1. Latar Belakang Masalah Memahami perilaku konsumen adalah salah satu kunci untuk dapat mengidentifikasi strategi pemasaran yang efektif [1]

1.

Latar Belakang Masalah Memahami perilaku konsumen adalah salah satu kunci untuk dapat mengidentifikasi strategi pemasaran yang efektif [1]. Namun keragaman alasan konsumen dalam membeli suatu produk memberikan kompleksitas untuk dapat benar-benar menangkap keragaman alasan-alasan tersebut. Metode analisis yang biasa digunakan, akan mencoba untuk mempersempit keragaman tersebut dan hanya menangkap aspek-aspek yang dianggap relevan. Metode konvensional mempunyai beberapa kelemahan dalam memahami perilaku konsumen, yaitu kelemahan pertama adalah metode tersebut membutuhkan pengetahuan teknikal yang cukup sulit untuk dapat memperoleh penjelasan tentang fenomena perilaku; kelemahan lainnya adalah model yang dihasilkan dari metode tersebut tidak dapat menjelaskan semua fenomena perilaku yang mungkin terjadi. Hal ini disebabkan peniadaan informasi yang dianggap kurang relevan yang sebenarnya berpotensi sebagai informasi yang berharga [2]. Untuk menjawab permasalahan tersebut, digunakan suatu teori yang disebut Disjunctive Mapping (DM). Teori DM memungkinkan untuk dapat memahami perilaku konsumen tanpa harus mengorbankan keanekaragaman perilaku konsumen. Hal tersebut dimungkinkan karena DM mengandalkan kemampuan komputer untuk memproses data dalam jumlah besar [2]. Tren telepon mobile di berbagai kalangan saat ini tentu dapat menjadi peluang bisnis sangat menarik namun juga cukup menantang karena tidak sedikit pelaku bisnis yang telah terjun dalam bisnis ini. Hal ini dapat dilihat dengan banyaknya bisnis perdagangan telepon mobile yang bermunculan baik secara fisik maupun melalui dunia maya. Oleh karena itu, sangat dibutuhkan pemahaman yang baik akan pasar yang dituju sehingga seorang pelaku bisnis dapat menentukan strategi pemasaran yang tepat, dan dapat meningkatkan peluang pasar. Guna mencapai tujuan ini maka dalam penelitian tugas akhir, akan dilakukan analisis terhadap perilaku konsumen dalam membeli telepon mobile dengan menerapkan teori DM, yang diharapkan dapat menghasilkan pemahaman yang lebih baik terhadap perilaku konsumen. 2. Kajian Pustaka Adapun penelitian mengenai analisis perilaku dengan Disjunctive Mapping (DM) telah dilakukan sebelumnya, yaitu penelitian yang membandingkan dua kurikulum sekolah menengah dimana salah satunya adalah kurikulum yang sedang digunakan, dan yang lainnya merupakan kurikulum revisi berisi tawaran untuk menggunakan standarisasi nilai ujian. Penelitian tersebut memilih 400 siswa secara acak untuk kedua kurikulum tersebut, namun hanya 303 siswa yang tersisa dalam penelitian tersebut dengan kebanyakan siswa adalah siswa yang putus sekolah dari kurikulum yang sedang digunakan. Nilai ujian dibagi ke dalam tiga kategori yaitu High (tinggi), Medium (tengah), dan Low (rendah). Penelitian tersebut juga mengumpulkan data tentang kualitas sekolah, dukungan administratif terhadap kurikulum, serta kelas dan jenis kelamin setiap siswa. Tujuan dari penelitian tersebut adalah untuk memilih kurikulum yang menghasilkan paling banyak siswa dengan nilai ujian tinggi [2]. Dalam penelitian tersebut ditulis program DM dengan menggunakan JSL yang merupakan bahasa scripting dari perangkat lunak JMP [3]. Program DM tersebut

2

menghasilkan sebuah peta yang memiliki 77 baris dimana setiap baris merepresentasikan suatu jalur atau kombinasi dari variabel input. Setiap jalur merepresentasikan satu cara suatu hasil dapat terjadi, sedangkan peta secara keseluruhan menunjukkan semua cara dimana suatu hasil dapat terjadi. Permasalahan yang kemudian muncul adalah bagaimana cara mengekstrak informasi yang berguna dari dalam peta tanpa harus meruntuhkan keragaman jalur yang ada yang tentunya akan membuang informasi yang mungkin berharga. Untuk menjawab permasalahan tersebut digunakan tiga statistik dasar yaitu probabilitas jalur, potensi jalur, dan kontribusi jalur (diukur dalam dua cara) [2]. Probabilitas jalur dari jalur didefinisikan sebagai probabilitas jalur i tersebut terjadi atau frekuensi relatif yang dapat dituliskan pada Rumus 1. (1) Ni / ƩN Dimana Ni adalah jumlah kasus dari jalur i, dan dimana penjumlahan dilakukan pada semua jalur. Ini adalah probabilitas dimana suatu jalur akan terjadi terlepas dari hasil yang dituju. Potensi jalur dari jalur i adalah probabilitas dari hasil yang dituju pada suatu jalur yang dapat dituliskan pada Rumus 2. (2) (Frekuensi hasil yang dituju pada jalur i) / Ni Potensi jalur bertujuan untuk mengukur kekuatan relasi antara kondisi pada suatu jalur dengan hasil yang dituju sebagai suatu probabilitas. Kontribusi jalur untuk jalur i adalah probabilitas dari hasil yang dituju yang disumbangkan oleh jalur tersebut dan relatif terhadap semua jalur yang mungkin yang dapat dituliskan pada Rumus 3. (3) (Potensi Jalur) i * (Probabilitas Jalur) i Kontribusi jalur mengkombinasikan potensi jalur dengan probabilitas jalur dan menghasilkan suatu ukuran tingkat peranan dari suatu jalur dalam probabilitas hasil yang dituju, yang bergantung pada kekuatan dan frekuensi dari sebuah relasi. Kontribusi jalur dinyatakan dalam dua cara yaitu sebagai probabilitas dimana kondisi pada jalur dan hasil yang dituju akan terjadi, atau probabilitas yang sama sebagai persentase probabilitas total dari hasil yang dituju. Setelah peta disjungtif terbentuk maka proses analisis peta dapat dilakukan. Salah satu metode analisis peta yang digunakan adalah analisis pengaruh [2]. Untuk mengetahui pengaruh (influence) digunakan potensi jalur untuk mengukur efek dari kondisi pada probabilitas suatu hasil yang dituju. Ukuran tersebut dihitung sebagai berat rata-rata dari potensi jalur di seluruh jalur yang dipilih. Dengan mengamati pemilihan jalur yang berbeda maka banyak pertanyaan yang dapat dijawab yang menunjukkan seberapa banyak suatu kondisi atau banyak kondisi mempengaruhi suatu hasil yang dituju dan bagaimana tingkat pengaruh tersebut dibandingkan dengan hasil lain yang mungkin terjadi. Untuk mempermudah, proses analisis dilakukan dengan bantuan grafik yang menunjukkan pengaruh dari semua kondisi dalam peta. Grafik pada Gambar 1 menunjukkan hasil aplikasi metode statistika ANOVA (Analysis of Variance) terhadap data yang dibentuk oleh peta dan menggunakan potensi jalur sebagai variabel respon. Perhitungan mean dan interval kepercayaan ditimbang dengan frekuensi jalur (N).

3

Gambar 1 Pengaruh Pada Semua Jalur [2]

Cara membaca grafik pada Gambar 1, dijelaskan sebagai berikut. Probabilitas nilai tinggi (High) ditunjukkan oleh garis tengah di dalam ketupat. Dimensi vertikal ketupat merepresentasikan 95% interval kepercayaan (nilai ini dapat diatur). Dimensi horisontal ketupat menunjukkan proporsi dari sampel di setiap kategori. Garis pembanding yang dekat dengan bagian atas dan bawah ketupat menguji apakah perbedaan mean signifikan secara statistik. Jika garis pembanding pada satu ketupat lebih dekat kepada mean dari ketupat lain, maka perbedaannya tidak signifikan. Kesimpulan yang ditarik tentang DM dari hasil penelitian tersebut adalah bahwa dapat digali banyak informasi dari suatu analisis yang lebih mudah, dan dapat dijelaskan dengan singkat. Intinya bukanlah bahwa informasi tersebut tidak dapat diperoleh dengan cara-cara lain namun informasi tersebut tidak dapat diperoleh dengan mudah, dan dengan keahlian teknikal yang terbatas. Berdasarkan kesimpulan tersebut, penelitian tentang analisis perilaku konsumen dalam membeli telepon mobile perlu dilakukan mengingat masih kurangnya penerapan teori DM serta kemudahan yang diberikan oleh metode ini. Lewat penelitian yang dilakukan, diharapkan dapat diketahui berbagai aspek yang mempengaruhi perilaku konsumen dalam membeli telepon mobile. Hasil dari analisis perilaku konsumen dengan teori DM dapat membantu berbagai pelaku bisnis di bidang telepon mobile dalam meninjau ulang strategi pemasaran yang sedang digunakan maupun dalam menyusun strategi pemasaran yang baru guna meningkatkan peluang pasar. Pengertian Analisis Perilaku Kamus Besar Bahasa Indonesia [4] mendefinisikan kata analisis sebagai berikut: 1) Penyelidikan terhadap suatu peristiwa (karangan, perbuatan, dan sebagainya) untuk mengetahui keadaan yang sebenarnya (sebab-musabab, duduk perkaranya, dan sebagainya); 2) Penguraian suatu pokok atas berbagai bagiannya dan penelaahan bagian itu sendiri serta hubungan antar bagian untuk memperoleh pengertian yang tepat dan pemahaman arti keseluruhan; 3) Penyelidikan kimia dengan menguraikan sesuatu untuk mengetahui zat bagiannya dan sebagainya; 4) Penjabaran sesudah dikaji sebaik-baiknya; dan 5) Pemecahan persoalan yang dimulai dengan dugaan akan kebenarannya. Berdasarkan definisi tersebut dapat disimpulkan bahwa analisis perilaku merupakan usaha penyelidikan yang dilakukan terhadap suatu perilaku guna memperoleh pengertian yang lebih baik tentang perilaku tersebut. Pengertian Analisis Perilaku Konsumen Perilaku konsumen merupakan segala aktivitas konsumen yang berkaitan dengan pembelian, penggunaan, dan penghabisan barang dan jasa, termasuk emosi, mental, dan respon-respon konsumen yang mendahului, menentukan, atau mengikuti aktivitas-aktivitas tersebut [5]. Pendapat lain menyatakan bahwa perilaku konsumen 4

mencerminkan totalitas keputusan konsumen sehubungan dengan perolehan, konsumsi, dan disposisi barang, jasa, kegiatan, pengalaman, orang-orang, dan ide-ide oleh pengambilan keputusan dari waktu ke waktu [6]. Berdasarkan dua definisi tersebut dapat disimpulkan bahwa perilaku konsumen adalah keputusan-keputusan yang diambil oleh konsumen guna mendapatkan, mengkonsumsi, dan menghabiskan suatu produk dimana keputusan-keputusan tersebut dapat dipengaruhi oleh berbagai hal. Jika pengertian perilaku konsumen ini dikaitkan dengan pengertian analisis perilaku yang telah dijelaskan sebelumnya, maka dapat diambil suatu kesimpulan bahwa analisis perilaku konsumen adalah suatu usaha penyelidikan yang dilakukan untuk memperoleh pengertian yang lebih baik terhadap keputusan-keputusan yang diambil oleh konsumen untuk mendapatkan, mengkonsumsi, dan menghabiskan suatu produk, serta berbagai hal yang mempengaruhi keputusan-keputusan tersebut. Pengertian Teori Disjunctive Mapping Disjunctive Mapping (DM) adalah suatu teori perilaku manusia yang berlandaskan pada mekanisme disjungtif yang menyatakan bahwa suatu hasil yang pasti dapat dijelaskan oleh input atau masukan yang tidak pasti dan beragam, dimana jumlah probabilitas dari beragam cara suatu hasil dapat terjadi, akan menentukan probabilitas hasil tersebut [2]. Teori DM sendiri adalah aplikasi dari mekanisme disjungtif dimana data disusun untuk memetakan berbagai cara suatu hasil atau suatu perilaku terjadi dan dimana penjelasan tentang perilaku tersebut dapat diperoleh melalui analisis terhadap probabilitas dari jalur-jalur dimana hasil tersebut terjadi. Ada beberapa konsep mendasar dari teori Disjunctive Mapping (DM), dimana hal-hal tersebut perlu untuk dipahami agar dapat diaplikasikan dengan benar. Konsepkonsep tersebut dijelaskan sebagai berikut. Peta dan Bukan Model Berbagai kondisi yang menuntun kepada perilaku manusia (motivasi, kebiasaan, peristiwa, kepercayaan, ketentuan, perasaan, pengaruh, wawasan, tekanan sosial, keadaan, dan sebagainya) secara sederhana dapat dijelaskan, sebagai jalurjalur. Sebagai contoh, sebuah masukan berupa rangkaian atau kombinasi dari tiga peristiwa, A, B, dan C, menuntun kepada suatu perilaku X (A B C  X). Jika ada ketidakpastian yang terkait dengan hasil, yaitu jika dapat terjadi lebih dari satu hasil, maka dibutuhkan paling tidak dua X. Satu (X1) mewakili keadaan dimana X terjadi dan yang lainnya (X2) mewakili keadaan ketika X tidak terjadi. Jika ada ketidakpastian baik tentang masukan dan hasil, maka dapat digambarkan dengan tumpukan jalur-jalur (Tabel 1) dimana satu jalur mewakili setiap kombinasi dari masukan. Tabel 1 Tumpukan Jalur-Jalur [2]

A1 B1 C1  X1, X2 A1 B1 C2  X1, X2 A1 B2 C1  X1, X2 A1 B2 C2  X1, X2 A2 B1 C1  X1, X2 A2 B1 C2  X1, X2 A2 B2 C1  X1, X2 A2 B2 C2  X1, X2

5

Tumpukan jalur-jalur pada Tabel 1 dapat dibayangkan sebagai sebuah peta yang menunjukkan cara-cara untuk berangkat dari masukan-masukan perilaku kepada keluarannya. Sebuah peta menunjukkan berbagai cara untuk berangkat dari suatu tempat ke tempat lain. Karena setiap cara bersifat independen satu sama lainnya, maka setiap jalur pada peta dapat memiliki logikanya masing-masing, sehingga dapat dilewati lokasi yang berbeda dan digunakan kendaraan yang berbeda untuk dapat sampai ke tujuan. Tetapi model harus menemukan atau menentukan sejumlah logika yang mendasari, hanya satu jika mungkin. Dengan demikian model tidak sesuai, ketika ada beberapa logika yang mendasari dan faktor-faktor yang beragam dari suatu hal ke hal yang lainnya, seperti halnya ketika perilaku muncul dari beragam kombinasi alasan. Peta sederhana menunjukkan apa yang ada di suatu lokasi. Pada intinya model tidak memiliki kebebasan seperti halnya peta. Model pada umumnya tidak mencari kebebasan karena model mencari logika-logika penyatu yang dapat mencakup sebanyak mungkin. Dengan menggunakan sebuah peta, maka tugas analisis adalah untuk menjawab pertanyaan-pertanyaan dengan mencari berbagai jalur yang relevan, mengukurnya dan menjumlahkan efek jalur-jalur tersebut. Sedangkan ketika menggunakan model maka tugas analisis adalah untuk menunjukkan dinamika kunci, dan memberikan alasan berdasarkan informasi tersebut. Kategori dan Bukan Kontinuitas Sebuah peta adalah representasi logis dari pada representasi matematika, dan berdasarkan pada proposisi dari pada fungsi, demikian juga sebuah peta berurusan dengan kategori dan bukan kontinuitas. Hal ini khususnya tepat untuk digunakan pada data yang mewakili informasi yang direspon oleh manusia, sebagaimana kontinuitas cenderung untuk diterjemahkan dalam bahasa kategorial seperti: pendapatan kelas menengah yang mengacu pada suatu kisaran, dan kelas miskin pada kirasan yang berbeda, dan sebagainya. Penggunaan kategori dapat menambah informasi yang dihasilkan, dengan menjelaskan bagaimana data dipisahkan ke dalam kategori-kategori. Variabel dan Informasi yang Hilang Variable-variabel DM terdiri dari kondisi-kondisi yang menjelaskan semua kemungkinan keadaan (state), dimana dalam suatu keadaan yang dipertanyakan salah satu dari kondisi-kondisi tersebut akan terjadi. Walaupun terkadang dimungkinkan untuk mendefinisikan semua kondisi dengan kategori-kategori spesifik, namun seringkali pada beberapa kasus tidak tersedia informasi atau tidak ada kategori yang sesuai yang dapat digunakan. Keadaan tersebut seringkali dikategorikan sebagai Tidak Digunakan, Lainnya, atau dibiarkan kosong (Tidak Diketahui). Penggunaan kategori-kategori tersebut memungkinkan analisis untuk menjelajahi berapa banyak dari probabilitas suatu hasil dapat muncul dari kondisi-kondisi yang tidak diketahui. Kesamaan Bukan Sebagai Dasar dari Penjelasan Disjungsi tidak menuntut kesamaan untuk menghasilkan keluaran yang pasti. Namun DM mengukur efek kesamaan ketika kesamaan itu ada, dan ukuran ini akan cenderung lebih informatif dari pada statistik konvensional, yang mengatributkan efek dari disjungsi lengkap kepada kesamaannya. Pengetahuan akan kesamaan dapat memberikan kegunaan praktis yang penting sebagai prediktor, dan dapat merepresentasikan pengungkit yang efektif pada keseluruhan sistem disjungtif.

6

Lebih Kepada Kerjasama dari pada Kompetisi Ide Probabilitas dari suatu keluaran adalah jumlah dari probabilitas jalur-jalur yang menuju ke keluaran tersebut, dan setiap jalur adalah satu penjelasan dari satu cara keluaran tersebut dapat terjadi. Penjelasan yang berbeda dapat berkerjasama untuk menjelaskan keluaran tersebut. Suatu kompetisi untuk menemukan penjelasan terbaik hanya akan mengidentifikasi jalur yang saat ini merupakan cara yang paling mungkin untuk dapat mencapai suatu keluaran. Parsimoni Bukan Merupakan Analisis yang Ideal Karena penjelasan disjungtif bekerja melalui penyebaran cara-cara suatu hal dapat terjadi, maka mempertahankan parsimoni sebagai sesuatu yang ideal adalah suatu ajakan kepada representasi yang salah. Hal ini bukan hanya masalah penyederhanaan berlebihan, tetapi masalah mengganggu mekanisme kausal pusat, yang timbul dari penyebaran tersebut. Menyelidiki Hasil dan Bukan Hubungan Fenomena perilaku manusia bukan satu hal tetapi banyak hal, yang terdiri dari beragam cara suatu hasil dapat terjadi dan kasus-kasus yang berbeda dari suatu fenomena cenderung mengandung kondisi yang berbeda dan hubungan yang berbeda. Jadi untuk mendapatkan target yang jelas guna investigasi, maka yang harus dijadikan target adalah hasil itu sendiri. Interpretasi Kondisi dan Jalur Statistik bekerja dengan ukuran dari keadaan (state) dan perihal, dan jika keadaan dan perihal yang diukur tidak sama pada dimensi yang relevan, maka artinya tertekan keluar dari analisis. Dalam bahasa umum, konteks dan pengubah mengijinkan nuansa makna, tetapi analisis kuantitatif konvensional harus berjuang demi variabel-variabel yang berdiri sendiri, interaksi dan kontinjensi konflik dengan parsimoni dan universalitas, dan program untuk mengidentifikasi kekuatan dasar yang koheren. DM tanpa ketertarikan pada parsimoni atau universalitas menyediakan suatu konteks khusus untuk setiap kondisi. Dengan demikian jalur, bukan kondisi, dapat dianggap sebagai unit terkecil yang terdefinisi dengan baik. Memahami Kondisi Melalui Efeknya Terhadap Jalur Karena kondisi dipahami berdasarkan konteks jalurnya masing-masing, maka pengukuran efek kondisi harus diukur dalam konteks tersebut, dan diharapkan suatu kondisi untuk memiliki efek yang berbeda pada jalur yang berbeda. Ukuran efek dari suatu kondisi adalah perbedaan probabilitas keluaran antara jalur-jalur dimana suatu kondisi atau kombinasi dari kondisi-kondisi terjadi dan dengan jalur dimana kondisi atau kombinasi tersebut tidak terjadi. Probabilitas Sebagai Ukuran Besarnya Efek Ketika bekerja dengan variabel kategorial maka pertanyaan praktis yang utama adalah kemungkinan, yaitu apakah suatu hal akan terjadi. Di bawah ketidakpastian pertanyaan tersebut menjadi seberapa mungkin hal tersebut dapat terjadi. Probabilitas menjawab pertanyaan ini dengan angka yang dengan mudah dihitung dan dapat dipahami dalam bentuk persentase. Perangkat Lunak JMP JMP adalah perangkat lunak visualisasi data dan analisis statistik yang dapat digunakan untuk mempelajari data dengan melakukan analisis dan interaksi dengan data menggunakan tabel data, grafik, diagram, dan report [7]. Tabel data dalam

7

perangkat lunak JMP adalah suatu tempat yang berisi kumpulan data yang diatur berdasarkan baris dan kolom [7]. Setiap kolom dalam tabel data memiliki beberapa atribut antara lain nama kolom dan tipe data. Salah satu fitur penting dari JMP adalah JMP scripting language atau JSL, dimana JSL dapat digunakan untuk mengembangkan kemampuan dasar JMP [3]. Dalam penelitian ini data perilaku konsumen akan diatur ke dalam tabel data, sedangkan JSL akan digunakan untuk mengimplementasikan teori Disjunctive Mapping (DM). 3. Metode Penelitian Secara umum penelitian terbagi ke dalam 6 (enam) tahap, yaitu: (1) tahap identifikasi kondisi-kondisi atau variabel-variabel, (2) tahap perancangan kuesioner dan pengumpulan data, (3) tahap perancangan tabel data, (4) tahap perancangan program Disjunctive Mapping (DM), (5) tahap implementasi dan analisis hasil, (6) membuat laporan hasil penelitian. Gambar 2 menunjukkan flowchart tahapan penelitian. Identifikasi Kondisi Identifikasi kondisi-kondisi menyangkut perilaku konsumen dalam membeli telepon mobile Perancangan Kuesioner dan Pengumpulan Data Perancangan pertanyaan-pertanyaan kuesioner, penyebaran kuesioner

Perancangan Tabel Data

Perancangan Program Disjunctive Mapping Membentuk jalur, frekuensi jalur, tiga statistik dasar, analisis pengaruh

Implementasi dan Analisis Hasil Implementasi program DM, analisis pengaruh

Laporan Hasil Penelitian

Gambar 2 Flowchart Tahapan Penelitian

Identifikasi Kondisi Peta disjungtif merupakan representasi dari kombinasi berbagai macam cara atau kondisi suatu hal atau tujuan dapat terjadi. Dalam konteks penelitian sebelumnya kondisi-kondisi yang diketahui antara lain kualitas sekolah, jenis kurikulum yang digunakan, dukungan administratif terhadap kurikulum, jenis kelamin siswa, kelas dan nilai ujian siswa dimana dalam penelitian tersebut nilai ujian siswa dijadikan sebagai tujuan. Oleh karena itu dalam penelitian ini perlu untuk diketahui kondisi-kondisi yang menyangkut perilaku konsumen dalam membeli telepon mobile agar perancangan kuesioner dapat benar-benar menghasilkan pertanyaan-pertanyaan yang akan menghasilkan data yang dibutuhkan. Penentuan kondisi-kondisi tersebut dilakukan berdasarkan hasil wawancara pra penelitian terhadap beberapa responden yang menunjukkan beberapa hal yang dipertimbangkan 8

pada saat konsumen melakukan pembelian telepon mobile. Tabel 2 menunjukkan kondisi-kondisi yang dianggap penting dimana kondisi-kondisi tersebut dikelompokkan ke dalam kondisi-kondisi yang menyangkut telepon mobile, kondisikondisi yang menyangkut pembelian suatu telepon mobile oleh konsumen, dan kondisi-kondisi yang menyangkut individual konsumen. Kondisi-kondisi tersebut dijelaskan sebagai berikut. Kondisi-Kondisi Menyangkut Telepon Mobile adalah sebagai berikut: Brand, merupakan kondisi yang menyatakan merek dari telepon mobile yang dimiliki oleh konsumen. Model, merupakan kondisi yang menyatakan model atau tipe dari telepon mobile yang dimiliki oleh konsumen. Platform, merupakan kondisi yang menyatakan jenis platform atau sistem operasi dari telepon mobile yang dimiliki konsumen. Penggunaan kondisi Brand dan Model ditujukan guna membantu konfirmasi atau identifikasi jenis platform dari suatu telepon mobile ketika data yang diberikan tentang jenis platform dari telepon mobile tersebut diragukan atau tidak diketahui. Seperti yang telah dijelaskan pada batasan masalah, nilai yang mungkin dari jenis platform dibatasi pada platform Android, iOS, Symbian, dan RIM BlackBerry. Untuk telepon mobile dengan platform yang berbeda dari keempat platform yang telah disebutkan, digunakan kategori Other. Price, merupakan kondisi yang menyatakan harga beli dari telepon mobile yang dimiliki konsumen. Nilai yang mungkin dari harga beli dikelompokkan ke dalam tiga kategori kisaran harga, yaitu kategori High untuk kisaran harga beli lebih dari Rp. 3,000,000 (tiga juta rupiah), kategori Medium untuk kisaran harga beli antara Rp. 1,500,000 (satu juta lima ratus ribu rupiah) dan Rp. 3,000,000 (tiga juta rupiah), dan kategori Low untuk kisaran harga beli kurang dari Rp. 1,500,000 (satu juta lima ratus ribu rupiah). Condition, merupakan kondisi yang menyatakan kondisi telepon mobile yang dimiliki konsumen ketika dibeli. Terdapat dua kemungkinan kategori yang diberikan terhadap kondisi telepon mobile, yaitu kategori New untuk telepon mobile yang dibeli dalam kondisi baru, dan kategori Used untuk telepon mobile yang dibeli dalam kondisi bekas. Overall Quality, merupakan kondisi yang menyatakan opini konsumen terhadap kualitas telepon mobile yang dimiliki secara keseluruhan. Terdapat tiga kemungkinan kategori yang diberikan untuk kualitas telepon mobile secara keseluruhan, yaitu kategori Good untuk opini bahwa kualitas telepon mobile baik, kategori Average untuk opini bahwa kualitas telepon mobile rata-rata, dan kategori Poor untuk opini bahwa kualitas telepon mobile buruk. Kondisi-Kondisi Menyangkut Pembelian Telepon Mobile adalah sebagai berikut: Internet Shop, merupakan kondisi yang menyatakan bahwa pembelian telepon mobile dilakukan melalui media internet seperti toko online bhineka.com, amazon.com, dan sebagainya. Terdapat dua nilai yang mungkin dalam kondisi ini, yaitu Yes untuk keadaan dimana pembelian telepon mobile dilakukan melalui internet, dan No untuk keadaan dimana pembelian telepon mobile tidak dilakukan melalui internet.

9

-

Pay Method, merupakan kondisi yang menyatakan metode pembayaran yang digunakan konsumen ketika melakukan pembelian telepon mobile. Terdapat tiga kemungkinan kategori dalam metode pembayaran yang digunakan, yaitu kategori Cash untuk pembayaran yang dilunasi dengan uang tunai, kategori Credit untuk pembayaran yang dilakukan dengan cara angsuran, dan kategori Electronic Payment untuk pembayaran yang dilakukan melalui media elektronik seperti transfer ke rekening, kartu kredit, pay pal, dan sebagainya. Extra Features, merupakan kondisi yang menyatakan pembelian telepon mobile karena alasan fitur tambahan selain telepon dan SMS yang dimiliki telepon mobile tersebut. Price Factor, merupakan kondisi yang menyatakan pembelian telepon mobile karena faktor harga. Other Reasons, merupakan kondisi yang menyatakan alasan-alasan lain yang mungkin mempengaruhi pembelian telepon mobile. Terdapat dua nilai yang mungkin untuk setiap kondisi yang menyatakan alasan pembelian telepon mobile, yaitu Yes untuk keadaan dimana alasan tersebut berlaku, dan No untuk keadaan dimana alasan tersebut tidak berlaku. Kondisi-Kondisi Menyangkut Individu Konsumen adalah sebagai berikut: Gender, merupakan kondisi yang menyatakan jenis kelamin konsumen. Terdapat dua nilai yang mungkin untuk jenis kelamin konsumen, yaitu Female untuk konsumen dengan jenis kelamin perempuan, dan Male untuk kosumen dengan jenis kelamin laki-laki. Monthly Income, merupakan kondisi yang menyatakan penghasilan konsumen setiap bulannya. Nilai yang mungkin dari penghasilan per bulan dikelompokkan ke dalam tiga kategori kisaran penghasilan, yaitu kategori High untuk kisaran penghasilan per bulan lebih dari Rp. 3,000,000 (tiga juta rupiah), kategori Medium untuk kisaran penghasilan per bulan antara Rp. 1,500,000 (satu juta lima ratus ribu rupiah) dan Rp. 3,000,000 (tiga juta rupiah), dan kategori Low untuk kisaran penghasilan per bulan kurang dari Rp. 1,500,000 (satu juta lima ratus ribu rupiah). Income Type, merupakan kondisi yang menyatakan jenis sumber penghasilan yang dimiliki konsumen. Terdapat tiga kemungkinan kategori dalam jenis sumber penghasilan yang dimiliki, yaitu kategori Personal untuk konsumen yang memiliki sumber penghasilan pribadi atau mandiri, kategori Sponsored untuk konsumen yang tidak memiliki sumber penghasilan pribadi atau disponsori, dan kategori Both untuk konsumen yang memiliki sumber penghasilan pribadi maupun disponsori. Penentuan nilai yang mungkin dari setiap kondisi pada Tabel 2, tentunya mengacu pada konsep dasar DM yang telah dijelaskan sebelumnya. Hal ini dapat dilihat pada harga (Price) telepon mobile dan penghasilan bulanan (Monthly Income) dari konsumen dimana nilai-nilai yang mungkin dari kedua kondisi tersebut diterjemahkan ke dalam kategori-kategori yaitu High, Medium dan Low, dimana setiap kategori mewakili suatu kisaran nilai. Selain itu konsep DM juga menjelaskan tentang ketidakpastian dimana suatu masukan dapat atau tidak terjadi. Konsep ini diterapkan pada kondisi menyangkut alasan konsumen ketika memutuskan untuk membeli suatu telepon mobile karena tentunya alasan setiap konsumen dalam

10

melakukan pembelian dapat bereda-beda dan seringkali merupakan kombinasi dari beberapa alasan [2]. Pada Tabel 2 dapat dilihat beberapa alasan konsumen melakukan pembelian antara lain karena fitur tambahan selain fitur dasar (telepon dan SMS) yang ditawarkan oleh suatu telepon, karena harga beli telepon yang dapat dijangkau oleh konsumen, dan karena alasan lainnya. Penggunaan alasan lainnya juga merupakan salah satu dari konsep DM dimana kategori lainnya dapat digunakan untuk mewakili alasan-alasan lain yang belum teridentifikasi. Kondisi Telepon Mobile Brand Model Platform

Price

Condition Overall Quality

Pembelian Telepon Internet Shop Pay Method

Extra Features Price Factor Other Reasons Individu Konsumen Gender Income

Income Type

Tabel 2 Identifikasi Kondisi-Kondisi Nilai yang Mungkin Keterangan

Android Symbian RIM BlackBerry Other High Medium Low New Used Good Average Poor

> Rp 3,000,000 Rp 1,500,000 – Rp 3,000,000 < Rp 1,500,000

Yes No Cash Credit Electronic Payment Yes No Yes No Yes No Female Male High Medium Low Personal Sponsored Both

> Rp 3,000,000 Rp 1,500,000 – Rp 3,000,000 < Rp 1,500,000

Perancangan Kuesioner dan Pengumpulan Data Perancangan pertanyaan-pertanyaan kuesioner dilakukan berdasarkan kondisikondisi pada Tabel 2 dimana kondisi-kondisi tersebut diterjemahkan ke dalam kalimat pertanyaan yang mudah dimengerti oleh responden. Tabel 3 menampilkan rancangan pertanyaan-pertanyaan yang akan diberikan dalam kuesioner. Langkah selanjutnya adalah melakukan pengumpulan data dengan menyebarkan kuesioner kepada responden-responden. Penyebaran kuesioner akan dilakukan dengan dua cara

11

pengumpulan data [8] yaitu survei diambil, dan survei yang dikirimkan lewat komputer. No. 1 2 3

4

5 6

7 8

9 10

11

12 13

14

Tabel 3 Rancangan Pertanyaan-Pertanyaan Kuesioner Pertanyaan Pilihan Jawaban Telepon Mobile Apa merek telepon mobile yang Anda miliki? Apa model atau tipe dari telepon mobile tersebut? Pilih jenis platform dari telepon mobile a) Android tersebut. b) Apple iOS c) RIM BlackBerry d) Symbian e) Lainnya f) Tidak Tahu Pilih kisaran harga telepon mobile a) Lebih dari Rp 3 juta tersebut pada saat Anda membelinya. b) Antara Rp 1,5 juta – Rp 3 juta c) Kurang dari Rp 1,5 juta Pilih kondisi telepon mobile tersebut a) Baru pada saat Anda membelinya. b) Bekas Apa pendapat Anda tentang kualitas a) Baik telepon mobile tersebut secara b) Rata-rata keseluruhan? c) Buruk Pembelian Telepon Apakah Anda membeli telepon mobile a) Ya tersebut melalui internet? b) Tidak Bagaimana cara Anda melakukan a) Kredit pembayaran ketika Anda membeli b) Tunai telepon mobile Anda? c) Pembayaran Elektronik Apakah Anda membeli telepon mobile a) Ya tersebut karena faktor harga? b) Tidak Apakah Anda membeli telepon mobile a) Ya tersebut karena telepon tersebut b) Tidak memiliki fitur ekstra selain telepon dan SMS? Apakah Anda memiliki alasan-alasan a) Ya lain selain alasan-alasan di atas ketika b) Tidak Anda memutuskan untuk membeli telepon mobile tersebut? Individu Konsumen Jenis kelamin Anda? a) Laki-Laki b) Perempuan Pilih kisaran pemasukan atau a) Lebih dari Rp 3 juta pendapatan Anda perbulannya. b) Antara Rp 1,5 juta – Rp 3 juta c) Kurang dari Rp 1,5 juta Pilih jenis pemasukan atau pendapatan a) Sponsor Anda. b) Pemasukan Pribadi c) Keduanya benar

Perancangan Tabel Data Data yang nantinya diperoleh dari jawaban-jawaban responden akan diatur ke dalam tabel data dalam perangkat lunak JMP. Rancangan tabel data dibuat berdasarkan kondisi-kondisi yang telah teridentifikasi pada Tabel 3. Rancangan tabel

12

data yang terdiri dari nama-nama kolom, tipe data setiap kolom dan nilai-nilai yang mungkin dari setiap kolom dapat dilihat pada Tabel 4. Nama Kolom Platform Price Condition Quality Internet Shop Pay method Extra Features Price Factor Other Reasons Gender Monthly Income Income Type

Tabel 4 Rancangan Tabel Data Tipe Data Nilai yang Mungkin Character Android, iOS, Symbian, RIM BlackBerry Character High, Medium, Low Character New, Used Character Good, Average, Poor Character Yes, No Character Cash, Credit, Electronic Payment Character Yes, No Character Yes, No Character Yes, No Character Female, Male Character High, Medium, Low Character Personal, Sponsored, Both

Perancangan Program Disjunctive Mapping Perancangan program Disjunctive Mapping (DM) dilakukan berdasarkan program DM yang telah dikembangkan pada penelitian terdahulu dengan menggunakan JMP Scripting Language (JSL) [2]. Program DM dapat dibagi ke dalam dua bagian, yaitu program DM untuk membangun peta disjungtif, dan program DM untuk melakukan analisis terhadap peta disjungtif [2]. Program DM untuk membangun peta disjungtif merupakan bagian program DM yang membentuk peta disjungtif berdasarkan data yang telah diatur ke dalam tabel data. Pembentukan peta disjungtif sendiri dapat dibagi lagi ke dalam beberapa bagian, yaitu membentuk jalur-jalur dari data yang ada, menghitung frekuensi setiap jalur yang terjadi, dan menerapkan tiga statistik dasar pada setiap jalur yang terjadi. Setelah peta dijungtif terbentuk, maka analisis terhadap peta disjungtif dapat dilakukan. Program DM untuk melakukan analisis terhadap peta disjungtif merupakan bagian program DM yang melakukan analisis dengan menggunakan metode analisis pengaruh. Dalam metode analisis pengaruh akan dilakukan analisis pengaruh pada semua jalur dalam peta disjungtif. Gambar 3 menunjukkan flowchart penggunaan program DM dalam penelitian. Penggunaan program DM dimulai dengan menjalankan program DM untuk membentuk jalur-jalur dari data yang telah dimasukkan ke dalam tabel data. Setelah jalur-jalur terbentuk, maka tahap selanjutnya adalah menjalankan program DM untuk menghitung frekuensi dari setiap jalur yang terbentuk pada tahap sebelumnya. Hasil dari tahap ini adalah berupa sebuah tabel data baru dimana setiap baris pada tabel data tersebut menunjukkan satu jalur yang terjadi pada tabel data sebelumnya dan berapa kali jalur tersebut terjadi (frekuensi jalur). Seperti yang telah dikemukakan sebelumnya bahwa DM menggunakan tiga statistik dasar, yaitu probabilitas jalur, potensi jalur, dan kontribusi jalur (diukur dalam dua cara), guna memperoleh informasi yang diinginkan dari peta disjungtif tanpa meruntuhkan keragaman jalur. Tahap selanjutnya adalah menjalankan program DM untuk menghitung tiga statistik dasar. Hasil yang diperoleh dari tahap ini adalah kolomkolom baru pada tabel data yang mewakili ketiga statistik dasar. Tahap selanjutnya adalah proses perolehan informasi dari peta disjungtif yang telah terbentuk dengan menggunakan metode analisis pengaruh. Pada tahap ini dijalankan program DM

13

untuk melakukan analisis pengaruh pada semua jalur. Hasil yang diperoleh dari tahap ini adalah grafik-grafik yang menunjukkan pengaruh dari semua kondisi dalam peta terhadap kondisi tujuan. Tugas selanjutnya adalah melakukan analisis terhadap grafik-grafik tersebut dan menuliskan hasil analisis. Mulai

Program Disjunctive Mapping Untuk Membentuk Jalur-Jalur

Tabel data dengan jalur-jalur

Program Disjunctive Mapping Untuk Menghitung Frekuensi Jalur

Tabel data baru dengan frekuensi jalur

Program Disjunctive Mapping Untuk Menghitung Tiga Statistik Dasar

Tabel data dengan tiga statistik dasar Program Disjunctive Mapping Untuk Analisis Pengaruh Pada Semua Jalur Grafik Hasil Analisis Pengaruh

Selesai

Gambar 3 Flowchart Penggunaan Program Disjunctive Mapping

4. Hasil dan Pembahasan Pembuatan Tabel Data Setelah perancangan tabel data serta pengumpulan data menggunakan kuesioner telah dilakukan, maka langkah selanjutnya adalah pembuatan tabel data. Kode Program 1 menunjukkan script JSL untuk membuat tabel data. Baris 1 (satu) pada Kode Program 1 merupakan instruksi untuk membuat sebuah tabel baru dengan nama tabel Data. Baris 2 (dua) merupakan instruksi untuk membuat sebuah kolom baru dengan nama path dengan tipe data Character. Baris 3 (tiga) sampai dengan baris 14 (empat belas) merupakan instruksi untuk membuat kolom-kolom lainnya. Kode Program 1 Script JSL Pembuatan Tabel Data 01 02 03 04 05 06

New Table New New New New New

("Data", Column("path", Character), Column("price", Character), Column("condition", Character), Column("quality", Character), Column("internet shop", Character),

14

07 08 09 10 11 12 13 14 15

New New New New New New New New

Column("pay method", Character), Column("price factor", Character), Column("extra features", Character), Column("other reasons", Character), Column("gender", Character), Column("income", Character), Column("income type", Character), Column("platform", Character)

);

Hasil Pengumpulan Data Berdasarkan kedua metode pengumpulan data yang digunakan, yaitu metode survei diambil, dan metode survei yang dikirimkan lewat komputer, diperoleh 170 (seratus tujuh puluh) responden, dimana 77 (tujuh puluh tujuh) responden diperoleh melalui metode survei diambil, dan 93 (sembilan puluh tiga) responden lainnya diperoleh melalui metode survei yang dikirimkan lewat komputer. Gambar 4 menunjukkan grafik jumlah responden yang diperoleh berdasarkan setiap jenis platform, dimana responden dengan telepon mobile platform Symbian berjumlah 67 (enam puluh tujuh), RIM BlackBerry berjumlah 44 (empat puluh empat) responden, Android berjumlah 31 (tiga puluh satu) responden, dan platform lainnya (Other) berjumlah 28 responden.

Gambar 4 Jumlah Responden Berdasarkan Jenis Platform

Input Data Pengaturan jawaban-jawaban kuesioner ke dalam tabel data dilakukan dengan beberapa cara, tergantung metode pengumpulan data yang digunakan. Untuk jawaban-jawaban yang diperoleh dengan metode survei diambil, jawaban-jawaban dimasukkan satu per satu secara langsung ke dalam tabel data. Sedangkan untuk jawaban-jawaban yang diperoleh dengan metode survei dikirimkan lewat komputer, semua jawaban disalin ke dalam tabel data. Pembentukan Jalur Pembentukan jalur dilakukan dengan menggunakan JSL. Kode Program 2 menunjukkan script JSL untuk membentuk jalur-jalur dari seluruh baris data yang ada. Baris 1 (satu) pada Kode Program 2 merupakan instruksi untuk melakukan iterasi pada setiap baris dalam tabel data. Baris 2 (dua) sampai dengan baris 6 (enam) merupakan instruksi yang dijalankan pada setiap iterasi. Pada iterasi di setiap baris dilakukan operasi penggabungan nilai dari kolom-kolom kondisi pada baris tersebut, dimana hasil dari operasi penggabungan tersebut disimpan pada kolom path dari baris yang sama. 15

Kode Program 2 Script JSL Pembentukan Jalur 01 02 03 04 05 06 07

For Each Row( :path = || || || || );

:price || :condition || :quality :internet shop || :pay method :price factor || :extra features :other reasons || :gender :income || :income type;

Menghitung Frekuensi Jalur Penghitungan frekunsi jalur bertujuan untuk mengetahui berapa kali suatu jalur terjadi pada suatu kondisi yang dituju, serta berapa kali suatu jalur terjadi terlepas dari kondisi yang dituju. Dalam hal ini kondisi yang dijadikan sebagai tujuan adalah kondisi platform yang memiliki empat kategori nilai, yaitu Symbian, RIM BlackBerry, Android, dan Other. Kode Program 3 menunjukkan script JSL untuk menghitung frekuensi jalur. Baris 1 (satu) pada Kode Program 3 menunjukkan instruksi untuk membuat tabel statistik deskriptif melalui pengelompokkan kolomkolom, analisis kolom, dan kata kunci statistik [3]. Baris 2 (dua) merupakan instruksi untuk mengurutkan baris data pada tabel yang akan dihasilkan berdasarkan frekuensi kolom kelompok. Baris 3 (tiga) merupakan instruksi untuk membuat tabel baru. Baris 4 (empat) merupakan instruksi untuk membuat tabel kolom berdasarkan nilainilai dari kondisi platform. Baris 5 (lima) merupakan instruksi untuk membuat tabel kolom berdasarkan kata kunci statistik N. Baris 6 (enam) hingga baris 19 (Sembilan belas) merupakan instruksi-instruksi untuk membuat tabel baris berdasarkan nilai dari kondisi-kondisi lainnya. Kode Program 3 Script JSL Untuk Menghitung Frekuensi Jalur 01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23

Tabulate( Order by count of grouping columns( 1 ), Add Table( Column Table( Grouping Columns( :platform ) ), Column Table( Statistics( N ) ), Row Table( Grouping Columns( :path, :price, :condition, :quality, :internet shop, :pay method, :price factor, :extra features, :other reasons, :gender, :income, :income type ) ) ) );

Menghitung Tiga Statistik Dasar Penghitungan tiga statistik dasar bertujuan untuk membantu dalam mengekstrak informasi dari dalam jalur-jalur atau peta yang telah terbentuk [2]. Kode Program 4 menunjukkan script JSL untuk menghitung tiga statistik dasar. Baris 1 (satu) hingga baris 6 (enam) merupakan instruksi untuk membuat kolom

16

baru, dimana pada setiap baris dalam kolom tersebut akan diisi dengan hasil perhitungan probabilitas jalur. Baris 9 (sembilan) hingga baris 29 (dua puluh sembilan) merupakan instruksi untuk membuat kolom-kolom yang akan diisi dengan hasil perhitungan potensi jalur, kontribusi jalur, dan kontribusi jalur dalam persen, untuk platform Symbian. Kode Program 4 Script JSL Untuk Menghitung Tiga Statistik Dasar 01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29

New Column( "path probability", Numeric, Continuous, Format( "Fixed Dec", 10, 3 ), Formula( :N / Col Sum( :N ), Evalformula) ); //Symbian New Column( "Symbian path potential", Numeric, Continuous, Format( "Fixed Dec", 10, 3 ), Formula( :Symbian / :N ), Evalformula ); New Column( "Symbian path contribution", Numeric, Continuous, Format( "Fixed Dec", 10, 3 ), Formula( :path probability * :Symbian path potential ), Evalformula ); New Column( "%Symbian path contribution", Numeric, Continuous, Format( "Fixed Dec", 10, 3 ), Formula( (:path probability * :Symbian path potential * 100 ), Evalformula) );

Analisis Pengaruh Pada Semua Jalur Analisis pengaruh pada semua jalur dilakukan untuk memahami perilaku konsumen dalam pembelian telepon mobile berdasarkan jenis platform telepon mobile tersebut. Kode Program 5 menunjukkan script JSL untuk melakukan analisis pengaruh harga (price) pada semua jalur dari platform Symbian. Hasil dari Kode Program 5 adalah grafik yang menunjukkan pengaruh dari harga (price) terhadap pembelian telepon mobile platform Symbian. Baris 1 (satu) pada Kode Program 5 merupakan instruksi untuk melakukan analisis pengaruh dengan menggunakan metode Oneway. Baris 2 (dua) merupakan instruksi untuk menentukan kolom yang akan digunakan sebagai sumbu Y dalam grafik yang akan dihasilkan. Baris 3 (tiga) merupakan instruksi untuk menentukan kolom yang akan digunakan sebagai sumbu X dalam grafik yang akan dihasilkan. Baris 4 (empat) merupakan instruksi untuk menentukan kolom frekuensi yang akan digunakan dalam perhitungan metode Oneway guna mencari mean (rata-rata). Baris 5 (lima) dan baris 6 (enam) merupakan instruksi-instruksi untuk menampilkan grafik dalam bentuk mean diamond dan menampilkan data yang ada ke dalam grafik dalam bentuk titik-titik yang tersebar. Kode Program 5 Script JSL Untuk Analisis Pengaruh Pada Semua Jalur Platform Symbian 01 02 03 04 05

Oneway( Y( :Symbian path potential ), X( :price ), Freq( :N ), Mean Diamonds( 1 ),

17

06 07

Points Jittered( 1 ) );

Analisis Hasil Analisis pengaruh yang dilakukan menghasilkan grafik-grafik (Gambar 5, Gambar 6, Gambar 7, Gambar 8) yang menunjukkan pengaruh dari setiap kondisi terhadap pembelian telepon mobile menurut jenis platform. Penjelasan grafik-grafik yang dihasilkan dapat dilihat pada Tabel 5.

Gambar 5 Grafik-Grafik Pengaruh Berbagai Kondisi Terhadap Pembelian Telepon Mobile Platform Symbian

Gambar 6 Grafik-Grafik Pengaruh Berbagai Kondisi Terhadap Pembelian Telepon Mobile Platform RIM BlackBerry

Gambar 7 Grafik-Grafik Pengaruh Berbagai Kondisi Terhadap Pembelian Telepon Mobile Platform Android

18

Gambar 8 Grafik-Grafik Pengaruh Berbagai Kondisi Terhadap Pembelian Telepon Mobile Platform Lainnya (Other) Tabel 5 Penjelasan Grafik-Grafik Hasil Analisis Pengaruh Platform Symbian

Grafik Kondisi Gambar 5 Price

Condition Quality

Internet Shop Pay method

Extra Features Price Factor Other Reasons Gender Monthly Income

Income Type

RIM BlackBerry

Gambar 6 Price

Condition Quality

Internet Shop Pay method

Nilai Low Medium High New Used Poor Average Good No Yes Cash Credit Electronic No Yes No Yes No Yes Female Male Low Medium High Both Personal Sponsored Low Medium High New Used Poor Average Good No Yes Cash Credit Electronic

19

Jum 72 61 37 147 23 2 37 131 163 7 163 3 4 16 154 87 83 29 141 73 97 106 39 25 29 53 88 72 61 37 147 23 2 37 131 163 7 163 3 4

Prob 0.51 0.39 0.16 0.35 0.69 0.5 0.49 0.37 0.40 0.14 0.40 0 0.25 0.62 0.37 0.36 0.43 0.52 0.37 0.40 0.39 0.46 0.30 0.24 0.41 0.36 0.41 0.05 0.28 0.62 0.29 0.04 0.5 0.08 0.30 0.26 0.14 0.26 0.33 0.25

Lwr 0.43 0.30 0.04 0.29 0.54 -0.03 0.36 0.30 0.34 -0.14 0.34 -0.43 -0.13 0.44 0.31 0.27 0.35 0.38 0.30 0.30 0.31 0.39 0.19 0.09 0.27 0.25 0.33 -0.01 0.20 0.52 0.23 -0.10 0 -0.03 0.24 0.20 -0.13 0.20 -0.09 -0.11

Upr 0.60 0.48 0.28 0.41 0.85 1.03 0.61 0.43 0.46 0.43 0.46 0.43 0.63 0.81 0.43 0.44 0.52 0.66 0.43 0.49 0.47 0.53 0.43 0.39 0.55 0.46 0.49 0.12 0.35 0.72 0.35 0.19 1.00 0.20 0.37 0.32 0.42 0.31 0.75 0.61

Keterangan Low, Medium > High

Used > New Average = Good

No Cash

No = Yes No = Yes No = Yes Female = Male Low=Medium=High

Both = Personal = Sponsored High > Medium

New Good

No Cash

Extra Features Price Factor Other Reasons Gender Monthly Income

Income Type

Android

Gambar 7 Price

Condition Quality

Internet Shop Pay method

Extra Features Price Factor Other Reasons Gender Monthly Income

Income Type

Other

Gambar 8 Price

Condition Quality

Internet Shop Pay method

Extra Features Price Factor Other Reasons

No Yes No Yes No Yes Female Male Low Medium High Both Personal Sponsored Low Medium High New Used Poor Average Good No Yes Cash Credit Electronic No Yes No Yes No Yes Female Male Low Medium High Both Personal Sponsored Low Medium High New Used Poor Average Good No Yes Cash Credit Electronic No Yes No Yes No

20

16 154 87 83 29 141 73 97 106 39 25 29 53 88 72 61 37 147 23 2 37 131 163 7 163 3 4 16 154 87 83 29 141 73 97 106 39 25 29 53 88 72 61 37 147 23 2 37 131 163 7 163 3 4 16 154 87 83 29

0 0.28 0.34 0.17 0.17 0.28 0.26 0.26 0.13 0.41 0.56 0.24 0.40 0.18 0.11 0.26 0.19 0.19 0.13 0 0.22 0.17 0.17 0.43 0.18 0 0.5 0.12 0.19 0.17 0.19 0.10 0.20 0.10 0.24 0.16 0.23 0.20 0.24 0.17 0.17 0.32 0.06 0.03 0.17 0.13 0 0.22 0.15 0.16 0.28 0.16 0.67 0 0.25 0.15 0.13 0.20 0.20

-0.18 0.23 0.27 0.09 0.04 0.21 0.17 0.18 0.07 0.31 0.43 0.11 0.30 0.11 0.04 0.18 0.08 0.14 0 -0.45 0.11 0.12 0.12 0.19 0.13 -0.36 0.18 -0.03 0.14 0.10 0.12 -0.01 0.14 0.04 0.17 0.10 0.13 0.07 0.12 0.08 0.10 0.25 0 -0.06 0.12 0 -0.43 0.11 0.10 0.11 0.05 0.11 0.32 -0.30 0.10 0.11 0.06 0.14 0.09

0.18 0.34 0.42 0.24 0.31 0.34 0.34 0.33 0.19 0.51 0.69 0.37 0.49 0.26 0.18 0.34 0.29 0.24 0.26 0.45 0.32 0.23 0.22 0.67 0.23 0.36 0.82 0.28 0.24 0.24 0.26 0.22 0.25 0.18 0.30 0.22 0.33 0.33 0.36 0.26 0.24 0.38 0.14 0.12 0.22 0.26 0.43 0.32 0.21 0.21 0.52 0.21 1.01 0.30 0.40 0.20 0.19 0.27 0.32

No = Yes No > Yes No = Yes Female = Male High, Medium > Low

Personal >Sponsored

Low=Medium=High

New = Used Average = Good

No Cash

No = Yes No = Yes No = Yes Female = Male Low=Medium=High

Both = Personal = Sponsored Low

New = Used Average = Good

No Cash

No = Yes No = Yes No = Yes

Gender Monthly Income

Income Type

Yes Female Male Low Medium High Both Personal Sponsored

141 73 97 106 39 25 29 53 88

0.16 0.23 0.11 0.24 0.05 0 0.10 0.07 0.24

0.10 0.16 0.05 0.19 -0.04 -0.12 0 -0.01 0.17

0.21 0.30 0.17 0.30 0.14 0.12 0.21 0.16 0.30

Female = Male Low > Medium, High

Both = Personal = Sponsored

Berdasarkan penjelasan pada Tabel 5 menyangkut perilaku konsumen dalam pembelian telepon mobile menurut jenis platform, diberikan beberapa analisis sebagai berikut. Platform Symbian: (1) Potensi untung dapat diperoleh pada harga jual (price) mulai dari harga rendah (Low) hingga harga menengah (Medium). Untuk mengetahui kisaran harga yang tepat bagi setiap kondisi telepon mobile, baru (New) dan bekas (Used), dapat dilakukan analisis pengaruh baik pada jalur-jalur dengan kondisi baru maupun pada jalur-jalur dengan kondisi bekas; (2) Pasar telepon mobile bekas (Used) mempunyai potensi menguntungkan; dan (3) Pendapat konsumen menyatakan bahwa kualitas (quality) telepon mobile dengan platform Symbian adalah rata-rata (Average) atau baik (Good). Platform RIM BlackBerry: (1) Potensi untung dapat diperoleh pada harga jual (price) mulai dari harga menengah (Medium) hingga harga tinggi (High); (2) Potensi untung dapat diperoleh melalui konsumen dengan tingkat penghasilan (monthly income) menengah (Medium) hingga tingkat penghasilan tinggi (High), dimana konsumen dengan jenis penghasilan (income type) pribadi (Personal) memiliki pengaruh lebih besar dari pada konsumen yang belum memiliki sumber penghasilan pribadi; dan (3) Pendapat konsumen menyatakan bahwa kualitas (quality) telepon mobile dengan platform RIM BlackBerry adalah baik (Good). Platform Android: (1) Potensi untung dapat diperoleh pada harga jual (price) mulai dari harga rendah (Low) hingga harga tinggi (High). Untuk mengetahui kisaran harga yang tepat bagi setiap kondisi telepon mobile, baru (New) dan bekas (Used), dapat dilakukan analisis pengaruh baik pada jalur-jalur dengan kondisi baru maupun pada jalur-jalur dengan kondisi bekas; (2) Potensi untung dapat diperoleh melalui konsumen dengan tingkat penghasilan (monthly income) rendah (Low) hingga tingkat penghasilan tinggi (High). Oleh karena itu, dapat dikatakan bahwa telepon mobile dengan platform Android mempunyai peluang pasar yang besar; (3) Pasar telepon mobile bekas (Used) mempunyai potensi (menguntungkan) yang sama dengan pasar telepon mobile baru (New); dan (4) Pendapat konsumen menyatakan bahwa kualitas (quality) telepon mobile dengan platform Android adalah (Average) atau baik (Good). Platform Lainnya (Other): (1) Potensi untung dapat diperoleh pada harga jual (price) rendah (Low). Untuk mengetahui kisaran harga yang tepat bagi setiap kondisi telepon mobile, baru (New) dan bekas (Used), dapat dilakukan analisis pengaruh baik pada jalur-jalur dengan kondisi baru maupun pada jalur-jalur dengan kondisi bekas; (2) Potensi untung dapat diperoleh melalui konsumen dengan tingkat penghasilan (monthly income) rendah (Low); (3) Pasar telepon mobile bekas (Used) mempunyai potensi (menguntungkan) yang sama dengan pasar telepon mobile baru (New); dan

21

(4) Pendapat konsumen menyatakan bahwa kualitas (quality) telepon mobile dengan platform lain (Other) adalah (Average) atau baik (Good). 5. Simpulan Berdasarkan hasil analisis perilaku konsumen dalam membeli telepon mobile dengan menggunakan Disjunctive Mapping (DM), maka dapat disimpulkan bahwa kondisi-kondisi seperti kondisi telepon mobile (baru atau bekas), harga beli, dan pendapatan per bulan konsumen menunjukkan pengaruh yang signifikan terhadap keputusan konsumen dalam membeli telepon mobile. Pengembangan yang dapat dilakukan penelitian ini di kemudian hari adalah melakukan analisis yang lebih mendalam dengan melakukan analisis pengaruh pada jalur pilihan guna lebih memahami efek atau pengaruh dari kondisi-kondisi yang ada, melakukan evaluasi terhadap perancangan kuesioner, melakukan perbandingan antara teori DM dengan teori atau metode analisis lain, dan mengembangkan perangkat lunak dengan interface yang dirancang secara khusus untuk memudahkan proses penerapan teori DM. 6. Daftar Pustaka [1] Raskin, Michael, & Lieberman, Warren. 2011. Disjunctive Mapping: Advances in understanding consumer behavior. ORMS Today Journal, Vol. 38, No. 6, December 2011, pp. 22-27. [2] Raskin, Michael. 2011. The Arithmetic of Human Behavior. California: Veritec Solutions. [3] SAS 2. 2012. JMP® 10 Scripting Guide. North Carolina: SAS Institute Inc, http://support.sas.com/documentation/onlinedoc/jmp/10/Scripting_Guide.pdf. Diakses tanggal 16 Juli 2012. [4] PBDEPDIKNAS (Pusat Bahasa Departemen Pendidikan Nasional). 2008. KBBI Daring: Kamus Besar Bahasa Indonesia. http://bahasa.kemdiknas.go.id/kbbi/. Diakses tanggal 27 Maret 2012. [5] Kardes, F. R., Cronley, M. L., & Cline, T. W. 2011. Consumer Behavior. Ohio: South-Western Cengage Learning. http://books.google.co.id/books?id=nwew7nJ6000C&lpg=PP1&hl=id&pg=P P1#v=onepage&q&f=false. Diakses tanggal 27 Maret 2012. [6] Hoyer, W. D., & Macinnis, D. J. 2010. Consumer Behavior, Fifth Edition. Ohio: South-Western Cengage Learning. http://books.google.co.id/books?id=fk1rTxRYtY0C&lpg=PP1&hl=id&pg=PP 1#v=onepage&q&f=false. Diakses tanggal 27 Maret 2012. [7] SAS 1. 2012. JMP® 10 Discovering JMP. North Carolina: SAS Institute Inc, http://support.sas.com/documentation/onlinedoc/jmp/10/Discovering_JMP.pdf. Diakses tanggal 16 Juli 2012. [8] Jogiyanto, H.M. 2008. Pedoman Survei Kuesioner: Mengembangkan Kuesioner, Mengatasi Bias dan Meningkatkan Respon. Yogyakarta: BPFEYOGYAKARTA.

22