BAB II LANDASAN TEORI

BAB II

LANDASAN TEORI

2.1 Laptop

Laptop adalah komputer pribadi yang portable atau mudah dibawa kemana-mana. Nama laptop itu sendiri diambil dari cara orang menggunakan komputer pribadi ini. Dahulu komputer pribadi ini sering digunakan di atas pangkuan, maka kemudian diberi nama Lap Top = Atas Pangkuan.

Laptop atau komputer jinjing adalah komputer bergerak yang berukuran relatif kecil dan ringan, beratnya berkisar dari 1 sampai dengan 6 kg, tergantung ukuran, bahan, dan spesifikasi laptop tersebut. Sumber daya laptop berasal dari baterai atau adaptor A/C yang dapat digunakan untuk mengisi ulang baterai dan menyalakan laptop tersebut. Baterai laptop pada umumnya dapat bertahan sekitar 1 hingga 6 jam sebelum akhirnya habis, tergantung dari cara pemakaian, spesifikasi, dan ukuran baterai. Laptop terkadang disebut juga dengan notebook.

Sebagai komputer pribadi, laptop memiliki fungsi yang sama dengan komputer pada umumnya. Komponen yang terdapat di dalamnya sama persis dengan komponen pada komputer, hanya saja ukurannya diperkecil, dijadikan lebih ringan, lebih tidak panas, dan lebih hemat daya.

Laptop kebanyakan menggunakan layar Liquid Crystal Display (LCD) berukuran 10 inchi hingga 17 inchi tergantung dari ukuran laptop itu sendiri. Selain itu, papan ketik yang terdapat pada laptop juga kadang-kadang dilengkapi

Universitas Sumatera Utara

dengan papan sentuh yang berfungsi sebagai pengganti mouse. Papan ketik dan mouse tambahan dapat dipasang melalui usb port jika tersedia.

Berbeda dengan komputer desktop, laptop memiliki komponen pendukung yang didesain secara khusus untuk mengakomodasi sifat komputer jinjing yang portable. Sifat utama yang dimiliki oleh komponen penyusun laptop adalah ukuran yang kecil, hemat konsumsi energi, dan efisien. Laptop biasanya berharga lebih mahal, tergantung dari merek dan spesifikasi komponen penyusunnya, walaupun demikian harga laptop pun semakin mendekati komputer desktop seiring dengan semakin tingginya tingkat permintaan konsumen.

Desain yang semakin ramping, bobot yang semakin ringan dan kemampuan menghemat daya menjadi bagian terpenting dalam perkembangan laptop berikutnya. Laptop yang seperti kita lihat saat ini memiliki desain yang sangt tipis, bobot yang sangat ringan, tampilan layar yang besar serta kemampuan kiner yang super canggih ditambah lagi kemampuan hardisk dalam menyimpan data yang lebih banyak. Maka kemudian penggunaan laptop pun menjadi sebuah trend baru ditengah-tengah pengguna Portable Computer. Berbagai varian dan merek pun muncul sebagai pilihan dari para pengguna komputer portable.

2.2 Minat

Arti minat menurut kamus umum Bahasa Indonesia berarti kesukaan (kecenderungan hati) kepada sesuatu atau keinginan. Menurut Slameto (1991) minat adalah suatu rasa lebih suka dan rasa keterikatan pada suatu hal atau aktivitas, tanpa ada yang menyuruh. Minat pada dasarnya adalah penerimaan akan suatu hubungan antara diri sendiri dengan sesuatu diluar diri. Semakin kuat atau dekat hubungan tersebut semakin besar.

Menurut Kasijan (1988) mengatakan bahwa “Minat adalah kemampuan untuk memberi stimuli yang mendorong kita untuk memperhatikan seseorang,


sesuatu barang atau kegiatan yang dapat memberi pengaruh terhadap pengalaman yang distimuli oleh kegiatan itu sendiri”.

Berdasarkan dua definisi di atas tentang minat, maka dapat disimpulkan minat merupakan suatu keinginan yang cenderung menetap pada diri seseorang untuk mengarahkan pada suatu pilihan tertentu sebagai kebutuhannya, kemudian dilanjutkan untuk diwujudkan dalam tindakan yang nyata dengan adanya perhatian pada objek yang diinginkannya itu untuk mencari informasi sebagai wawasan bagi dirinya.

2.3 Atribut

Dalam arti sempit, atribut adalah keseluruhan karakteristik yang melekat pada produk tersebut. Sedangkan dalam arti luas, atribut merupakan keseluruhan faktor yang dipertimbangkan konsumen untuk membeli suatu produk (Suliyanto, 2005:30).

Atribut

merupakan

indikator

yang

memungkinkan

terjadinya

pengukuran pengaruh pada variabel. Konsumen melihat suatu produk atau jasa sebagai sekelompok atribut. Mereka akan kesulitan membandingkan banyak produk secara keseluruhan. Jadi, konsumen membutuhkan pendekatan yang lebih sederhana.

Pertama konsumen menentukan beberapa merek, yang mereka anggap memenuhi kriterianya. Kedua konsumen melakukan evaluasi terhadap faktor produk atau atribut, meliputi tingkat kepentingan atribut yang digunakan oleh seorang konsumen disebut sebagai kriteria pemilihan konsumen.

Penelitian ini menggunakan multi atribut laptop yang meliputi, merek, processor, bobot, harga, hard drive, webcam, ukuran layar, ketahanan baterai, dan warna.


2.4 Nilai Guna (Utilitas)

Teori nilai guna (utilitas) yaitu teori ekonomi yang mempelajari kepuasan atau kenikmatan yang diperoleh seorang konsumen dari mengkonsumsi barang-barang. Kalau kepuasan itu semakin tinggi maka semakin tinggi nilai gunanya. Sebaliknya semakin rendah kepuasan dari suatu barang maka nilai guna semakin rendah pula. Nilai guna dibedakan menjadi dua pengertian:

a. Nilai Guna Marginal Nilai guna marginal adalah pertambahan atau pengurangan kepuasan akibat adanya pertambahan atau pengurangan penggunaan satu unit barang tertentu.

b. Total Nilai Guna Total nilai guna yaitu keseluruhan kepuasan yang diperoleh dari mengkonsumsi sejumlah barang-barang tertentu.

Jika konsumen membeli barang karena mengharap memperoleh nilai gunanya, tentu saja secara rasional konsumen berharap memperoleh nilai guna optimal. Secara rasional nilai guna akan meningkat jika jumlah komoditas yang dikonsumsi meningkat.

2.5 Matriks Bujur Sangkar

Informasi dalam bidang sains dan matematika seringkali ditampilkan dalam bentuk baris-baris dan kolom-kolom yang membentuk jajaran empat persegi panjang yang disebut matriks. Matriks seringkali merupakan tabel-tabel data numerik yang diperoleh melalui pengamatan fisik, tetapi dapat juga muncul dalam berbagai macam konteks matematis.


Jika

adalah matriks bujur sangkar dan jika matriks =

sama sedemikian rupa sehingga (invertible) dan

disebut invers dari

disebut dapat dibalik

. Suatu matriks bujur sangkar

dibalik, jika dan hanya jika det( ) ≠ 0. Jika =

= , maka

yang ukurannya

1 det ( )

dapat

dapat dibalik, maka

( )

Sumber: Anton (1987:75)

2.6 Uji Validitas dan Reliabilitas

Sugiyono (2006:267), berpendapat bahwa instrumen (kuesioner) harus diuji. Instrumen yang baik harus memenuhi dua persyaratan penting yaitu valid dan reliabel.

Uji validitas atau kesasihan digunakan untuk mengetahui seberapa tepat suatu alat ukur mampu melakukan fungsi. Alat ukur yang dapat digunakan dalam pengujian validitas suatu kuesioner adalah angka hasil korelasi antara skor pernyataan dan skor keseluruhan penyataan reseponen terhadap informasi dalam kuesioner.

Perhitungan uji validitas ini dilakukan dengan bantuan program Statistical product and Service Solution (SPSS). Pengujian reliabilitas bertujuan untuk mengetahui konsistensi atau keteraturan hasil pengukuran suatu instrumen apabila instumen tersebut digunakan lagi sebagai alat ukur suatu objek atau responden. Menurut Sugiyono (2006:220), “instrumen yang reliabel adalah instrumen yang bila digunakan beberapa kali untuk mengukur objek yang sama, akan menghasilkan data yang sama”.


Kategori koefisien korelasi berdasarkan Sugiyono (2006:216) adalah sebagai berikut:

Tabel 2.1 Pedoman Untuk Memberikan Interpretasi Koefisien Korelasi Interval Koefisien 0,800 . 1,000 0,600 . 0,799 0,400 . 0,599 0,200 . 0,399 0,000 . 0,199

Tingkat Hubungan Sangat Kuat Kuat Sedang Rendah Sangat Rendah

2.7 Uji Kendall’s W

Uji Kendall’s W diperkenalkan secara terpisah oleh Kendall dan Babington-Smith pada tahun 1939 dan Wallis pada tahun 1939 sehingga disingkat dengan nama Kendall’s W. Uji Kendall’s W merupakan uji nonparametrik yang digunakan untuk menguji keselarasan terhadap penilaian yang diberikan oleh sekelompok subjek terhadap atribut-atribut yang dianggap penting.

Nilai dari statistik Kendall’s W berkisar antara 0 dan 1. Jika nilai dari statistik Kendall’s W adalah 1, maka terjadi keselarasan sempurna terhadap penilaian yang diberikan oleh sekelompok subjek pada atribut-atribut. Jika nilai dari statistik Kendall’s W adalah 0, maka tidak terjadi keselarasan terhadap penilaian yang diberikan oleh sekelompok subjek. Hipotesis nol yang diuji pada uji Kendall’s W adalah terjadi tidak adanya keselarasan terhadap penilaian yang diberikan sekelompok subjek pada atribut-atribut.

Berikut rumus untuk menghitung statistik Kendall’s W (Siegel, 1985): =

12 ∑

(

(

− ) − )


Keterangan: = Nilai statistik Kendall’s W = Jumlah rangking pada atribut ke- i = 1, 2, ... , k = Rangking rata-rata = Jumlah atribut yang diteliti = Jumlah responden atau elemen dalam sampel

Untuk nilai

diperoleh dari =

( + 1) 2

Uji statistik yang digunakan adalah uji statistik chi-kuadrat. Nilai dari uji statistik chi-kuadrat digunakan untuk menentukan apakah hipotesis nol diterima atau ditolak. Berikut rumus untuk menghitung nilai uji statistik chi-kuadrat = ( − 1) Nilai uji statistik chi-kuadrat kemudian dibandingkan dengan nilai kritis berdasarkan tabel nilai kritis chi-kuadrat. Berikut aturan keputusan berdasarkan uji statistik chi-kuadrat Jika Jika

≤ nilai kritis, hipotesis nol diterima > nilai kritis, hipotesis nol ditolak

2.8 Analisis Konjoin

Analisis konjoin adalah suatu teknik yang secara spesifik digunakan untuk memahami bagaimana keinginan atau minat konsumen terhadap suatu produk atau jasa dengan mengukur tingkat kegunaan dan nilai kepentingan relatif berbagai atribut suatu produk. Analisis konjoin yang mulai dikembangkan pada tahun 1970-an ini mulai banyak digunakan pada bidang ilmu yang terkait dengan persepsi seseorang, seperti pemasaran, sosial politik dan psikologi. Pada bidang pemasaran, analisis ini khususnya banyak digunakan untuk mengetahui preferensi


konsumen akan sebuah produk baru. Analisis konjoin sangat berguna untuk membantu bagaimana seharusnya karakteristik produk baru, membuat konsep produk baru, mengetahui pengaruh tingkat harga serta memprediksi tingkat penjualan atau penggunaan (Santoso, 2010).

2.8.1 Manfaat Analisis Konjoin Analisis konjoin digunakan untuk membantu mendapatkan kombinasi atribut produk laptop baru maupun lama yang paling disukai konsumen. Dalam prosesnya analisis konjoin akan memberikan ukuran kuantitatif terhadap tingkat kegunaan dan kepentingan relatif suatu atribut dibandingkan dengan atribut lain. Tujuan penggunaan analisis konjoin terutama dalam riset pemasaran yaitu untuk mengetahui persepsi konsumen terhadap laptop. Oleh karena itu, penggunaan analisis konjoin sangat membantu penelitian dalam pemasaran. Terutama untuk mengetahui penting atau tidak suatu atribut beserta level pada produk laptop.

Manfaat yang dapat diambil produsen dari penggunaan analisis konjoin ini adalah produsen dapat mencari solusi kompromi yang optimal dalam merancang dan mengembangkan suatu produk. Analisis ini dapat juga dimanfaatkan untuk merancang harga, memprediksi tingkat penjualan atau penggunaan produk, uji coba konsep produk baru, dan merancang strategi promosi. Atribut-atribut yang digunakan dalam analisis konjoin berskala kategorik, sehingga dibutuhkan peubah boneka untuk mewakili taraf-tarafnya ke dalam model.

2.8.2 Tahapan Analisis Konjoin

Adapun tahapan-tahapan analisis konjoin meliputi beberapa langkah yaiatu: 1. Mengidentifikasi atribut 2. Merancang Kombinasi atribut (stimuli) 3. Menentukan jenis data 4. Memilih prosedur analisis konjoin


5. Interpretasi Hasil 6. Penilaian keandalan dan kesahian

2.8.2.1 Mengidentifikasi Atribut

Langkah awal dalam melakukan analisis konjoin yaitu mengidentifikasi kumpulan dari atribut-atribut dimana setiap atribut terdiri atas beberapa taraf/level. Informasi mengenai atribut yang mewakili preferensi konsumen bisa diperoleh melalui diskusi dengan pakar, eksplorasi data skunder, atau melakukan tes awal.

Kemudian atribut yang sudah dianggap mewakili ditentukan skalanya. Skala atribut dibagi menjadi dua yaitu skala kualitatif atau non metrik atau kategori (nominal dan ordinal) dan skala kuantitatif atau metrik (interval dan rasio).

Banyaknya tingkatan atribut menentukan banyaknya parameter yang akan diperkirakan dan juga mempengaruhi banyaknya stimulus yang akan dievaluasi oleh responden. Untuk meminimumkan tugas evaluasi responden, dan harus bisa memperkirakan parameter seakurat mungkin, perlu membatasi banyaknya tingkatan/level dari atribut. Utility atau parth-worth function untuk level suatu objek mungkin tidak linear (non-linear).

2.8.2.2 Merancang Kombinasi Atribut (Stimuli)

Ada dua cara pembentukan stimuli dalam analisis konjoin yaitu : 1. Full-profile Pendekatan kombinasi lengkap (full profile) juga disebut evaluasi banyak faktor (multiple-factor-evaluation) yaitu jika ada k atribut dan ada l level yang diteliti dapat mengevaluasi semua stimuli yang muncul dengan l1 x l2 x l3 x … x li sejumlah n buah.


Tentunya

terkadang

banyaknya

stimuli

membuat

bingung

responden dalam menilai, untuk mengatasi masalah ini dapat digunakan SPSS dengan menggunakan pendekatan full profile namun desain yang digunakan bukan full factor design melainkan fractional factorial design. Dengan design ini, sebagian dari seluruh kombinasi produk dipilih yang benar-benar berpengaruh terhadap efek utama. Efek interaksi tidak diperhatikan. Desain seperti ini dikenal dengan nama Orthogonal array. Dalam tabel Orthogonal Array, keseimbangan dicapai karena setiap tingkat faktor/atribut terjadi pada jumlah yang sama dengan setiap tingkat dari masing-masing faktor lainnya. Catatan bahwa semua faktorial lengkap di mana terdapat jumlah yang sama berulang untuk setiap kombinasi faktor-tingkat adalah orthogonal array. Beberapa faktorial adalah orthogonal array, beberapa tidak.

Orthogonal Array memungkinkan desain yang mengasumsikan bahwa semua interaksi yang tidak penting bisa diabaikan. Orthogonal Array dibentuk dari basic full fractional design dengan mengganti suatu faktor baru untuk seleksi interaksi efek yang dianggap bisa diabaikan. Metode yang lain untuk mengurangi banyaknya inetraksi dengan melakukan survey terhadap konsumen.

Tampak

bahwa

dalam

desain

orthogonal

Array,

jumlah

kemunculan dari setiap level suatu atribut selalu tidak sama. Berikut contoh desain orthogonal Array dan bukan orthogonal Array. Tabel sebelah kiri menunjukkan bahwa setiap level dari masing-masing atribut muncul satu kali, sebaliknya pada tabel sebelah kanan, kombinasi 1 2 1 muncul dua kali, sementara kombinasi lainnya muncul satu kali.


Tabel 2.2 Contoh Orthogonal Array dan Non-orthogonal Array Orthogonal Array Faktor :

Non-orthogonal Array

A

B

C

1

1

1

Faktor :

A

B

C

1

1

1

2

2

2

1

2

1

2

1

2

2

1

2

2

2

1

1

2

1

2. Pairwise Combination Melalui pendekatan ini, stimuli yang diperingkatkan dilakukan dengan cara memberikan peringkat pada setiap kombinasi taraf/level dari dua atribut, mulai dari yang paling disukai sampai pada yang paling tidak disukai. Jika banyaknya atribut ada

-buah, maka kombinasi taraf/level

atribut yang harus dievaluasi responden adalah sebanyak: c=

(

)

pasangan.

Kelebihan pendekatan pasangan adalah bahwa pendekatan ini lebih mudah bagi responden untuk memberikan

pertimbangan. Tetapi

kelemahan relatifnya ialah bahwa pendekatan ini memerlukan lebih banyak evaluasi.

2.8.2.3 Menentukan Jenis Data

Data yang diperlukan dalam analisis konjoin dapat berupa data non-metrik (data berskala nominal atau ordinal atau kategorial) maupun data metrik (data berskala interval atau rasio).

1. Data non-metrik Untuk memperoleh data dalam bentuk non-metrik, responden diminta untuk membuat ranking atau mengurutkan stimulus yang paling disukai hingga pada stimulus yang tidak disukai. Untuk stimulus yang paling


disukai deberi nilai dimulai dari 1 dan seterusnya hingga ranking terakhir stimulus yang paling tidak disukai.

2. Data Metrik Untuk memperoleh data dalam bentuk metrik, responden diminta untuk memberikan nilai atau rating terhadap masing-masing stimulus. Dengan cara ini, responden akan memberikan penilaian terhadap masing-masing stimulus secara terpisah. Pemberian nilai atau rating dapat dilakukan melalui beberapa cara, yaitu: a. Menggunakan skala likert mulai dari 1 hingga 5 (1 = paling tidak disukai dan 5 = paling disukai). b. Menggunakan nilai rangking terbalik, artinya untuk stimulus yang paling disukai diberi nilai tertinggi setara dengan jumlah stimulusnya, sedangkan stimulus yang paling tidak disukai diberi nilai satu.

2.8.2.4 Memilih Prosedur Analisis Konjoin

Model dasar analisis konjoin secara matematis sebagai berikut (Supranto, 2004): ( )=

di mana:

( ) = Utilitas total dari tiap-tiap stimuli

= Utilitas dari atribut ke- ( = 1, 2, 3, ... , k) dan level ke-j (j = 1, 2, 3, ... , ) = Banyaknya level dari atribut = Banyaknya atribut = Peubah boneka atribut ke- level ke- (bernilai 1, jika level ke- dari atribut ke- terjadi; 0, jika tidak terjadi)


Rumus untuk nilai kepentingan relatif adalah : =

∑

di mana: = Bobot kepentingan relatif untuk tiap atribut = Range nilai kepentingan untuk tiap atribut

Range nilai kepentingan relatif tiap atribut dapat dicari dengan rumus : = {

(

)–

(

)}

Beberapa prosedur yang berbeda tersedia untuk mengestimasi model dasar yang paling sederhana, dan sangat populer yaitu dummy variable regression, artinya suatu regresi, variabel bebasnya merupakan variabel dummy.

Untuk membangun model regresi yang peubah bebasnya mengandung variabel kualitatif, salah satunya adalah menggunakan peubah boneka. Peubah boneka merupakan cara yang sederhana untuk mengkuantifikasi variabel yang kualitatif. Untuk variabel kualitatif yang mempunyai

kategori bisa dibangun

− 1 peubah boneka. Peubah boneka ini biasanya mengambil nilai 1 atau 0.

Kedua nilai yang diberikan tidak menunjukkan bilangan (numerik) tetapi hanya sebagai identifikasi kelas atau kategorinya. Di dalam literatur Supranto (2004) menyebutkan bahwa :

1. Atribut yang mempunyai dua taraf diberi kode 1 untuk salah satu taraf dan 0 untuk lainnya. 2. Atribut yang mempunyai dari tiga taraf, pengkodeannya sebagai berikut:


Tabel 2.3 Pengkodean taraf/level

Taraf

Kode

Taraf 1

1

0

Taraf 2

0

1

Taraf 3

0

0

Untuk taraf lebih dari tiga, pengkodean dilakukan dngan cara yang sama sehingga setiap faktor memiliki

− 1 peubah boneka. Banyaknya peubah boneka

sama dengan banyaknya kategori (taraf) dikurangi satu.

Jika data yang digunakan berasal dari penilaian stimuli yang telah dirancang sebelumnya dan penilaian dilakukan dengan menggunakan skala metrik, maka regresi dapat dihitung langsung dengan menggunakan pendekatan Ordinary Least Square (OLS). Jika penilaian stimuli menggunakan urutan stimuli, maka data tersebut harus ditransformasi terlebih dahulu dengan monotomic regression atau multidimensional scalling, kemudian analisis dilanjutkan dengan regresi peubah boneka. Namun, jika data diperoleh melalui penilaian secara terpisah dari masing-masing taraf/level atribut yang dikenal dengan istilah discrete choice, analisis yang dapat digunakan adalah model logit.

2.8.2.5 Interpretasi Hasil

Untuk menginterpretasikan hasil analisis, dilakukan pada semua tingkat kepentingan atribut dengan membuat grafik perbandingan antara nilai kepentingan dari tiap-tiap atributnya. Interpretasi dari hasil berikutnya juga dilakukan dengan membuat suatu grafik perbandingan antara nilai kegunaan dari tiap levelnya.


2.8.2.6 Penilaian Keandalan Dan Kesahihan

Uji keandalan terhadap hasil konjoin untuk mengetahui apakah prediksi yang telah dilakukan mempunyai ketepatan yang tinggi dengan kenyataannya. Pada uji ketepatan prediksi ini akan dilakukan pengukuran korelasi secara Pearson maupun Kendall dengan bantuan SPSS. Pada pengukuran tersebut akan diketahui seberapa kuat hubungan antara estimasi dan actualnya atau seberapa tinggi Predictive accuracy nya.

2.9 Tahapan Pengambilan Sampel

2.9.1 Populasi dan Sampel

Populasi adalah wilayah generelisasi yang terdiri atas; obyek/subyek yang mempunyai kuantitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. Sampel merupakan bagian dari populasi yang mempunyai ciri-ciri atau keadaan tertentu yang akan diteliti karena tidak semua data dan informasi akan diproses dan tidak semua orang atau benda akan diteliti melainkan cukup dengan menggunakan sampel yang mewakilinya (Sugiyono, 2006). Dalam pelaksanaan penelitian, ruang lingkup populasi merupakan area yang amat luas batasnya sehingga penggunaan populasi sebagi instrumen penelitian sangat sulit dilakukan. Oleh karena itu, untuk memenuhi kelayakan dalam pelaksanaan penelitian, ditentukan populasi sasaran (target population), yaitu populasi yang digunakan untuk mengeneralisasi hasil penelitian.

2.9.2 Teknik Penarikan Sampel

Masalah sampel akan terjadi bila jumlah populasi terlalu besar dan menyebar sehingga di luar jangkauan penelitian. Sedangkan dalam penelitian ini


pengambilan sampel dilakukan dengan teknik penarikan sampel bertingkat proposional (propotional stratified random sampling). Ada beberapa syarat yang harus terpenuhi terlebih dahulu untuk menggunakan teknik ini antara lain (Singarimbun dan Effendi, 1989:162-163): 1. Adanya kriteria yang jelas yang akan dipergunakan sebagai dasar untuk menstratifikasi populasi ke dalam lapisan-lapisan. 2. Adanya data pendahuluan dari populasi mengenai kriteria yang dipergunakan untuk menstratifikasi. 3. Jumlah satuan elementer dari setiap strata (ukuran setiap subpopulasi) harus diketahui dengan pasti. Hal ini diperlukan agar peneliti dapat membuat kerangka sampling untuk setiap subpopulasi atau strata yang akan dijadikan sumber dalam menentukan sampel atau responden. Untuk mendapatkan sampel yang benar-benar mewakili seluruh populasi, maka dalam penelitian ini teknik penentuan jumlah sampel menggunakan rumus slovin yang mempunyai syarat ukuran populasi diketahui dan taraf kesalahan ditentukan. Rumus Slovin sebagai berikut:

=

1+

Sumber: Umar (2004:108)

Keterangan : = Ukuran Sampel = Ukuran Populasi = Persen Kelonggaran ketidaktelitian karena kesalahan pengambilan sampel yang masih dapat ditolerir atau diinginkan.


BAB II LANDASAN TEORI

Recommend Documents