MODEL PREDIKSI KESUKSESAN PRODUK

Prosiding Seminar Nasional Manajemen Teknologi XII Program Studi MMT-ITS, Surabaya 7 Agustus 2010

MODEL PREDIKSI KESUKSESAN PRODUK Fitri Trapsilawati dan Subagyo Program Studi Teknik Industri, Jurusan Teknik Mesin dan Industri Fakultas Teknik, Universitas Gadjah Mada Email: [email protected], [email protected]

ABSTRACT The objective of this research is to build a model for predicting a success of a product. In this research, affinity diagram approach was used for identifying the relation between major blocks and indicators. There were 3 major blocks,i.e.: image dimensions, product support and system support and 16 indicators were evaluated to build the model. The model correlation between major blocks and success indicators was built by three methods, which were Partial Least Square, Ordinary Least Square and Weighted Least Square. The models were tested by validation test. The selection process of model was done based on the highest R2 value and the highest prediction percentage which was given from the evaluation of canvas data that consist of 37 different products. The result showed that the best model gives accuracy of up to 85,7%. Keywords: model of a success product, partial least square, success factors.

PENDAHULUAN Saat ini nyaris tak ada orang yang tak mengenal BlackBerry.Mobile communication yang tengah digandrungi oleh masyarakat ini merupakan produk ciptaan perusahaan RIM (Research In Motion). Butuh 14 tahun sejak didirikan, para peneliti RIM berhasil menciptakan produk yang mengguncang pasar. Pada tahun 1998, BlackBerry memenangi berbagai penghargaan industry untuk inovasi dan kegunaannya. Sebagai imbas meledaknya produk BlackBerry di pasaran, saat ini RIM mampu mempekerjakan lebih dari 2000 tenaga kerja di Kanada untuk riset, pengembangan dan manufaktur. Tidak hanya itu, RIM juga berhasil memiliki kantor-kantor di Eropa dan Asia-Pasifik.(Frenzel, 2009). Kisah sukses RIM dengan BlackBerry-nya merupakan contoh bahwa kesuksesan produk akan berpengaruh pada kesuksesan perusahaan. Walau produk menentukan kesuksesan, tetapi probabilitas sukses sebuah produk masih kecil. Berdasarkan survey yang dilakukan pada berbagai bidang di industri menunjukkan bahwa laju kesuksesan produk hanya berkisar antara 55-65 persen (Davis, 2007). Dalam survey pengembangan produk, ditemukan bahwa untuk 11 konsep serius, 3 diantaranya masuk untuk dikembangkan, 1,3 diluncurkan dan hanya 1 yang berhasil sukses. Merupakan hal yang mengejutkan ketika laju kesuksesan hanya mencapai angka 1/11 (Davis, 2007). Misteri tentang kesuksesan produk sudah banyak dibicarakan. Tidak sedikit penelitian yang sudah dilakukan untuk memecahkan misteri tersebut. Contoh penelitian yang membahas masalah ini antara lain: dimensi produk sukses dan gagal (Cooper, 1979), pengaruhemosidalamkesuksesanproduk (Han et al.2000), analisis kesuksesan produk kendaraan roda empat (Anita, 2007), analisis kesuksesan produk notebook (Indriastanti, 2008), analisis kesuksesan produk penyedia jasa internet (Sukemi, 2009). Dari studi literatur yang dilakukan, sampai saat ini belum ada yang dapat memprediksi kesuksesan sebuah produk secara absolut. Banyak aspek yang telah ISBN : 978-602-97491-1-3 A-7-1


dibahas, namun belum dapat dikatakan bahwa aspek tersebut sudah komprehensif. Cooper (1985) membangun model kuantitatif yang menghasilkan keputusan melanjutkan atau menghentikan proyek. Model ini dibangun dengan 8 variabel bebas dantingkat sukses keuangan sebagai variabel terikat.Dalam kaitannya dengan produk, Uletika (2009) melakukan penelitian untuk membangun model prediksi produk sukses berdasarkan kanvas strategi. Model prediksi berdasarkan kanvas strategi tersebut dibangun berdasarkan analisis komprehensif atribut aktual produk dan persepsi konsumen. Model ini terdiri dari satu faktor sukses harga produk dan satu faktor sukses investasi produk. Berdasarkan penjelasan di atas, tampak bahwakesuksesanprodukmerupakanhal yang pentinguntukdiprediksi. Kesuksesan sebuah produk masih merupakan misteri yang tidak mudah dipecahkan. Misteri itu termasuk bagaimana mengetahui hubungan variabel yang mempengaruhi kesuksesan produk. Sehingga diperlukan model matematis yang dapat memprediksi variabel-variabel produk dan hubungannya dengan kesuksesan produk. METODOLOGI Dalam penelitian ini digunakan dua kelompok data kanvas strategi yang berbeda baik barang maupun jasa. Kelompok pertama terdiri dari 15 data kanvas strategi yang memiliki data nilai market share sebagai indikator kesuksesan. Data kanvas kelompok pertama digunakan untuk membangun model. Kelompok kedua terdiri dari 14 data kanvas industri yang berbeda. Data kanvas kelompok kedua hanya memiliki nilai sukses atau tidak dan dapat digunakan sebagai evaluator dalam pembangunan model kesuksesan produk yang dibangun. Dari 15 data kanvasstandar yang diperoleh dari penelitian sebelumnya, diperoleh 58 data set yang mewakili produk yang berbeda. Faktor-faktor kompetitif dalam setiap kanvas dikelompokkan dan nilainya akan menjadi masukan pada tiap variabel model persamaan yang dibangun. Dalam setiap data kanvas industri di atas terdapat faktor-faktor kompetitif yang akan menjadi indikator dalam perhitungan. Untuk alternatif model pertama dan ketiga, faktor-faktor tersebut akan dikelompokkan menggunakan diagram afinitas untuk menentukan header yang akan menjadi kelompok utama (major blocks) yang dapat dianalisis. Pada alternatif model kedua, faktor-faktor kompetitif di atas akan dievaluasi sebagai variabel-variabel yang mempengaruhi kesuksesan produk. Selain 15 data kanvas industri yang digunakanuntukmembangun model, terdapat 14 data kanvas industri lain yang digunakan sebagai obyek penelitian. Keempatbelas data kanvas industri tersebut digunakan sebagai evaluator keberhasilan model yang dihasilkan. Setelah data yang telah distandardisasi dikumpulkan, semua factor kemudian diorganisasikan dengan menggunakan diagram afinitas. Langkah-langkah dalam pengorganisasian data menggunakan diagram afinitas. Setelah nilai melalui proses pengorganisasian, nilai-nilai tersebut dianalisis dengan menggunakan 3 metode. Metode pertama yaitu Partial Least Square (PLS). Algoritma PLS disini merupakan PLS Path Modeling yang merupakan alternatif dari Structural Equation Modeling. Model kedua dibangun dengan metode regresi linier berganda. Metode regresi linier berganda dipilih karena berdasarkan uji korelasi inter variabel x dihasilkan nilai korelasi yang rendah. Nilai korelasi yang rendah menunjukkan tidak adanya masalah kekolinieran ganda. Tanpa masalah kekolinieran

ISBN : 978-602-97491-1-3 A-7-2


ganda, metode regresi linier berganda dapat digunakan untuk membangun model. Model ketiga dianalisis menggunakan metode regresi linier terbobot. Metode regresi linier terbobot dipilih sebagai alternatif tidak hanya karena nilai korelasi intervariabel x yang rendah tetapi juga masalah heteroskedastisitas. Berdasarkan plot data dapat dilihat bahwa data mengalami masalah heteroskedastisitas sehingga metode regresi terbobot menjadi metode sesuai yang perlu dicoba dalam menganalisis model. Model yang dihasilkan diuji terlebih dahulu. Pada model pertama, dilakukan uji validitas dan reliabilitas dari nilai AVE dan nilai composite reliability, uji t, uji ANOVA dan perhitungan nilai R2. Model kedua dan ketiga diuji t, uji ANOVA dan perhitungan nilai R2. Ketiga model kemudian dievaluasi dengan menggunakan data kanvas 14 industri berbeda dari 37 produk sebagai evaluator. Evaluasi model dilakukan untuk mengetahui seberapa baik model mampu mengevaluasi kesuksesan perusahaan. Nilai Y tertinggi akan merepresentasikan kesuksesan produk dan dicocokkan dengan data kesuksesan yang tersedia. HASIL DAN PEMBAHASAN Pengorganisasian data kanvas dilakukan untuk mengetahui faktor-faktor kesuksesan produk berdasarkan kanvas. Faktor-faktor kompetitif di dalam kanvas strategi diorganisasikan menjadi 3 kelompok utama (major blocks) dan 16 indikator kesuksesan produk. Variabel yang mempengaruhi kesuksesan dapat dibagi menjadi 3 kelompok, yaitu: product support, system support dan image dimensions. Indikatorindikator yang mempengaruhi ketiga variabel dijelaskan pada Tabel1. Indikatorindikator kesuksesan produk tersebut yang akan menjadi peubah bebas pada model kesuksesan produk. Pengorganisasian data kanvas menjadi 3 kelompok utama didasarkan atas hasil dari prosedur diagram afinitas yang telah dilakukan. Berdasarkan penelitian kesuksesan produk dari 15 kanvas industri sebelumnya, metode pengumpulan data diperoleh dari 3 hal, yaitu: kuesioner persepsi konsumen, atribut aktual produk, dan atribut pendukung produk.Sehingga dalam pembangunan model kesuksesan produk saat ini, terdapat 3 kelompok utama yang dievaluasi dan dinamakan product support untuk atribut aktual produk, system support untuk atribut pendukung produk, dan image dimensions untuk persepsi konsumen. Indikator-indikator tersebut digunakan sebagai indikator kesuksesan dalam kanvas industri dalam penelitian kesuksesan produk sepeda motor (Utami, 2007; Purnomo, 2008), kesuksesan produk maskapai penerbangan nasional (Santoso, 2007). Kualitas produk juga digunakan sebagai indikator dalam penelitian kesuksesan proyek (Cooper, 1985).Harga dan layanan termasuk dalam indikator yang dievaluasi dalam penelitian dimensi kesuksesan oleh Cooper (1979). Hampir semua kanvas dari 29 kanvas industri yang digunakan dalam obyek penelitian memasukkan harga sebagai indikator kesuksesan.

ISBN : 978-602-97491-1-3 A-7-3


Tabel 1. Kelompok utama dan Indikator Kesuksesan Produk Product Support

System Support

Image Dimensions

- kecepatan produk - kualitas produk - fitur produk - desain produk - konsumsi produk - kekuatan produk

- harga - layanan - time to market - after sales service

- persepsi ergonomis - persepsi citra fisik produk - persepsi harga - persepsi kinerja atribut produk - persepsi layanan purnajual - persepsi merek

Gambar 1. Hasil Analisis PLS

Penelitian ini menghasilkan nilai koefisien indicator time to market tertinggi yaitu 0.915. Hal tersebut menyatakan bahwa time to market merupakan indicator kesuksesan yang paling berpengaruh. Penelitian kesuksesan sepeda motor empat tak otomatis (Utami, 2007), telekomunikasi seluler kartu prabayar (Zen, 2007), sepeda motor kelas bebek 125CC (Purnomo, 2008), sepeda motor kelas sport (Purnomo, 2008), maskapai penerbangan nasional (Santoso, 2008), penyedia jasa internet (Sukemi, 2009) menyatakan bahwa produk yang memiliki time to market tercepat mendapatkan market share terbesar. Ω=0,113W1+0,087W2+0,249W3 W1=0,85S1+0,51S2+0,83S4+0,74S5 W2=0,82S8+0,57S9+0,61S11+0,58S12 W3=0,69S14+0,92S15+0,531S16

(1) (2) (3) (4)

Hasil analisis pengaruh kelompok utama menunjukkan sesuatu yang unik, yaitu fungsional produk ternyata tidak mempengaruhi kesuksesan produk secara absolut. Dari ketiga kelompok utama yang dianalisis menunjukkan bahwa product support memiliki nilai yang paling rendah. Hal ini didukung oleh penelitian Hogan (2004) bahwa banyak produk yang memiliki banyak fitur tetapi konsumen tidak mau membayar untuk itu. Hogan (2004) menemukan banyak produk gagal karena produsen tidak membuat nilai yang secukupnya untuk konsumen. Sementara image dimensions dan system support memberikan pengaruh yang lebih tinggi. Penelitian Calantoneet al. (2006) mampu menjelaskan nilai koefisien kelompok utama yang diperoleh. Calantone et al. (2006) menyatakan bahwa

ISBN : 978-602-97491-1-3 A-7-4


keinovatifan produk akan berpengaruh ketika berhubungan dengan konsep yang relevan dengan familiaritas konsumen atau image dimensions. Hal berikutnya yang diungkapkan oleh Calantoneet al. (2006) yaitu kemampuan pendukung system dapat digunakan untuk memperoleh pengertian konsumen dan harus diekploitasi untuk mengatasi ketidakpastian konsumen. Pernyataan ini membuat nilai tertinggi pada system support yaitu 0,248 menjadi semakin kuat. Alternatif model pertama melalui pengujian validitas dan reliabilitas serta pengujian struktural. Model dinyatakan valid karena nilai akar kuadrat AVE lebih besar dari nilai korelasi kelompok utama. Model juga dinyatakan reliable karena nilai composite reliability model menunjukkan angka di atas 0,7. Model alternative pertama berhasil dibangun dan mempunyai nilai R2 sebesar 0,126. Nilai R2 yang tergolong rendah dapat diakibatkan karena nilai korelasi inter variabel yang rendah, sehingga alternatif model kedua dilakukan untuk menganalisis kembali data dengan metode berbeda. Model alternatif kedua menghasilkan persamaan yang berbeda dengan model alternatif pertama. Model alternatif kedua dapat dilihat pada persamaan (5). Ω = 13+0.136S1-0.251S2+0.054S3+0.526S4-0.267S6+0.072S7+0.091S8+0.109S90.124S10-0.173S12-0.343S13+0.077S14+0.21S15+0.0625S16 (5) Model alternatif kedua memiliki nilai koefisien paling signifikan pada indikator persepsi kinerja atribut produk yaitu +0,526. Hasil perhitungan ini sesuai dengan penelitian Han et al. (2000) yang mengungkapkan bahwa produk yang sukses adalah produk yang mampu memudahkan penggunanya. Kemudahan bagi konsumen berkaitan dengan kinerja atribut produk. Sehingga persepsi kinerja atribut produk dianggap penting dalam penelitian tersebut. Hal tersebut dibuktikan dalam penelitian ini, dimana persepsi kinerja atribut produk memiliki presentase pengaruh terbesar dan berbanding lurus dengan kesuksesan produk. Nilai minus menunjukkan perbandingan terbalik terhadap kesuksesan produk. Dalam persamaan yang dihasilkan nilai minus ditunjukkan oleh lima indikator, yaitu indikator persepsi citra fisik produk, persepsi merek, desain produk, kekuatan produk dan harga. Sekilas nilai yang memberi pengaruh berbanding terbalik ini sulit diterima, tetapi beberapa penelitian sebelumnya mampu menjustifikasi nilai ini. Calantone et al. (2006) menjelaskan bahwa keinovatifan produk akan meningkatkan keuntungan produk. Keinovatifan produk termasuk citra fisik yang tidak biasa, desain produk yang luar biasa. Hal tersebut akan meningkatkan kekuatan produk tetapi justru akan menurunkan customer familiarity. Turunnya customer familiarity menurut Calantone et al. (2006) akan menyebabkan turunnya minat konsumen untuk membeli produk. Model ketiga menghasilkan persamaan yang terlihat pada persamaan (6), (7), (8) dan (9). Model ketiga memiliki nilai R2 sebesar 0,16. Ω = 0,5W1 + 0,2W2 + 0,3W3 W1=17,7+0,215S1+0,098S2+0,183S3+0,228S4-0,18S5+0,0598S6 W2=6,93-0,081S7+0,014S9+0,073S10+0,069S11+0,055S12 W3=23,7-0,283S13-0,143S14+0,272S15+0,107S16

(6) (7) (8) (9)

Nilai koefisien indikator yang berpengaruh pada model 3 tidak begitu berbeda dengan model 2. Pada model 3 nilai yang paling berpengaruh adalah harga dan persepsi kinerja atribut produk dengan nilai -0,283 dan 0,228. Nilai minus menunjukkan bahwa indikator harga berbanding terbalik terhadap kesuksesan produk. Semakin rendah harga yang ditawarkan maka permintaan akan

ISBN : 978-602-97491-1-3 A-7-5


produk akan meningkat. Hal ini sesuai dengan hukum permintaan klasik dalam ekonomi. Sementara dalam mendukung pernyataan ini, Hogan (2004) menyatakan aspek harga dapat menjadi pengendali dalam kasus bisnis. Hogan menambahkan sangat penting untuk mengestimasi tingkat harga yang dapat diraih oleh produk di pasar. Tabel 2.P erbandingan Model Kesuksesan Model Var R2 JumlahVariabel Jumlah Evaluator Prediksi

Alternatif 1 (PLS) 12,6% 11 14 64,3%

Alternatif 2 (OLS) 58,1% 14 14 85,7%

Alternatif 3 (WLS) 16% 15 14 78,6%

Cooper (1985) 42% 8 -

Uletika (2009) 74.1% 2 -

Ketiga model yang dihasilkandibandingkandengan model kesuksesanlain yang telahdibangundalampenelitiansebelumnya. Perbandingan model dapatdilihatpadaTabel 2. Berdasarkan perbandingan di atas, dapat disimpulkan bahwa penelitian menghasilkan alternatif model yang berbeda. Model kesuksesan alternatif 1, 2, dan 3 berbeda pada nilai R2 dan jumlah variabel yang mempengaruhi. Nilai R2 tertinggi yang berhasil dibangun dalam alternatif model adalah 58.1%. Hasil indikator signifikan yang diberikan oleh model alternatif 1 sama dengan penelitian Cooper (1985). Penelitian Cooper (1985) membangun model kuantitatif yang menghasilkan keputusan melanjutkan atau menghentikan proyek pengembangan produk. Model ini dibangun dengan 8 variabel bebas. Hasil penelitian Cooper (1985) menunjukkan variabel bebas yang memiliki koefisien fungsi tertinggi adalah kualitas produk, kesesuaian produk dengan sumber daya perusahaan dan pengetahuan pasar. Hasil penelitian model alternatif 1 menunjukkan bahwa indikator yang memiliki koefisien fungsi tertinggi untuk masing-masing variabel adalah kualitas produk, time to market dan persepsi ergonomis. Model Cooper (1985) memiliki nilai R2 0,42. Nilai R2 yang mampu diraih oleh model penelitian alternatif 1 lebih rendah yaitu 0,13. Nilai R2 yang rendah dapat diakibatkan oleh data yang memiliki nilai korelasi rendah inter indikator maupun inter variabel. Namun, model alternatif pertama mampu mengevaluasi 11 variabel kesuksesan. Variabel tersebut lebih banyak dibanding variabel yang dievaluasi dalam penelitian Cooper (1985). Model alternatif pertama mampu memberikan nilai prediksi sebesar 64,3% terhadap 14 evaluator. Model alternatif kedua dibangun untuk menjadi evaluasi bagi nilai R2 yang rendah pada model alternatif pertama. Model alternatif kedua dibangun dengan metode regresi linier berganda karena nilai uji korelasi yang rendah inter indikator. Model alternatif kedua mampu mengevaluasi 15 variabel kesuksesan dengan nilai R2 sebesar 0,58. Nilai R2 model alternatif kedua lebih tinggi dibanding nilai R2 model alternatif pertama, model alternatif kedua maupun nilai R2 pada penelitian Cooper (1985). Model alternatif kedua berhasil memberikan nilai prediksi hingga 85,7% terhadap 14 evaluator. Nilai tersebut lebih tinggi dibandingkan dengan model alternatif pertama. Hal tersebut dapat diakibatkan oleh metode yang berbeda dalam mengevaluasi model. Model alternatif ketiga dibangun untuk menguji apakah pembobotan terhadap ketiga kelompok utama akan meningkatkan kemampuan prediksi. Model alternatif ketiga menghasilkan nilai R2 yang tidak jauh berbeda dengan model 1. Hal ini dapat diakibatkan karena ada variabel lain yang mempengaruhi kesuksesan produk, tetapi pembobotan membuat nilai variabel lain tersebut diabaikan. Nilai prediksi model 3 lebih tinggi dari model 1 yaitu 78,6% terhadap 14 evaluator.

ISBN : 978-602-97491-1-3 A-7-6


Selanjutnya penelitian tentang model prediksi produk sukses berdasarkan kanvas strategi (Uletika, 2009) juga menghasilkan model yang berbeda dengan model yang dibangun pada penelitian saat ini. Model pada penelitian Uletika (2009) dibedakan menjadi tiga, yaitu: model emosional baru, model kecepatan produk dan model kemampuan produk. Model tersebut diaplikasikan secara terpisah pada tiap faktor inovasi tertentu. Model yang dihasilkan mengevaluasi kesuksesan produk dengan pandangan parsial. Model emosional baru merepresentasikan model kesuksesan produk bila dipandang dari sudut emosional baru, begitu halnya dengan kedua model lainnya. Sementara dalam penelitian ini, model alternatif 1, alternatif 2 maupun alternatif 3 dapat mengaplikasikan faktor kecepatan produk dan faktor-faktor lainnya secara bersamasama. Variabel yang dievaluasi 8 kali lebih banyak dan mampu diaplikasikan bersamasama. Hal tersebut menunjukkan bahwa model dalam penelitian ini mampu menjelaskan produk secara sistemik dibandingkan model kesuksesan sebelumnya. KESIMPULAN Terdapat 3 alternatif model kesuksesan yang berhasildibangun.Pada model pertama, indikator yang menunjukkan hubungan paling signifikan terhadap kesuksesan produk adalah time to market, kualitas produk, dan persepsi ergonomis. Pada model kedua, indikator yang paling signifikan adalah persepsi kinerja atribut produk. Pada model ketiga, indikator yang paling signifikan adalah harga produk. Model alternatif pertama dibangun dengan 3 kelompok utama dan 11 indikator. Model alternatif pertama memiliki nilai R2 sebesar 0,13 dan kemampuan prediksi 64,3%. Model alternatif kedua dibangun dengan 14 indikator kesuksesan produk. Model kedua memiliki nilai R2 sebesar 0,58 dan kemampuan prediksi 85,7%. Model alternatif ketiga dibangun dengan 15 indikator dan memiliki nilai R2 sebesar 0,16. Kemampuan prediksi model ketiga sebesar 78,6%. SARAN Penelitian ini menghasilkan model prediksi kesuksesan produk yang mampu mengevaluasi hingga 15 faktor-faktor kesuksesan produk. Namun, model yang dibangun pada penelitian ini maksimal hanya memiliki nilai R 2 sebesar 0,58. Penelitian lebih lanjut dibutuhkan untuk mengevaluasi faktor-faktor kesuksesan produk secara lebih menyeluruh dengan nilai R2 dan tingkat prediksi lebih tinggi. DAFTAR PUSTAKA Anita, B. 2007, Analisis Hubungan Antara Persepsi Konsumen Dengan Kesuksesan Produk Kendaraan Bermotor Roda Empat, Tugas Akhir Teknik Industri Universitas Gadjah Mada, Yogyakarta. Calantone, R. J., Chan, K., and Cui, A. S. 2006, Decomposing Product Innovativeness and Its Effects on New Product Success, Journal of Product Innovation Management, 23, 408-421. Cooper, R. G. 1979, The Dimensions of Industrial New Product Success and Failure, Journal of Marketing, 43, 93-103. Cooper, R. G. 1985, Selecting Winning New Product Projects: Using the NewProd System, Journal of Product Innovation Management, 2, 34-44.

ISBN : 978-602-97491-1-3 A-7-7


Cooper, R. G., Kleinschmidt, E. J. 1987, What Separates Winners from Losers?, Journal of Product Innovation Management, 4, 169-184. Cooper, R. G. 1992, Selecting Winning New Product Projects: Using the NewProd System III, Journal of Product Innovation Management, 22, 85-99 Cooper, D. R., Kleinschmidt, J.E., 1995, Performance Typologies of New Product Projects, Industrial Marketing Management, Vol. 24, pp. 439-456. Davis, D. 2007. Rx for New Product Success. Northwestern University Media Management Center, Illinois. Fornell, C and Larcker, D. 1981. Evaluating Structural Equation Models with Unobservable Variable and Measurement Error. Journal of Marketing Research, 18, 39-50. Frenzel, L.E. 2009, The BlackBerry Success Story: Research In Motion Celebrates 20 Years, http://www.blackberry.com/ed_online_id#7699.html, [online, accessed Dec 15th,2009]. Ghozali, I. 2008, Structural Equation Modeling Metode Alternatif dengan Partial Least Square, Badan Penerbit Universitas Diponegoro, Semarang. Han, S. H., Yun, M. H., Kim, K. and Kwahk, J. 2000, Evaluation of product usability; development and validation of usability dimensions and design elements based on empirical models, International Journal of Industrial Ergonomics, 26, 477488. Hogan, J. E. 2004, New Product Success: Enhance Your New Product Development Process With “Value Gates”, Strategic Pricing Group, Cambridge, England. Kim, W. C. and Mauborgne, R. 1997, Value Innovation: The Strategic Logic of High Growth, Harvard Business Review 75, January–February, 102–112. Kim, W. C. and Mauborgne, R. 1999, Creating New Market Space, Harvard Business Review 77, January–February, 83–93. Kim, W. C. and Mauborgne, R. 2002, Charting Your Company’s Future, Harvard Business Review 80, June, 76–85. Kim, W. C. and Mauborgne, R. 2005, Blue Ocean Strategy: From Theory To Practice, California Review Management47(3). Selvyana, Y. 2008, Analisis Kesuksesan Produk Kendaraan Bermotor Roda Empat, Tugas Akhir Teknik Industri Universitas Gadjah Mada, Yogyakarta. Stankovic, L. and Djukic, S. 2004, Problems of Measuring Success of a New Product, Journal of Economics and Organization, 2, 101-110. Uletika, N. S. 2009. Model Prediksi Produk Sukses Berdasarkan Kanvas Strategi, Tesis Teknik Industri Universitas Gadjah Mada, Yogyakarta.

ISBN : 978-602-97491-1-3 A-7-8

MODEL PREDIKSI KESUKSESAN PRODUK

Recommend Documents