BAB 2 LANDASAN TEORI
2.1
Preferensi Konsumen
Menurut Kotler dan Armstrong (2006), preferensi konsumen menunjukkan kesukaan konsumen dari berbagai pilihan produk yang ada. Preferensi konsumen berhubungan erat dengan permasalahan penetapan pilihan. Dari sejumlah alternatif pilihan yang ada, orang lebih cenderung memilih alternatif yang memaksimumkan kepuasannya. Preferensi konsumen dapat diketahui dengan mengukur tingkat kegunaan dan motovasi relatif penting setiap atribut yang terdapat pada suatu produk.
2.2 Tahapan Pengmbilan Sampel 2.2.1 Populasi dan Sampel
Dalam pelaksanaan penelitian, ruang lingkup populasi merupakan area yang amat luas batasnya sehingga penggunaan populasi sebagai 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. Masalah sampel akan terjadi bila jumlah populasi terlalu besar dan menyebar sehingga di luat jangkauan penelitian. Sedangkan dalam penelitian ini pengambilan sampel dilakukan dengan teknik penarikan contoh acak berstrata proporsional (proportional stratified random sampling). Dalam teknik ini, jumlah proporsi secara proporsional sesuai dengan besarnya dalam populasi. Proporsi atau strata terbesar akan mendapatkan sampel lebih besar dibandingkan dengan strata yang lebih kecil.
Universitas Sumatera Utara
8
Alasan teknik ini digunakan peneliti untuk mengambil sampel, disebabkan karena dapat memperkecil galat (error) penarikan sampel serta meningkatkan peluang setiap strata yang terwakili dalam sampel, selain itu juga agar mendapatkan ketepatan yangn lebih tinggi, karena stratifikasi akan menghasilkan presisi yang lebih baik dalam melakukan estimasi terhadap sifat-sifat populasi.
2.2.2 Teknik Penarikan Sampel
Penelitian ini adalah penelitian kuantitaif, maka digunakan kuisioner untuk mengetahui beberapa informasi yang dapat digunakan dalam penelitian. Untuk mendapatkan sampel yang benar-benar mewakili seluruh populasi, maka dalam penilitian ini teknik penentuan jumlah sampel menggunakan rumus sebagai berikut: π=
π 1 + ππ 2
Keterangan: n = Ukuran Sampel N = Ukuran Populasi e = Persen kelonggaran ketidaktelitian karena kesalahan pengmabilan sampel yang masih dapat ditolerir atau diinginkan (10%)
Universitas Sumatera Utara
9
2.3 Defenisi 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 bagian produk baru, mengetahui pengaruh tingkat harga serta memprediksi tingkat penjualan atau penggunaan (Santoso, 2010). Analisis konjoin adalah suatu metode untuk menganalisis pendapat (preferensi) pelanggan mengenai suatu produk dan syarat-syarat sifat yang menyusun atribut produk tersebut. Keluaran utamanya adalah serangkaian skala interval βpartworthsβ (utilitas) dari masing-masing level untuk setiap atribut, dimana dari penggabungan utilitas ini akan didapatkan prediksi preferensi dari masing-masing level untuk setiap atribut dari produk tersebut. Untuk mendapatkan hasil yang baik, maka harus dapat digambarkan produk yang akan dinilai tersebut lengkap dengan semua atributnya dan semua nilai yang relevan untuk setiap atribut tersebut. Istilah faktor digunakan untuk menggambarkan atribut yang spesifik dari suatu produk (baik barang mauoun jasa). Sedangkan nilai yang mungkin dari tiap faktor dinamakan level. Dalam analisis konjoin, sebuah produk digambarkan dalam level dari sejumlah faktor yang membentuknya.
Universitas Sumatera Utara
10
2.4
Tahapan Analisis Konjoin
2.4.1
Mengidentifikasi Atribut
Langkah awal dalam melakukan analisis konjoin yaitu mengidentifikasi kumpulan dari atribut-atribut dimana setiap atribut terdiri atas beberapa taraf atau level. Informasi mengenai atribut yang mewakili prefernsi konsumen bisa diperoleh melalui diskusi dengan pakar, eksplorasi data skunder, atau melakukan tes awal. Kemudian atribut yang sudah sianggap mewakili ditentukan skalanya. Skala atribut dibagi menjadi dua yaitu skala kualitatif atau non-metrik atau kategori (niminal dan ordninal) dan skala kuantitatif atau metri (interval atau rasio). Parameter yang akan diperkirakan dan juga mempengaruhi banykanya stimulus yang akan dievaluasi oleh responden. Untuk meminimumkan tgas evalusi responden, dan harus bisa memperkirakan parameter seakurat mungkin, perlu membatasi banyaknya tingkatan atau level dari atribut.
2.4.2
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 π atribut dan ada ππ level yang diteliti dapat mengevaluasi semua stimuli yang muncul dengan π1 Γ π2 Γ π3 Γ β¦ sejumlah ππ buah. Tentunya terkadang banyaknya stimuli membuat bingung responden dalam menilai, untuk mengatasi masalah ini dapat digunakan SPSS 22 dengan menggunakan pendekatan full profile namun desain yang digunakan bukan full factor design melainkan factorial design. Dengan desain ini, sebagian dari seluruh kombinasi produk dipilih yang benar-benar berpengaruh terhadap efek
Universitas Sumatera Utara
11
utama. Efek interaksi tidak diperhatikan. Desain seperti ini dikenal dengan nama Orthogonal Array. Orthoginal 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 interaksi dengan melakukan survei 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 pada tabel 2.1. 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 2.1 Contoh Orthogonal Array dan Non-orthogonal Array
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 m-buah, maka kombinasi taraf/level atribut yang harus dievaluasi responden adalah sebanyak: π=
π (π β1) 2
pasangan.
Universitas Sumatera Utara
12
Kelebihan pendekatan pasangan adalah bahwa pendekatan ini lebih mudah bagi responden untuk memberikan pertimbangan. Tetapi kelemahan realtifnya ialah bahwa pendekatan ini memerlukan lebih banyak evaluasi.
2.4.3
Analisis 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 rangking atau mengurutkan stimulus yang paling disukai hingga pada stimulus yang tidak disukai. Untuk stimulus yang paling disukai diberi 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 membrikan 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 tida disukai dan 5 = paling disukai). b. Menggunakan nilai ranking terbalik, artinya untuk stimulus yang paling disukai diberi nilai tertinggi setara dengan umlah stimulusnya, sedangkan stimulus yang paling tidak disukai diberi nilai satu.
Universitas Sumatera Utara
13
2.4.4
Memilih Prosedur Analisis Konjoin
Model dasar analisis konjoin secara matematis sebagai berikut (Supranto, 2004):
π
ππ
π π =
πππ πππ π=1 π =1
Dimana: π π
= Utility total dari tiap-tiap stimuli
πππ
= Nilai kegunaan atribut ke-i, taraf kek
ππ
= Banyaknya level atribut i
π
= Banyaknya atribut
πππ
= Peubah boneka atribut ke-i taraf ke-j (bernilai 1, jika level ke-j
dari
atribut ke-i terjadi dan bernilai 0 jika tidak terjadi) Range nilai kepentingan relatif tiap atribut dapat dihitung dengan rumus: πΌπ = {ππππ πππ β min πππ }
Rumus untuk nilai kepentingan relatif adalah: ππ =
πΌπ π π=1 πΌπ
Dimana: ππ
= Bobot kepentingan relatif untuk tiap atribut
πΌπ
= Range nilai kepentingan untuk tiap atribut
Beberapa prosedur yang berbeda tersedia untuk mengestimasi model dasar yang paling sederhana, dan yang sangat populer yaitu dummy variable regression,
Universitas Sumatera Utara
14
artinya suatu regresi yang variabel bebasnya merupakan variabel dummy (peubah boneka). Peubah boneka merupakan cara yang sederhana unutuk mengkuantifikasi variabel yang kualitatif. Bila atribut mempunyai level sebanyak ππ diberi kode, dinyatakan dalam ππ β 1 variabel dummy, atau banyaknya variabel dummy = banyaknya kategori (level) dikurangi satu. Untuk atribut ke-i dengan ππ level, variabel dummy-nya adalah
Tabel 2.2 Variabel Dummy Atribut ke-i dengan level ππ
Peubah boneka ini biasanya mengambil nilai 1 atau 0. Kedua nilai yang diberikan tidak menunjukkan bilangan (numerik) tetapi hanya sebagai identifikasi kelas atau kategorinya. Didalam 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 tiga taraf, pengkodeannya sebagai berikut:
Universitas Sumatera Utara
15
Tabel 2.3 Pengkodean taraf atau level
Untuk taraf lebih dari tiga pengkodean dilakukan dengan cara yang sama sehingga setiap faktor memiliki π β 1 peubah boneka. Misalkan terdapat 3 buah atribut dengan masing-masing 4 level atribut, maka setelah dilakukan pengkodean taraf diperoleh 9 variabel dummy, data tersebut dapat dianalisis dengan menggunakan regresi liniear berganda dengan 9 variabel dummy, dengan persamaan: π = π0 + π1 π1 + π2 π2 + π3 π3 + π4 π4 + π5 π5 + π6 π6 + π7 π7 + π8 π8 +π9 π9 dengan π0 , π1 , β¦ , π9 adalah koefisien yang dapat dicari dengan menggunakan metode kuadrat terkecil atau dengan menggunakan SPSS. Setelah koefisien tersebut diperoleh maka nilai utilitas dari setiap level atribut dapat dicari. Hubungan setiap koefisien variable dummy, mewakili perbedaan dalam utilitas untuk level yang bersangkutan dikurangi utilitas dari level kategori dasar seperti persamaan berikut: πΌ11 β πΌ15 = π1 πΌ12 β πΌ15 = π2 dimana level atribut πΌ15 sebagai level kategori dasar.
2.4.5 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.
Universitas Sumatera Utara
16
2.4.6 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 seperti rumus dibawah ini maupun dengan bantuan SPSS 22. Pada pengukuran tersebut akan diketahui seberapa kuat hubungan antara estimate dan actual nya seberapa tinggi Predictive accuracy nya. Uji validitas (kesahihan) digunakan untuk menunjukkan sejauh mana suatu alat ukur (kuisioner) yang digunakan telah mengukur informasi yang diperlukan. Uji ini dilakukan dengan mengukur korelasi antara variabel/item dengan skor total variabel. Digunakan validitas konstruk yaitu mencari korelasi antara masing-masing pertanyaan dengan skor total. Uji validitas ini menggunakan teknik korelasi product moment model Pearsonβs dengan rumus sebagai berikut:
Dimana ππ₯π¦
= koefisien korelasi
π₯
= skor pertanyaan untuk setiap subjek
π¦
= skor total
π₯π¦
= skor pertanyaan dan skor total
π
= jumlah sampel
Universitas Sumatera Utara