bahwa kombinasi atribut yang paling disukai oleh keseluruhan responden adalah tarif SMS paketan, tarif telepon per detik, tarif internet per MB, bentuk isi ulang elektrik, bonus telepon, sinyal kuat dan jangkauan luas. Urutan nilai kepentingan atribut menurut responden adalah sinyal, jangkauan, bentuk isi ulang, tarif SMS, tarif telepon, tarif internet dan bonus.

(5)

commit to user

iii ABSTRACT

Afni Nurfita. 2011. PREFERENCE OF GSM PREPAID CARD USER OF SEBELAS MARET UNIVERSITIE’S STUDENTS USING CONJOINT ANALYSIS. Faculty of Mathematics and Natural Sciences. Sebelas Maret University.

Conjoint Analysis is a multivariate technique used to know respondent preference for products or services. The objectives of this research are to determine the attributes combination of GSM prepaid card that preferest of the students in Sebelas Maret University and to determine the importance values of each attributes.

The method used in this research is case study by giving the questionaire to the students of Sebelas Maret University having handphone with GSM prepaid card. Technique sampling taken randomly from nines faculties in Sebelas Maret University. The attributes are SMS cost, telephone cost, internet cost, type of pulse, coverage area, signal and bonus.

The research results show that the most preferences of attributes combination by all respondents are group messages cost, flat telephone cost, internet cost per MB, electric type of pulse, telephone bonus, strong signal and strong coverage area. According to respondents, the order of attribute importance values are signal, coverage area, type of pulse, messages cost, telephone cost, internet cost and bonus.

(6)

commit to user

iv MOTO

...Sesungguhnya Allah tidak mengubah keadaan suatu kaum, sehingga mereka

mengubah keadaan yang ada pada diri mereka sendiri...

(Q.S Ar Ra’du: 11)

If there is a Will, there is a Way

jika ada kemauan pasti ada jalan

(7)

commit to user

v

PERSEMBAHAN

Karya ini kupersembahkan untuk Bunda dan Ayah tercinta,

kasih sayangmu takkan bisa tergantikan. Karena

melihatmulah, aku merasa kuat dan sabar.

De’ Unic, yang selalu menghibur disaat aku sedang jenuh

dan putus asa.

Murobbiyahku, yang memberi motivasi dan semangat

kepadaku serta teman – teman satu kelompok tarbiyah,

(8)

commit to user

vi

KATA PENGANTAR

Puji syukur senantiasa penulis panjatkan kepada Allah SWT yang telah

melimpahkan rahmat dan segala nikmatNya sehingga penulis berhasil

menyelesaikan skripsi ini.

Penulis mengucapkan terima kasih kepada

1. Dra. Etik Zukhronah, M.Si dan Drs. Tri Atmojo K, M.Sc. Ph.D selaku

Pembimbing 1 dan Pembimbing 2 yang telah membimbing dan

mengarahkan penulis dalam menyelesaikan skripsi ini.

2. Teman-teman angkatan 2005, khususnya kepada Anti, Rafi, Itsna, Betty

dan Saras yang memberikan motivasi kepada penulis agar segera

menyelesaikan skripsi ini.

3. De Ika (biologi 2006), Fa (fisika 2008), Ahmad (hyperkes 2009), Wulan

(TI 2008), Widi (sastra inggris 2008), Ana (pendidikan matematika 2008)

dan Ika (FISIP 2008) yang telah membantu dalam pengumpulan data.

4. Semua pihak yang telah membantu menyelesaikan skripsi ini yang tidak

dapat penulis sebutkan satu persatu.

Penulis berharap semoga skripsi ini dapat bermanfaat.

Surakarta, Pebruari 2011

(9)

2.2 Kerangka Pemikiran... 16

BAB III METODE PENELITIAN 17

BAB IV PEMBAHASAN 19

(10)

commit to user

viii

4.2.2 Analisis Keseluruhan... 27

4.3 Uji Validitas Konjoin... 30

4.3.1

4.3.2

Uji Validitas Individu...

Uji Validitas Keseluruhan... 30

31

BAB V PENUTUP 32

5.1

5.2

Kesimpulan...

Saran... 32

32

DAFTAR PUSTAKA LAMPIRAN

(11)

Sampel data multivariat secara umum...

Perbandingan metode analisis konjoin...

Contoh desain ortogonal dan tidak ortogonal...

Jumlah sampel tiap fakultas...

Delapan stimulus kartu prabayar GSM...

Stimulus dan rangking responden...

Rata-rata rangking dan deviasi...

Estimasi part worth dan nilai kepentingan...

Perbandingan preferensi sesungguhnya dan estimasi rangking

preferensi pada analisis individu...

Nilai estimasi utilitas (part worth) masing-masing level...

Nilai kepentingan keseluruhan responden ...

(12)

commit to user

1

BAB I PENDAHULUAN

1.1Latar Belakang Masalah

Pada era teknologi komunikasi yang semakin canggih, banyak sekali

perusahaan telekomunikasi menawarkan produk kartu prabayar dengan berbagai

fasilitas yang dapat menarik pelanggan. Dunia mengenal dua kubu seluler digital,

yaitu CDMA (Code Division Multiple Acces) dan GSM (Global System for

Mobile). Populasi pengguna kartu prabayar GSM lebih unggul dibandingkan

dengan CDMA. Hal tersebut dapat diketahui bahwa pada tahun 2008, operator

CDMA masih mempunyai jumlah pelanggan dalam orde 1 digit jutaan, sementara

operator GSM mempunyai pelanggan dengan orde 2 digit jutaan

(http://indotelcodiscussion.blogspot.com). Informasi yang sama diperoleh bahwa

GSM yang memiliki teknologi paling populer di Indonesia menguasai sekitar 83

persen dari total pelanggan hingga akhir 2009. Pelanggan CDMA tercatat masih

cukup kecil yaitu sekitar 17 persen dari total pelanggan pada akhir tahun 2009

walaupun pada tahun tersebut pengguna CDMA mengalami pertumbuhan pesat

(www.tribun-timur.com).

Pada saat ini, terdapat lima operator yang mengeluarkan kartu prabayar

berupa GSM yaitu telkomsel, indosat, XL, AXIS dan 3. Kartu prabayar yang telah

dikeluarkan antara lain kartu AS, kartu SimPATI, kartu Mentari, kartu IM3, kartu

XL, kartu AXIS dan kartu 3. Kartu prabayar GSM lebih banyak diminati oleh

pelanggan dari pada CDMA bisa dilihat dari banyaknya populasi telepon seluler

GSM. Oleh karena itu, persaingan operator seluler kartu prabayar GSM dalam

memperebutkan pangsa pasar seluler semakin ketat, ini terlihat dari semakin

murahnya harga penjualan kartu perdana suatu operator seluler dan didukung

dengan murahnya biaya dalam melakukan komunikasi. Perang harga dan

pelayanan antar operator merupakan salah satu bukti persaingan yang semakin

ketat. Hal ini berkaitan dengan perilaku pengguna seluler yang semakin selektif

(13)

commit to user

2

Mahasiswa merupakan salah satu pengguna telepon seluler. Banyak

mahasiswa memiliki telepon seluler, dari telepon seluler model lama hingga

model blackberry. Banyaknya layanan dan semakin murahnya tarif tentu

membuat mereka semakin selektif dalam memilih produk kartu prabayar. Produk

yang mereka pilih tentu yang dapat membantu bahkan mempermudah mereka

dalam mencari informasi tentang perkuliahan. Selain itu, kebanyakan dari mereka

menggunakan fasilitas internet untuk mencari data atau sekedar hiburan saja.

Para pendatang baru di bisnis ini, sulit rasanya bisa masuk dan langsung

sukses. Ketepatan strategi pemasaran sangat berpengaruh terhadap sukses

tidaknya pendatang baru di bisnis ini. Setiap kartu perdana yang dikeluarkan oleh

masing-masing operator seluler memiliki keunggulan tersendiri. Menurut

penelitian yang dilakukan oleh Saragih (2009) bahwa tarif berpengaruh signifikan

terhadap pola perilaku konsumen. Tarif dan pelayanan merupakan atribut yang

sangat mempengaruhi konsumen dalam memilih kartu prabayar. Tarif dan

pelayanan tambahan yang tepat diharapkan dapat meningkatkan jumlah konsumen

yang menggunakan kartu prabayar. Penelitian serupa dilakukan oleh Kurniawan

(2005) bahwa sinyal dan jangkauan merupakan atribut utama yang sangat

diperhatikan oleh responden dalam memilih kartu prabayar GSM di kota Jakarta

dan Bogor. Berdasarkan dari kedua hasil penelitian tersebut, penulis memilih

atribut tarif dan pelayanan yang mempengaruhi konsumen dalam memilih kartu

prabayar GSM yaitu tarif SMS, tarif telepon, tarif internet, jangkauan, bentuk isi

ulang pulsa, sinyal dan bonus.

Dalam aplikasi analisis statistik multivariat, ada sebuah metode yang bisa

digunakan untuk menggabungkan beberapa atribut yang mempengaruhi pemilihan

kartu prabayar GSM tersebut yaitu analisis konjoin. Menurut Hair et al.

(1998:392) analisis konjoin merupakan salah satu teknik dalam analisis

multivariat yang digunakan untuk mengetahui preferensi responden terhadap

suatu produk atau pelayanan. Analisis konjoin dikembangkan pertama kali pada

tahun 1960-an oleh ahli statistik dan psikologi matematika Luce dan Tukey

(Caruso et al., 2009). Analisis konjoin menggunakan level dari atribut-atribut

(14)

commit to user

3

Berdasarkan penjelasan tersebut, penulis ingin menganalisis preferensi

konsumen terhadap kombinasi atribut kartu prabayar GSM yang paling diminati

di kalangan mahasiswa UNS Surakarta dengan menggunakan analisis konjoin.

1.2Rumusan Masalah

Berdasarkan latar belakang masalah, rumusan masalah dalam penulisan ini

adalah

1. bagaimana kombinasi atribut kartu prabayar GSM yang paling disukai oleh

mahasiswa Universitas Sebelas Maret (UNS) Surakarta?

2. bagaimana nilai kepentingan masing-masing atribut?

1.3 Batasan Masalah

Agar tidak memperluas permasalahan, maka penelitian dibatasi dengan

1. menggunakan metode Full Profile untuk menentukan presentasi stimulus,

2. menggunakan metode konjoin tradisional untuk menganalisis permasalahan,

3. menggunakan 2 level pada masing-masing atribut.

1.4 Tujuan Penelitian

Berdasarkan rumusan masalah yang telah dipaparkan, maka tujuan dari

penelitian ini adalah

1. menentukan kombinasi atribut kartu prabayar GSM yang paling disukai oleh

mahasiswa Universitas Sebelas Maret (UNS) Surakarta,

2. menentukan nilai kepentingan masing-masing atribut.

1.5Manfaat Penelitian

Penelitian ini diharapkan dapat memberikan manfaat sebagai berikut

1. dapat mengaplikasikan teori analisis konjoin dalam pengukuran preferensi

konsumen,

2. menambah pengetahuan penulis mengenai kartu prabayar dan atribut di

(15)

Untuk mencapai tujuan penelitian, maka diperlukan teori-teori yang

mendukung pembahasan meliputi matriks data multivariat, analisis konjoin,

korelasi Spearman, korelasi Kendall danestimasi Part Worth.

2.1.1 Matriks Data Multivariat

Menurut Dillon dan Goldstein (1984: 6), secara umum sampel data

analisis multivariat untuk setiap " individu dengan > 1 variabel atau

karakteristik dapat dilihat pada Tabel 2.1.

Tabel 2.1 Sampel data analisis multivariat secara umum

Variabel 1 Variabel 2 ⋯ Variabel j ⋯ Variabel p

Sampel data analisis multivariat tersebut dapat dinyatakan dalam

bentuk matriks dengan j= j_ƻú ,e= 1, 2, … ," = 1,2, … , adalah sebagai

(16)

commit to user

5

j=

jƟƟ jƟ ⋯

j Ɵ j ⋯

⋮ ⋮

jƟú ⋯ jƟ

j ú ⋯ j

⋮ ⋮

jƻƟ jƻ ⋯

⋮ ⋮

j Ɵ j ⋯

jƻú ⋯ jƻ

⋮ ⋮

j ú ⋯ j

2.1.2 Analisis Konjoin

Menurut Hair et al. (1998: 392) analisis konjoin adalah suatu metode

yang digunakan untuk memperoleh nilai kegunaan (utilitas) yang mewakili

kepentingan setiap aspek produk. Analisis konjoin merupakan teknik dalam

analisis multivariat yang digunakan untuk mengetahui preferensi responden

terhadap suatu produk atau pelayanan. Pada umumnya penilaian responden

terhadap suatu produk diperoleh dengan mengkombinasikan masing-masing

level dari atribut suatu produk. Utilitas adalah preferensi oleh individu yang

menggambarkan nilai kegunaan sebuah produk. Ciri khusus dari analisis

konjoin adalah menggunakan input dari variabel independen bukan angka

(berskala nominal). Nilai kegunaan dihitung dari inverse ranking subyek dari

suatu kombinasi atribut-atribut produk. Beberapa ketentuan dalam nilai

kegunaan adalah

a. atribut dan level yang memiliki nilai kegunaan yang lebih tinggi adalah

kombinasi yang lebih disukai oleh responden,

b. jika terdapat nilai kegunaan yang sama, berarti atribut dan level tersebut

tidak mempunyai pengaruh terhadap sikap responden.

Istilah – istilah dalam analisis konjoin menurut Hair et al. (1998: 389)

1. Atribut adalah variabel yang dipilih oleh peneliti untuk

menggambarkan sifat khusus. Dalam analisis konjoin, atribut (variabel

independen) berskala nonmetrik atau data kualitatif. Atribut harus

(17)

commit to user

6

2. Level adalah nilai spesifik yang menggambarkan sebuah atribut.

3. Part worth adalah nilai kegunaan masing level dari

masing-masing atribut.

4. Stimulus adalah kombinasi dari level tiap atribut.

5. Utilitas adalah penilaian preferensi oleh individu yang menggambarkan

nilai kegunaan sebuah produk.

6. Ortogonal artinya tidak terdapat korelasi di antara level-level antar

atribut.

7. Seimbang (balance) artinya jumlah level pada masing-masing atribut

yang terpilih dalam stimulus relatif sama.

Stimulus digunakan untuk mengetahui struktur preferensi responden.

Struktur preferensi tidak hanya menjelaskan tingkat kepentingan tiap atribut

tetapi juga perbedaan level yang mempengaruhi kombinasi atribut untuk

mendapatkan preferensi kelompok. Nilai utilitas diperoleh dari total worth

seluruh preferensi produk dan biasanya disebut part worth. Menurut Hair et

al.(1998: 394)apabila terdapat atribut yang masing-masing memiliki " level

maka secara umum utilitas dapat dirumuskan sebagai berikut

=

_ƻú

ƻ

ú Ɵ

ƻ Ɵ _(2.1)

dengan : total part worth (utilitas)

_ƻú : part worth dari atribut ke-e (e = 1,2,3,..., ) dan level

ke- ( = 1,2,3,...,e)

e : jumlah level tiap atribut.

Nilai kepentingan suatu atribut juga dapat dicari menggunakan part worth yang

sudah diperoleh. Nilai kepentingan diperoleh dengan mengurangkan nilai part

worth maksimum dengan nilai part worth minimum untuk masing-masing

atribut.

Secara garis besar proses analisis konjoin adalah sebagai berikut

(18)

commit to user

7

Menurut Hair et al. (1998: 404) ada 3 metode analisis konjoin yaitu

konjoin tradisional, konjoin adaptif dan konjoin berdasarkan pemilihan.

Perbedaan ketiga metode tersebut terletak pada tiga karakteristik yaitu

jumlah atribut yang digunakan, level analisisnya serta model yang

digunakan. Perbedaan karakteristik bisa dilihat pada Tabel 2.2.

Tabel 2.2 Perbandingan metode analisis konjoin

Perbandingan metode konjoin

Karakteristik Konjoin Tradisional

Konjoin Adaptif

Konjoin berdasarkan Pemilihan Banyak atribut

maksimum

9 30 6

Level analisis individu &

keseluruhan

individu &

keseluruhan

Model Aditif aditif aditif & efek interaksi

Analisis konjoin tradisional mempunyai karakteristik menggunakan

model aditif dengan jumlah atribut maksimum 9 yang akan diestimasi

untuk masing-masing individu. Berbeda dengan analisis konjoin adaptif,

dikembangkan dengan banyak atribut maksimum 30 yang tidak mungkin

dilakukan dengan analisis konjoin tradisional karena membutuhkan banyak

stimulus sehingga hasilnya tidak valid. Untuk metode konjoin berdasarkan

pemilihan mempunyai keunikan tersendiri. Level analisisnya keseluruhan

dan menggunakan model aditif dan efek interaksi antar level

diperhitungkan.

2. Perancangan stimulus

Dalam merancang stimulus langkah pertama yang harus dilakukan

(19)

commit to user

8

karakter umum dalam memilih dan mendefinisikan atribut dan level.

Karakter tersebut adalah

a. Ukuran yang sesuai

Atribut dan level harus sesuai dengan kenyataan untuk dievaluasi.

Sebagai contoh keharuman sebuah minyak wangi. Sulit sekali untuk

menggambarkan keharuman sebuah minyak wangi karena bersifat

relatif bagi penggunanya sehingga keharuman tidak bisa digunakan

sebagai atribut.

b. Ukuran yang jelas

Atribut dan level harus dapat diletakkan secara praktis. Artinya

bahwa atribut harus jelas dan menggambarkan sebuah konsep yang

dapat diteliti dalam implementasinya. Level sebaiknya tidak terbagi

menjadi rendah, medium dan tinggi.

Dalam memilih atribut ada tiga permasalahan yang harus diselesaikan

yaitu jumlah atribut, multikolinearitas di antara atribut dan keunikan harga

sebagai atribut. Pertama, jumlah atribut yang dimasukkan dalam analisis

mempengaruhi efisiensi (semakin banyak atribut, semakin banyak pula yang

harus dikoreksi oleh responden) dan reliabilitas hasil. Menurut Hair et al.

(1998: 406) apabila atribut dan level ditambah maka meningkatkan jumlah

stimulus untuk diestimasi. Jumlah minimum stimulus yang harus dinilai

oleh responden jika analisis yang digunakan pada tingkat individu adalah

Jumlah minimum stimulus = jumlah total level

semua atribut – jumlah atribut + 1 (2.2)

Kedua, multikolinearitas di antara atribut harus dihilangkan. Korelasi di

antara atribut menunjukkan ketidakcocokan konsep independen di antara

atribut dan multikolinearitas menghasilkan ketidakpercayaan kombinasi dari

dua atau lebih atribut. Jika terdapat dua atau lebih atribut yang

berkolinearitas berarti atribut tersebut cukup diwakili satu saja karena

(20)

commit to user

9

Ketiga, harga adalah sebuah atribut yang bisa dimasukkan dalam analisis

konjoin karena harga merupakan komponen utama untuk penilaian sebuah

produk tetapi harga berhubungan dengan atribut lain. Dalam beberapa hal,

harga mempunyai korelasi yang tinggi dengan atribut lain. Sebagai contoh,

apabila jumlah atribut meningkat maka meningkat pula harganya. Dalam

memilih level ada dua masalah yang harus diselesaikan. Pertama,

keseimbangan jumlah level. Peneliti sebaiknya berusaha menyeimbangkan

jumlah level setiap atribut. Kedua, penilaian dalam level. Peneliti sebaiknya

menggunakan level yang relevan.

Ada 3 metode presentasi stimulus yaitu metode presentasi trade-off, full

profile dan pairwise comparison.

a. Metode trade-off

Metode presentasi stimulus ini membandingkan dua atribut dalam satu

waktu dengan merangking semua kombinasi setiap level yang mungkin.

Kelebihan dari metode ini adalah kesederhanaannya untuk para

responden. Kelemahan bagi peneliti karena hanya bisa membandingkan

dua atribut dalam satu waktu sehingga semakin banyak atribut dan level

maka semakin banyak pula matriks trade off.

b. Metode full profile

Presentasi yang sangat popular adalah metode presentasi full profile.

Setiap stimulus berisi seluruh atribut dengan kombinasi level-levelnya.

Setiap stimulus dipresentasikan secara terpisah. Penilaian terhadap

stimulus dapat dilakukan dengan merangking. Dalam pembuatan

stimulus dalam metode ini, apabila jumlah atribut dan level hanya

sedikit dapat digunakan desain faktorial. Namun jika jumlah atribut dan

level cukup banyak, sehingga tidak memungkinkan responden untuk

mengevaluasi semua stimulus, maka dapat digunakan desain faktorial

fraksional untuk mereduksi stimulus. Mason (2003: 2) mencontohkan

(21)

commit to user

10

terlihat bahwa masing-masing atribut mempunyai dua level. Pada desain

ortogonal masing-masing atribut A, B, C memunculkan jumlah level

yang sama yaitu dua kali sedangkan pada desain tidak ortogonal, atribut

A memunculkan level yang tidak sama berarti tidak seimbang. Pada

desain ortogonal tampak bahwa setiap kombinasi muncul satu kali

sedangkan pada desain tidak ortogonal kombinasi 1 2 1 muncul dua kali.

Tabel 2.3 Contoh desain ortogonal dan tidak ortogonal

Ortogonal Tidak Ortogonal

Atribut A B C Atribut A B C

c. Metode pairwise comparison

Metode ini merupakan kombinasi dari metode trade-off dan metode full

profile. Dalam metode ini, yang dibandingkan adalah dua profil yang

terdiri atas beberapa atribut. Biasanya tidak semua atribut dimasukkan

dalam profil tersebut. Misalkan ada empat atribut yang mempengaruhi

sebuah produk maka masing-masing profil hanya menggunakan

beberapa atribut saja.

Dalam pembuatan stimulus untuk metode presentasi full

profile, untuk jumlah atribut dan level yang kecil dapat digunakan

desain faktorial yaitu menggunakan seluruh kombinasi yang ada.

Sebagai contoh apabila terdapat 3 atribut masing-masing mempunyai 2

level maka terdapat 8 stimulus (2 level x 2 level x 2 level). Dengan

meningkatnya jumlah atribut maka meningkat pula jumlah stimulus.

(22)

commit to user

11

mempunyai 4 level maka terdapat 256 stimulus (4 level x 4 level x 4

level x 4 level). Tentu responden akan mengalami kesulitan dalam

mengevaluasinya. Maka diperlukan metode untuk mendapatkan subset

dari total stimulus yang akan dievaluasi.

Desain faktorial fraksional adalah metode yang tepat yang dapat

digunakan untuk mendapatkan subset dari stimulus. Dengan desain ini,

sebagian dari seluruh kombinasi atribut dipilih yang benar-benar

berpengaruh terhadap efek utama. Efek interaksi tidak diperhatikan.

Sebuah studi menggunakan metode full profile dengan 4 atribut yang

masing-masing mempunyai 4 level sehingga memerlukan 16 stimulus

untuk mengestimasi efek utama. Desain yang optimum adalah desain

yang ortogonal dan seimbang. Menurut Murti (2002: 7), desain yang

ortogonal bermanfaat untuk mereduksi kombinasi atribut sampai pada

jumlah yang dapat dikendalikan oleh responden. Jumlah stimulus yang

banyak dapat direduksi misalnya menjadi 8 stimulus dengan

menggunakan metode ortogonal.

3. Pemilihan model

Ada dua model dalam analisis konjoin yaitu model aditif dan model efek

interaksi.

a. Model aditif

Model ini menganggap responden memandang nilai keseluruhan suatu

produk dengan menambahkan nilai-nilai yang terdapat dalam setiap

atribut (part worth)

b. Model efek interaksi

Model ini hampir sama dengan model aditif yaitu melakukan

penjumlahan nilai-nilai part worth untuk memperoleh nilai utilitas

keseluruhan. Namun pada model ini ditambahkan dengan adanya efek

interaksi di antara atribut-atributnya. Apabila ada interaksi di antara dua

atribut maka gabungan nilai dari kedua level yang terdapat dalam

atribut tersebut dapat bernilai lebih besar atau lebih kecil dari

(23)

commit to user

12

4. Asumsi Analisis konjoin

Analisis konjoin mempunyai asumsi yang terbatas. Asumsi yang digunakan

hanya pada pembentukan desain, estimasi yang tidak baur dan dapat

diinterpretasikan secara individu maupun kelompok.

5. Estimasi Model Konjoin

Analisis konjoin termasuk analisis multivariat dependen dengan model

Ɵ = Ɵ+ +⋯+ . Ɵ dan seterusnya adalah atribut yang berupa data

non metrik. Sedangkan _Ɵ adalah pendapat kelompok (overall preference)

dari seorang responden terhadap kombinasi atribut dan level pada sebuah

produk. Untuk mengetahui prediksi atau estimasi pendapat responden dari

hasil konjoin, maka akan dicariestimasi part worth.

6. Interpretasi Hasil

Metode yang biasa digunakan untuk menginterpretasi hasil pada analisis

konjoin adalah metode terpisah. Metode terpisah artinya setiap responden

dianalisis sendiri-sendiri dan interpretasi hasil dari metode ini untuk

masing-masing responden. Selain itu, interpretasi juga dapat dilakukan

dengan metode kelompok. Interpretasi hasil dari metode ini untuk

kelompok responden. Interpretasi hasil metode kelompok secara umum

memberikan hasil yang sangat sulit ketika digunakan untuk memprediksi

keinginan tiap responden.

7. Validasi hasil konjoin

Untuk mengetahui seberapa kuat hubungan antara estimasi dengan

kenyataan dapat dilihat dari nilai uji korelasi. Validasi hasil konjoin untuk

data yang dirangking bisa menggunakan uji korelasi Spearman atau

Kendall.

2.1.3 Korelasi Spearman

Validasi hasil konjoin untuk data yang dirangking bisa menggunakan

uji korelasi Spearman atau Kendall. Menurut Conover (1980: 250) pengukuran

korelasi digunakan pada data berpasangan. Pengukuran korelasi antara j dan

(24)

commit to user

13

a. pengukuran korelasi bernilai antara -1 dan +1,

b. jika nilai j membesar seiring dengan membesarnya nilai ataupun

sebaliknya berarti pengukuran korelasi dikatakan positif yang

menggambarkan bahwa korelasi kuat,

c. jika nilai j membesar berpasangan dengan mengecilnya nilai

ataupun sebaliknya berarti pengukuran korelasi dikatakan negatif

yang menggambarkan bahwa korelasi kuat,

d. jika nilai j berpasangan dengan menghasilkan pengukuran korelasi

0 berarti antara j dan independen. Hal seperti ini dikatakan antara j

dan tidak berkorelasi.

Diberikan sampel random berukuran j_Ɵ, _Ɵ , j , , … , (j , ). Secara

umum ditulis (j_ƻ, _ƻ) untuk e= 1,2, … ,". (j_ƻ) merupakan rangking pada j_ƻ.

(j_ƻ) = 1 jika j_ƻ paling disukai diantara j_Ɵ,j , … ,j . j_ƻ = 2 jika j_ƻ

terkecil kedua dan seterusnya sampai ke rangking " yang paling besar. Hal

yang sama diberikan kepada ( _ƻ) yaitu 1, 2, ... , " untuk _Ɵ, , … , . Hal ini

bisa diterapkan untuk data yang terdiri dari observasi nonmetrik. Pengukuran

korelasi dinotasikan dengan (rho). Jika tidak terdapat nilai observasi yang

sama (tie) diberikan persamaan sebagai berikut

= ∑ jƻ − "

+ 1

2 ƻ − "

+ 1 2 ƻ Ɵ

"(" − 1)/12 (2.3)

Untuk mempermudah perhitungan diberikan persamaan (2.4) sebagai berikut

= 1− 6∑ƻ Ɵ[ jƻ − ( ƻ)]

"(" − 1) = 1−

6

"(" − 1) _(2.4)

dengan merupakan jumlah keseluruhan dari hitungan deviasi rangking j dan

yang sudah dikuadratkan. Jika observasi terdapat beberapa nilai yang sama

(25)

commit to user

14

Uji hipotesis untuk koefisien korelasi Spearman adalah sebagai berikut

a. uji dua sisi

: j_ƻ dan _ƻ adalah independen

Ɵ : jƻ dan ƻ tidak independen. Hal ini berarti ada kecenderungan bahwa

nilai j membesar berpasangan dengan nilai yang membesar atau

sebaliknya

b. uji satu sisi untuk korelasi positif

Ɵ : ada kecenderungan bahwa nilai j dan sama-sama membesar

c. uji satu sisi untuk korelasi negatif

Ɵ : ada kecenderungan bahwa nilai j mengecil berpasangan dengan nilai

membesar

Nilai statistik uji dibandingkan dengan tabel koefisien korelasi Spearman

yang memberikan nilai quantil dari . Pada uji satu sisi untuk korelasi positif

ditolak jika > quantil 1− . Pada uji satu sisi korelasi negatif ditolak

jika < quantil . Pada uji dua sisi ditolak jika > quantil (1− /2) atau

< quantil ⁄2.

2.1.4 Korelasi Kendall

Korelasi Kendall ( ) juga dapat digunakan untuk mengetahui validasi

proses konjoin. Diberikan sampel random berukuran " dengan (j_ƻ, _ƻ) untuk

e = 1,2, … ,". Dari dua pengamatan tersebut dikatakan konkordan jika kedua

anggota dari satu pengamatan nilainya lebih besar dari kedua anggota

pengamatan yang lain. Sebagai contoh (2, 5) dan (3, 6) merupakan dua

pengamatan yang konkordan karena 3 > 2 dan 6 > 5. Contoh untuk pengamatan

yang tak konkordan adalah (1,3) dan (4,2) karena 4 > 1 tetapi 2 < 3. Jika

merupakan banyaknya pasangan konkordan sedangkan merupakan

(26)

commit to user

15

maka akan ada pasangan yang dapat dibuat atau terdapat ( Ɵ) pasangan

yang dapat dibuat, sehingga terdapat hubungan bahwa penjumlahan banyaknya

pasangan yang konkordan dengan banyaknya pasangan yang tak konkordan

dan banyaknya pasangan yang tie adalah ( Ɵ). Korelasi Kendall dirumuskan

sebagai berikut

= −

"(" − 1)/2 _(2.5)

Apabila semua pasangan konkordan maka = 1 tetapi jika semua

pasangan tak konkordan maka = -1. Apabila banyaknya pasangan konkordan

sama dengan banyaknya pasangan yang tak konkordan maka = 0. Korelasi

Kendall dapat digunakan sebagai statistik uji untuk menguji hipotesis nol yang

menyatakan bahwa j dan adalah independen seperti korelasi Spearman.

Menurut Conover (1980: 257) dalam perhitungan korelasi Kendall boleh

menggunakan − sebagai statistik uji tanpa membaginya dengan

"(" − 1)/2. Biasanya digunakan sebagai statistik uji Kendall dengan

didefinisikan dengan = − . Quantil dari dapat dibandingkan dengan

quantil dari statistik uji korelasi Kendall. ditolak jika > quantil (1− )

untuk uji satu sisi korelasi positif. ditolak jika < quantil untuk korelasi

negatif. Pada uji dua sisi ditolak jika > quantil (1− /2) atau < quantil

2

⁄ . Selain itu, penolakan dapat dilakukan dengan membandingkan nilai signifikan (Asymp.Sig.) dengan yang digunakan. ditolak jika nilai

signifikan (Asymp.Sig.) < .

2.1.5Estimasi Part Worth

Estimasi part worth digunakan untuk mencari nilai kepentingan setiap

atribut dan mencari utilitas setiap kombinasi atribut. Menurut Hair et al. (1998:

396) part worth masing-masing level dapat dihitung dalam beberapa langkah

yaitu:

(27)

commit to user

16

2. mencari deviasi rata-rata tiap level dari rata-rata keseluruhan,

3. mengkuadratkan deviasi masing-masing level kemudian mencari

jumlah keseluruhan deviasi yang sudah dikuadratkan,

4. menghitung nilai standardisasi dengan cara membagi jumlah total

level dengan jumlah keseluruhan deviasi yang sudah dikuadratkan,

5. menstandardisasi masing-masing deviasi yang dikuadratkan dengan

cara mengalikanya dengan nilai standardisasi, hal ini bertujuan untuk

menyeragamkan data yang diperoleh dari responden,

6. estimasi part worth diperoleh dengan menghitung akar dari deviasi

kuadrat yang distandardisasi pada masing-masing level.

2.2 Kerangka Pemikiran

Berdasarkan tinjauan pustaka yang telah diuraikan, analisis konjoin

mampu menghasilkan kombinasi atribut-atribut produk sehingga dapat dibuat

alur pemikiran untuk menyelesaikan masalah yang telah dirumuskan. Langkah

pertama yang dilakukan adalah menentukan level masing-masing atribut yang

memberikan kontribusi terbesar atau mempengaruhi responden dalam memilih

kartu prabayar GSM. Setelah level ditentukan, maka selanjutnya mendesain

stimulus. Langkah selanjutnya mengumpulkan pendapat responden terhadap

setiap stumulus yang ada dengan menggunakan kuesioner. Selanjutnya

dilakukan analisis konjoin untuk memperkirakan kombinasi atribut yang

diinginkan responden. Langkah terakhir adalah menentukan ketepatan prediksi

dari hasil konjoin untuk mengetahui apakah prediksi yang telah dilakukan

(28)

commit to user

17

BAB III

METODE PENELITIAN

Metode yang digunakan dalam penelitian ini adalah studi kasus dengan

mengaplikasikan analisis konjoin untuk mengetahui preferensi konsumen

terhadap suatu produk kartu prabayar GSM pada mahasiswa UNS Surakarta.

Langkah-langkah yang dilakukan dalam penelitian ini sebagai berikut

a) Perancangan stimulus

Dalam merancang stimulus, harus ditentukan level tiap atribut. Untuk

atribut tarif telepon dibagi menjadi dua level yaitu per detik dan per menit.

Untuk tarif sms dibagi menjadi dua level yaitu reguler dan paketan. Untuk

tarif internet dibagi menjadi dua level yaitu per kb dan per mb. Untuk

bentuk isi ulang dibagi menjadi dua level yaitu voucher dan elektrik.

Untuk kekuatan jangkauan dibagi menjadi dua yaitu luas dan tidak luas.

Untuk daya tangkap sinyal dibagi menjadi dua level yaitu kuat dan lemah.

Untuk bonus dibagi menjadi dua yaitu bonus sms dan bonus telepon.

b) Pengumpulan data

Data yang akan digunakan adalah data primer, yaitu dengan membuat

kuesioner (Lampiran 1) dengan memberikan rangking 1 sampai dengan 8

terhadap kombinasi stimulus. Menurut Cattin dan Wittink dalam Shih et

al., (2008: 241) menyatakan bahwa dalam analisis konjoin, untuk ukuran

sampel dianjurkan berkisar antara 100 sampai dengan 1000. Responden

yang digunakan sebagai sampel adalah mahasiswa UNS Surakarta

sebanyak 200 mahasiswa. Teknik sampling yang digunakan adalah

sampling random sederhana. Ada sembilan fakultas di UNS. Setiap

fakultas diambil sampelnya secara acak. Penelitian ini menggunakan data

demografi dan data penilaian preferensi responden terhadap pemakaian

kartu prabayar GSM. Data demografi yang digunakan meliputi nama, jenis

kelamin, fakultas, kepemilikan ponsel dan pemakaian kartu prabayar

GSM. Penilaian preferensi responden terhadap pemakaian kartu prabayar

GSM berdasarkan pada atribut-atribut yang mempengaruhi responden

(29)

commit to user

18

tarif SMS, tarif telepon, tarif internet, bentuk isi ulang, bonus, daya

tangkap sinyal dan jangkauan.

c) Analisis data

Analisis data dilakukan dengan mencari estimasi part worth

masing-masing level. Estimasi part worth diperoleh dengan menghitung rata-rata

rangking dari responden. Setelah mendapatkan nilai part worth

masing-masing level kemudian nilai tersebut dijumlahkan sesuai dengan

kombinasi stimulus sehingga menghasilkan utilitas masing-masing

stimulus tersebut. Kombinasi stimulus yang paling disukai oleh responden

adalah kombinasi stimulus yang memperoleh nilai total part worth yang

paling besar.

d) Interpretasi dan kesimpulan

Setelah mendapatkan kombinasi stimulus yang paling diinginkan

responden kemudian dapat diambil kesimpulan yang bermanfaat untuk

(30)

commit to user

19

BAB IV PEMBAHASAN 4.1 Deskripsi Data

Penelitian pada skripsi ini menggunakan data primer yang diambil dari

hasil kuesioner yang diedarkan kepada mahasiswa Universitas Sebelas Maret

Surakarta (UNS) yang menggunakan kartu GSM. Dari 200 mahasiswa sebagai

sampel (Lampiran2) terdapat 34 responden laki-laki dan sisanya adalah 166

responden perempuan. Jumlah sampel yang diambil tiap fakultas dapat dilihat

pada Tabel 4.1.

Tabel 4.1 Jumlah sampel tiap fakultas

Fakultas Jumlah Sampel

SSR

ISIP

HUKUM

EKONOMI

KEDOKTERAN

PERTANIAN

TEKNIK

KIP

MIPA

20

16

14

16

21

24

60

13

Jumlah 200

4.2 Analisis Konjoin 4.2.1 Analisis Individu

Level analisis pada metode konjoin tradisional bisa dilakukan dengan cara

menganalisis secara individu dan keseluruhan. Analisis secara individu artinya

(31)

commit to user

20

keseluruhan. Model estimasi yang digunakan adalah model aditif yaitu

menjumlahkan part worth level yang sudah diestimasi untuk setiap kombinasi

stimulus. Dalam merancang stimulus langkah pertama yang harus dilakukan

adalah memilih dan mendefinisikan atribut dan level. Ada tujuh atribut yang

signifikan mempengaruhi responden untuk membeli kartu GSM. Tujuh atribut

tersebut masing-masing memiliki 2 level sehingga jumlah minimum stimulus

yang harus dinilai oleh responden menurut (2.2) adalah 14 – 7 + 1 = 8 stimulus.

Pada penelitian ini digunakan metode presentasi full profile untuk

menampilkan kombinasi stimulus yang akan dinilai oleh responden melalui

kuesioner. Dalam pembuatan stimulus untuk metode presentasi full profile, untuk

jumlah atribut dan level yang kecil dapat digunakan desain faktorial yaitu

menggunakan seluruh kombinasi yang ada. Oleh karena banyaknya stimulus yang

diperoleh yaitu 2 = 128 stimulus, maka akan direduksi menggunakan desain

faktorial fraksional yaitu orthogonal arrays dengan bantuan SPSS statistics 17.0.

Stimulus yang dihasilkan dapat dilihat pada Tabel 4.2 (Lampiran4).

Tabel 4.2 Delapan stimulus kartu prabayar GSM

Card

ID

Tarif

SMS

Tarif

telepon

Tarif

internet

Bentuk

isi ulang

Bonus Sinyal Jangkauan

1 reguler per detik per KB elektrik telepon lemah tidak luas

2 reguler per menit per MB voucher telepon lemah luas

3 paketan per menit per KB elektrik SMS lemah luas

4 reguler per detik per KB voucher SMS kuat luas

5 paketan per detik per MB elektrik telepon kuat luas

6 reguler per menit per MB elektrik SMS kuat tidak luas

7 paketan per menit per KB voucher telepon kuat tidak luas

8 paketan per detik per MB voucher SMS lemah tidak luas

Ada delapan stimulus yang seimbang dan ortogonal. Seimbang dapat

(32)

commit to user

21

halnya dengan atribut yang lain. Ortogonal dapat dilihat bahwa setiap stimulus

yang digunakan masing-masing muncul sekali tidak ada yang muncul dua kali.

Responden diminta merangking delapan stimulus tersebut dengan kriteria untuk

rangking 1 adalah stimulus yang paling disukai sampai dengan rangking 8 untuk

stimulus yang paling tidak disukai. Proses estimasi yang digunakan adalah

estimasi part worth. Dalam proses estimasi part worth menggunakan data

rangking 1 sampai dengan 8 dari responden. Sebagai contoh untuk sampel seorang

responden, hasil rangking dapat dilihat pada Tabel 4.3.

Tabel 4.3 Stimulus dan rangking responden

Card

Bonus Sinyal Jangkau

an

1. Menghitung rata-rata rangking untuk masing-masing level.

Setelah mendapatkan rangking dari responden, kemudian dicari rata-rata

rangking tiap level. Untuk level reguler pada tarif SMS, rangking yang

diperoleh dari responden adalah rangking 3 pada kombinasi pertama, rangking

5 pada kombinasi kedua, rangking 1 pada kombinasi keempat dan rangking 6

pada kombinasi keenam. Rangking tiap level dapat dilihat pada Tabel 4.4.

(33)

commit to user

22

diperoleh rata-rata rangking yaitu (3 + 5 + 1 +6)/4 = 3,75. Rata-rata rangking

keseluruhan dari 8 stimulus yaitu (1+2+3+4+5+6+7+8)/8 = 36/8 = 4,5.

Tabel 4.4 Rata-rata rangking dan deviasi

Atribut dan level Rangking pada

(34)

commit to user

23

2. Mencari deviasi rata-rata tiap level terhadap rata – rata keseluruhan.

Deviasi pada tarif SMS reguler adalah 3,75 – 4,5 = -0,75. Rata-rata rangking

tiap level dan deviasinya dapat dilihat pada Tabel 4.4.

3. Mengkuadratkan deviasi masing-masing level kemudian mencari jumlah

keseluruhan deviasi yang sudah dikuadratkan.

Setelah mendapatkan rata-rata rangking tiap level dan deviasi dari rata-rata

rangking keseluruhan dari masing-masing level kemudian dicari estimasi part

worth dan nilai kepentingan untuk responden tersebut. Pada sampel responden

tersebut digunakan angka lebih kecil untuk stimulus yang paling disenangi

oleh responden. Jadi untuk pengukuran rangking berbanding terbalik dengan

preferensi. Dengan demikian digunakan tanda lawan untuk deviasinya.

Kebalikan deviasi dapat dilihat pada Tabel 4.5. Untuk menghitung estimasi

part worth, langkah selanjutnya adalah mengkuadratkan deviasi. Pada sampel

responden deviasi tarif SMS reguler adalah -0,75 maka kuadratnya adalah

0,5625. Penjumlahan deviasi yang sudah dikuadratkan adalah 10,5. Deviasi

kuadrat dapat dilihat pada Tabel 4.5.

4. Menghitung nilai standardisasi.

Jumlah level yang digunakan ada 14. Selanjutnya dicari nilai standardisasi

dengan cara membagi jumlah level dengan jumlah keseluruhan deviasi yang

sudah dikuadratkan yaitu 14 / 10,5 = 1,33.

5. Menstandardisasi masing-masing deviasi yang dikuadratkan dengan cara

mengalikanya dengan nilai standardisasi.

Langkah selanjutnya adalah menstandardisasi masing-masing deviasi yang

dikuadratkan dengan cara mengalikanya dengan nilai standardisasi. Untuk

tarif SMS reguler, standardisasinya adalah 0,5625 x 1,33 = 0,75.

6. Estimasi part worth.

Proses terakhir adalah mengestimasi part worth dengan cara menghitung akar

deviasi kuadrat yang distandardisasikan pada masing-masing level. Untuk tarif

SMS reguler adalah 0,75 = 0,866. Dalam penghitungan part worth deviasi

(35)

commit to user

24

responden. Proses estimasi part worth untuk masing-masing level dapat dilihat

pada Tabel 4.5.

Tabel 4.5 Estimasi part worth dan nilai kepentingan

Atribut Level

Estimasi Part Worth Nilai Kepentingan

(36)

commit to user

25

Nilai kepentingan dari atribut dihitung dari jarak part worth

masing-masing atribut yaitu selisih antara nilai maksimum part worth dan nilai

minimumnya dibagi dengan jumlah jarak part worth semua atribut. Pada tarif

SMS reguler diperoleh nilai maksimum part worth adalah 0,866 sedangkan nilai

minimum adalah -0,866, sehingga jarak part worth untuk tarif SMS reguler

merupakan selisih antara nilai maksimum part worth dan nilai minimumnya

adalah 0,866 – (-0,866) = 1,732. Jumlah jarak part worth semua atribut adalah

12,702.

Nilai kepentingan untuk tarif SMS reguler adalah 1,732 / 12,702 = 13,6%.

Dari Tabel 4.5 dapat dilihat bahwa nilai kepentingan jangkauan adalah 27,3%

merupakan nilai yang paling tinggi artinya bahwa responden lebih mementingkan

jangkauan daripada atribut yang lain. Setelah mendapatkan estimasi part worth

masing-masing level, kemudian akan dicari perbandingan antara rangking

preferensi responden sesungguhnya dengan estimasinya. Untuk mencari estimasi

rangking preferensi dapat dilakukan dengan menjumlahkan semua estimasi part

worth yang telah diperoleh pada Tabel 4.5. Pada stimulus pertama yang terdiri

dari kombinasi tarif SMS reguler, tarif telepon per detik, tarif internet per KB,

bentuk isi ulang elektrik, bonus telepon, sinyal lemah, dan jangkauan tidak luas

akan dijumlahkan nilai part worthnya. Nilai part worth masing-masing level

dapat dilihat pada Tabel 4.6 di bawah masing-masing level tiap stimulus.

Pada stimulus pertama, penjumlahan nilai part worth adalah 0,866 +

1,155 + 0,866 + 0,866 + 0,289 + (-0,577) + (-1,732) = 1,733. Setelah

mendapatkan total part worth masing-masing stimulus, akan dicari estimasi

rangking preferensi. Dari total part worth yang diperoleh bahwa stimulus keempat

mendapatkan total part worth yang paling besar yaitu 4,041. Hal ini mempunyai

arti bahwa stimulus keempat merupakan kombinasi yang paling disukai oleh

responden maka stimulus keempat mendapatkan rangking 1. Untuk stimulus

kelima mendapatkan total part worth terbesar kedua maka stimulus kelima

(37)

commit to user

(38)

commit to user

27

Setelah dicari estimasi rangking preferensinya maka dibandingkan dengan

preferensi sesungguhnya yang sudah diperoleh dari kuesioner untuk seorang

responden. Dari Tabel 4.6 terlihat bahwa semua stimulus mendapatkan estimasi

rangking yang sama dengan preferensi sesungguhnya sehingga dapat dikatakan

bahwa pada sampel responden ini perbandingan antara preferensi sesungguhnya

dan estimasinya sesuai.

4.2.2 Analisis Keseluruhan

Untuk analisis keseluruhan diperoleh nilai part worth tiap level dengan

bantuan SPSS statistics 17.0 (Lampiran5)dapat dilihat pada Tabel 4.7. Nilai part

worth yang lebih tinggi merupakan preferensi yang banyak disukai oleh

mahasiswa UNS Surakarta.

Tabel 4.7 Nilai estimasi utilitas (part worth) masing-masing level

Atribut Level Part Worth

(39)

commit to user

28

Dari nilai part worth tersebut dapat dicari nilai kepentingan

masing-masing atribut. Jarak nilai part worth (nilai maksimum – nilai minimum) untuk

masing-masing atribut memberikan ukuran tingkat kepentingannya. Atribut sinyal

menggambarkan jarak part worthnya paling tinggi yaitu 1,283 – (-1,283) = 2,566.

Hal ini menunjukkan bahwa dalam memilih kartu prabayar GSM, kebanyakan

mahasiswa UNS Surakarta lebih mementingkan kondisi sinyal terlebih dahulu

daripada yang lainnya. Jangkauan merupakan atribut yang dipentingkan kedua

setelah sinyal. Nilai kepentingan tiap atribut dapat dilihat pada Tabel 4.8. Nilai

kepentingan tiap atribut diperoleh dari jarak part worth dibagi dengan jumlah

keseluruhan jarak part worth.

Tabel 4.8 Nilai kepentingan keseluruhan responden

Atribut Nilai kepentingan

Tarif SMS

Tarif telepon

Tarif internet

Bentuk isi ulang

Bonus

Sinyal

Jangkauan

8,891

3,433

1,408

9,111

0,572

44,058

32,526

Setelah mendapatkan nilai part worth untuk keseluruhan responden maka

dapat dicari nilai total part worth masing-masing stimulus yang akan digunakan

untuk mencari estimasi rangking preferensi. Estimasi rangking untuk keseluruhan

responden dapat dilihat pada Tabel 4.9. Stimulus yang paling disukai oleh

responden adalah stimulus yang kelima. Untuk stimulus keempat mendapatkan

total part worth terbesar kedua maka stimulus keempat mendapatkan rangking 2.

Stimulus yang paling disukai oleh responden pada analisis keseluruhan adalah

(40)

commit to user

(41)

commit to user

30

4.3 Uji Validitas Konjoin 4.3.1 Uji Validitas Individu

Setelah mendapatkan rangking estimasi dan rangking sesungguhnya,

selanjutnya akan dicari korelasi antara kedua rangking tersebut untuk mengetahui

validasi proses konjoin seorang responden. Rangking estimasi dan rangking

sesungguhnya dapat dilihat pada Tabel 4.6. Hipotesis untuk uji korelasi rank

Spearman adalah

a. & : dan adalah independen (tidak ada korelasi yang kuat antara estimasi

model konjoin dengan pendapat riil responden)

& : dan tidak independen. Hal ini berarti ada kecenderungan bahwa nilai membesar berpasangan dengan nilai yang membesar (ada

korelasi yang kuat antara estimasi model konjoin dengan pendapat riil

responden)

b. Tingkat signifikan 0,05

c. Daerah kritis:

& ditolak jika > quantil(1− 0,05/2) = quantil(0,975) = 0,7143(Lampiran3) atau < quantil (0,05 2⁄ ) = quantil (0,025) = - 0,7143(Lampiran 3)

d. Statistik uji

= ∑ [ − ( )] = [0 + 0 + 0 + 0 + 0 + 0 + 0 + 0] = 0

= 1− 6

( − 1)= 1−

6 . 0

8(64− 1)= 1−

0

504= 1− 0 = 1,000

e. Kesimpulan

Karena = 1,000 > 0,7143 maka & ditolak yang artinya dan tidak

independen (ada korelasi yang kuat antara estimasi model konjoin dengan

pendapat riil responden). Hal ini berarti ada kecenderungan bahwa nilai

membesar berpasangan dengan nilai yang membesar.

Dari uji hipotesis tersebut dapat disimpulkan bahwa antara rangking

estimasi dan rangking sesungguhnya tidak independen atau bisa dikatakan ada

(42)

commit to user

31

4.3.2 Uji Validitas Keseluruhan

Pada analisis keseluruhan, uji hipotesis menggunakan uji korelasi Kendall.

Karena banyaknya responden yang harus dianalisis maka nilai korelasi Kendall

diperoleh dengan bantuan SPSS statistics 17.0. Hipotesis untuk uji korelasi

Kendall adalah

a) & : dan adalah independen (tidak ada korelasi yang kuat antara

estimasi model konjoin dengan pendapat riil responden )

& : dan tidak independen. Hal ini berarti ada kecenderungan bahwa nilai membesar berpasangan dengan nilai yang membesar (ada korelasi

yang kuat antara estimasi model konjoin dengan pendapat riil responden)

b) Tingkat signifikan ( ) = 0,05

c) Daerah kritis:

& ditolak jika nilai signifikan (Asymp. Sig) < = 0,05 d) Statistik uji

Dari output (Lampiran5) diperoleh = 1,000 dengan nilai signifikan

(Asymp.Sig.) = 0,000

e) Kesimpulan

Karena nilai signifikan ( Asymp. Sig ) 0,000 < = 0,05 maka & ditolak yang

berarti bahwa ada korelasi yang kuat antara estimasi model konjoin dengan

(43)

commit to user

32

BAB V PENUTUP 5.1 Kesimpulan

Berdasarkan uraian pada pembahasan dapat diperoleh suatu kesimpulan

1. Kombinasi atribut yang paling disukai oleh responden

a. secara individu adalah kombinasi keempat yaitu tarif SMS reguler, tarif

telepon per detik, tarif internet per KB, bentuk isi ulang voucher, bonus

SMS, sinyal kuat dan jangkauan luas,

b. secara keseluruhan adalah kombinasi kelima yaitu tarif SMS paketan, tarif

telepon per detik, tarif internet per MB, bentuk isi ulang elektrik, bonus

telepon, sinyal kuat dan jangkauan luas.

2. Urutan nilai kepentingan dalam memilih kartu prabayar GSM

a. secara individu adalah 1) jangkauan, 2) tarif telepon, 3) tarif SMS, tarif

internet dan bentuk isi ulang, 4) sinyal, 5) bonus,

b. secara keseluruhan adalah 1) sinyal, 2) jangkauan, 3) bentuk isi ulang, 4)

tarif SMS, 5) tarif telepon, 6) tarif internet dan 7) bonus.

5.2 Saran

Pada penelitian ini, penulis menggunakan 7 atribut yang mempengaruhi

preferensi responden. Bagi pembaca yang ingin menggunakan lebih banyak

atribut bisa mengaplikasikan analisis konjoin dengan metode adaptif yang dapat

mengevaluasi banyak atribut dengan jumlah maksimum 30. Atribut yang

digunakan misalkan tarif Nada Sambung Pribadi (NSP), stok pulsa dan yang