PENERAPAN CHOICE BASED CONJOINT PADA KASUS PEMILIHAN WARNET FIRKA AULIA MAHYUDI

(1)

PENERAPAN

CHOICE BASED CONJOINT PADA KASUS PEMILIHAN

WARNET

FIRKA AULIA MAHYUDI

DEPARTEMEN STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

(2)

ABSTRAK

FIRKA AULIA MAHYUDI. Penerapan Choice Based Conjoint pada Kasus Pemilihan Warnet. Di bawah bimbingan BUDI SUSETYO dan YENNI ANGRAINI.

Salah satu masalah yang senantiasa dijumpai dalam manajemen pemasaran adalah bagaimana mendesain suatu produk atau jasa yang diminati oleh konsumen. Produsen seakan-akan mencari bentuk produk yang merupakan hasil kompromi antara preferensi konsumen dengan kepentingan produsen. Suatu hal yang menarik bila memperhatikan permasalahan diatas terjadi di sekitar kampus IPB Darmaga. Banyaknya warung internet (warnet) yang muncul menyebabkan para penyedia jasa warnet untuk menawarkan jasa terbaik untuk menarik konsumen. Salah satu metode untuk memecahkan permasalahan di atas adalah Choice Based Conjoint.

Konsep warnet yang memiliki total nilai kegunaan paling besar merupakan konsep warnet yang paling disukai oleh responden. Konsep warnet yang paling disukai oleh responden adalah konsep dengan tarif Rp. 2,000, berlokasi di Bara, memiliki fasilitas seperti AC, sekat antar komputer, toilet dan musholla, memiliki perangkat keras tambahan headphone dan webcam, memiliki perangkat lunak tambahan seperti antivirus, musicplayer dan games, dan menyediakan minuman gratis berupa air putih.

(3)

PENERAPAN

CHOICE BASED CONJOINT PADA KASUS PEMILIHAN

WARNET

FIRKA AULIA MAHYUDI

G14103052

Skripsi

Sebagai salah satu syarat untuk memperoleh gelar

Sarjana Sains pada

Departemen Statistika

DEPARTEMEN STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

(4)

Judul : Penerapan Choice Based Conjoint pada Kasus Pemilihan Warnet

Nama : Firka Aulia Mahyudi

NRP : G14103052

Menyetujui :

Pembimbing I,

Pembimbing II,

Dr. Ir. Budi Susetyo, MS

Yenni Angraini, M.Si

NIP.

131624193

Mengetahui :

Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam

Institut Pertanian Bogor

Dr. Drh. Hasim, DEA

NIP. 131 578 806

(5)

RIWAYAT HIDUP

Penulis dilahirkan di Padang pada tanggal 19 Desember 1985 dari pasangan Mahyul Asri M. dan Mulyani sebagai anak pertama dari 2 bersaudara. Penulis menempuh pendidikan dasar di SD Baiturrahmah Padang hingga tahun 1997, kemudian melanjutkan pendidikan menengah pertama di SLTP Negeri 2 Padang hingga tahun 2000. Pada tahun 2003 penulis menyelesaikan pendidikan menengah atas di SMU Negeri 2 Padang dan pada tahun yang sama diterima di Departemen Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor melalui jalur Sistim Penerimaan Mahasiswa Baru (SPMB).

Selama mengikuti perkuliahan, penulis ikut serta dalam kegiatan himpunan profesi Gamma Sigma Beta sebagai anggota Departemen Olahraga dan Seni periode 2004/2005. Penulis pernah menjadi surveyor Verifikasi dan Validasi Data Administrasi Kependudukan Departemen Dalam Negeri pada tahun 2006. Penulis mengikuti kegiatan praktek lapang di Grup Riset Potensial (GRP) pada bulan Februari-April 2007.

(6)

PRAKATA

Alhamdulillahirabbil’alamin, segala puji dan syukur penulis haturkan kehadirat Allah SWT atas segala karunia-Nya sehingga penulis dapat menyelesaikan karya ilmiah ini. Shalawat serta salam semoga selalu tercurahkan kepada Rasulullah SAW, keluarga, sahabat, dan umatnya hingga akhir zaman.

Karya ilmiah ini berjudul “Penerapan Choice Based Conjoint pada Kasus Pemilihan Warung Internet“. Penelitian ini membahas penerapan Choice Based Conjoint pada kasus pemilihan waret dan konsep warnet yang paling disukai oleh responden.

Terima kasih penulis ucapkan kepada semua pihak yang telah membantu dalam penyelesaian karya ilmiah ini, terutama kepada :

• Bapak Dr. Ir. Budi Susetyo, MS dan Ibu Yenni Angraini, M.Si atas bimbingan dan masukan yang telah diberikan kepada penulis.

• Seluruh dosen pengajar Departemen Statistika IPB atas ilmu bermanfaat yang telah diberikan selama penulis mengikuti perkuliahan di Departemen Statistika IPB.

• Keluarga kecilku. Mama dan Papa, terima kasih untuk air mata, peluh dan doa yang selalu menyertai hidupku. For my only one little brother, terima kasih untuk selalu menyemangatiku. This is for all of you.

• Seluruh staf pegawai Departemen Statistika IPB: Ibu Markonah, Ibu Sulis, Pak Ian, Ibu Dedeh, Bang Sudin, Ibu Aat, Mang Dur, dan Mang Herman. Terima kasih atas segala hal yang membantu penulis dalam perkuliahan dan menyelesaikan karya ilmiah ini.

• My best partner, Rahayu (thanks for everything..). Teman seperjuangan saat bimbingan skripsi, Lala (we did it..). Peri Tika yang baik hati no.1 (thanks for the support..).

Conjoint contenders, Arif dan Yuni (thanks for the brainstorming..).

• Ramadhan league crew: edo, daus, rio, bayu dan ipunk (i’ll beat you all!!!). Untuk semua stk ’40 (you’re the best guys..).

• Pak Satrio Wiseno yang telah membimbing penulis hingga dapat menyelesaikan karya ilmiah ini. GRP crew (mas Icus, uni Salma, mas Koko, mas Ai, mas Wahyu, mas Yoyo, mas Paijo, mas Eko, mas Hifni, uni Yesi, mba Dea, mba Devi dan mba Lia), terima kasih untuk masa PL yang menyenangkan.

• Kakak-kakak dan adik-adik kelas Statistika yang telah membantu penulis dalam menyelesaikan karya ilmiah ini.

• Bu En yang telah membuat matematika jadi menyenangkan.

• Semua pihak yang telah memberikan dukungan kepada penulis yang tidak dapat disebut satu persatu sehingga karya ilmiah ini dapat diselesaikan.

Penulis menyadari bahwa penulisan karya ilmiah ini masih jauh dari sempurna, oleh karena itu kritik dan saran yang membangun sangat penulis harapkan sebagai pemicu untuk dapat berkarya lebih baik lagi. Semoga karya ilmiah ini bermanfaat bagi pihak yang membutuhkan.

Bogor, Januari 2008

(7)

DAFTAR ISI

Halaman

DAFTAR TABEL... vii

DAFTAR LAMPIRAN... vii

PENDAHULUAN Latar Belakang ... 1 Tujuan... 1 TINJAUAN PUSTAKA Purpossive Sampling... ... 1 Percobaan Konjoin... ... 1 Perancangan Percobaan... ... 1

Choice Based Conjoint.. ... 2

Model Percobaan Konjoin... 2

Metode Count.. ... 2

Regresi Logistik Biner... 2

Pendugaan Parameter Model Regresi Logistik... 3

Statistik Uji G... 3

Statistik Uji Wald.. ... 3

BAHAN DAN METODE Bahan... 3

Metode... 4

HASIL DAN PEMBAHASAN Perancangan... 4

Profil Responden.. ... 4

Analisis Data.. ... 4

Interpretasi Nilai Wi dan Rasio Odds. ... 6

SIMPULAN ... 6

DAFTAR PUSTAKA ... 6

(8)

DAFTAR TABEL

Halaman

1. Analisis dengan Metode Count... 4

2. Klasifikasi Kecocokan Model Lengkap... 5

3. Pendugaan Parameter Model Lengkap ... 5

4. Klasifikasi Kecocokan Model Reduksi... 5

5. Pendugaan Parameter Model Reduksi ... 5

6. Nilai Wi dan Rasio Odds ... 6

DAFTAR LAMPIRAN

1. Atribut Penyusun Konsep Produk ... 8

2. Kuesioner... 9

3. Kartu Bantu Konjoin ... 10

4. Profil Responden ... 17

(9)

1 PENDAHULUAN

Latar Belakang

Salah satu masalah yang senantiasa dijumpai dalam manajemen pemasaran adalah bagaimana mendesain suatu produk atau jasa yang diminati oleh konsumen. Produsen seakan-akan mencari bentuk produk yang merupakan hasil kompromi antara preferensi konsumen dengan kepentingan produsen. Maksudnya adalah dalam merancang suatu produk yang diminati konsumen dalam upaya pemenuhan kepuasannya di satu sisi, namun disisi lain tetap memperhatikan kepentingan produsen dengan suatu pertimbangan keuntungan tertentu. Metode yang paling mutakhir untuk memecahkan permasalahan di atas dan dipandang sesuai dalam mencerminkan perilaku pemilihan produk oleh konsumen adalah percobaan konjoin (Suharjo 2007).

Percobaan konjoin yang pertama kali dikembangkan adalah dengan metode peringkat atau lebih dikenal dengan percobaan konjoin klasik (Traditional Conjoint).

Responden diminta untuk memberi peringkat terhadap beberapa konsep produk yang ditawarkan. Percobaan konjoin klasik memiliki kelemahan apabila alternatif produk yang ditawarkan banyak. Terkadang responden mengalami kesulitan dalam memberikan skor penilaian atau pemeringkatan terhadap konsep produk yang dievaluasi (Angraini 2006). Permasalahan ini dapat diatasi dengan penggunaan model pilihan diskret (Discrete Choice Modelling) pada percobaan konjoin, atau dikenal sebagai konjoin berbasiskan pilihan (Choice Based

Conjoint).

Suatu hal yang menarik bila memperhatikan permasalahan diatas terjadi di sekitar kampus IPB Darmaga yaitu banyaknya warung internet (warnet) yang menawarkan jasanya di sekitar kampus. Semakin banyaknya warnet yang bermunculan akan menyebabkan persaingan antar warnet. Para penyedia jasa warnet akan selalu menawarkan fasilitas dan promosi yang tentu saja diinginkan dan dibutuhkan oleh konsumen sehingga konsumen tertarik untuk menggunakan warnet tersebut. Oleh karena itu penelitian ini menggunakan studi kasus pemilihan warnet di kalangan mahasiswa IPB untuk menerapkan Choice Based Conjoint (CBC).

Tujuan

Penelitian ini bertujuan untuk mempelajari penerapan CBC. Kasus yang digunakan adalah pemilihan warnet di lingkungan kampus IPB Darmaga.

TINJAUAN PUSTAKA

Purpossive Sampling

Purposive sampling adalah metode

penarikan contoh dengan pertimbangan tertentu (Cochran 1977). Seseorang atau sesuatu diambil sebagai contoh karena peneliti menganggap bahwa seseorang atau sesuatu tersebut memiliki informasi yang diperlukan bagi penelitiannya

.

Percobaan Konjoin

Kata “conjoint” diduga diambil dari kata “CONsider JOINTly”. Dalam kenyataannya kata sifat “conjoint” diturunkan dari kata benda “to conjoint” yang berarti “joined

together” atau bekerja sama (Orme 2004).

Percobaan konjoin merupakan suatu metode yang sangat powerful untuk membantu mendapatkan kombinasi atau komposisi atribut-atribut suatu produk atau jasa baik yang baru maupun lama yang paling disukai konsumen (Suharjo 2007). Menurut Green & Krieger (1991) dalam Suharjo, analisis ini juga dapat dimanfaatkan untuk: a) Merancang harga

b) Memprediksi tingkat penjualan atau penggunaan produk

c) Uji coba konsep produk baru d) Segmentasi preferensi e) Merancang strategi promosi

Perancangan Percobaan

Perancangan percobaan adalah suatu metode yang efisien untuk merancang suatu percobaan sehingga data yang diperoleh dapat dianalisis untuk menghasilkan suatu kesimpulan. Perancangan percobaan merupakan bagian yang paling penting dari percobaan konjoin. Perancangan percobaan digunakan untuk membuat suatu konsep produk.

Responden akan mengevaluasi semua kombinasi faktor yang muncul bila faktor dan taraf faktor yang diteliti tidak terlalu banyak. Pendekatan ini disebut rancangan faktorial, dimana seluruh kombinasi dapat digunakan.

(10)

2

Tetapi semakin banyak faktor dan tarafnya,

metode ini menjadi tidak praktis. Jika kombinasi faktor terlalu banyak tentu saja akan sangat menyulitkan konsumen dalam melakukan evaluasi dan juga hasilnya tidak konsisten. Untuk mengatasi hal ini perlu dilakukan pengurangan jumlah kombinasi faktor tersebut. Salah satu cara yang umum dipakai untuk mengurangi kombinasi tersebut adalah dengan orthogonal array yang merupakan bagian dari topik perancangan percobaan yakni rancangan faktorial sebagian (Suharjo 2007). Melalui perancangan ini, interaksi tingkat tinggi tertentu dapat diabaikan sehingga akan diperoleh suatu kombinasi faktor yang memberikan informasi mengenai pengaruh utama dan interaksi tingkat rendah. Dengan demikian jumlah kombinasi faktor yang terbentuk akan jauh berkurang.

Choice Based Conjoint

Choice based conjoint merupakan salah

satu bentuk percobaan konjoin yang berdasarkan pada pilihan. Percobaan ini telah menarik perhatian para periset pemasaran akhir-akhir ini. Hal ini disebabkan karena untuk kasus-kasus tertentu CBC merupakan suatu metode pengukuran yang dapat menggambarkan dengan mirip keadaan pasar yang sesungguhnya (Angraini 2006).

Metode CBC memberikan segugus pilihan (choice sets) dari kombinasi atribut yang sudah dirancang sebelumnya. Atribut merupakan faktor-faktor yang mempengaruhi seorang reponden dalam menentukan pilihannya, dimana setiap atribut terdiri dari beberapa taraf yang pada CBC disebut dengan level. Segugus pilihan terdiri dari beberapa

task. Satu task biasanya terdiri dari dua

sampai lima konsep produk. Konsep produk merupakan alternatif produk yang disajikan pada satu task. Satu gugus pilihan disebut juga satu version (Angraini 2006). Konsep produk ditampilkan berdasarkan konsep full profile dimana tiap konsep produk terdiri atas semua atribut penyusun konsep produk tersebut.

Bagaimanapun, CBC memiliki kesamaan dengan percobaan konjoin klasik yaitu sama-sama berdasarkan pola perilaku dalam memilih. Memilih bermula dari menaksir seberapa baik alternatif pertama dibandingkan dengan yang lain lalu berlanjut pada tahap yang membawa seseorang yakin bahwa ia telah memilih yang terbaik. Selanjutnya pilihan yang diberikan responden akan dianalisis dengan metode tertentu sehingga

didapatkan konsep produk yang disukai responden (Angraini 2006).

Model Percobaan Konjoin

Secara umum model dasar percobaan konjoin dapat dituliskan dalam bentuk:

= =

=

m i k j ij ij i

x

X

U

1 1

)

(

β

dimana:

U(X) = Nilai kegunaan total

βij = Nilai kegunaan dari atribut ke-i level ke-j

ki = Level ke-j dari atribut ke-i m = Jumlah atribut

xij = Peubah boneka atribut ke-i level ke- j (bernilai 1 bila level yang berkaitan muncul dan 0 bila tidak)

Tingkat kepentingan relatif suatu atribut ke-i terhadap atribut yang lain dapat ditentukan melalui formula berikut:

% 100 1 × = = m i i i i I I W sehingga = = m i i W 1 1 dimana:

Ii = (max(βij) – min(βij)), untuk setiap i (Malhotra 2004).

Metode Count

Salah satu metode analisis data CBC untuk menduga nilai kegunaan tiap level atribut adalah dengan metode Count. Prosedur dari metode ini adalah dengan menghitung proporsi jumlah level atribut yang muncul ketika konsep terpilih dengan jumlah seluruh level atribut yang muncul pada seluruh konsep yang ditampilkan. Metode analisis ini tidak hanya digunakan untuk menduga pengaruh utama (main effect) saja tetapi juga dapat untuk menduga pengaruh interaksi (www.sawtoothsoftware.com).

Regresi Logistik Biner

Analisis regresi adalah teknik statistika yang berguna untuk memeriksa dan memodelkan hubungan diantara peubah-peubah. Regresi logistik biner digunakan jika peubah tak bebas (Y) memiliki 2

(11)

3

kemungkinan nilai. Misalnya, peubah Y

berupa dua respon yakni gagal atau berhasil. Data hasil pengamatan memiliki p peubah bebas yang ditunjukkan oleh vektor x’ = (x1, x2, ..., xp) dan peubah respon Y, dimana Y memiliki dua kemungkinan nilai yaitu 0 dan 1, y=1 menyatakan bahwa respon memiliki kriteria yang ditentukan (present) dan sebaliknya y=0 tidak memiliki kriteria (absent). Peubah respon Y akan mengikuti sebaran Bernoulli dengan fungsi peluang:

(

_Y _y

)

y

( )

y

f = =π 1−π 1−

Peubah respon dalam analisis regresi logistik akan mengikuti sebaran Binomial jika kejadian y terjadi sebanyak n kali, peluang setiap kejadian sama dan setiap kejadian bebas satu dengan yang lain.

Peluang bersyarat untuk peubah respon yang memiliki kriteria ditentukan, ditunjukkan oleh

p

(

Y

= |

y

x

) ( )

=

π

x

. Maka model regresi logistik berganda untuk fungsi itu adalah sebagai berikut:

( )

₍ ₎ 1 ) ( x g e x g e x + = π dimana

( )

x

p

x

p

g

=

β

0

+

β

1 1

+

β

2 2

+

β

(Hosmer and Lemeshow 1989).

Pendugaan Parameter Model Regresi Logistik

Pendugaan parameter dalam model regresi logistik dilakukan dengan menggunakan metode kemungkinan maksimum, yaitu diperoleh dengan menurunkan fungsi kepekatan peluang bersama. Fungsi kepekatan peluang bersama tersebut ditunjukkan dengan persamaan sebagai berikut:

(

)

if

( )

Yi n i n Y Y Y g 1 , 2 , 1 = ∏₌

Koefisien regresi logistik ( ) didapat dengan memaksimumkan logaritma fungsi kemungkinan maksimum

(

)

( )

[

]

= −= + = ∏ = − − = n i n i g x x g i Y n i i Y i i Y i n Y Y Y g 1 1log1 ( ) 1 1 1 log , 2 , 1 log π π dimana

( )

_{( )}

x x pxp x x x g β β β β π π + + + + = − = 0 1 1 2 2 1 ln

(Hosmer and Lemeshow 1989).

Statistik Uji G

Statistik uji G adalah uji rasio kemungkinan maksimum (likelihood ratio

test) yang digunakan untuk menguji peranan

peubah bebas secara serentak. Rumus umum untuk uji G adalah sebagai berikut

− = 1 0 ln 2 L L G dimana :

L0= Nilai likelihood tanpa peubah bebas L1= Nilai likelihood dengan p peubah bebas dengan hipotesis sebagai berikut:

H0 : β1= =βp =0

H1 : minimal ada satu nilai βi ≠0, untuk

i = 1,2,...,p

Jika H0 benar, statistik uji-G akan mengikuti sebaran

χ

2dengan derajat bebas p dan hipotesis nol akan ditolak jika nilai G >

χ

2(p,α) (Hosmer and Lemeshow 1989).

Statistik Uji Wald

Pengujian dilakukan secara parsial untuk masing-masing koefisien peubah, yaitu dengan menggunakan statistik uji Wald. Uji ini sebanding dengan uji t pada regresi linear. Statistik uji Wald didefinisikan sebagai berikut:

( )

i i i E S Wald β β ˆ ˆ ˆ =

di mana βˆi adalah penduga βi dan SˆE

( )

βˆi

adalah penduga galat baku dari βˆi.

Uji Wald melakukan pengujian terhadap hipotesis:

H0 :

β

_i

=

0

H1 :

β

_i

≠

0

di mana i = 1, 2, ..., p.

Uji Wald akan mengikuti sebaran normal baku. Keputusan yang diambil adalah menolak H0 jika |W| > Z/2 (Hosmer and Lemeshow 1989).

BAHAN DAN METODE

Bahan

Data yang digunakan adalah data primer yang diperoleh dengan cara survey. Contoh yang diambil sebanyak 80 orang mahasiswa S1 IPB tingkat 3 dan 4 yang bertempat tinggal

(12)

4

di lingkungan kampus IPB Darmaga dengan

metode purpossive sampling.

Metode

Tahapan yang terlibat di dalam penelitan ini meliputi:

a) Penelitian pendahuluan.

b) Menetapkan atribut-atribut penting penyusun konsep produk yang akan dievaluasi.

c) Merancang kombinasi atribut yang akan membentuk konsep produk.

d) Merancang kuesioner. e) Melakukan pengumpulan data. f) Analisis data.

HASIL DAN PEMBAHASAN

Perancangan

Penelitian pendahuluan dilakukan dengan cara mencari informasi pada beberapa orang mahasiswa mengenai faktor-faktor yang diperhatikan dari sebuah warnet. Informasi yang terkumpul kemudian diseleksi untuk menjadi atribut-atribut yang digunakan untuk merancang suatu konsep warnet (Lampiran 1). Langkah selanjutnya setelah atribut-atribut didapatkan adalah merancang konsep warnet dengan menggunakan perangkat lunak SMRT. Pada langkah ini digunakan metode

complete enumeration yang tersedia pada

perangkat lunak SMRT untuk merancang konsep produk. Dengan metode ini didapat jumlah task sebanyak 5, produk per task sebanyak 4 dan versi sebanyak 4.

Langkah selanjutnya adalah menyusun kuesioner. Kuesioner ini terdiri atas pertanyaan tentang profil responden, karakteristik penggunaan warnet dan pertanyaan khusus untuk percobaan konjoin (Lampiran 2) beserta kartu bantu untuk pertanyaan percobaan konjoin (Lampiran 3).

Profil Responden

Profil responden berdasarkan tingkat didomonasi oleh responden tingkat 4 sebanyak 85% dan sisanya diisi oleh responden tingkat 3 sebanyak 15%. Berdasarkan jenis kelamin, jumlah responden laki-laki dengan perempuan relatif berimbang yaitu laki-laki sebanyak 51% dan perempuan sebanyak 49%. Berdasarkan waktu terakhir kali ke warnet, sebagian besar responden (69%) menjawab terakhir kali ke warnet berkisar 4 minggu yang lalu.

Berdasarkan fakultas, responden paling banyak dari fakultas MIPA yaitu sebanyak 21.5%. Dari status tempat tinggal sebagian besar responden menempati tempat kost (70%), asrama IPB (1%), dengan orang tua (25%) dan selain kategori diatas (4%). Responden yang bertempat tinggal di tempat kost sebagian besar berlokasi di bateng (24.1%).

Dari segi pemakaian warnet, dalam jangka waktu sebulan sebagian besar responden memakai warnet < 7 hari (66%) dengan pengeluaran rata-rata per bulan untuk warnet paling banyak berkisar antara Rp. 10.000 – Rp. 25.000. Untuk lama pemakaian per hari sebagian besar responden memakai selama 2 jam per hari. Sebagian besar responden menjawab tujuan utama memakai warnet adalah untuk keperluan akademik (59%) (Lampiran 4).

Analisis Data

Hasil analisis dengan metode Count memberi informasi level atribut yang paling sering terpilih dan secara tidak langsung memberi informasi bahwa level yang paling sering terpilih adalah level yang disukai oleh responden. Disukai dalam hal ini relatif terhadap level dari atribut yang sama. Misalnya dari atribut tarif, proporsi terpilihnya tarif Rp. 2,000 lebih tinggi daripada proporsi terpilihnya tarif Rp. 2,500, berarti tarif Rp.2,000 lebih disukai dibandingkan tarif Rp. 2,500 (Tabel 1).

Tabel 1. Analisis dengan metode Count Level _MunculJumlah _TerpilihJumlah Skor T2000 400 140 0,350 T2500 400 124 0,310 T3000 400 77 0,193 T3500 400 59 0,148 Bara 320 122 0,381 Bateng 320 84 0,263 Balio 320 48 0,150 Balebak 320 44 0,138 Dalam kampus 320 102 0,319 AC 880 249 0,283 Sekat 860 237 0,276 Toilet 820 201 0,245 Musholla 900 241 0,268 Headphone 920 227 0,247 Webcam 920 271 0,295 Printer 900 216 0,240 Antivirus 900 251 0,279 Musicplayer 920 234 0,254 Games 920 233 0,253 Diskon member 560 146 0,261 Diskon malam 520 123 0,237 Minuman gratis 520 131 0,252

(13)

5

Hasil analisis dengan regresi logistik

menghasilkan model dengan kemampuan untuk memprediksi terpilihnya konsep warnet oleh responden sebesar 71.2%, yang berarti model ini dapat menjelaskan sekitar 71.2% dari kejadian terpilihnya suatu konsep warnet (Tabel 2).

Pendugaan parameter dengan menggunakan model lengkap menghasilkan nilai statistik uji G pada model sebesar 281.462 dengan nilai-p < 0.01 yang berarti paling sedikit ada satu i yang tidak sama dengan nol. Pada model lengkap ini, dengan menggunakan uji Wald, diperoleh kesimpulan bahwa level tarif Rp. 3,000, lokasi di Bateng,

headphone, printer, music player, games,

diskon untuk member dan diskon untuk pemakaian di atas jam 10 malam tidak nyata pada taraf uji 10% (Tabel 3).

Tabel 2. Klasifikasi Kecocokan Model Lengkap Prediksi Respon Observasi 0 1 % benar 0 416 174 70.5 Respon ₁ ₁₇₅ ₄₃₂ _71.2 Keseluruhan % 70.8 keterangan :

1 = konsep warnet dipilih 0 = konsep warnet tidak dipilih

Tabel 3. Pendugaan Parameter Model Lengkap

Level Wald df Sig T2000 0.931 56.752 1 0.000 T2500 0.671 27.536 1 0.000 T3000 0.100 0.564 1 0.452 Bara 0.245 2.914 1 0.088 Bateng -0.082 0.321 1 0.571 Balio -0.908 30.539 1 0.000 Balebak -0.739 22.643 1 0.000 AC 0.506 18.959 1 0.000 Sekat 0.242 4.982 1 0.026 Toilet 0.192 2.903 1 0.088 Musholla 0.292 8.048 1 0.005 Headphone 0.120 1.267 1 0.260 Webcam 0.359 12.663 1 0.000 Printer 0.141 1.793 1 0.181 Antivirus 0.226 4.336 1 0.037 Musicplayer 0.121 1.083 1 0.298 Games 0.123 1.002 1 0.317 Diskon member 0.092 0.701 1 0.402 Diskon malam -0.014 0.015 1 0.903 Selanjutnya dilakukan pemilihan parameter terbaik dengan menggunakan metode enter yang terdapat pada program SPSS 13.

Level dari atribut yang tidak nyata pada taraf uji 10% dikeluarkan lalu level-level yang

tersisa diregresikan kembali dengan peubah respon. Langkah ini dilakukan sampai didapat level-level yang berpengaruh nyata terhadap peubah respon.

Pendugaan parameter dengan menggunakan model reduksi menghasilkan nilai statistik uji G pada model sebesar 268.950 dengan nilai-p < 0.01 yang berarti paling sedikit ada satu i yang tidak sama dengan nol. Kemampuan prediksi model reduksi terhadap terpilihnya suatu konsep warnet masih cukup baik yaitu sebesar 68.9%. Dapat diartikan bahwa model terakhir ini dapat menjelaskan sekitar 68.9% dari kejadian terpilihnya suatu konsep warnet (Tabel 4). Proses terakhir dari pendugaan parameter menghasilkan level dari atribut yang berpengaruh nyata pada taraf 10% (Tabel 5). Tabel 4. Klasifikasi Kecocokan Model

Reduksi Prediksi Respon Observasi 0 1 % benar 0 419 171 71.0 Respon ₁ ₁₈₉ ₄₁₈ _68.9 Keseluruhan % 69.9 keterangan :

1 = konsep warnet dipilih 0 = konsep warnet tidak dipilih

Tabel 5. Pendugaan Parameter Model Reduksi

Level Wald Df Sig T2000 0.831 69.180 1 0.000 T2500 0.615 38.868 1 0.000 Bara 0.272 6.512 1 0.011 Balio -0.821 41.588 1 0.000 Balebak -0.684 27.745 1 0.000 AC 0.464 23.313 1 0.000 Sekat 0.193 3.963 1 0.047 Musholla 0.308 10.936 1 0.001 Webcam 0.342 13.352 1 0.000 Antivirus 0.194 4.210 1 0.040

Hasil analisis, dengan metode Count maupun dengan regresi logistik, di atas digunakan untuk menentukan konsep warnet yang paling disukai oleh responden. Total nilai kegunaan masing-masing konsep warnet didapatkan dengan menjumlahkan koefisien dari level-level yang muncul pada konsep-konsep warnet. Konsep warnet yang memiliki total nilai kegunaan paling besar yang dihasilkan oleh metode Count maupun regresi logistik adalah konsep warnet ke-2 pada versi ke-4 dan task ke-4 (Lampiran 5). Karakteristik konsep warnet tersebut adalah tarif Rp. 2,000, berlokasi di Bara, memiliki semua fasilitas

(14)

6

(AC, sekat antar komputer, toilet dan

musholla), memiliki perangkat keras tambahan headphone dan webcam, memiliki semua perangkat lunak tambahan (antivirus,

musicplayer dan games) dan menyediakan air

putih gratis.

Interpretasi Nilai Wi dan Rasio Odds

Atribut yang dianggap paling penting oleh responden adalah atribut lokasi dengan nilai kepentingan relatif sebesar 69.22%. Lokasi yang paling disukai adalah Bara karena memiliki rasio odds paling besar diantara pilihan lokasi yang ada yaitu sebesar 1.312. Nilai tersebut berarti warnet yang berlokasi di Bara akan memiliki kemungkinan dipilih lebih besar dibandingkan lokasi yang lain. Hal ini didukung dengan fakta bahwa Bara merupakan pusat keramaian di lingkungan kampus Darmaga dan terletak paling dekat dengan kampus sehingga menyebabkan Bara memiliki akses yang mudah untuk dijangkau setelah beraktifitas di kampus dan akses yang mudah ke tempat-tempat perbelanjaan, makanan, fotocopy, dll.

Tabel 6. Nilai Wi dan Rasio Odds Atribut Level Wi Rasio _Odds

T2000 2.295 Tarif _T2500 13.67% _1.849 Bara 1.312 Balio 0.440 Lokasi Balebak 69.22% 0.505 AC 1.590 Sekat 1.213 Fasilitas Musholla 17.11% 1.360 Kelengkapan Komputer Webcam 0% 1.408 Kelengkapan Program Antivirus 0% 1.214 Atribut fasilitas memiliki nilai kepentingan relatif sebesar 17.11%. Fasilitas AC memiliki rasio odds terbesar yaitu 1.590 yang berarti responden lebih mengutamakan adanya AC dibandingkan fasilitas yang lain dalam memilih suatu warnet.

Atribut tarif memiliki nilai kepentingan relatif sebesar 13.67%. Rasio odds terbesar dimiliki oleh level tarif Rp. 2,000 yaitu 2.295 yang berarti kemungkinan responden memilih warnet yang menetapkan tarif Rp. 2,000 lebih besar dibandingkan warnet yang menetapkan tarif Rp. 2,500 yang memiliki rasio odds sebesar 1.849. Dengan kata lain responden lebih memilih harga yang paling murah.

Atribut kelengkapan komputer dan kelengkapan program memiliki nilai

kepentingan relatif sebesar 0%. Hal ini berarti atribut-atribut ini dianggap tidak begitu penting oleh responden relatif terhadap atribut-atribut yang lain.

SIMPULAN

Konsep warnet yang paling disukai oleh responden adalah konsep warnet dengan total nilai kegunaan paling besar. Hasil analisis memberikan informasi bahwa dari semua konsep warnet yang terbentuk didapat konsep warnet yang memiliki total nilai kegunaan paling besar yaitu konsep dengan tarif Rp. 2,000, berlokasi di Bara, memiliki semua fasilitas (AC, sekat antar komputer, toilet dan musholla), memiliki perangkat keras tambahan headphone dan webcam, memiliki semua perangkat lunak tambahan (antivirus,

musicplayer dan games) dan menyediakan

minuman gratis berupa air putih.

Penerapan metode CBC mudah diterapkan dengan bantuan software yang ada.

Software digunakan untuk perancangan

konsep produk dan analisis data.

DAFTAR PUSTAKA

Angraini, Y. 2006. Penentuan Rancangan

Optimum pada Choice Based Conjoint.

Tesis. Sekolah Pascasarjana, IPB. Bogor. Anonim. 2002. Choice Based Conjoint (CBC)

Technical Paper.

www.sawtoothsoftware.com. [13 April 2003].

Cochran, W.G. 1977. Sampling Techniques. Third Edition. New York: Wiley.

Hosmer, D.W. Jr. and Lemeshow, S. 1989.

Applied Logistic Regression. New York:

John Wiley & Sons.

Malhotra, N.K. 2004. Marketing Research an

Applied Orientation. United States of

America: Pearson Education International. Orme, B. 2004. Conjoint Analysis :

Thirty-Something and Counting.

www.sawtoothsoftware.com. [8 September 2004].

Suharjo, B. 2007. Analisis Konjoin Untuk

Pengembangan Produk.

www.stttelkom.ac.id. [29 September 2007].

(15)

7

(16)

8

Lampiran 1. Atribut Penyusun Konsep Produk

Atribut Level

Tarif per jam 2000, 2500, 3000, 3500

Letak Bara, Bateng, Balio, Balebak, Di dalam area kampus

Fasilitas AC, Sekat, Toilet, Musholla, AC-Sekat, AC-Toilet, AC-Musholla, Sekat-Toilet, Sekat-Musholla, Toilet-Musholla, AC-Sekat-Toilet, AC-Sekat-Musholla, AC-Toilet-Musholla, Sekat-Toilet-Musholla, Semua

Kelengkapan Komputer Headphone, Webcam, Printer, Webcam, Headphone-Printer, Webcam-Headphone-Printer, Semua

Kelengkapan Program Antivirus, Musicplayer, Games, Musicplayer, Antivirus-Games, Musicplayer-Antivirus-Games, Semua

Promo Diskon 20 % untuk member, Diskon 20 % diatas jam 22.00, Minuman gratis

(17)

9

Lampiran 2. Kuesioner

No. Kuesioner / Versi : ………/………… Nama Pewawancara : ………. Nama Responden : ………. Tanggal Wawancara : ……….

Petunjuk : Lingkari pada poin yang terpilih

Screening

S1. Tingkat : 01. 3 02. 4

S2. Terakhir kali ke warnet : 01. < 1 minggu yang lalu

02. 1 – 4 minggu yang lalu 03. 1 – 2 bulan yang lalu 04. > 2 bulan yang lalu ( non-user )

Profile and Usage

P1. Jenis Kelamin : 01. Laki-laki 02. Perempuan P2. Fakultas :

P3. Status tempat tinggal : 01. Kost

02. Asrama IPB 03. Tinggal dengan orang tua 04. Lainnya :……….( sebutkan ) P4. Letak kost atau asrama (diisi bila pada point P3 dijawab kost atau asrama) :

01. Balebak 02. Balio 03. Bateng 04. Bara 05. Perwira 06. Cibanteng 07. Lainnya :... ( sebutkan ) P5. Pengeluaran rata-rata per bulan untuk warnet tahun 2007:

01. < Rp. 10.000

02. Rp. 10.000-Rp. 25.000 03. Rp. 25.001-Rp. 50.000 04. Rp. 50.001-Rp. 100.000 05. > Rp. 100.000 P6. Pemakaian warnet dalam sebulan :

01. < 7 hari ( …jam per hari )

02. 7 – 13 hari ( …jam per hari ) 03. 14 - 19 hari 04. > 20 hari ( …jam per hari ) ( …jam per hari ) P7. Tujuan utama pemakaian warnet :

01. Berkaitan dengan tugas akademik 02. Non akademik

03. Lainnya...( sebutkan )

Conjoint Analysis (Show Card)

P8. Diantara beberapa konsep Warnet pada kartu ini, manakah konsep warnet yang paling anda sukai ?

Task Pilihan Task Pilihan

1 4

2 5

3

Terima kasih anda telah bersedia meluangkan waktu untuk berpartisipasi dalam survey ini. Kuesioner ini digunakan untuk penelitian mahasiswa S1 Departemen Statistika. Saya sangat menghargai kejujuran anda dalam menjawab kuesioner ini.

(18)

10

Lampiran 3. Kartu Bantu Konjoin

Versi 1_Task 1

Tarif sebesar Rp.2000 per jam

Berlokasi di Dalam area kampus

Tersedia Fasilitas AC, Sekat dan Musholla

Perangkat Tambahan berupa Webcam dan Printer

Program Tambahan berupa Anti virus dan Music player

Keuntungan berupa Air putih gratis

Berlokasi di Balebak

Tersedia Fasilitas Sekat dan Toilet

Perangkat Tambahan berupa Headphone dan Webcam

Program Tambahan berupa Music player dan Games

Keuntungan berupa Diskon 20 % jika anda menjadi member

Tarif sebesar Rp.3000 per jam

Berlokasi di Balio

Tersedia Fasilitas AC, Toilet dan Musholla

Perangkat Tambahan berupa Printer

Program Tambahan berupa Antivirus

Keuntungan berupa Diskon 20 % jika menggunakan layanan warnet diatas jam 10 malam

Berlokasi di Bara

Tersedia Fasilitas AC

Perangkat Tambahan berupa Webcam

Program Tambahan berupa Games

Versi 1_Task 2

Keuntungan berupa Diskon 20 % jika anda menjadi member

Tarif sebesar Rp.3000 per jam

Berlokasi di Balio

Berlokasi di Bara

Versi 1_Task 3

Tersedia Fasilitas Sekat dan Musholla

Perangkat Tambahan berupa Headphone dan Printer

Tersedia Fasilitas Toilet

Perangkat Tambahan berupa Headphone

Program Tambahan berupa Music player

Berlokasi di Bara

Tersedia Fasilitas AC, Sekat dan Toilet

Perangkat Tambahan Headphone, Webcam dan Printer

Berlokasi di Bateng

Tersedia Fasilitas Sekat, Toilet dan Musholla

(19)

11

Lampiran 3. ... (Lanjutan)

Versi 1_Task 4

Berlokasi di Balio

Tersedia Fasilitas Toilet dan Musholla

Berlokasi di Bateng

Tersedia Fasilitas Sekat

Program Tambahan berupa Antivirus dan Games

Berlokasi di Bara

Program Tambahan berupa Antivirus dan Music player

Tersedia Fasilitas Musholla

Program Tambahan Antivirus, Musicplayer dan Games

Keuntungan berupa Diskon 20 % jika anda menjadi member

Versi 1_Task 5

Berlokasi di Bateng

Berlokasi di Dalam area kampus

Berlokasi di Balio

Perangkat Tambahan Headphone, Webcam dan Printer

Versi 2_Task 1

Berlokasi di Bara

Program Tambahan Antivirus, Music player dan Games

(20)

12

Versi 2_Task 2

Tersedia Fasilitas AC dan Toilet

Program Tambahan berupa Anti virus dan Games

Berlokasi di Bateng

Program Tambahan berupa Musicplayer dan Games

Berlokasi di Balio

Tersedia Fasilitas Sekat-Toilet

Program Tambahan berupa Antivirus dan Musicplayer

Versi 2_Task 3

Program Tambahan berupa Anti virus

Tersedia Fasilitas AC dan Musholla

Program Tambahan berupa Anti virus dan Games

Berlokasi di Bateng

Berlokasi di Bara

Versi 2_Task 4

Berlokasi di Balebak

Program Tambahan berupa Anti virus

Berlokasi di Bateng

Tersedia Fasilitas AC dan Sekat

Program Tambahan berupa Musicplayer dan Games

Tersedia Fasilitas AC, Sekat, Toilet dan Musholla

Program Tambahan Antivirus, Musicplayer dan Games

Berlokasi di Bara

(21)

13

Versi 2_Task 5

Berlokasi di Bateng

Program Tambahan Antivirus, Music layer dan Games

Berlokasi di Bara

Versi 3_Task 1

Berlokasi di Balio

Berlokasi di Bara

Versi 3_Task 2

Berlokasi di Bara

Berlokasi di Bateng

(22)

14

Versi 3_Task 3

Berlokasi di Bara

Berlokasi di Balio

Berlokasi di Bateng

Perangkat Tambahan berupa Headphone, Webcam dan Printer

Versi 3_Task 4

Berlokasi di Balio

Berlokasi di Bara

Berlokasi di Bateng

Versi 3_Task 5

Berlokasi di Bateng

Berlokasi di Balio

(23)

15

Versi 4_Task 1

Berlokasi di Bateng

Berlokasi di Bara

Program Tambahan Antivirus, Musicplayer dan Games

Versi 4_Task 2

Berlokasi di Bara

Berlokasi di Balio

Berlokasi di Bateng

Versi 4_Task 3

Berlokasi di Bara

Berlokasi di Bateng

(24)

16

Versi 4_Task 4

Berlokasi di Bara

Berlokasi di Balio

Versi 4_Task 5

Berlokasi di Balio

Tersedia Fasilitas AC,Toilet dan Musholla

Berlokasi di Bateng

Perangkat Tambahan berupa Headphone, Webcam dan Printer

(25)

17

Lampiran 4. Profil Responden

Tingkat 15% 85% Tingkat 3 Tingkat 4 Terakhir ke warnet 49% 20% 11% 20%

< 1 minggu yang lalu 1-4 minggu yang lalu 1-2 bulan yang lalu > 2 bulan yang lalu

Jenis Kelamin 51% 49% Laki-laki Perempuan Fakultas 10.1% 13.9% 16.5% 2.5% 6.3% 12.7% 21.5% 13.9% 2.5% Faperta FKH FPIK Fapet Fahutan Fateta FMIPA FEM FEMA

Status tempat tinggal

70% 1% 25% 4% Kost Asrama IPB Tinggal dengan orang tua Lainnya Letak kost/asrama 19.0% 20.7% 24.1% 8.6% 8.6% 1.7% 8.6% 3.4% 1.7% 1.7% 1.7% Balebak Balio Bateng Bara Perwira Cibanteng Badoneng Leuwikopo Dalam kampus Radar Sawah baru

Pengeluaran rata-rata per bulan

30% 41% 23% 5% 1% < Rp. 10.000 Rp. 10.000 - Rp. 25.000 Rp. 25.001 - Rp. 50.000 Rp. 50.001 - Rp. 100.000 > Rp. 100.000

Pemakaian dalam sebulan

66% 24% 6% 4% < 7 hari 7 - 13 hari 14 - 20 hari > 20 hari

Pemakaian per hari

25% 61% 11% 3% 1 jam 2 jam 3 jam 4 jam

Tujuan utama pemakaian warnet

59% 41% Akademik Non Akademik n = 58 n = 80 _{n = 80} n = 80 n = 80 n = 80 n = 80 n = 80 n = 80 n = 80

(26)

18

Lampiran 5. Total Nilai Kegunaan

Versi Task Konsep Count RegLog Versi Task Konsep Count RegLog 1 1 1 2.8148 2.3312 3 1 1 2.0401 1.4583 1 1 2 2.2778 1.1503 3 1 2 2.3076 0.9649 1 1 3 1.8938 0.2812 3 1 3 2.0572 0.6824 1 1 4 1.6115 1.0774 3 1 4 2.4007 1.3852 1 2 1 2.0389 1.7596 3 2 1 2.1469 0.6573 1 2 2 2.7729 0.3715 3 2 2 2.4059 1.4646 1 2 3 2.5244 0.8957 3 2 3 2.2476 1.6741 1 2 4 2.1016 0.9651 3 2 4 1.5790 -0.0132 1 3 1 2.2661 0.6949 3 3 1 1.8328 0.5355 1 3 2 1.4702 0.8305 3 3 2 2.2829 1.6035 1 3 3 2.9182 1.2709 3 3 3 2.5800 1.2378 1 3 4 2.4095 0.6367 3 3 4 2.7651 0.4858 1 4 1 2.0891 -0.0341 3 4 1 2.0310 1.4879 1 4 2 2.2135 0.7384 3 4 2 2.1423 0.1594 1 4 3 1.9907 1.5438 3 4 3 2.7872 1.6157 1 4 4 1.9396 0.8436 3 4 4 2.2762 0.0294 1 5 1 1.9697 -0.5136 3 5 1 2.4573 1.3097 1 5 2 2.2424 1.8077 3 5 2 2.4958 1.3164 1 5 3 2.0976 0.6949 3 5 3 2.1341 -0.0341 1 5 4 2.3386 0.9899 3 5 4 1.2980 0.3078 2 1 1 2.0707 1.2378 4 1 1 2.2146 1.2177 2 1 2 1.8147 0.6138 4 1 2 2.5605 0.2921 2 1 3 2.3769 0.5015 4 1 3 2.3030 2.1934 2 1 4 2.0252 1.5598 4 1 4 2.3231 0.5015 2 2 1 2.1876 1.2721 4 2 1 2.9514 1.5007 2 2 2 2.2634 -0.0157 4 2 2 2.4057 1.3087 2 2 3 1.8522 -0.2968 4 2 3 2.3778 1.3395 2 2 4 2.0831 1.9441 4 2 4 1.6000 -0.0132 2 3 1 2.4583 0.5089 4 3 1 1.8567 0.1218 2 3 2 2.1457 1.3072 4 3 2 2.4431 1.5789 2 3 3 2.1160 0.2946 4 3 3 2.7250 1.4583 2 3 4 2.0155 1.6037 4 3 4 2.1335 0.5104 2 4 1 1.8977 1.1586 4 4 1 1.7388 1.0784 2 4 2 2.4173 0.6663 4 4 2 3.3824 2.6029 2 4 3 3.2578 2.1154 4 4 3 1.7019 0.3152 2 4 4 2.4589 1.3087 4 4 4 1.4735 0.1937 2 5 1 2.0057 0.6102 4 5 1 2.3383 0.9649 2 5 2 1.7996 0.6571 4 5 2 2.5602 1.2380 2 5 3 2.5331 0.2156 4 5 3 2.0856 1.6813 2 5 4 2.7916 2.0000 4 5 4 2.0051 0.1780