5
II. TINJAUAN PUSTAKA
A. Teori Online Internet 1.
Sejarah Internet di Indonesia Sejarah internet Indonesia dimulai pada awal tahun 1990-an. Saat itu jaringan internet di Indonesia lebih dikenal sebagai paguyuban network, dimana semangat kerjasama, kekeluargaan dan gotong royong sangat hangat dan terasa diantara para pelakunya. Agak berbeda dengan suasana Internet Indonesia pada perkembangannya kemudian yang terasa lebih komersial dan individual di sebagian aktivitasnya, terutama yang melibatkan perdagangan melalui Internet. Berawal sekitar tahun 1987-1988, pada waktu itu Internet masih belum terbentuk seperti sekarang ini, sekelompok kecil mahasiswa Indonesia di Berkeley, Amerika Serikat (AS) membentuk mailing list indonesia yang pertama dengan alamat e-mail
[email protected]. Persatuan komunitas pelajar dan mahasiswa Indonesia di luar negeri ini terbentuk dari adanya fasilitas diskusi maya ini, dengan berdiskusi melalui email dengan semangat membangun dan berjiwa nasionalis. Menurut
wikipedia,
pada
tahun
1995-1997-an,
Institut
Teknologi Bandung (ITB) memberikan fasilitas servis sekitar 200-an mailing list secara gratis dengan anggota ribuan orang yang berinteraksi setiap hari. Pada saat itu aktifitas ini dilayani oleh dua (2) buah komputer Pentium II yang bekerja berdampingan. Salah satu komputer tersebut adalah sumbangan salah seorang alumni ITB. Pada komputer tersebut di aktifkan program majordomo yang berfungsi sebagai kontrol untuk mailing list. Sehingga pada saat itu sebagian besar komunitas maya Indonesia berada dalam satu kelompok di http://groups.yahoo.com atau lebih dikenal sebagai yahoogroups.com. Pada tahun 1995, ITB memperoleh sambungan leased line 14.4Kbps ke RISTI Telkom sebagai bagian dari Ilmu Pengetahuan
6 Teknologi Internet (IPTEKNET) akses Internet tetap diberikan secara cuma-cuma kepada rekan-rekan yang lain. Pada bulan September 1996 merupakan tahun peralihan bagi ITB, karena keterkaitan
ITB
dengan
jaringan
penelitian
Asia
Internet
Interconnection Initiatives (AI3) sehingga memperoleh bandwidth 1.5Mbps ke Jepang yang terus ditambah dengan sambungan ke TelkomNet & IIX sebesar 2Mbps. ITB akhirnya menjadi salah satu bagian terpenting. Kemudian pada tahun 1994 mulai beroperasi IndoNet yang merupakan ISP komersial pertama Indonesia. Pada waktu itu pihak POSTEL belum mengetahui tentang celah-celah bisnis Internet dan masih sedikit sekali pengguna Internet di Indonesia. Sambungan awal ke Internet dilakukan menggunakan dial-up oleh IndoNet. Akses awal di IndoNet mula-mula memakai mode teks dengan shell account, browser lynx dan email client pine pada server AIX. Mulai 1995 beberapa BBS di Indonesia seperti Clarissa menyediakan jasa akses Telnet ke luar negeri. Dengan memakai remote browser Lynx di AS, maka pemakai Internet di Indonesia bisa akses Internet (HTTP). Perkembangan terakhir yang perlu diperhitungkan adalah trend ke arah e-commerce dan warung internet yang satu & lainnya saling menunjang membuahkan masyarakat Indonesia yang lebih solid di dunia informasi. Rekan-rekan e-commerce membangun komunitasnya di beberapa mailing list utama seperti
[email protected],
[email protected],
[email protected] dan
[email protected] Di tahun 2004-an groups.or.id mulai di operasikan untuk keperluan mailing list lokal di Indonesia. Perkembangan terakhir yang perlu diperhitungkan adalah trend ke arah e-commerce dan warung internet yang satu & lainnya saling menunjang membuahkan masyarakat Indonesia yang lebih solid di dunia informasi. E-commerce telah banyak membangun komunitas di beberapa mailing list utama seperti warta-e-
7
[email protected],
[email protected],
[email protected] &
[email protected].
2.
Pemasaran melalui Internet (e-commerce) Pemasaran melalui internet (internet marketing atau emarketing atau online-marketing) adalah segala usaha yang dilakukan untuk melakukan pemasaran suatu produk atau jasa melalui atau menggunakan media Internet atau jaringan www. Kata e dalam e-pemasaran ini berarti elektronik (electronic) yang artinya kegiatan pemasaran yang dimaksud dilaksanakan secara elektronik lewat Internet atau jaringan cyber. Dengan munculnya teknologi Internet dalam beberapa tahun ini, banyak istilah baru yang menggunakan awalan e-xxx, seperti e-surat, e-business, e-gov, esociety, dan lain-lain. Banyak orang beranggapan bahwa pemasaran Internet adalah segala hal yang berhubungan dengan mencari uang di Internet, yang sebetulnya hal ini tidak benar. Kegiatan pemasaran Internet umumnya meliputi atau berkisar pada hal-hal yang berhubungan dengan pembuatan produk periklanan, pencarian prospek atau pembeli dan penulisan kalimat-kalimat pemasaran atau copywriting. Pemasaran internet atau e-pemasaran ini secara umum meliputi kegiatan pembuatan desain web (web design), periklanan dengan menggunakan banner, promosi perusahaan lewat mesin pencari informasi (search engine), surat elektronik atau e-surat (e-mail), periklanan lewat e-surat (email advertising), pemasaran
afiliasi
(affiliate
marketing),
advertensi
interaktif
(interactive advertising), dan lain-lain. 3.
Tipologi Pelanggan Online Shopping Perkembangan penjualan produk melalui internet cukup berkembang dengan pesat saat ini. Hal ini memberikan nuansa baru bagi peradaban marketing di Indonesia. E Commerce (belanja online) menghubungkan antara penjual dan pembeli melalui media
8 elektronik untuk melalukan transaksi penjualan. Internet dapat digunakan sebagai channel alternatif untuk memasarkan produk. Menurut Field (1996) dalam suatu report mengatakan bahwa pendapatan penjualan melalui internet sebesar US$ 518 juta ditahun 1996 dan diprediksikan akan terus meningkat menjadi US$ 6,6 milyard ditahun 2000. Nua (2003) memprediksikan bahwa bisnis melalui internet akan menghasilkan revenue lebih dari US$ 1,4 trilyun diakhir tahun 2003 dan ditahun 2004 akan mencapai US$ 2,7 trilyun. Menurut International Data Corporation, 2001, mengatakan bahwa pertumbuhan online shopping bisa mencapai US$ 50,5 juta ditahun 2003 kecuali Jepang. Pengguna internet terbesar saat ini adalah di Asia. Asia pasific merupakan pasar yang sangat potensial menjadi pengguna internet terbesar sekitar 242 juta pengguna internet ditahun 2005. Masyarakat enggan untuk berbelanja di daerah kota yang penuh dengan kepadatan lalu lintas, membuat belanja online semakin digemari oleh pengguna internet. Internet diibaratkan seperti retailers (pedagang) yang mempengaruhi masyarakat untuk berbelanja dengan mudah tanpa melalui alat transportasi lain kecuali nirkabel. Hal ini membuat pengguna internet terbius untuk ketagihan menggunakan internet dan menguatkan posisi internet sebagai virtual obyek yang menarik. Pengguna internet banyak menghabiskan waktunya untuk surfing melihat produk, melihat informasi produk (Joines, et al., 2003). CyberAtlas (2000) membuat report bahwa 58% penduduk rumah tangga di AS yang menggunakan internet menghabiskan waktunya untuk mencari informasi
produk dan pelayanan melalui internet.
Studi lain E-Marketer (2000) mengatakan bahwa 23,7% penguna internet menghabiskan waktunya untuk informasi produk dan pelayanan. Melihat potensi yang sangat besar pembelanjaan melalui media internet ini, para pakar marketing berspekulasi bahwa media internet sebagai salah satu channel marketing yang potensial dimasa mendatang. Oleh karena itu diperlukan cara untuk
9 mengetahui tipologi customer yang melalukan transaksi melalui internet dan harus mengetahui konsep e shopping (Korgaonkar and Wolin, 1999). Sejak pertamakali internet digunakan sebagai sarana komunikasi kirim email, saat ini masyarakat menyukai untuk belanja online melalui internet. Untuk mengetahui dan lebih mengenal pelanggan pengguna internet, Lewis dan Lewis dalam Breitenbach and Van Doren (1998) mengidentifikasikan 5 (lima) kategori pengunjung situs internet : a.
Pencari informasi secara langsung (Directed Information Seekers)
b.
Pencari
informasi
secara
tidak
langsung
(Undirected
Information Seekers browser) c.
Pemburu barang murah (Bargain Hunters /browser of a type)
d.
Pencari hiburan (Entertainment seekers)
e.
Pembeli langsung (Directed buyers /directed searchers with a buying intents) Para pengguna internet dapat dengan mudah mencari
sesuatu informasi melalui internet melalui search engine. Informasi mutakhir dapat dengan mudah dijelajah melalui search engine. Kaufman-Scarborough and Lindquist (2002) membuat kategori pengguna internet menjadi 5 (lima) kategori, yaitu: a.
Pengguna Internet namun tidak belanja (The Web nonshopper)
b.
Pengunjung internet (E-browser)
c.
Pengunjung internet jarang pembelian (E-browser Infrequent Purchases)
d.
Pengunjung kadang-kadang belanja (Occasional e-shopper)
e.
Pengunjung yang sering belanja (The E-Shopper)
Kategori Pengunjung yang sering belanja (The web non shopper) dikategorikan sebagai pengguna internet yang tidak berbelanja melalui internet. Kategori pengunjung internet (Ebrowser,
yaitu user yang melihat situs online shopping, namun
10 tidak berbelanja, hanya melihat-lihat barang yang ditampilkan di situs. Kategori pengunjung internet jarang pembelian (E-browser Infrequent Purchases), yaitu kategori yang membuka situs belanja online dan melakukan pembelanjaan secara online namun tidak sering, sedangkan kategori pengunjung kadang-kadang belanja (Occasional e-shopper) adalah user yang membuka situs online shopping namun frekuensinya lebih banyak dari
Infrequent
Purchases dalam setahun. Kategori terakhir, yaitu pengunjung yang sering belanja (The E-shopper) adalah user yang menggunakan internet dan melakukan pembelanjaan online secara rutin. Studi lain yang dilakukan Media Matrix and McKinsey (Hamilton,2000), pelanggan online terbagi menjadi 6 (enam) kategori, yaitu: a. Simplifiers b. Surfers c. Connectors d. Bargain Shoppers e. Routine Foloower f.
Sportsters Simplifiers adalah kategori paling sederhana, namun sangat
menguntungkan bagi user. Surfers adalah kategori user yang menghabiskan waktunya sekitar 32% untuk browsing internet. Connectors adalah user yang baru memulai surfing namun jarang melakukan pembelanjaan melalui internet. Bargain Shoppers adalah kategori user yang sangat menikmati barang-barang murah di internet. Routine followers adalah user yang sering browsing internet namun hanya untuk mencari informasi saja. Sportsters adalah user yang menyukai informasi olahraga dan hiburan serta situs-situs yang sejenisnya. Studi mengenai internet di Asia masih sangat jarang sekali untuk mengklasifikasikan kategori pengguna internet di Asia. Hal ini sangatlah penting mengkategorikan pelanggan yang menyukai berbelanja online.
11 Hadirnya internet telah banyak mengubah pola/kebiasaan individu. Hadirnya blog di internet membuat individu yang terbiasa membaca (reading) dan tidak terbiasa menulis, kini dapat menulis artikel bebas di blog individu tersebut yang secara tidak langsung menjadi publisher karena tulisan tersebut dibaca oleh masyarakat luas di internet. Internet pun dapat membuat individu dapat lebih peka terhadap interaksi sosial dengan masyarakat sekitar.
B. Alat Bantu Metoda Analisis 1.
Analisis Diskriminan Analisis diskriminan (diskriminant analysis) adalah teknik statistika yang dipergunakan untuk mengelompokkan individu atau obyek
ke
dalam
suatu
kelas
atau
kelompok
berdasarkan
sekumpulan peubah-peubah bebas (Dillon dan Goldstein, 1984). Analisis diskriminan juga merupakan suatu analisis dengan tujuan membentuk sejumlah fungsi melalui kombinasi linear peubahpeubah asal, yang dapat digunakan sebagai cara terbaik untuk memisahkan kelompok-kelompok individu. Fungsi yang terbentuk melalui analisis ini kemudian disebut sebagai fungsi diskriminan. Metode diskriminan pertama kali diperkenalkan oleh Fisher (1936) sebagai suatu teknik statistika yang berguna dalam bidang taksonomi, dan setelah itu banyak dikembangkan pada bidang lainnya (Klainbum, 1987 dalam Siswadi dan Suharjo, 1998). Salah satu pendekatan yang digunakan dalam analisis diskriminan ialah metode pengelompokkan fungsi jarak (Jarak kuadrat Mahalanobis). Andaikan ada g kelompok contoh acak masing-masing berukuran n1, n2,...,ng dengan p peubah yang diamati X1,X2, ....., Xp. Vektor nilai tengah dari g contoh tersebut, x1,x2,....,xg dapat dianggap sebagai dugaan vektor nilai tengah populasi. Andaikan pula dengan matriks koragam kelompok ke-i ialah Si. Jarak kuadrat Mahalanobis (Di2) setiap atau suatu objek dapat dihitung terhadap g vektor nilai tengah tersebut dan akan digolongkan pada suatu kelompok yang terdekat terhadap vektor nilai tengahnya. Jarak Kuadrat Mahalanobis (Di2) antara suatu
12 objek x terhadap vektor nilai tengah kelompok ke-i, xi diduga oleh: Di2(x) =(xij – Xi0)Sw-1(xij – xi0)t Dalam hal ini anggapannya adalah matriks koragam tiap kelompok sama. Jadi, kelompokkan objek xij ke kelompok ke-i untuk nilai D2i (x) yang terkecil atau xij€k=min (D2i(x), D22(x),....,D2g(x)) (Morrison, 1990; Rencher, 1995).
Gambar 1. Ilustrasi Penyebaran Data Pada Gambar 1 diatas tampak dua data (peubah) yang berasal dari dua kelompok yang berbeda. Analisis diskriminan sangat tepat digunakan pada contoh kasus Gambar 1,
yaitu
mencari sebuah fungsi (linear atau berupa kurva lengkung semisal parabola) yang dapat memisahkan kedua kelompok ini. Tentunya, fungsi yang didapatkan akan mampu memisahkan dua kelompok data secara sempurna karena peubah X1 dan X2 pada Gambar 1 mencirikan kedua kelompok secara nyata. Artinya, kedua kelompok memang memiliki variansi yang sangat berbeda. Menurut Wahyu (2000), analisis diskriminan ini dapat digunakan
sebagai
metode
pengklasifikasian.
Dalam
penerapannya, analisis ini mengasumsikan bahwa data pada masing-masing kategori/kelompok berdistribusi normal multivariat dan mempunyai struktur matrik varian-kovarian yang sama. Pengklasifikasian adalah salah satu analisis statistika yang diperlukan jika ada beberapa kelompok kemudian ingin diketahui apakah kelompok-kelompok tersebut memang berbeda secara statsitika. Kelompok-kelompok ini terjadi karena ada pengaruh satu
13 atau lebih peubah lain yang merupakan peubah independen. Kombinasi liniar dari peubah-peubah ini akan membentuk suatu fungsi diskriminan (Tatham et. al., 1998).
Zjk = a+W 1X1k+W 2X2k+ . . + W nXnk Zjk a Wi Xik
(1)
: Nilai diskriminan Z dari fungsi diskriminan j untuk obyek k : intersep : Koefisien diskriminan untuk peubah independen ke-i : Nilai peubah ke-i untuk obyek ke-k Fungsi diskriminan lain yang dapat digunakan antara lain
fungsi diskriminan liniar Fisher. Secara detail fungsi ini dijelaskan dalam Johson dan Winchern (1992). Nilai diskriminan Z dari (1) merupakan dasar untuk menentukan suatu obyek masuk kelompok yang mana dengan membandingkannya dengan rataan (centroid) dari nilai Z masing-masing kelompok.
Jika ada dua kelompok,
misalkan A dan B, maka :
Z cu Zcu NA NB ZA ZB
N AZ B N B Z A N A NB : Nilai Z kritis : Jumlah obyek di dalam A : Jumlah obyek di dalam B : centroid untuk A : centroid untuk B
Kelompokkan ke dalam A jika Zn < Zct Kelompokkan ke dalam B jika Zn > Zct
2.
Evaluasi Fungsi Klasifikasi Hal penting untuk menilai suatu prosedur klasifikasi adalah dengan menghitung peluang kesalahan klasifikasi. Ukuran ini dinamakan Apparent Error Rates (APER), yang didefinisikan dengan fraksi (proporsi) pengamatan pada contoh yang salah diklasifikasikan oleh fungsi klasifikasi. APER dihitung dengan terlebih dulu membuat tabel klasifikasi.
14 Tabel 1. Klasifikasi aktual dan predicted group
Predicted Group
Actual group
1
1
n11
2
n21 = n2-n22
2 n12 = n11n11 n22
n11 = jumlah pengamatan dari 1 tepat diklasifikasi sebagai 1 n12 = jumlah pengamatan dari 1 salah diklasifikasi sebagai 2 n22 = jumlah pengamatan dari 2 tepat diklasifikasi sebagai 2 n21 = jumlah pengamatan dari 1 salah diklasifikasi sebagai 1
APER
n12 n21 n1 n2
Menurut
Wibowo
Wahyu
(2000),
analisis
diskriminan
mengasumsikan data berdistribusi multivariate normal, Pelanggaran asumsi multivariate normal pada analisis diskriminan biasanya menghasilkan tingkat ketepatan klasifikasi yang rendah. Namun ada peneliti
yang
menganjurkan
diskriminan meskipun
tetap
menggunakan
analisis
ada pelanggaran asumsi, dengan catatan
tidak ada data outlier. Pelanggaran asumsi, terutama asumsi multivariate normal, dapat terjadi pada skala data apa saja, yaitu data kontinu, kategori ataupun gabungan antara keduanya. Meskipun datanya kontinu ataupun campuran antara jaminan
data
tersebut
data kontinu dan kategori, tidak ada akan
mengikuti
multivariate
normal.
Sedangkan data kategori biasanya akan sulit untuk mengikuti multivariate normal. Analisis diskriminan memberikan perhitungan yang lebih efisien (Sharma, 1996 dan Efron, 1975).