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, Drs. Sutrima, M.Si
43
Embed
PREFERENSI PENGGUNA KARTU PRABAYAR GSM PADA …eprints.uns.ac.id/9006/1/180911111201108071.pdf · semoga ukhuwah kita senantiasa terjalin. perpustakaan.uns.ac.id digilib.uns.ac.id
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
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
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
SURAKARTA
2011
perpustakaan.uns.ac.id digilib.uns.ac.id
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.
Kata kunci: analisis konjoin, stimulus, nilai kepentingan.
perpustakaan.uns.ac.id digilib.uns.ac.id
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.
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
digambarkan dengan dua atau lebih level.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
6
2. Level adalah nilai spesifik yang menggambarkan sebuah atribut.
3. Part worth adalah nilai kegunaan masing-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 桂 atribut yang masing-masing memiliki " level
maka secara umum utilitas dapat dirumuskan sebagai berikut
罐= 素 素 逛ƻú瓶ƻú妮Ɵ
屏ƻ妮Ɵ
(2.1)
dengan 罐 : total part worth (utilitas)
逛ƻú : part worth dari atribut ke-e (e = 1,2,3,...,桂) dan level
ke-鬼 (鬼 = 1,2,3,...,e) 诡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
1. Penentuan metode dalam analisis konjoin
perpustakaan.uns.ac.id digilib.uns.ac.id
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
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
adalah memilih dan mendefinisikan atribut dan level. Ada beberapa
perpustakaan.uns.ac.id digilib.uns.ac.id
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
memakai dua atribut yang sama merupakan sesuatu yang tidak efisien.
perpustakaan.uns.ac.id digilib.uns.ac.id
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
desain ortogonal dan bukan ortogonal pada Tabel 2.3. Pada Tabel 2.3
perpustakaan.uns.ac.id digilib.uns.ac.id
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
1
1
2
2
1
2
1
2
1
2
2
1
1
1
2
1
1
2
1
2
2
1
2
1
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.
Sebagai contoh apabila terdapat 4 atribut yang masing-masing
perpustakaan.uns.ac.id digilib.uns.ac.id
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
penjumlahan secara biasa.
perpustakaan.uns.ac.id digilib.uns.ac.id
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 罐Ɵ = 官Ɵ + 官挠+ ⋯+ 官瓶. 官Ɵ dan seterusnya adalah atribut yang berupa data
non metrik. Sedangkan 罐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 dicari estimasi 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 光
mempunyai kriteria sebagai berikut
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
13
a. pengukuran korelasi bernilai antara -1 dan +1,
b. jika nilai j membesar seiring dengan membesarnya nilai 光 ataupun
sebaliknya berarti pengukuran korelasi dikatakan positif yang
menggambarkan bahwa korelasi kuat,
c. jika nilai j membesar berpasangan dengan mengecilnya nilai 光
ataupun sebaliknya berarti pengukuran korelasi dikatakan negatif
yang menggambarkan bahwa korelasi kuat,
d. jika nilai j berpasangan dengan 光 menghasilkan pengukuran korelasi
0 berarti antara j dan 光 independen. Hal seperti ini dikatakan antara j
dan 光 tidak berkorelasi.
Diberikan sampel random berukuran 纵jƟ,光Ɵ邹,纵j挠,光挠邹, … , (j坡,光坡). Secara
umum ditulis (jƻ,光ƻ) untuk e = 1,2, … ,".观(jƻ) merupakan rangking pada jƻ. 观(jƻ) = 1 jika jƻ paling disukai diantara jƟ,j挠, … ,j坡. 观纵jƻ邹 = 2 jika jƻ terkecil kedua dan seterusnya sampai ke rangking " yang paling besar. Hal
yang sama diberikan kepada 观(光ƻ) yaitu 1, 2, ... , " untuk 光Ɵ,光挠, … ,光坡. Hal ini
bisa diterapkan untuk data yang terdiri dari observasi nonmetrik. Pengukuran
korelasi dinotasikan dengan 辉 (rho). Jika tidak terdapat nilai observasi yang
dengan 馆 merupakan jumlah keseluruhan dari hitungan deviasi rangking j dan 光 yang sudah dikuadratkan. Jika observasi terdapat beberapa nilai yang sama
(tie) maka digunakan rata-rata dari nilai yang sama tersebut.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
14
Uji hipotesis untuk koefisien korelasi Spearman adalah sebagai berikut
a. uji dua sisi 寡难: jƻ dan 光ƻ adalah independen 寡Ɵ : jƻdan 光ƻ tidak independen. Hal ini berarti ada kecenderungan bahwa
nilai j membesar berpasangan dengan nilai光 yang membesar atau
sebaliknya
b. uji satu sisi untuk korelasi positif 寡难: jƻ dan 光ƻ adalah independen 寡Ɵ : ada kecenderungan bahwa nilai j dan 光 sama-sama membesar
c. uji satu sisi untuk korelasi negatif 寡难: jƻ dan 光ƻ adalah independen 寡Ɵ : ada kecenderungan bahwa nilai j mengecil berpasangan dengan nilai
光 membesar
Nilai statistik uji dibandingkan dengan tabel koefisien korelasi Spearman
yang memberikan nilai quantil dari 辉. Pada uji satu sisi untuk korelasi positif 寡难 ditolak jika 辉 > quantil 1 − 荒. Pada uji satu sisi korelasi negatif 寡难 ditolak
jika 辉 < quantil 荒. Pada uji dua sisi 寡难 ditolak jika 辉 > quantil (1 − 荒/2) atau 辉 < quantil 荒 2⁄ .
2.1.4 Korelasi Kendall
Korelasi Kendall (蛔) juga dapat digunakan untuk mengetahui validasi
proses konjoin. Diberikan sampel random berukuran " dengan (jƻ,光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 棺品 merupakan banyaknya pasangan konkordan sedangkan 棺聘 merupakan
banyaknya pasangan yang tak konkordan maka untuk " buah pengamatan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
15
maka akan ada 试坡挠守 pasangan yang dapat dibuat atau terdapat 坡(坡能Ɵ)挠 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 坡(坡能Ɵ)挠 . Korelasi Kendall dirumuskan
sebagai berikut
蛔= 棺品− 棺聘"(" − 1)/2
(2.5)
Apabila semua pasangan konkordan maka 蛔 = 1 tetapi jika semua
pasangan tak konkordan maka 蛔 = -1. Apabila banyaknya pasangan konkordan
sama dengan banyaknya pasangan yang tak konkordan maka 蛔 = 0. Korelasi
Kendall dapat digunakan sebagai statistik uji untuk menguji hipotesis nol yang
menyatakan bahwa j dan 光 adalah independen seperti korelasi Spearman.
Menurut Conover (1980: 257) dalam perhitungan korelasi Kendall boleh
menggunakan 棺品− 棺聘sebagai statistik uji tanpa membaginya dengan "(" − 1)/2. Biasanya digunakan 馆 sebagai statistik uji Kendall dengan 馆
didefinisikan dengan 馆= 棺品− 棺聘. Quantil dari 馆 dapat dibandingkan dengan
quantil dari statistik uji korelasi Kendall. 寡难 ditolak jika 馆 > quantil (1 − 荒)
untuk uji satu sisi korelasi positif. 寡难 ditolak jika 馆 < quantil 荒 untuk korelasi
negatif. Pada uji dua sisi 寡难 ditolak jika 馆 > quantil (1 − 荒/2) atau 馆 < quantil 荒 2⁄ . Selain itu, penolakan 寡难 dapat dilakukan dengan membandingkan nilai
signifikan (Asymp.Sig.) dengan 荒 yang digunakan. 寡难 ditolak jika nilai
signifikan (Asymp.Sig.) < 荒.
2.1.5 Estimasi 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:
1. menghitung rata-rata rangking untuk masing-masing level,
perpustakaan.uns.ac.id digilib.uns.ac.id
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
mempunyai ketepatan yang tinggi.
perpustakaan.uns.ac.id digilib.uns.ac.id
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
untuk memakai kartu tersebut. Atribut-atribut yang digunakan antara lain
perpustakaan.uns.ac.id digilib.uns.ac.id
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
strategi pemasaran.
perpustakaan.uns.ac.id digilib.uns.ac.id
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
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
masing-masing data responden akan diestimasi sendiri tidak secara kelompok atau
perpustakaan.uns.ac.id digilib.uns.ac.id
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
dilihat dari atribut tarif SMS terdapat 4 tarif reguler dan 4 tarif paketan. Seperti
perpustakaan.uns.ac.id digilib.uns.ac.id
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
ID
Tarif
SMS
Tarif
telepon
Tarif
internet
Bentuk
isi ulang
Bonus Sinyal Jangkau
an
Rang
king
1 reguler Detik per KB elektrik telepon lemah tidak luas 3
2 reguler Menit per MB voucher telepon lemah luas 5
3 paketan Menit per KB elektrik SMS lemah luas 4
4 reguler Detik per KB voucher SMS kuat luas 1
5 paketan Detik per MB elektrik telepon kuat luas 2
6 reguler Menit per MB elektrik SMS kuat tidak luas 6
7 paketan Menit per KB voucher telepon kuat tidak luas 7
8 paketan Detik per MB voucher SMS lemah tidak luas 8
Estimasi Part Worth tiap level dapat dihitung dalam beberapa langkah
yaitu
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.
Kemudian rangking tersebut dicari rata-ratanya. Pada tarif SMS reguler
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
mendapatkan rangking 2.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
26
perpustakaan.uns.ac.id digilib.uns.ac.id
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
Tarif SMS
Tarif telepon
Tarif internet
Bentuk isi ulang
Bonus
Sinyal
Jangkauan
Reguler
Paketan
Per detik
Per menit
Per KB
Per MB
Voucher
Elektrik
SMS
Telepon
Lemah
Kuat
Tidak luas
Luas
-0,259
0,259
0,100
-0,100
0,041
-0,041
-0,265
0,265
0,017
-0,017
-1,283
1,283
-0,947
0,947
perpustakaan.uns.ac.id digilib.uns.ac.id
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
stimulus kelima.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
29
perpustakaan.uns.ac.id digilib.uns.ac.id
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. &难: 贯平 dan 光平 adalah independen (tidak ada korelasi yang kuat antara estimasi model konjoin dengan pendapat riil responden) &囊 : 贯平dan 光平 tidak independen. Hal ini berarti ada kecenderungan bahwa
nilai 贯 membesar berpasangan dengan nilai光 yang membesar (ada
korelasi yang kuat antara estimasi model konjoin dengan pendapat riil
responden)
b. Tingkat signifikan 0,05
c. Daerah kritis: &难 ditolak jika 辉 > quantil(1 − 0,05/2) = quantil(0,975) = 0,7143(Lampiran3)