OPTIMISASI HARGA DENGAN MODEL MULTINOMIAL LOGIT (Studi Kasus Produk Flash Disk dengan Kapasitas Penyimpanan 4 GB dan 8 GB)

perpustakaan.uns.ac.id

digilib.uns.ac.id

OPTIMISASI HARGA DENGAN MODEL MULTINOMIAL LOGIT (Studi Kasus Produk Flash Disk dengan Kapasitas Penyimpanan 4 GB dan 8 GB)

Skripsi

OLEH:

DIAN SETYA ARINI I0307038

JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS SEBELAS MARET SURAKARTA 2011 commit to user


digilib.uns.ac.id

OPTIMISASI HARGA DENGAN MODEL MULTINOMIAL LOGIT (Studi Kasus Produk Flash Disk Menurut Persepsi Mahasiswa Universitas Sebelas Maret)

Skripsi Sebagai Persyaratan Untuk Memperoleh Gelar Sarjana Teknik

OLEH:

DIAN SETYA ARINI I0307038

JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS SEBELAS MARET SURAKARTA 2011 commit to user i


digilib.uns.ac.id

commit to user


digilib.uns.ac.id

commit to user


digilib.uns.ac.id

commit to user


digilib.uns.ac.id

commit to user


digilib.uns.ac.id

KATA PENGANTAR Assalamu’alaikum wr. wb Segala puji hanya bagi Allah SWT atas segala bentuk rahmat dan hidayahNya serta karuniaNya sehingga penulis bisa menyelesaikan skripsi ini sebagai syarat untuk mendapatkan gelar Sarjana Teknik di Jurusan Teknik Industri Fakultas Teknik Universitas Sebelas Maret Surakarta. Dalam proses penyelesaian skripsi ini, tentu saja peneliti mengalami berbagai hambatan dan kesulitan. Namun, berkat bantuan, bimbingan dan pengarahan dari berbagai pihak, akhirnya kesulitan-kesulitan yang timbul dapat teratasi. Oleh karena itu, atas segala bentuk bantuannya, peneliti sampaikan terima kasih kepada: 1. Dr. Cucuk Nur Rosyidi, ST. MT., selaku Ketua Jurusan Teknik Industri dan Pembimbing I yang telah memberikan pengarahan, bimbingan dan dukungan kepada peneliti selama pelaksanaan penelitian dan penyusunan skripsi ini. 2. Fakhrina Fahma, STP. MT., selaku Pembimbing II yang telah memberikan pengarahan, bimbingan dan dukungan kepada peneliti selama pelaksanaan penelitian dan penyusunan skripsi ini. 3. Bapak dan Ibu dosen Teknik Industri atas bimbingan dan segala ilmu yang telah diajarkan selama ini. 4. Bapak dan Ibuku, sebagai rasa bakti dan hormatku atas motivasi, semangat, harapan dan doa-doa yang selalu mengalir untukku sepanjang waktu dan sepanjang masa. 5. Masku Manda yang telah banyak sekali membantu dalam menyelesaikan skripsiku ini. 6. Budhe Hartini, budhe Wardini, terima kasih buat dukungannya, matur nuwun sanget. 7. Sahabat-sahabatku asisten Laboratorium Sistem Kualitas, Mega, Mita, Wiwin, Dias, Mamet, terima kasih atas dukungannya selama ini. 8. Semua sahabat-sahabatku TI 07 semua. Terima kasih untuk doa dan dukungannya.

commit to user vi


digilib.uns.ac.id

9. Semua pihak yang tidak dapat peneliti sebut satu persatu yang membantu dalam penyelesaian skripsi ini. Peneliti menyadari bahwa masih banyak kekurangan dalam skripsi ini. Oleh karena itu, saran dan kritik sangat peneliti harapkan guna kesempurnaan skripsi ini. Semoga skripsi ini dapat bermanfaat bagi peneliti khususnya dan pembaca pada umumnya. Amin. Wassalamu’alaikum wr. wb.

Surakarta, Agustus 2011

Peneliti

commit to user vii


digilib.uns.ac.id

ABSTRAK Dian Setya Arini, NIM : I 0307038. OPTIMISASI HARGA DENGAN MODEL MULTINOMIAL LOGIT (STUDI KASUS PRODUK FLASH DISK DENGAN KAPASITAS PENYIMPANAN 4 GB DAN 8 GB). Skripsi. Surakarta: Jurusan Teknik Industri, Fakultas Teknik, Universitas Sebelas Maret, Agustus 2011. Penentuan harga telah menjadi masalah yang paling penting bagi perusahaan. Harga adalah satu-satunya elemen dalam bauran pemasaran yang menghasilkan pendapatan. Harga akan mempengaruhi kesediaan konsumen dalam membeli suatu produk. Kesediaan konsumen untuk membeli biasanya berbanding terbalik dengan harga produk. Oleh karena itu diperlukan model optimisasi untuk menentukan harga optimal untuk memaksimumkan pendapatan perusahaan. Pendapatan perusahaan pada penelitian ini ditentukan dari kemungkinan konsumen untuk membeli produk dikalikan dengan harga. Model Multinomial Logit digunakan untuk memprediksi kemungkinan atau probabilitas konsumen memilih alternatif produk yang ditawarkan. Studi kasus dalam penelitian ini yaitu flash disk 4 GB dan 8 GB. Perusahaan harus menentukan kombinasi harga yang optimum dalam menawarkan dua produk tersebut, untuk memaksimumkan pendapatan dengan mempertimbangkan satu tipe konsumen. Pada kasus ini hanya atribut kapasitas penyimpanan dan harga pada flash disk yang dipertimbangkan, sedangkan atribut yang lain tidak dipertimbangkan. Berdasarkan hasil optimisasi harga dengan excel solver, didapatkan nilai optimal untuk harga flash disk 4 GB yaitu Rp 68.184 dan harga flash disk 8 GB yaitu Rp 107.024. Pada kombinasi harga tersebut kemungkinan konsumen untuk membeli flash disk 4 GB adalah sebesar 0,218 dengan nilai utilitas sebesar 0. Kemungkinan untuk membeli flash disk 8 GB pada kombinasi harga tersebut adalah sebesar 0,565 dengan nilai utilitas sebesar 0,954. Kemungkinan untuk tidak membeli adalah sebesar 0,218 dengan nilai utilitas 0. Ekspektasi pendapatan yang didapat pada kombinasi harga tersebut yaitu 75.825. Kata kunci : optimisasi harga, model multinomial logit. xiv + 57 halaman; 16 tabel; 7 gambar; 4 lampiran Daftar pustaka: 15 (1975-2010)

commit to user viii


digilib.uns.ac.id

ABSTRACT

Dian Setya Arini, NIM: I 0307038. PRICE OPTIMIZATION USING MULTINOMIAL LOGIT MODEL (CASE STUDY : FLASH DISK WITH 4 GB AND 8 GB STORAGE CAPACITY). Thesis. Surakarta: Industrial Engineering Department, Faculty of Engineering, Sebelas Maret University, August 2011. Pricing has become the most important issue for company. Price is the only element in the marketing mix that generates revenue. The price of a product will affect the consumer consideration to buy. Consumer willingness to buy is inversely proportional to the product price. Therefore an optimization model is required to determine optimal prices to maximize revenues. Revenue in this study are determined from purchase likelihood multiplied by price. The purchase likelihood is derived using multinomial logit model. Flash disks with 4 GB and 8 GB storage capacity are used as case study in this research. The company must determine the optimum price combination in offering those products in order to maximize revenues by considering one type of consumer. The attributes considered in this case are the storage capacity and the prices of the flash disk, while other attributes are not considered. Based on the results of price optimization using Excel Solver, the optimal value obtained for the price of 4 GB flash disk is Rp 68,184 and Rp 107,024 for the price of 8 GB flash disk. On that price combination, the purchase likelihood of 4 GB flash disk is 0.218, with 0 utility value. The purchase likelihood of 8 GB flash disk is 0.565 with 0.954 utility value. The likelihood of choosing not to buy is 0.218 with 0 utility value. The Expected revenue generated on that price combination is 75,825. Key words: price optimization, multinomial logit model. xiv + 57 pages, 16 tables, 7 drawings, 4 attachments Bibliography: 15 (1975-2010).

commit to user ix


digilib.uns.ac.id

DAFTAR ISI HALAMAN JUDUL

i

LEMBAR PENGESAHAN

ii

LEMBAR VALIDASI

iii

SURAT PERNYATAAN ORISINALITAS KARYA ILMIAH

iv

SURAT PERNYATAAN PUBLIKASI KARYA ILMIAH

v

KATA PENGANTAR

vi

ABSTRAK

viii

ABSTRACT

ix

DAFTAR ISI

x

DAFTAR TABEL

xiii

DAFTAR GAMBAR

xiv

BAB I PENDAHULUAN

I-1

1.1 Latar Belakang

I-1

1.2 Perumusan Masalah

I-3

1.3 Tujuan Penelitian

I-3

1.4 Manfaat Penelitian

I-3

1.5 Batasan Masalah

I-3

1.6 Asumsi

I-4

1.7 Sistematika Penulisan

I-4

BAB II TINJAUAN PUSTAKA

II-1

2.1 Pengertian Harga

II-1

2.2 Strategi Penentuan Harga

II-1

2.3 Penetapan Harga Optimum

II-4

2.4 Proses Pengambilan Keputusan Pembelian

II-5

2.5 Qualitative Choice Model (QCM)

II-6

2.6 Revealed Choice Survey vs Stated Choice Survey

II-7

2.7 Model Multinomial Logit (MNL)

II-8

2.8 Multikolinieritas

II-12

2.8.1 Konsekuensi Praktis dari Multikolinieritas

II-13

2.8.2 Deteksi Multikolinieritas

II-13

commit to user x


digilib.uns.ac.id

2.9 Evaluasi Model

II-14

2.9.1 Uji Kebaikan Model (Goodness of Fit)

II-14

2.9.2 Uji Signifikansi Variabel Independen Secara Serentak (Overall Model Fit)

II-15

2.9.3 Uji Signifikansi Variabel Independen Secara Individual (Significance Test)

II-16

2.10 Penelitian Terdahulu

II-17

2.10.1 Reibstein dan Gatignon (1984)

II-17

2.10.2 Correa (2008)

II-19

BAB III METODOLOGI PENELITIAN

III-1

3.1 Tahap Identifikasi Masalah

III-2

3.2 Tahap Pengumpulan dan Pengolahan Data

III-3

3.2.1 Pengumpulan Data

III-3

3.2.2 Pengolahan Data

III-5

3.3 Tahap Analisis

III-10

3.4 Tahap Kesimpulan dan Saran

III-11

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

IV-1

4.1 Pengumpulan Data

IV-1

4.2 Pengolahan Data

IV-2

4.2.1 Karakterisasi Data

IV-2

4.2.2 Model Multinomial Logit

IV-4

4.2.2.1 Uji Asumsi Klasik

IV-4

4.2.2.2 Estimasi Parameter

IV-4

4.2.2.3 Evaluasi Model

IV-6

4.2.2.4 Validasi Model

IV-8

4.2.3 Optimisasi Harga

IV-9

BAB V ANALISIS DAN INTERPRETASI HASIL

V-1

5.1 Analisis Pengaruh Harga Terhadap Perilaku Responden Dalam Pemilihan Alternatif

V-1

5.2 Analisis Model Multinomial Logit

V-1

5.2.1 Analisis Uji Prasyarat Model

V-2

5.2.2 Analisis Parameter Model Multinomial Logit

V-2

commit to user xi


digilib.uns.ac.id

5.2.3 Analisis Probabilitas Pemilihan Alternatif (Purchase Likelihood)

V-3

5.2.4 Analisis Uji Evaluasi Model

V-5

5.2.5 Analisis Validasi Model

V-6

5.3 Analisis Grafik Purchase Likelihood

V-7

5.4 Analisis Optimisasi Harga

V-8

BAB VI KESIMPULAN DAN SARAN

VI-1

6.1 Kesimpulan

VI-1

6.2 Saran

VI-1

DAFTAR PUSTAKA LAMPIRAN Lampiran 1 : Kuesioner

L-1

Lampiran 2 : Hasil Pengumpulan Data

L-2

Lampiran 3 : Output SPSS

L-4

Lampiran 4 : Tabel Chi Square

L-6

commit to user xii


digilib.uns.ac.id

DAFTAR TABEL Hal Tabel 2.1 Pengaruh harga terhadap kesediaan membeli

II-4

Tabel 2.2 Analisis Marginal

II-5

Tabel 2.3 Model penjualan terhadap harga

II-17

Tabel 3.1 Contoh kuesioner

III-4

Tabel 4.1 Contoh hasil pengumpulan data

IV-1

Tabel 4.2 Tabel Jumlah data

IV-2

Tabel 4.3 Tabel prosentase pilihan responden pada tiap kombinasi harga flash disk

IV-3

Tabel 4.4 Uji Multikolinieritas

IV-4

Tabel 4.5 Estimasi Parameter

IV-4

Tabel 4.6 Tabel Pseudo R-Square

IV-6

Tabel 4.7 Tabel Uji Overall Model Fit

IV-6

Tabel 4.8 Likelihood Ratio Test

IV-7

Tabel 4.9 Uji Wald

IV-8

Tabel 4.10 Classification

IV-9

Tabel 4.11 Output Hasil Excel Solver

IV-11

Tabel 5.1 Tabel Harga dan Puchase Likelihood (P2=175)

V-7

commit to user xiii


digilib.uns.ac.id

DAFTAR GAMBAR Hal Gambar 2.1 Hal-hal yang dipertimbangkan dalam penetapan harga

II-1

Gambar 2.2 Penetapan harga berdasarkan nilai vs penetapan harga berdasarkan biaya

II-3

Gambar 2.3 Proses keputusan pembelian

II-6

Gambar 2.5 Ilustrasi model

II-18

Gambar 2.6 Metodologi Penelitian Correa, 2008

II-20

Gambar 3.1 Metodologi Penelitian

III-1

Gambar 5.1 Grafik Purchase Likelihood untuk Harga 2=175

IV-11

commit to user xiv


digilib.uns.ac.id

BAB I PENDAHULUAN Bab ini membahas mengenai latar belakang, perumusan masalah, tujuan penelitian, manfaat penelitian, batasan masalah, asumsi dan sistematika penulisan. 1.1 Latar Belakang Era perdagangan bebas seperti saat ini menyebabkan semakin banyak barang yang beredar di pasaran, sehingga persaingan harga menjadi semakin ketat. Harga yang diajukan oleh perusahaan akan gagal bila terlalu tinggi untuk dapat menghasilkan permintaan dan akan gagal pula bila terlalu rendah untuk dapat menghasilkan keuntungan (Kottler, 2008). Oleh karena itu, harga merupakan keputusan kritis yang perlu ditentukan perusahaan. Terdapat bermacam-macam metode yang dilakukan perusahaan dalam penetapan harga, diantaranya yaitu penetapan harga berdasarkan biaya, penetapan harga berdasarkan nilai, penetapan harga berdasarkan permintaan pasar, dan penetapan harga berdasarkan harga pesaing (Kottler, 2008). Pada penetapan harga berdasarkan nilai, perusahaan menetapkan harga target berdasarkan pada persepsi pelanggan atas nilai produk (Kottler, 2008). Nilai dan harga yang ditargetkan kemudian mendorong keputusan mengenai desain produk dan biaya apa yang dapat ditanggung. Salah satu cara yang dapat dilakukan dalam penetapan harga berdasarkan nilai ini yaitu penetapan harga dengan model multinomial logit. Model logit merupakan suatu model regresi yang variabel dependennya berupa variabel kualitatif, misalnya pilihan merek (merek A, merek B, atau merek C), pilihan moda transportasi (bus, kereta, atau taksi), dan keputusan pembelian (membeli atau tidak membeli) (Nachrowi, 2002). Model multinomial logit merupakan model logit dengan alternatif pilihan lebih dari dua. Output dari model ini yaitu prediksi probabilitas pilihan responden. Model multinomial logit dapat memprediksi probabilitas keputusan pembelian responden pada tingkat harga yang berbeda-beda. Keputusan pembelian konsumen dijadikan variabel dependen dan harga dijadikan variabel independen yang mempengaruhi keputusan pembelian konsumen tersebut.

commit to user I-1


digilib.uns.ac.id

Harga dipilih berdasarkan yang menghasilkan harga dikalikan dengan probabilitas keputusan membeli, yang paling tinggi. Harga dan kemungkinan konsumen untuk membeli biasanya berbanding terbalik (Winardi, 1992). Oleh karena itu, diperlukan model optimisasi untuk menentukan harga optimal untuk memaksimumkan harga dikalikan kemungkinan konsumen untuk membeli atau dalam penelitian ini disebut dengan ekspektasi pendapatan. Model Multinomial Logit dapat memprediksi kemungkinan atau probabilitas konsumen memilih alternatif produk yang ditawarkan atau purchase likelihood. Harga dan purchase likelihood tersebutlah yang akan dioptimumkan untuk mencapai pendapatan yang maksimum. Model logit akan memprediksi probabilitas pilihan konsumen berdasarkan pertimbangan kombinasi harga pada alternatif pilihan. Model Multinomial Logit dipilih karena struktur model logit mencerminkan perilaku pemilihan yang sebenarnya (Lilien, 2007). Kasus yang akan dibahas dalam penelitian ini yaitu penjual harus menentukan kombinasi

harga

terbaik

dalam

menawarkan

dua

produknya,

dengan

mempertimbangkan satu tipe konsumen. Satu tipe konsumen maksudnya Produk yang diangkat dalam penelitian ini yaitu flash disk. Menurut Cook & Wissman (2007) bentuk umum dari survey yang mempertimbangkan pilihan konsumen, produk yang dipilih hanya memiliki satu atribut yang membedakan antara alternatif satu dengan alternatif yang lain. Flash disk di pasaran biasanya, pada satu merek dan bentuk yang sama, dibedakan oleh atribut kapasitas penyimpanan. Pada penelitian ini akan ditentukan kombinasi harga yang optimal untuk flash disk yang merek dan bentuknya sama tetapi kapasitasnya berbeda. Penelitian ini mengacu pada penelitian yang dilakukan oleh Correa (2008). Pada penelitian tersebut dimodelkan optimisasi harga dengan

tiga alternatif

pendekatan yaitu Multinomial Logit, Binary Logit dan Logit-Logit untuk menyelesaikan masalah penentuan harga dua alternatif produk. Dari ketiga alternatif pendekatan tersebut, terpilih model multinomial logit yang paling baik dalam mengoptimumkan harga. Penelitian ini menggunakan model optimisasi harga dengan pendekatan multinomial logit yang disebutkan dalam penelitian tersebut. Akan tetapi, penelitian ini lebih fokus pada studi kasus model tersebut untuk optimisasi harga

commit to user I-2


digilib.uns.ac.id

pada pemilihan flash disk. Selain itu pada penelitian ini digunakan survey atau kuesioner untuk mengetahui pernyataan pilihan konsumen diantara beberapa alternatif pilihan, sedangkan pada Correa (2008), tidak menggunakan kuesioner tetapi menggunakan data yang di-generate menggunakan Random Number Generator pada Software C++. Metode pengumpulan data dengan kuesioner dipilih karena penelitian ini merupakan studi kasus sehingga diperlukan metode pengumpulan data yang lebih mencerminkan data pembelian sebenarnya dibandingkan dengan data yang di-generate menggunakan Random Number Generator. 1.2 Perumusan Masalah Berdasarkan latar belakang yang telah diuraikan, maka dapat dirumuskan pokok permasalahan dari penelitian ini yaitu bagaimana menentukan harga yang optimum dari dua alternatif produk flash disk 4 GB dan 8 GB untuk memaksimumkan

ekspektasi

pendapatan

dengan

menggunakan

Model

Multinomial Logit. 1.3 Tujuan Penelitian Tujuan yang ingin dicapai dalam penelitian ini adalah menentukan harga optimum dari dua alternatif produk flash disk 4 GB dan 8 GB untuk memaksimumkan

ekspektasi

pendapatan

dengan

menggunakan

Model

Multinomial Logit. 1.4 Manfaat Penelitian Manfaat dari penelitian ini yaitu diharapkan dapat memberikan masukan dalam pengambilan keputusan yang menyangkut penentuan harga yang optimum bagi perusahaan. 1.5 Batasan Masalah Batasan masalah dari penelitian ini adalah : 1. Atribut produk yang dipertimbangkan dalam model hanya harga. 2. Flash disk kapasitas 4 GB dan 8 GB dipilih sebagai alternatif produk. Flash disk dengan kapasitas tersebut dipilih karena paling umum di pasaran saat ini. 3. Responden adalah Mahasiswa Universitas Sebelas Maret pengguna flash disk.

commit to user I-3


digilib.uns.ac.id

1.6 Asumsi Asumsi yang digunakan dalam penelitian ini yaitu : 1. Alternatif bersifat mutually exclusive. Responden hanya dapat memilih salah satu diantara alternatif pilihan. 2. Perbedaan antara flash disk kapasitas 4 GB dan 8 GB hanya pada kapasitas penyimpanannya saja. Fungsi, bentuk, ukuran dan fitur lainnya dianggap sama sehingga dapat diperbandingkan. 3. Persepsi konsumen terhadap harga flash disk tidak mengalami perubahan selama penelitian dilakukan. 4. Populasi dianggap homogen atau hanya mempertimbangkan satu tipe konsumen. Satu tipe konsumen maksudnya seluruh populasi dalam penelitian ini yaitu, mahasiswa UNS pengguna flash disk, dianggap berada dalam satu segmen pasar yang sama. 1.7 Sistematika Penulisan Penulisan penelitian dalam laporan tugas akhir ini mengikuti uraian yang diberikan pada setiap bab yang berurutan untuk mempermudah pembahasannya. Sistematika penulisan penelitian optimisasi harga dengan Model Multinomial Logit adalah sebagai berikut: BAB I PENDAHULUAN Bab ini berisi mengenai alasan atau latar belakang perlunya diadakan penelitian mengenai optimisasi harga dengan Model Multinomial Logit disertai pula dengan perumusan masalah, tujuan penelitian, manfaat penelitian, batasan masalah, asumsi, dan sistematika penulisan dari penelitian. BAB II TINJAUAN PUSTAKA Bab ini berisi mengenai dasar-dasar teori dan hasil-hasil penelitian sebelumnya yang menunjang pembahasan masalah yaitu mengenai harga, pengambilan keputusan pembelian, Qualitative Choice Model, Stated-choice Survey, Model Multinomial Logit, dan penelitian terdahulu. BAB III METODOLOGI PENELITIAN Bab ini berisi mengenai kerangka pemikiran dari penelitian yang memuat tahap-tahap penelitian mulai dari tahap identifikasi permasalahan awal, tahap

commit to user I-4


digilib.uns.ac.id

pengumpulan dan pengolahan data, analisis dan interpretasi hasil serta penarikan kesimpulan. BAB IV PENGUMPULAN DAN PENGOLAHAN DATA Bab ini berisi mengenai data penelitian diperlukan dalam menganalisis permasalahan yang ada. Data berkenaan dengan hasil kuesioner stated-choice yang disebarkan kepada pengguna flash disk. Pada bab ini dijelaskan pula cara pengolahan data-data tersebut. BAB V ANALISIS HASIL PENELITIAN Bab ini berisi interpretasi dari hasil pengolahan data, baik data primer maupun data sekunder serta membandingkan terhadap tujuan penelitian yang telah ditetapkan. BAB VI KESIMPULAN DAN SARAN Bab ini berisi mengenai kesimpulan dari hasil pengolahan data penelitian, dan saran untuk penelitian mengenai optimisasi harga dengan Model Multinomial Logit.

commit to user I-5


digilib.uns.ac.id

BAB II TINJAUAN PUSTAKA Bab ini membahas mengenai konsep dan teori yang digunakan dalam penelitian, sebagai landasan dan dasar pemikiran untuk membahas serta menganalisa permasalahan yang ada.

2.1 Pengertian Harga Pada teori ekonomi, harga, nilai dan utilitas adalah konsep yang saling berhubungan (Stanton, 1975). Utilitas adalah atribut dari sebuah benda yang membuatnya mampu memuaskan konsumen. Nilai adalah ekspresi kualitatif dari kekuatan produk yang membuatnya menarik untuk dipertukarkan dengan produk lain. Harga adalah nilai yang diekspresikan dalam bentuk uang. Harga adalah jumlah uang atau barang yang harus dibayar oleh pembeli sebagai pengganti barang atau jasa atau harga adalah rasio antara jumlah uang, barang atau jasa yang diterima penjual dengan jumlah barang atau jasa yang diterima pembeli (Monroe, 1990). Sedangkan menurut Kottler (2008), harga dalam arti sempit adalah jumlah yang ditagihkan atas suatu produk atau jasa, arti luasnya yaitu jumlah semua nilai yang diberikan oleh pelanggan untuk mendapatkan keuntungan dari memiliki atau menggunakan produk atau jasa.

2.2 Strategi Penentuan Harga Harga yang diajukan oleh perusahaan akan gagal bila berada terlalu tinggi untuk dapat menghasilkan permintaan dan bila terlalu rendah untuk menghasilkan keuntungan. Gambar 2.1 berikut ini menunjukkan pertimbangan-pertimbangan utama perusahaan dalam penetapan harga menurut Kottler (2008).

Gambar 2.1 Hal-hal yang dipertimbangkan dalam penetapan harga Sumber: Kottler, 2008

commit to user II-1


digilib.uns.ac.id

Persepsi pelanggan terhadap nilai-nilai dari produk menjadi batas atas dari harga. Pelanggan tidak akan membeli produk jika menganggap harga yang ditawarkan lebih tinggi dari nilai produk. Biaya produksi menetapkan batas bawah bagi harga. Perusahaan akan mengalami kerugian bila menetapkan harga yang lebih rendah dari biaya produksi. Dalam penetapan harga diantara dua keadaan ekstrem ini, perusahaan harus mempertimbangkan faktor internal dan eksternal lainnya termasuk strategi dan bauran pemasaran secara keseluruhan, kondisi pasar dan permintaan, dan strategi serta harga dari pesaing. Apapun yang menjadi pertimbangan penjual dalam penentuan harga, pada akhirnya konsumen yang akan menentukan apakah harga produk tepat atau tidak, sehingga sewaktu menetukan harga perusahaan harus mempertimbangkan persepsi konsumen tentang harga dan bagaimana persepsi tersebut mempengaruhi keputusan membeli para konsumen. Konsumen dalam membeli suatu produk, mempertukarkan sesuatu yang memiliki nilai (harga) untuk mencapai sesuatu yang bernilai (keuntungan atau manfaat memiliki atau menggunakan produk). Penetapan harga yang berorientasi pada pembeli secara efektif, meliputi pemahaman tentang nilai apa yang diberikan para konsumen atas keuntungan yang diterima dari produk yang bersangkutan dan menetapkan suatu harga yang cocok dengan nilai tersebut. Pandangan atau persepsi konsumen tentang kepantasan suatu harga produk yang mempengaruhi konsumen dalam mengevaluasi produk yang akan dibeli disebut dengan persepsi penerimaan harga. Untuk itu perusahaan harus mampu menciptakan strategi harga secara bijaksana untuk mendapatkan persepsi konsumen yang tepat berkaitan dengan harga suatu produk. Harga produk yang terlalu tinggi, akan berpengaruh negatif terhadap persepsi nilai konsumen pada suatu produk. Apabila harga terlalu tinggi, konsumen akan membandingkan dengan produk lain yang memiliki harga lebih terjangkau berdasarkan referensi (reference price) yang dimilikinya. Makin banyak perusahaan, dewasa ini menetapkan harga atas apa yang dinamakan perceived value (nilai produk menurut persepsi para pembeli). Kunci penetapan harga ini yaitu berdasarkan persepsi nilai para pembeli dan bukanlah biaya-biaya penjual. Pada perceived value pricing digunakan variabel-variabel

commit to user II-2


digilib.uns.ac.id

untuk menimbulkan nilai yang dipersepsikan dalam pikiran konsumen. Harga ditetapkan untuk mendapatkan nilai yang dipersepsikan (Winardi, 1992).

Gambar 2.2 Penetapan harga berdasarkan nilai vs penetapan harga berdasarkan biaya Sumber: Kottler, 2008

Gambar 2.2 membandingkan penetapan harga berdasarkan nilai dengan penetapan harga berdasarkan biaya menurut Kottler (2008). Penetapan harga berdasarkan biaya digerakkan oleh produk. Perusahaan mendesain sesuatu yang dianggap merupakan produk yang bagus, menjumlahkan biaya untuk membuat produk tersebut, dan kemudian menetapkan harga yang dapat menutupi biaya dan ditambahkan dengan target laba. Bagian pemasaran kemudian harus meyakinkan pembeli nilai suatu produk pada harga tersebut dapat membenarkan pembelian tersebut. Bila ternyata harganya terlalu tinggi, perusahaan harus menerima keuntungan yang rendah atau penjualan yang lebih rendah, keduanya menghasilkan laba yang mengecewakan. Penetapan harga berdasarkan nilai membalik proses ini. Perusahaan menetapkan harga target berdasarkan pada persepsi pelanggan atas nilai produk. Nilai dan harga yang ditargetkan kemudian mendorong keputusan mengenai desain produk dan biaya apa yang dapat ditanggung. Sebagai hasilnya penetapan harga dimulai dengan menganalisis kebutuhan konsumen dan persepsi nilai mereka, harga kemudian ditetapkan untuk menyamai nilai anggapan (percieved value) konsumen. Penentuan harga memiliki berbagai macam strategi sesuai dengan tahap yang dilalui oleh sebuah produk atau jasa. Kotler dan Armstrong (2008) diantaranya mengelompokkan strategi penentuan harga menjadi empat. Pertama, strategi penetapan harga produk baru, yakni penetapan harga untuk meraup pasar dan penetapan harga untuk penetrasi pasar. Kedua, strategi penetapan harga bauran produk, yakni penetapan harga lini produk, penetapan harga produk pilihan,

commit to user II-3


digilib.uns.ac.id

penetapan harga produk terkait, penetapan harga produk sampingan, dan penetapan harga paket produk. Ketiga, strategi penyesuaian harga, yang terdiri dari penetapan harga diskon dan pengurangan harga, penetapan harga tersegmentasi, penetapan harga psikologis, penetapan harga untuk promosi, penetapan harga murah dan penetapan harga berdasarkan geografik. Keempat, strategi menghadapai perubahan harga, yaitu memelopori perubahan harga, bagaimana bereaksi terhadap perubahan harga. Perusahaan biasanya mengembangkan lini produk. Dalam penetapan harga lini produk (produk line pricing), manajemen harus memutuskan jenjang harga yang ditetapkan antara berbagai produk dalam lini. Menurut Kottler (2008), Jenjang harga harus memperhatikan memperhatikan perbedaan biaya antara produk dalam lini, evaluasi pelanggan tentang berbagai fitur yang berbeda, dan harga pesaing. Tugas penjual adalah untuk menetapkan perbedaan fitur atau kualitas anggapan yang mendukung perbedaan harga tersebut. Menurut Winardi (1992), jika perbedaan harga antara dua buah produk dalam lini kecil, pembeli cenderung membeli produk yang lebih unggul. Sedangkan jika perbedaan harga besar, pembeli cenderung membeli produk yang lebih inferior.

2.3 Penetapan Harga Optimum Harga akan mempengaruhi kesediaan konsumen untuk membeli. Apabila harga penjualan diubah, maka akan terjadi pergeseran pada titik keseimbangan. Apabila harga dinaikkan, maka kesediaan konsumen untuk membeli menjadi turun. Sedangkan apabila harga diturunkan maka kesediaan konsumen untuk membeli jadi naik (Winardi, 1992). Pengaruh harga terhadap kesediaan konsumen dijelaskan pada Tabel 2.1 berikut ini. Tabel 2.1 Pengaruh harga terhadap kesediaan membeli Harga Kesediaan membeli Harga dinaikkan

menurun

Harga diturunkan

meningkat

Sumber: Winardi, 1992

Penentuan harga optimal dapat dilakukan dengan pendekatan lain yaitu, analisis marjinal (Winardi, 1992). Analisis marjinal merupakan metode untuk

commit to user II-4


digilib.uns.ac.id

mencari harga yang menghasilkan laba maksimum. Analisis marjinal meliputi tindakan mempelajari apa yang akan terjadi apabila produksi diubah dengan satu kesatuan. Hasil analisis marjinal adalah perubahan dalam hasil total yang timbul apabila perusahaan menjual tambahan sebuah produk. Contoh hasil optimisasi harga dengan analisis marjinal ditunjukkan pada Tabel 2.2 berikut ini. Hasilnya yaitu harga 3750 terpilih sebagai harga terbaik karena menghasilkan laba maksimum yaitu 6000. Tabel 2.2 Analisis Marginal 1 Harga

5700 5500 4000 3750a 3240 2780 2340

2 3 4 Jumlah Hasil Hasil yang Total Marjinal dijual (1x2) 1 5700 5700 2 11000 5300 3 12000 1000 4 15000 1500 5 16200 1200 6 16700 500 7 16400 300 a=harga terbaik

5 Biaya Marjinal

6 Biaya Total

6000 1000 7000 500 7500 1500 9000 2000 11000 3000 14000 4000 18000 b= laba maksimum

7 Laba (3-6) -300 4000 4500 6000b 5200 3700 2400

Sumber: Winardi, 1992

2.4 Proses Pengambilan Keputusan Pembelian Menurut Monroe (1990), konsumen membuat keputusan pembelian dalam dua proses. Pertama pembeli menksir nilai dari produk yang ditawarkan, kemudian pembeli memutuskan untuk membeli atau tidak. Sedangkan menurut Kottler (2008), perilaku konsumen adalah salah satu faktor yang mempengaruhi proses pengambilan keputusan pembelian oleh seseorang. Model proses pengambilan keputusan pembelian digambarkan pada Gambar 2.3 berikut ini.

Gambar 2.3 Proses Keputusan Pembelian Sumber: Kotler, 2008

commit to user II-5


digilib.uns.ac.id

Proses pembelian yang dilakukan konsumen ada beberapa tahap (Kotler, 2008), yaitu: 1. Pengenalan Kebutuhan Proses pembelian muncul ketika pembeli mengenal suatu masalah atau kebutuhan. Munculnya pengenalan kebutuhan dipengaruhi oleh rangsangan internal ataupun eksternal. 2. Pencarian Informasi Seorang konsumen akan mulai mencari informasi sebanyak-banyaknya tentang suatu produk yang akan dibelinya. 3. Evaluasi Alternatif Setelah tahap pengenalan dan pencarian informasi tahap selanjutnya adalah evaluasi alternatif. Konsumen melihat suatu produk dengan karakteristik dan kemampuan yang berbeda-beda. Konsumen akan mencari alternatif-alternatif yang ada tetapi dengan harga yang lebih murah dan kualitas yang sebanding. 4. Keputusan Pembelian Dalam tahap evaluasi, konsumen membentuk preferensi antara merek merek yang ada. Terdapat dua faktor yang menjadi pengaruh utama dalam keputusan pembelian. Faktor pertama adalah situasi, yaitu dimana pembelian yang dilakukan bersifat spontanitas. Faktor kedua adalah sikap orang lain, pembelian dilakukan karena terpengaruh sikap pihak lain terhadap suatu produk.

2.5 Qualitative Choice Model (QCM) Qualitative Choice adalah situasi dimana pengambil keputusan menghadapi beberapa alternative pilihan berbeda dan harus memilih salah satu dari pilihan tersebut. Pilihan apa yang terpilih tergantung pada permasalahan yang dihadapi pengambil keputusan. Konsumen selalu memaksimalkan utilitasnya. Konsumen akan memilih produk yang mempunyai utilitas paling tinggi diantara semua alternatif pilihan. Konsumen

selalu

memaksimumkan

utilitas produk

yang

dibelinya.

Konsumen memilih produk yang menurutnya memiliki utilitas yang paling tinggi diantara alternatif yang ditawarkan. Alternatif yang terpilih tergantung dari karakteristik individu, yang dipengruhi oleh pengalaman, opini, keterbatasan

commit to user II-6


digilib.uns.ac.id

lingkungan, perilaku, dll. Terkait dengan tiap alternatif terpilih terdapat probabilitas terpilih yang dapat digambarkan dalam fungsi parametrik sebagai berikut: …..(2.1) dimana, xin = vektor karakteristik dari alternatif i yang diamati oleh pengambil keputusan n, Jn = kumpulan dari alternatif Sn = karakteristik yang diobservasi oleh pengambil keputusan n, misalnya pendapatan, umur, dll. ȕ

= vektor dari parameter.

QCM misalnya logit diperoleh dengan fungsi f yang spesifik. Multinomial Logit merupakan sebuah pilihan model logit yang jumlah pilihannya lebih dari dua. QCM dapat digunakan dalam beberapa situasi misalnya pemilihan rute pergi ke kantor, pemilihan moda transportasi dan keputusan pembelian produk tertentu. Alternatif yang dihadapi pengambil keputusan biasanya harus memenuhi beberapa batasan yaitu: 1. Jumlah pilihan terbatas 2. Alternatif bersifat mutually exclusive.

2.6 Revealed Choice Survey vs Stated Choice Survey Qualitative Choice Model telah digunakan oleh periset marketing untuk membuat fungsi nilai untuk membuat model deskriptif perilaku konsumen. (Correa, 2008). Parameter pada model tersebut dapat diestimasi dengan Revealed Choice atau Stated Choice. Revealed Choice menggunakan data historis pembelian untuk mengestimasi parameter. Salah satu cara revealed choice survey adalah dengan bertanya pada responden mengenai merek dan harga mobil yang baru dibelinya. Dengan menggunakan revealed choice survey, data mempunyai validitas eksternal yang baik, karena data berasal dari data pembelian yang sebenarnya. Tetapi ada beberapa kekurangan metode revealed choice misalnya harga pada dunia nyata

commit to user II-7


digilib.uns.ac.id

bervariasi pada kisaran yang sempit. Karena itu hasil dari revealed choice tidak baik digunakan untuk memprediksi perilaku konsumen untuk harga diluar kisaran harga yang ada di pasaran (Correa, 2008). Revealed choice model juga tidak bisa digunakan untuk mengestimasi parameter dari atribut produk yang belum ada di pasaran. Stated choice menggunakan survey untuk bertanya pada responden mengenai pilihan yang mungkin dipilih dari beberapa alternatif. Responden akan ditanya mengenai pilihan apa yang mereka inginkan untuk melakukan sesuatu atau bagaimana membuat rangking atau pilihan tertentu dalam satu atau berbagai situasi dugaan. Teknik stated choice didasari oleh konsep bahwa individu akan memilih alternatif yang memaksimumkan utilitasnya. Kelebihan metode stated choice yaitu peneliti bebas melakukan desain pertanyaan untuk berbagai situasi sesuai dengan kebutuhan penelitian. Selain itu metode stated choice bisa digunakan sebagai instrumen pengumpulan data untuk membangun model perilaku konsumen dengan kisaran harga yang lebih luas dan atribut produk yang lebih inovatif (Wissmann & Cook, 2007).

2.7 Model Multinomial Logit (MNL) Variabel dependen maupun variabel independen dalam model regresi tidak selalu bersifat kuntitatif, tetapi dapat pula bersifat kualitatif. Variabel kualitatif ini sering disebut sebagai variabel buatan atau variabel dummy. Dalam beberapa literature disebut pula variabel indikator, variabel biner, variabel dikotomi, dan variabel kategori. Variabel kualitatif biasanya menunjukkan ada tidaknya kualitas suatu atribut, seperti laki-laki atau perempuan, hitam atau putih, dll. Salah satu metode mengkuantifikasi atribut-atribut tersebut adalah dengan membentuk variabel-variabel artifisial yang memperhitungkan nilai-nilai 0 atau 1, 0 menunjukkan ketiadaan sebuah atribut dan 1 menunjukkan keberadaan atribut itu. Pada kasus-kasus penelitian dengan tujuan untuk mengetahui hubungan antara suatu variabel dimana variabel terikatnya berupa data kategorik, maka analisis regresi linear standar tidak bisa dilakukan, oleh karena itu salah satu pendekatan yang dapat dilakukan adalah regresi logistik.

commit to user II-8


digilib.uns.ac.id

Model logistik dengan empat kategori, terdapat tiga fungsi logit sebagai berikut. Fungsi logit untuk Y=1 relatif terhadap fungsi logit untuk Y=0 Fungsi logit untuk Y=2 relatif terhadap fungsi logit untuk Y=0 Fungsi logit untuk Y=3 relatif terhadap fungsi logit untuk Y=0 Kategori Y=0 disebut sebagai kategori rujukan atau pembanding (reference group). Secara umum, bila akan menganalisis model dengan n variabel bebas, maka tiga fungsi logitnya dinotasikan sebagai berikut: z1 ( x)

§ Pr(Y ln¨¨ © Pr(Y

1x · ¸ 0 x ¸¹

E10 E11 x1 E 12 x 2 ... E1n x n

……..(2.2)

z 2 ( x)


2x· ¸ 0 x ¸¹

E 20 E 21 x1 E 22 x 2 ... E 2 n x n

……..(2.3)

z 3 ( x)


3x· ¸ 0 x ¸¹

E 30 E 31 x1 E 32 x 2 ... E 3n x n

……..(2.4)

Dalam regresi logistik variabel respon (Y), didefinisikan sebagai log dari odds dimana odds didefinisikan sebagai rasio probabilitas dari dua alternatif (Garrow, 2010). Pada model binary logit fungsi logitnya dinotasikan sebagai berikut. z3 ( x)


1x · ¸ 0 x ¸¹

E 0 E1 x1 E 2 x 2 ... E n xn

……..(2.5)


1x · ¸ 0 x ¸¹

z

……..(2.6)

§ p · ¸¸ ln¨¨ ©1 p ¹

z

……..(2.7)

exp( z )

……..(2.8)

exp( z ) p exp( z )

……..(2.9)

§ p · ¨¨ ¸¸ ©1 p ¹

p

p (1 exp( z )) exp( z ) p

exp( z ) (1 exp( z ))

commit to user II-9

…....(2.10) ……..(2.11)


digilib.uns.ac.id

ez 1 ez

p

……..(2.12)

Persamaan 2.7 menunjukkan log odds, sedangkan odds ditunjukkan pada Persamaan 2.8. Analog dengan pembahasan model binary logit, untuk model regresi logistik dengan empat kategori, probabilitas untuk masing-masing kategori adalah: 0 x)

1 1 e e z2 e z3

……..(2.13)

p0

Pr(Y

p1

Pr(Y

1 x)

e z1 1 e z1 e z 2 e z 3

……..(2.14)

p2

Pr(Y

2 x)

e z2 1 e z1 e z 2 e z 3

……..(2.15)

p3

Pr(Y

3 x)

e z3 1 e z1 e z 2 e z 3

……..(2.16)

z1

Tujuan dari Model Multinomial Logit dalam pemasaran adalah untuk memprediksi probabilitas bahwa pelanggan akan memilih masing-masing dari beberapa alternatif yang tersedia pada kesempatan pilihan. Model MNL berdasar pada beberapa konsep antara lain: 1. Pelanggan memiliki preferensi atau utilitas untuk setiap alternatif pilihan yang tidak teramati. 2. Utilitas setiap alternatif pilihan terdiri dari dua komponen, yaitu komponen deterministik (nilai intrinsik atau daya tarik alternatif pilihan), dan komponen acak yang bervariasi secara acak di seluruh alternatif pilihan, pelanggan, dan pembelian. 3. Distribusi komponen random bisa ditentukan. 4. Pada setiap kesempatan pilihan, pelanggan memilih alternatif yang memberikan utilitas tertinggi baginya. Berikut ini akan dijelaskan mengenai uraian konsep-konsep utama pada model MNL. Pada setiap kesempatan pilihan, yang utilitasnya tidak teramati pelanggan i mendapat pilihan alternatif k yang diberikan oleh Persamaan (2.17). U ki

Aki H ki

commit to user II-10

....(2.17)


digilib.uns.ac.id

Dimana İik adalah komponen random dari utilitas pelanggan, diasumsikan bahwa İik berdistribusi Gumbel. Perlu diperhatikan bahwa utilitas (Uik) merupakan jumlah dari komponen diamati (Aik) dan komponen yang tidak teramati

(İik), sehingga tidak dapat

diobservasi, atau laten. Aik adalah keseluruhan “daya tarik” (disimpulkan sebagai preferensi atau nilai utilitas) alternatif k untuk pelanggan i Aki

¦E

j

X ijk

........(2.18)

j

Xijk adalah nilai yang diamati atau diukur dari variabel kontekstual j (misalnya warna produk dan harga produk) untuk alternatif produk k. ȕj adalah bobot kepentingan variabel j (diestimasi dalam model dan mirip dengan koefisien regresi). Diasumsikan bahwa pelanggan i memilih produk yang menawarkan padanya utilitas tertinggi. Kemudian, probabilitas bahwa pelanggan i akan memilih alternatif k adalah sebagi berikut. Pik

P{U ki t U mi }

........(2.19)

Pada kondisi tersebut , probabilitas atau purchase likelihood (PL) dimana individu i akan memilih alternatif j dituliskan sebagai berikut. i

Pik

e A1 i

……..(2.20)

¦ e Ak k

Pada model multinomial logit , e merupakan dasar dari logaritma natural. Bila diterapkan untuk masalah khas "pilihan merek", model komponen memiliki interpretasi sebagai berikut: Xijk = Evaluasi pelanggan i pada merek j pada atribut produk k (misal harga), dimana penjumlahan disini merupakan penjumlahan semua merek yang dipertimbangkan individu i untuk membeli; ȕj

= Bobot kepentingan menunjukkan sejauh mana atribut j mempengaruhi preferensi merek (berlaku untuk semua merek). Bobot kepentingan dapat diestimasi dengan banyak cara, sama seperti koefisien regresi;

¦E

j

X ijk = Keseluruhan daya tarik (utilitas) merek k bagi pelanggan i

j



digilib.uns.ac.id

Model multinomial logit penting dalam bidang pemasaran karena model logit mencerminkan perilaku pemilihan yang sebenarnya. Misalnya pada Persamaan (2.20), eksponensial dalam persamaan tersebut menjamin bahwa probabilitas selalu positif, karena eksponensial dari setiap bilangan real selalu positif. Karakteristik penting dari logit adalah menghasilkan kurva berbentuk S yang dapat menunjukkan ekspektasi hubungan antara utilitas dan pilihan. Hal ini dapat ditunjukkan dengan mengeplotkan Persamaan (2.20) dalam bentuk grafik. Grafik Persamaan (2.20) merupakan fungsi Aik, menghasilkan kurva berbentuk S yang asimtot ke nol (tidak ada kesempatan untuk dipilih) untuk merek sangat tidak menarik menuju ke merek yang sangat menarik (hampir pasti akan dipilih). Dalam sebagian besar aplikasi model logit, daya tarik dari sebuah merek (atau alternatif pilihan) diasumsikan sebagai fungsi dari karakteristiknya. Fungsi daya tarik ini biasanya linear seperti pada Persamaan (2.19).

2.8 Multikolinieritas Uji asumsi klasik diperlukan agar model regresi yang disusun memberikan hasil yang tidak bias, maka perlu dilakukan uji asumsi klasik (Gujarati, 2007). Logit model mempunyai kelebihan seperti tidak memerlukan asumsi normalitas atas variabel - variabel bebas yang digunakan dalam model, sehingga asumsi klasik yang diuji hanya ada tidaknya multikolinearitas antar variabel bebas. Multikolinearitas berarti ada hubungan linear yang sempurna atau pasti diantara atau semua variabel independen pada model (Gujarati, 2007). Dalam kasus hubungan linier sempurna atau multikolinieritas sempurna diantara variabel-variabel penjelas, kita tidak bisa mendapatkan estimasi unik dari dari semua parameter. Dan karena kita tidak bisa mendapatkan estimasi uniknya, kita tidak bisa menarik kesimpulan statistik apa pun tentang hasil tersebut dari sample yang ada. Dengan kata lain, dalam kasus multikoinieritas sempurna, estimasi dan pengujian hipotesis tentang koefisien regresi individual dalam regresi berganda adalah mustahil.



digilib.uns.ac.id

2.8.1 Konsekuensi Praktis dari Mutikolinieritas Dalam kasus multikolinieritas dekat atau tinggi, terdapat konsekuensi praktis sebagai berikut: 1. Varians besar dan kesalahan standar estimator OLS. Karena kolinieritas tinggi antarvariabel independen, ketika variabel tersebut dimasukkan dalam regresi, kesalahan standar koefisien variabel dependen naik secara dramatis. 2. Selang kepercayaan menjadi lebih lebar. Karena kesalahan standar yang besar, selang kepercayaan untuk parameter populasi cenderung besar. 3. Rasio t tidak signifikan. Kasus kolinieritas tinggi, kesalahan standar yang diestimasi naik secara dramatis, sehingga membuat nilai t lebih kecil. 4. Nilai R2 yang tinggi tapi sedikit rasio t yang signifikan. 5. Estimator OLS dan kesalahan standarnya menjadi sangat sensitive terhadap perubahan kecil dalam data; yakni cenderung tak stabil. Perubahan data variable independent yang amat kecil akan menyebabkan hasil regresi berubah amat besar. 6. Tanda yang salah untuk koefisien regresi. 7. kesulitan dalam menilai kontribusi individual dari variable-variabel penjelas terhadap jumlah kuadrat yang dijelaskan (ESS) atau R2. Konsekuensi dari adanya multikolinearitas adalah apabila ada kolinearitas sempurna diantara variabel independen, koefisien regresinya tak tertentu dan kesalahan standarnya tak terhingga. Jika kolinearitas tinggi tetapi tidak sempurna, penaksiran koefisien regresi adalah mungkin,

tetapi

kesalahan

standarnya cenderung besar. Hal ini mengakibatkan nilai populasi dari koefisien tidak dapat ditaksir dengan tepat. Adanya multikolinearitas di antara variabel-variabel independen secara statistik tidak signifikan, mengakibatkan tidak diketahui adanya variabel independen

yang

mempengaruhi

dependen.

2.8.2 Deteksi Mutikolinieritas Beberapa indikator mutikolinieritas antara lain: 1. R2 tinggi tetapi sedikit rasio t yang signifikan. 2. Korelasi berpasangan yang tinggi di antara variable-variabel penjelas.


variabel


digilib.uns.ac.id

3. Pengujian korelasi parsial. 4. Regresi subsider atau tambahan. Mengingat multikolinieritas muncul karena salah satu atau lebih variabel penjelas adalah kombinasi pasti linier atau hampir pasti dari linier dari variabel-variabel penjelas lainnya, salah satu cara untuk mengetahui variabel X mana yang sangat kolinier dengan variabelvariabel X lain dalam model adalah meregresikan masing-masing variabel X terhadap variabel-variabel X yang lain dan menghitung R2 terkait (Gujarati, 2007). 5. Gejala mutikolinieritas dapat dideteksi dengan nilai Tolerance dan nilai Variance Inflation Factor (VIF) yang dirumuskan sebagai berikut. 1 1 R2

VIF

.....(2.1)

Tolerance 1 R 2

.....(2.2) dimana R2merupakan koefisien determinasi yang diperoleh dari regresi auxilary. Regresi auxilary dilakukan dengan melakukan regresi setiap variabel independen dengan variabel-variabel independen yang lain. Nilai Tolerance rendah sama dengan nilai VIF tinggi (VIF = 1/Tolerance). Nilai cutoff atau batas yang umum dipakai untuk menunjukkan adanya multikolinieritas adalah nilai Tolerance < 0,10 atau sama dengan nilai VIF > 10. Dari gejala multikolinieritas di atas, berikut ini merupakan langkah-langkah yang dapat dilakukan untuk perbaikan, diantaranya: 1. Mengeluarkan variabel dari model. 2. Menambah data atau sample baru. 3. Mengkaji ulang modelnya. 4. Transformasi variabel. 5. Analisis faktor.

2.9 Evaluasi Model Hasil regresi logistik memerlukan sebuah evaluasi untuk mengetahui seberapa baik hasil regresi logistik tersebut. Evaluasi hasil regresi logistik meliputi: 2.9.1 Uji Kebaikan Model (Goodness of fit)



digilib.uns.ac.id

Uji kebaikan model digunakan untuk mengetahui kebaikan model dengan menggunakan ukuran koefisien determinasi. Koefisien determinasi (R2) mengukur proporsi varian di dalam variabel independen yang dijelaskan oleh variabel dependen. Ukuran kebaikan regresi dalam model regresi logistik disebut Pseudo R2. Ada tiga ukuran Pseudo R2 yang dapat digunakan untuk mengukur kebaikan model regresi multinomial logistik, yaitu: 1. Pseudo R2 Cox and Snell dengan rumus sebagai berikut: R

2 CS

ª L ( 0) º 1 « » ¬ L( B ) ¼

2/n

......(2.21)

2. Pseudo R2 Nagelkerke dengan rumus sebagai berikut: R N2

2 RCS 1 L(0) 2 / n

......(2.22)

3. Pseudo R2 McFadden dengan rumus sebagai berikut: RM2

ª L( B ) º 1 « » ¬ L (0 ) ¼

......(2.23)

dimana L(0) adalah likelihood model hanya dengan konstanta dan L(B) adalah model yang diestimasi serta n adalah jumlah observasi.

2.9.2 Uji Signifikansi Variabel Independen Secara Serentak (Overall Model Fit) Uji Overall Model Fit digunakan untuk mengetahui apakah semua variabel independen dalam regresi logistik secara serentak mempengaruhi variabel dependen. Uji ini dilakukan dengan uji likelihood ratio, yaitu dengan menghitung perbedaan nilai -2 log likelihood (-2LL) antara model yang hanya terdiri dari konstanta dengan model yang terdiri dari konstanta dan variabel independen. Uji likelihood ratio ini mengikuti distribusi chi square. Jika nilai chi square hitung lebih besar dari pada nilai chi square tabel maka kita menolak hipotesis nol yang berarti semua variabel penjelas secara bersama-sama mempengaruhi variabel dependen. Sedangkan jika nilai chi square hitung lebih kecil dari pada nilai chi square tabel maka kita dapat menerima hipotesis nol yang berarti semua variabel penjelas secara bersama-sama tidak mempengaruhi variabel dependen.



digilib.uns.ac.id

2.9.3 Uji Signifikansi Variabel Independen Secara Individual (Significance Test) Uji Signifikansi digunakan untuk mengetahui apakah variabel independen secara individu berpengaruh pada variabel dependen. Uji signifikansi variabel independen dapat dilakukan dengan dua cara yaitu Uji Likelihood Ratio dan Uji Wald. 1. Uji Likelihood Ratio Uji Likelihood Ratio didasarkan pada perbedaan -2 log likelihood (-2LL) antara model yang diestimasi (final model) dengan model tanpa variabel yang diamati (reduce model) dengan derajat bebas sebanyak variabel independen yang tidak dimasukkan dalam model. Uji likelihood ratio ini mengikuti distribusi chi square. Jika nilai chi square hitung lebih besar dari pada nilai chi square tabel maka kita menolak hipotesis nol yang berarti variabel penjelas secara individual mempengaruhi variabel dependen. Sedangkan jika nilai chi square hitung lebih kecil daripada nilai chi square tabel maka kita dapat menerima hipotesis nol yang berarti variabel penjelas secara individual tidak mempengaruhi variabel dependen. 2. Uji Wald Uji Wald dapat digunakan untuk mengetahui apakah variabel independen mempengaruhi variabel dependen atau tidak. Nilai statistika Wald dapat dihitung dengan menggunakan nilai statistika berdasarkan distribusi normal Z seperti pada Persamaan (2.24) berikut. Z

Eˆ seEˆ

.....(2.24)

dimana Eˆ merupakan nilai koefisien estimasi pada model sedangkan se Eˆ merupakan standar error dari koefisien tersebut. Nilai Z pada Persamaan (2.24) diatas bila dikuadratkan akan menghasilkan nilai statistika Wald. Nilai Statistika Wald ini mengikuti distribusi chi square. Jika nilai statistik Wald lebih besar dari pada nilai chi square tabel maka kita menolak



digilib.uns.ac.id

hipotesis nol yang berarti variabel penjelas berpengaruh pada variabel dependen. Sedangkan jika nilai statistik Wald lebih kecil daripada nilai chi square tabel maka kita menerima hipotesis nol yang berarti variabel penjelas tidak berpengaruh pada variabel dependen. 2.10

Penelitian Terdahulu Penelitian yang terkait dengan optimisasi harga telah dilakukan antara lain

oleh Reibstein dan Gatignon (1984) dan Correa (2008) 2.10.1 Reibstein dan Gatignon (1984) Penelitian lain yang terkait dengan penentuan harga optimal dilakukan oleh Reibstein dan Gatignon (1984). Pada penelitian tersebut diusulkan tiga model untuk menentukan penjualan berdasarkan harga.

Tabel 2.3 berikut ini

menunjukkan ketiga model tersebut. Tabel 2.3 Model penjualan terhadap harga Struktur Error Term Model 1 E E u S i ,t e Pt ,t e i,0

i ,1

E (ui , t , ut , t ) V 2 untuk semua i

t ,t

E (u i ,t , u j ,t ' )

Model 2 E E u Si , t e Pi , t e t ,0

i ,1

0 untuk semua i, j, t, t’

E (u i ,t , u j ,t ) V i2, j untuk semua i M

i ,t

E (u t ,t , ui ,t ) V i2

E (u i ,t , u j ,t ' )

0 untuk semua i, j

Model 3 Si ,t

e

Et,0

n

Ei, j j ,t

P

e

u i ,t

Sama dengan model 2

j 1

Dimana ui,t adalah error term pada bentuk log-linier model. Sumber: Reibstein dan Gatignon, 1984

dimana, Sit = penjualan pada waktu t merek i Pit = harga pada waktu t merek i e = bilangan logaritma natural ȕ = parameter yang diestimasi Model 1 menunjukkan hubungan logaritmik antara harga dan penjualan yang diestimasikan secara terpisah untuk setiap merk yang berbeda. Model 2 mempertimbangkan korelasi antar merk dalam product line. Model 3



digilib.uns.ac.id

mempertimbangkan perubahan penjualan yang disebabkan oleh harga produk itu sendiri dan harga produk lain dalam satu line atau mempertimbangkan crosselasticities antar merk.

Gambar 2.5 berikut ini menunjukkan ilustrasi dari ketiga model tersebut. 0RGHO

3LW

6LW

XLW

3MW

6MW

XMW

3LW

6LW

XLW

3MW

6MW

XMW

3LW

6LW

XLW

3MW

6MW

XMW

0RGHO

0RGHO

3MW 6MW

KDUJDPHUNLSDGDZDNWXW SHQMXDODQPHUNLSDGDZDNWXW

XMW HUURUWHUPXQWXNSHUVDPDDQNH LSDGDZDNWXW

Gambar 2.5 Ilustrasi model Sumber: Reibstein dan Gatignon, 1984

Dari model penjualan tersebut kemudian diturunkan untuk membentuk model maksimasi profit sebagai berikut. wE[*] wPi ,t

e

Ei ,0

ª º 2 · § § n E i , j · E i , j 1 2 ¨ Pj ,t ¸ Pi ,t [( E i ,i 1) Pi ,t Ei ,i Ci ,t ]eV i / 2 ¦ «e E i , 0 E k ,i Pi ,Et i , j 1 ¨ PjE,ti , j ¸( Pk ,t Ck ,t ) »eV i / 2 ¸ ¸ ¨ ¨ k zi ¬ « ¹ ¹ © j zi © j zi ¼»

0

..(2.25)

dimana Cit merupakan biaya produk merek i pada waktu t. Dari Persamaan (2.25) tersebut dapat dicari harga optimal yang memaksimumkan profit sebagai berikut. Pi*

E i, j E k ,i E[ S k* ] * Ci ¦ ( Pk C k ) * E i, j 1 k z i E i , i 1 E[ S i ]


…..(2.26)


digilib.uns.ac.id

Data yang digunakan dalam penelitian tersebut adalah data penjualan dan harga telur dalam berbagai macam ukuran di supermarket. Kemudian dari data tersebut dimodelkan penjualan telur dengan prediktor harga. Estimasi parameter pada model menggunakan metode Ordinary Least Square. Hasil dari penelitian tersebut yaitu model ketiga, yaitu model yang mempertimbangkan crosselasticities paling baik dalam merekomendasikan harga optimal karena paling mendekati urutan harga yang sebenarnya.

2.10.2 Correa (2008) Penelitian ini mengacu pada penelitian yang dilakukan oleh Correa (2008). Pada penelitian tersebut peneliti menggunakan tiga alternatif pendekatan yaitu Multinomial Logit, Binary Logit dan Logit-Logit. Dari ketiga alternatif pendekatan tersebut, dipilih model mana yang paling baik dalam mengoptimumkan harga. Terdapat 3 fase analisis permasalahan yang digunakan dalam penelitian tersebut, yaitu simulasi data penjualan, estimasi parameter dan optimasi harga. Pada penelitian tersebut peneliti memodelkan optimasi harga sebagai berikut: a. Fungsi tujuan: Memaksimum ekspektasi pendapatan (Expected Revenue) Max E(revenue) = Price1* PL1 + Price2* PL2

……..(2.27)

b. Fungsi pembatas: probabilitas konsumen memilih produk i (Purchase Likelihood) PL1 PL2

eU ( 0)

eU (1) eU (1) eU ( 2 )

……..(2.28)

eU ( 0)

eU ( 2) eU (1) eU ( 2 )

……..(2.29)

p"ower d price d pupper

Dimana U(i) adalah estimasi utilitas produk i yang dimodelkan pada bagian sebelumnya. plower dan pupper merupakan batas atas dan batas bawah harga dari tiap produk



digilib.uns.ac.id

Gambar 2.6 berikut ini merupakan metodologi penelitian Correa (2008).

Gambar 2.6 Metodologi Penelitian Correa, 2008 Sumber: Correa, 2008

Hasil dari penelitian tersebut yaitu Multinomial Logit Model merupakan pendekatan yang paling baik dibanding kedua alternatif pendekatan lainnya karena hasilnya paling mendekati nilai optimum teoritis dan akurasinya semakin baik dengan bertambahnya jumlah observasi. Menurut penelitian tersebut, bahwa untuk penentuan harga optimum, Discret Choice Model dapat diimplementasikan dengan teknik regresi logistik multinomial untuk membentuk koefisien dan persentase likelihood untuk mengestimasi probabilitas pilihan. Output dari model adalah nilai utilitas yang dapat digunakan untuk menentukan harga optimum.



digilib.uns.ac.id

BAB III METODOLOGI PENELITIAN Pada bab ini diuraikan secara sistematis mengenai langkah-langkah yang dilakukan dalam penelitian. Adapun langkah-langkah yang dilakukan dalam penelitian ditujukan pada Gambar. 3.1 di bawah ini 0XODL

6WXGL3XVWDND

6WXGL/DSDQJDQ

3HUXPXVDQ0DVDODK ,GHQWLILNDVL 0DVDODK

7XMXDQ3HQHOLWLDQ 0DQIDDW3HQHOLWLDQ

0HUDQFDQJNXHVLRQHU 3HQJXPSXODQGDQ 3HQJRODKDQ'DWD

3HQJXPSXODQGDWD GHQJDQNXHVLRQHU .DUDNWHULVWLN'DWD 0RGHO0XOWLQRPLDO/RJLW 8ML$VXPVL.ODVLN (VWLPDVL3DUDPHWHU 8ML(YDOXDVL0RGHO 9DOLGDVL0RGHO

2SWLPLVDVL+DUJD

7DKDS$QDOLVLV

$QDOLVLVGDQ ,QWHUSUHWDVL+DVLO

7DKDS.HVLPSXODQ GDQ6DUDQ

.HVLPSXODQGDQ 6DUDQ

6HOHVDL

Gambar 3.1 Metodologi Penelitian

commit to user III-1


digilib.uns.ac.id

3.1 Tahap Identifikasi Masalah Tahap ini diawali dengan studi pustaka, studi lapangan, perumusan masalah, penentuan tujuan penelitian dan menentukan manfaat penelitian. Langkah-langkah yang ada pada tahap identifikasi masalah tersebut dijelaskan pada sub bab berikut ini. 1.

Studi Pustaka Studi pustaka dilakukan untuk mendukung proses identifikasi masalah. Studi

pustaka dilakukan dengan mencari informasi yang berkaitan dengan permasalahan yang dibahas dalam penelitian ini. Pencarian informasi ini dilakukan dengan melalui internet, perpustakaan, sehingga diperoleh referensi yang dapat digunakan untuk mendukung pembahasan penelitian ini. Referensi yang terkait terutama mengenai masalah penentuan harga dan model multinomial logit. 2.

Studi Lapangan Studi lapangan dilakukan untuk mendapatkan informasi terkait dengan

produk yang yang akan diangkat dalam penelitian ini. Produk yang dicari yaitu produk yang atributnya tidak terlalu banyak dan hanya memiliki satu atribut pembeda. Di antara banyak alternatif produk, dipilih produk flash disk. Produk flash disk di pasaran biasanya pada satu merek dan bentuk yang sama, terdapat satu pembeda yaitu kapasitas penyimpanannya. Pada penelitian ini akan ditentukan kombinasi harga yang optimal untuk flash disk yang merek dan bentuknya sama tetapi kapasitasnya berbeda. 3.

Perumusan Masalah Berdasarkan identifikasi masalah yang telah dilakukan, kemudian disusun

sebuah rumusan masalah. Adapun permasalahan yang akan dibahas lebih lanjut adalah bagaimana menentukan harga yang optimum dari dua alternatif produk flash disk 4 GB dan 8 GB untuk memaksimumkan ekspektasi pendapatan dengan menggunakan Model Multinomial Logit. 4.

Tujuan Penelitian Tujuan penelitian ditetapkan agar penelitian yang dilakukan dapat menjawab

dan menyelesaikan rumusan masalah yang dihadapi. Adapun tujuan penelitian yang ditetapkan dari hasil perumusan masalah yaitu menentukan harga optimum



digilib.uns.ac.id

dari dua alternatif produk flash disk 4 GB dan 8 GB untuk memaksimumkan ekspektasi pendapatan dengan menggunakan Model Multinomial Logit. 5.

Manfaat Penelitian Suatu permasalahan akan diteliti apabila di dalamnya mengandung unsur

manfaat. Adapun manfaat yang diharapkan dari penelitian ini yaitu dapat memberikan masukan dalam pengambilan keputusan yang menyangkut penentuan harga yang optimum bagi perusahaan.

3.2 Tahap Pengumpulan dan Pengolahan Data Pada tahap ini dilakukan pengumpulan dan pengolahan data yang digunakan untuk penelitian ini. 3.2.1 Pengumpulan Data Pengumpulan data dilakukan dengan kuesioner yang disebarkan kepada Mahasiswa Universitas Sebelas Maret Surakarta. Pengumpulan data dilakukan dengan kuesioner maka perlu untuk merancang kuesioner terlebih dahulu. 1. Merancang Kuesioner Perancangan kuesioner dilakukan dengan mengidentifikasi data apa saja yang diperlukan dalam penelitian, kemudian merancang kuesioner yang dapat digunakan sebagai instrumen untuk pengumpulan data tersebut. Data yang diperlukan dalam pembentukan model multinomial logit untuk penentuan harga yaitu data pilihan pembelian pada harga yang berbeda-beda. Alternatif pilihan yang diberikan yaitu membeli flash disk 4 GB dengan harga tertentu, membeli flash disk 8 GB dengan harga tertentu atau tidak membeli. Dari pilihan konsumen tersebut dapat diketahui kemungkinan konsumen untuk membeli pada harga tertentu. Rancangan kuesioner mengacu pada Cook & Wissman (2007) yaitu kuesioner untuk multinomial stated-choice survey. Stated-choice survey digunakan karena dapat digunakan sebagai instrumen pengumpulan data untuk membuat model perilaku konsumen dengan kisaran harga yang lebih lebar , sehingga cocok untuk membuat model penentuan harga. Pada multinomial stated-choice survey, responden diminta untuk memilih satu dari tiga atau lebih alternatif pilihan. Tabel



digilib.uns.ac.id

3.1 berikut ini menunjukkan contoh kuesioner hasil perancangan. Kuesioner selengkapnya ditunjukkan pada Lampiran 2. Tabel 3.1 Contoh Kuesioner Harga Flashdisk

1 pilih salah satu

Flash disk 4 Gb

Flash disk 8 Gb

Rp50.000

Rp175.000

Rp75.000

Rp175.000

Rp100.000

Rp175.000

Rp125.000

Rp175.000

Rp150.000

Rp175.000

Tidak Membeli

2 pilih salah satu

3 pilih salah satu

4 pilih salah satu

5 pilih salah satu

Pada kuesioner ini responden diminta untuk memisalkan ingin membeli flash disk. Di toko terdapat dua pilihan yaitu flash disk 4 GB dan 8 GB dengan kombinasi harga tertentu. Terdapat tiga alternatif yang dapat dipilih oleh responden, yaitu membeli flash disk 4 GB, membeli flash disk 8 GB, atau tidak membeli. Responden diminta untuk memilih salah satu dari ketiga alternatif tersebut dengan memberi tanda centang. 2. Pengumpulan Data dengan Kuesioner Populasi dalam penelitian ini adalah mahasiswa UNS yang merupakan pengguna flash disk. Responden sebagai sampel berjumlah 50 orang mahasiswa UNS pengguna flash disk. Tidak terdapat metode khusus dalam pemilihan rsponden. Responden dipilih yang mudah ditemui atau convinient sampling. Hal ini karena penelitian ini hanya mempertimbangkan satu tipe konsumen sehingga responden dianggap homogen. Satu tipe konsumen maksudnya seluruh populasi dalam penelitian ini yaitu mahasiswa UNS pengguna flash disk dianggap berada dalam satu segmen pasar yang sama. Pengumpulan data dilakukan untuk mengetahui pilihan responden pada tiap kombinasi harga flash disk 4 GB dan 8 GB. Responden diminta untuk memilih antara flash disk 4 GB dengan harga tertentu, flash disk 8 GB dengan harga



digilib.uns.ac.id

tertentu, atau tidak membeli. Dari hasil pengumpulan data dengan kuesioner berupa pilihan konsumen pada harga tertentu tersebut, dapat diketahui kemungkinan konsumen untuk membeli pada harga tertentu.

3.2.2 Pengolahan Data Pengolahan data yang dilakukan meliputi karakteristik data, model multinomial logit, dan optimasi harga. 1. Karakteristik Data Karakteristik data dilakukan dengan menyajikan hasil pengumpulan data dalam bentuk

grafik. Karakteristik data digunakan untuk mengetahui tren

perilaku pembelian flash disk pada tingkat harga yang berbeda-beda. Data hasil pengumpulan data berupa data pilihan pembelian responden pada kombinasi harga yang berbeda-beda, diolah menjadi data probabilitas pilihan responden. Pada tiap kombinasi harga, jumlah responden yang memilih membeli flash disk 4 GB dijumlahkan, kemudian dibagi dengan jumlah seluruh responden, sehinggga didapat probabilitas responden memilih membeli flash disk 4 GB. Hal yang sama dilakukan pula pada alternatif pilihan yang lain. Data probabilitas pilihan responden pada tiap kombinasi harga tersebut kemudian disajikan dalam bentuk grafik. Probabilitas pilihan responden pada sumbu y dan kombinasi harga pada sumbu x. 2. Model Multinomial Logit Pada penelitian ini, model multinomial logit digunakan untuk memodelkan keputusan pemilihan alternatif pembelian. Pada kasus ini, yang menjadi variabel dependen adalah keputusan pemilihan alternatif pembelian flash disk oleh responden. Keputusan diklasifikasikan menjadi tiga yaitu membeli flash disk 4 GB, membeli flash disk 8 GB dan tidak membeli. Harga flash disk 4 GB dan flash disk 8 GB digunakan sebagai variabel independen pada model, yang mempengaruhi keputusan pemilihan alternatif. Harga sebagai variabel independen merupakan variabel kuantitatif, sedangkan keputusan pemilihan alternatif pembelian merupakan variabel kualitatif. Pengolahan data pada model multinomial logit terdiri dari empat tahap, yaitu uji asumsi klasik, estimasi parameter pada model, uji evaluasi model, dan validasi



digilib.uns.ac.id

model. Semua pengolahan data pada model multinomial logit ini dilakukan dengan menggunakan software SPSS 13.0 for Windows, dengan data pilihan responden sebagai variabel dependen dan harga flash disk sebagai variabel independen. a. Uji Asumsi Klasik (Uji Multikolinieritas) Data yang digunakan dalam uji multikolinieritas yaitu data variabel independen, karena uji multikolinieritas menguji ada atau tidaknya hubungan linier antar variabel independen. Uji multikolinieritas dilakukan dengan menghitung nilai VIF dan Tolerance dengan rumus sebagai berikut. VIF

1 1 R2

.....(3.1)

Tolerance 1 R 2

.....(3.2) dimana R2merupakan koefisien determinasi yang diperoleh dari regresi auxilary. Regresi auxilary dilakukan dengan melakukan regresi setiap variabel independen dengan variabel-variabel independen yang lain. Pengujian multikolinieritas dilakukan dengan bantuan software SPSS. Pada output SPSS yaitu pada tabel collinierity statistics terdapat nilai VIF dan Tolerance. Jika nilai VIF kurang dari 10 atau nilai Tolerance mendekati 1, maka dapat diduga bahwa tidak ada multikolinieritas antar variabel indendependen. b. Estimasi Parameter Estimasi parameter dilakukan dengan menggunakan metode maximum likelihood, yaitu dengan mencari koefisien regresi sehingga probabilitas kejadian variabel dependen bisa semaksimum mungkin. Nilai estimasi parameter dapat dilihat pada tabel Parameter Estimates output SPSS pada kolom B. Berikut ini merupakan spesifikasi model multinomial logit yang akan dibuat. PL1

eU (1) eU ( 0 ) eU (1) eU ( 2 )

.....(3.3)

PL2

eU ( 2 ) eU ( 0 ) eU (1) eU ( 2 )

......(3.4)

eU ( 0 ) eU (1) eU ( 2 )

......(3.5)

PL0

dimana,

e

U ( 0)



digilib.uns.ac.id

U1

D 1 E11 P1 E 21 P2 H 1

U2

D 2 E12 P1 E 22 P2 H 2

U0

0

......(3.6) ......(3.7)

dimana, PL1 = kemungkinan responden memilih flash disk 4 GB PL2 = kemungkinan responden memilih flash disk 8 GB PL0 = kemungkinan responden memilih tidak membeli P1= harga flash disk 4 GB P2= harga flash disk 8 GB Į dan ȕ merupakan parameter yang diestimasi pada model. Nilai Į dan ȕ dapat dilihat pada tabel Parameter Estimates, kolom B pada output SPSS. c. Uji Evaluasi Model Hasil regresi logistik memerlukan sebuah evaluasi untuk mengetahui seberapa baik hasil regresi logistik tersebut. Evaluasi hasil regresi logistik meliputi: 1) Uji Kebaikan Model (Goodness of fit) Pada penelitian ini digunakan koefisien determinasi (Pseudo R2) untuk menilai kebaikan model. Uji kebaikan model dilakukan dengan menghitung nilai Pseudo R2 dengan rumus sebagai berikut. a. Pseudo R2 Cox and Snell dengan rumus sebagai berikut: 2 RCS

ª L ( 0) º 1 « » ¬ L( B ) ¼

2/n

......(3.8)

2

b. Pseudo R Nagelkerke dengan rumus sebagai berikut: R N2

2 RCS 1 L(0) 2 / n

......(3.9)

c. Pseudo R2 McFadden dengan rumus sebagai berikut: RM2

ª L( B ) º 1 « » ¬ L (0 ) ¼

......(3.10)

dimana L(0) adalah log-likelihood model hanya dengan konstanta dan L(B) adalah log-likelihood model yang diestimasi serta n adalah jumlah observasi. Nilai log-likelihood dicari dengan rumus sebagai berikut. N

LL ( E )

¦¦ y n 1

ni

ln Pni

i


......(3.11)


digilib.uns.ac.id

dimana, yni = 1 jika responden memilih membeli flash disk 4 GB, yni = 2 jika responden memilih membeli flash disk 8 GB dan yni = 0 jika responden memilih tidak membeli. Pni probabilitas responden n memilih alternatif i. Pada penelitian ini uji kebaikan model dilakukan dengan bantuan software SPSS. Hasil uji kebaikan model dapat dilihat pada tabel Pseudo R2 output SPSS. 2) Uji Signifikansi Variabel Independen Secara Serentak (Overall Model Fit) Uji overall model fit dilakukan dengan uji likelihood ratio, yaitu dengan menghitung perbedaan nilai -2 log likelihood (-2LL) antara model yang hanya terdiri dari konstanta dengan model yang terdiri dari konstanta dan variabel independen. Nilai log likelihood dicari dengan menggunakan rumus pada Persamaan (3.11 ). Uji likelihood ratio ini mengikuti distribusi chi square. Hasil uji Overall Model Fit diketahui dengan membandingkan nilai chi square hitung dengan nilai chi square tabel. Jika nilai chi square hitung lebih besar dari pada nilai chi square tabel maka kita menolak hipotesis nol yang berarti semua variabel penjelas secara bersama-sama mempengaruhi variabel dependen. Sedangkan jika nilai chi square hitung lebih kecil dari pada nilai chi square tabel maka kita dapat menerima hipotesis nol yang berarti semua variabel penjelas secara bersama-sama tidak mempengaruhi variabel dependen. Nilai chi square hitung untuk uji Overall Model Fit ini dapat dilihat pada tabel Model Fitting Observation pada output SPSS. Sedangkan nilai chi square tabel dapat dilihat pada tabel chi square (Lampiran 4). 3) Uji Signifikansi Variabel Independen Secara Individual (Significance Test) Uji signifikansi variabel independen dilakukan dengan dua cara yaitu Uji Likelihood Ratio dan Uji Wald. Uji Likelihood Ratio dilakukan dengan menguji perbedaan -2 log likelihood (-2LL) antara model yang diestimasi (final model) dengan model tanpa variabel yang diamati (reduce model) dengan derajat bebas sebanyak variabel independen yang tidak dimasukkan dalam model. Uji likelihood ratio ini mengikuti distribusi chi square. Hasil uji Likelihood Ratio dapat diketahui dengan membandingkan nilai chi square hitung dengan nilai chi square tabel. Jika nilai chi square hitung lebih besar daripada nilai chi square tabel maka kita menolak hipotesis nol yang berarti variabel penjelas secara individual mempengaruhi variabel dependen. Sedangkan



digilib.uns.ac.id

jika nilai chi square hitung lebih kecil daripada nilai chi square tabel maka kita dapat menerima hipotesis nol yang berarti variabel penjelas secara individual tidak mempengaruhi variabel dependen. Nilai chi square hitung untuk uji Likelihood Ratio ini dapat dilihat pada tabel Likelihood Ratio Test pada output SPSS. Sedangkan nilai chi square tabel dapat dilihat pada tabel chi square (Lampiran 4). Sedangkan Uji Wald dilakukan dengan menghitung nilai statistika Wald yang dihitung dengan menggunakan nilai statistika berdasarkan distribusi normal Z seperti pada Persamaan (3.12) berikut. Z

Eˆ seEˆ

.....(3.12)

dimana Eˆ merupakan nilai koefisien estimasi pada model sedangkan se Eˆ merupakan standar error dari koefisien tersebut. Nilai Z pada Persamaan (3.12) dikuadratkan maka akan menghasilkan nilai statistika Wald. Nilai Statistika Wald ini mengikuti distribusi chi square. Jika nilai statistik Wald lebih besar dari pada nilai chi square tabel maka hipotesis nol ditolak yang berarti variabel penjelas berpengaruh pada variabel dependen. Sedangkan jika nilai statistik Wald lebih kecil daripada nilai chi square tabel maka hipotesis nol diterima yang berarti variabel penjelas tidak berpengaruh pada variabel dependen. Nilai statistik Wald dapat dilihat pada tabel Parameter Estimates, kolom Wald pada output SPSS. Sedangkan nilai chi square tabel dapat dilihat pada tabel chi square (Lampiran 4). d. Validasi Model Validasi model dilakukan dengan membandingkan antara data observasi dengan data hasil prediksi model dan menghitung seberapa besar model dapat memprediksi data observasi dengan benar. Hasil dari validasi model ini yaitu prosentase data yang dapat diprediksi model dengan benar. Validasi model dapat dilihat pada tabel Classification pada output SPSS. 3. Optimisasi Harga Optimisasi dilakukan dengan mencari nilai harga flash disk 4 GB dan 8 GB yang akan memaksimukan nilai ekspektasi pendapatan. Optimisasi dilakukan



digilib.uns.ac.id

dengan bantuan Excel Solver. Problem statement untuk optimisasi harga adalah sebagai berikut: a. Fungsi tujuan: Memaksimum ekspektasi pendapatan (Expected Revenue) Max ER= P1* PL1 + P2* PL2

…..(3.6)

dimana, ER= Ekspektasi pendapatan (Expected Revenue) Pi= Harga produk i (Price) PLi= Probabilitas konsumen memilih produk i (Purchase Likelihood) b. Fungsi pembatas: probabilitas konsumen memilih produk i (Purchase Likelihood) eU (1) eU ( 0 ) eU (1) eU ( 2 )

PL1

.....(3.7)

U ( 2)

e eU ( 0 ) eU (1) eU ( 2 )

PL2

......(3.8)

dimana, U1

D1 E11 P1 E 21 P2

U2

2 1 1

D2 E P E P

U0

0

2 2 2

......(3.9) .....(3.10)

0 Ui 1 p"ower d Pi d pupper

U(i) adalah estimasi utilitas produk i yang dimodelkan pada bagian sebelumnya. Į dan ȕ merupakan parameter yang diestimasi pada model. plower dan pupper merupakan batas atas dan batas bawah harga dari tiap produk. Batas bawah dan batas bawah harga ditentukan dengan mencari kisaran harga flash disk yang ada di pasaran. 3.3 Tahap Analisis Pada tahap ini dilakukan analisis dan interpretasi hasil terhadap pengumpulan dan pengolahan data sebelumnya. Analisis yang dilakukan antara lain analisis responden, analisis karakteristik data, analisis model multinomial logit, analisis grafik purchase likelihood dan analisis optimisasi harga. Analisis pengaruh harga terhadap perilaku responden dalam pemilihan alternatif dilakukan dilakukan dengan membaca tren pemilihan flash disk oleh responden pada grafik karakteristik data. Analisis model multinomial logit



digilib.uns.ac.id

dilakukan dengan menginterpretasikan hasil uji-uji statistik yang dilakukan pada model. Selain itu dilakukan interpretasi parameter-parameter yang terdapat pada model. Analisis Grafik Purchase Likelihood digunakan untuk mengecek apakah dengan parameter yang telah diestimasi, kemungkinan konsumen untuk membeli (Purchase Likelihood) masuk akal jika harga dibuat berubah-ubah. Analisis optimisasi harga dilakukan dengan menginterpretasikan hasil optimisasi harga dengan Excel Solver dan dilakukan analisis mengenai harga optimal yang dihasilkan. 3.4 Tahap Kesimpulan dan Saran Pada tahap ini akan membahas kesimpulan dari hasi pengolahan data dengan memperhatikan tujuan yang ingin dicapai dari penelitian dan kemudian memberikan saran perbaikan yang mungkin dilakukan untuk penelitian selanjutnya.



digilib.uns.ac.id

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA Bab ini berisi mengenai data penelitian diperlukan dalam menganalisis permasalahan yang ada serta dijelaskan pula cara pengolahan data tersebut. 4.1 Pengumpulan Data Populasi dalam penelitian ini adalah mahasiswa UNS yang merupakan pengguna flash disk. Responden sebagai sampel berjumlah 50 orang mahasiswa UNS pengguna flash disk. Teknik pengumpulan data dilakukan dengan menyebar kuesioner kepada 50 responden yang merupakan pengguna flash disk. Hasil rancangan kuesioner dapat dilihat pada Lampiran 1. Dalam kuesioner tersebut, responden diminta untuk memilih salah satu dari tiga alternatif, yaitu membeli flash disk 4 GB, membeli flash disk 8 GB atau tidak membeli. Responden hanya boleh memilih salah satu dari ketiga alternatif. Satu kuesioner menghasilkan 20 data pilihan kemungkinan pembelian flash disk pada 20 kombinasi harga flash disk, sehingga 50 kuesioner akan menghasilkan 1000 data. Pilihan bersifat mutually ekslusif. Tabel 4.1 berikut ini menunjukkan contoh hasil pengumpulan data yang juga menjadi input data untuk pengolahan data dengan SPSS. Data selengkapnya terdapat dapat pada Lampiran 2. Tabel 4.1 Contoh hasil pengumpulan data harga 1 harga 2 pilihan 50 200 1 75 200 1 100 200 1 125 200 0 150 200 0 50 175 1 75 175 1 100 175 1 125 175 0 150 175 0 50 150 1 75 150 1 100 150 0 125 150 0 50 125 2 75 125 2 100 125 2 50 100 2 75 100 2 50 75 2

commit to user IV-1


digilib.uns.ac.id

Kolom pertama merupakan kolom harga produk 1 yaitu flash disk 4 GB, dimana 50 yang dimaksud adalah Rp 50.000. Kolom kedua merupakan kolom harga produk 2 yaitu flash disk 8 GB. Kolom ketiga adalah kolom pilihan responden. Angka 1 berarti responden memilih flash disk 4 GB. Angka 2 berarti responden memilih flash disk 8 GB. Sedangkan angka 0 berarti responden memilih untuk tidak membeli. Tabel 4.2 dibawah ini menunjukan informasi statistik mengenai data yang akan diolah. Dari tabel tersebut didapatkan pilihan 0 atau tidak membeli muncul sebanyak 371 kali atau sebanyak 37,1%, pilihan 1 atau flash disk 4 GB muncul sebanyak 360 kali atau sebanyak 36%, sedangkan pilihan 2 atau flash disk 8 GB muncul sebanyak 269 kali atau 26,9% dari total data yaitu sebanyak 1000 data. Tabel 4.2 Tabel Jumlah Data N pilihan

,00 1,00 2,00

371 360 269 1000 0 1000 20

Valid Missing Total Subpopulation

Marginal Percentage 37,1% 36,0% 26,9% 100,0%

4.2 Pengolahan Data Pengolahan data terdiri dari karakteristik data, model multinomial logit dan optimisasi harga 4.2.1 Karakteristik Data Tabel 4.3 menunjukkan prosentase pilihan responden pada kombinasi harga flash disk. Harga 1 merupakan harga flash disk 4 GB. Harga 2 merupakan harga flask disk 8 GB. Memilih 1 berarti memilih untuk membeli flash disk 4 GB. Memilih 2 berarti memilih untuk membeli flash disk 8 GB. Memilih 0 berarti memilih untuk tidak membeli.

commit to user IV-2


digilib.uns.ac.id

Tabel 4.3 Tabel prosentase pilihan responden pada kombinasi tiap harga flash disk harg a1 harg a 2 50 75 100 125 150 50 75 100 125 150 50 75 100 125 50 75 100 50 75 50

200 200 200 200 200 175 175 175 175 175 150 150 150 150 125 125 125 100 100 75

pros entas e pros entas e pros entas e memilih 1 memilih 2 memilih 0 0,94 0 0,06 0,76 0,04 0,2 0,22 0,16 0,62 0,04 0,18 0,78 0,02 0,26 0,72 0,88 0,02 0,1 0,7 0,02 0,28 0,26 0,12 0,62 0,02 0,26 0,72 0,02 0,36 0,62 0,86 0,04 0,1 0,48 0,18 0,34 0,08 0,34 0,58 0 0,5 0,5 0,8 0,12 0,08 0,42 0,3 0,28 0 0,5 0,5 0,56 0,32 0,12 0,08 0,74 0,18 0,06 0,92 0,02

Berikut ini merupakan gambaran dari data yang didapatkan dari pengumpulan data dengan kuesioner. Dari Gambar 4.1 dibawah ini dapat diketahui pola kecenderungan pilihan responden terhadap harga flash disk.

Gambar 4.1 Grafik Karakteristik Data

commit to user IV-3


digilib.uns.ac.id

4.2.2 Model Multinomial Logit Model Multinomial Logit berguna untuk memodelkan keputusan pembelian konsumen. Pada kasus ini, yang menjadi variabel dependen adalah keputusan pembelian flash disk oleh responden. Keputusan diklasifikasikan menjadi tiga yaitu membeli flash disk 4 GB, membeli flash disk 8 GB dan tidak membeli. Kombinasi harga antara flash disk 4 GB dengan flash disk 8 GB menjadi variabel independen pada model yang mempengaruhi keputusan pembelian. Pengolahan data pada model multinomial logit terdiri dari empat tahap, yaitu uji prasyarat model, estimasi parameter pada model, uji evaluasi model, dan validasi model. 4.2.2.1 Uji Asumsi Klasik Tabel 4.4 berikut ini menunjukkan hasil Uji Multikolinieritas dengan SPSS. Pada tabel tersebut dapat dilihat nilai Tolerance sebesar 0,8 dan VIF sebesar 1,25. VIF kurang dari 10 dan nilai Toleance mendekati 1 sehingga diduga tidak ada multikolinieritas. Tabel 4.4 Uji Multikolinieritas C ollinearity S tatistics V ariable T olerance V IF harga1 0,8 1,25 harga2 0,8 1,25 D ependent V ariable: pilihan

4.2.2.2 Estimasi Parameter Estimasi parameter dilakukan untuk mendapatkan nilai konstanta dan koefisien pada model. Pada Tabel 4.5 berikut ditunjukkan hasil estimasi parameter yang didapat dari output SPSS. Tabel 4.5 Estimasi Parameter pilihan 1,00

2,00

a

Intercept harga1 harga2 Intercept harga1 harga2

B 3,207 -,077 ,019 4,142 ,012 -,038

Std. Error ,464 ,005 ,003 ,411 ,004 ,004

Wald 47,751 213,739 34,680 101,511 8,648 96,975

df 1 1 1 1 1 1

Sig. ,000 ,000 ,000 ,000 ,003 ,000

a. The reference category is: ,00.

commit to user IV-4

Exp(B)

95% Confidence Interval for Exp(B) Lower Bound Upper Bound

,926 1,020

,916 1,013

,935 1,026

1,012 ,963

1,004 ,956

1,021 ,970


digilib.uns.ac.id

Dari kolom B didapatkan nilai konstanta dan koefisien pada model, sehingga modelnya dapat dituliskan sebagai berikut: PL1 PL2

PL0

eU (1) eU ( 0) eU (1) eU ( 2)

.....(4.1)

e

eU ( 2 ) eU (1) eU ( 2 )

......(4.2)

eU ( 0)

eU ( 0 ) eU (1) eU ( 2 )

......(4.3)

U (0)

dimana, U1

3,207 0,077 P1 0,019 P2

U2

4,142 0,012 P1 0,038 P2

U0

0

......(4.4) ......(4.5)

atau dapat pula ditulis sebagai berikut: PL1

e 3, 207 0 , 077 P1 0 , 019 P2 1 e 3, 207 0 , 077 P1 0 , 019 P2 e 4 ,142 0, 012 P1 0, 038 P2 )

.....(4.6)

PL2

e 4,142 0, 012 P1 0 , 038 P2 1 e 3, 207 0 , 077 P1 0 , 019 P2 e 4 ,1420 , 012 P1 0 , 038 P2 )

......(4.7)

PL0

1 1 e

3, 207 0 , 077 P1 0 , 019 P2

e 4,1420 , 012 P1 0 , 038 P2 )

dimana, PL1 = kemungkinan responden memilih produk 1 PL2 = kemungkinan responden memilih produk 2 PL0 = kemungkinan responden memilih tidak membeli P1= harga produk 1 P2= harga produk 2

commit to user IV-5

......(4.8)


digilib.uns.ac.id

4.2.2.3 Uji Evaluasi Model Hasil regresi logistik memerlukan sebuah evaluasi untuk mengetahui seberapa baik hasil regresi logistik tersebut. Evaluasi hasil regresi logistik meliputi: 1. Uji Kebaikan Model (Goodness of fit) Ukuran kebaikan regresi logistik disebut Pseudo R2 yang ditunjukkan pada Tabel 4.6. Dari tabel tersebut diketahui nilai Cox and Snell R2 sebesar 0,512, nilai Negelkerke R2 sebesar 0,577, dan nilai McFadden R2 sebesar 0,329. Tabel 4.6 Tabel Pseudo R-Square Cox and Snell Nagelkerke McFadden

,512 ,577 ,329

2. Uji Signifikansi Variabel Independen Secara Serentak (Overall Model Fit) Hasil uji Overall Model Fit dengan menggunakan SPSS ditunjukkan pada Tabel 4.7 berikut ini. Tabel 4.7 Tabel Uji Overall Model Fit

Model Intercept Only Final

Model Fitting Criteria -2 Log AIC BIC Likelihood 800.590 810.305 796.590 168.358 197.503 156.358

Likelihood Ratio Tests Chi-Square 640.232

df

Sig. 4

.000

Dari Tabel 4.7 diatas dapat dilihat nilai chi square hitung sebesar 717,484. Nilai chi square tabel dapat dilihat dari tabel chi square, dengan derajat bebas atau degree of freedom (df) sebeVDU GDQ WLQJNDW NHSHUFD\DDQ Į VHEHVDU sehingga didapat nilai chi square tabel sebesar 9,488. Nilai chi square hitung lebih besar daripada nilai chi square tabel maka dapat disimpulkan bahwa semua variabel penjelas secara bersama-sama mempengaruhi variabel dependen.

3. Uji Signifikansi Variabel Independen Secara Individual (Significance Test) Uji Signifikansi digunakan untuk mengetahui apakah variabel independen secara individu berpengaruh pada variabel dependen. Uji signifikansi variabel independen dapat dilakukan dengan dua cara yaitu Uji Likelihood Ratio dan Uji Wald.

commit to user IV-6


digilib.uns.ac.id

a. Uji Likelihood Ratio Hasil uji likelihood ratio dengan menggunakan SPSS ditunjukkan pada Tabel 4.8 berikut ini. Tabel 4.8 Likelihood Ratio Test Model Fitting Criteria

Effect Intercept p1 p2

AIC of Reduced Model 245.190 723.420 341.222

BIC of Reduced Model 264.620 742.850 360.652

-2 Log Likelihood of Reduced Model 237.190 715.420 333.222

Likelihood Ratio Tests

Chi-Square 80.832 559.062 176.864

df 2 2 2

Sig. .000 .000 .000

The chi-square statistic is the difference in -2 log-likelihoods between the final model and a reduced model. The reduced model is formed by omitting an effect from the final model. The null hypothesis is that all parameters of that effect are 0.

Dari Tabel 4.8 diatas dapat dilihat nilai chi square hitung untuk intercept atau koefisien sebesar 132,289. Nilai chi square tabel dengan derajat bebas (df) 2 GDQWLQJNDWNHSHUFD\DDQĮ yaitu sebesar 0,103. Nilai chi square hitung lebih besar daripada nilai chi square tabel maka dapat disimpulkan bahwa konstanta mempengaruhi variabel dependen. Nilai chi square hitung untuk harga 1 sebesar 556,423. Nilai chi square tabel sebesar 0,103. Nilai chi square hitung lebih besar daripada nilai chi square tabel maka dapat disimpulkan bahwa variabel harga 1 mempengaruhi variabel dependen. Nilai chi square hitung untuk harga 2 sebesar 307,246. Nilai chi square tabel sebesar 0,103. Nilai chi square hitung lebih besar daripada nilai chi square tabel maka dapat disimpulkan bahwa variabel harga 2 mempengaruhi variabel dependen

commit to user IV-7


digilib.uns.ac.id

b. Uji Wald Hasil uji Wald dengan menggunakan SPSS ditunjukkan pada Tabel 4.9 berikut ini. Tabel 4.9 Uji Wald pilihan 1,00

2,00

a

Intercept harga1 harga2 Intercept harga1 harga2

B 3,207 -,077 ,019 4,142 ,012 -,038

Std. Error ,464 ,005 ,003 ,411 ,004 ,004

Wald 47,751 213,739 34,680 101,511 8,648 96,975

df 1 1 1 1 1 1

Sig. ,000 ,000 ,000 ,000 ,003 ,000

Exp(B)

95% Confidence Interval for Exp(B) Lower Bound Upper Bound

,926 1,020

,916 1,013

,935 1,026

1,012 ,963

1,004 ,956

1,021 ,970

a. The reference category is: ,00.

Dari Tabel 4.9 diatas dapat dilihat nilai statistik Wald untuk intercept atau koefisien sebesar 47,751. Nilai chi square tabel dengan derajat bebas (df) 1 dan WLQJNDW NHSHUFD\DDQ Į \DLWX VHEHVDU Nilai statistik Wald lebih besar daripada nilai chi square tabel maka dapat disimpulkan bahwa konstanta mempengaruhi variabel dependen. Nilai statistik Wald untuk harga 1 sebesar 556,423. Nilai chi square tabel sebesar 3,841. Nilai statistik Wald lebih besar daripada nilai chi square tabel maka dapat disimpulkan bahwa variabel harga 1 mempengaruhi variabel dependen. Nilai statistik Wald untuk harga 2 sebesar 307,246. Nilai chi square tabel sebesar 3,841. Nilai statistik Wald lebih besar daripada nilai chi square tabel maka dapat disimpulkan bahwa variabel harga 2 mempengaruhi variabel dependen. 4.2.2.4 Validasi Model Validitas dari probabilitas yang diprediksi dapat dilihat dari Classification Table pada output SPSS (Tabel 4.10). Tabel tersebut menunjukkan seberapa besar model dapat memprediksi data yang diobservasi dengan benar. Kolom pertama pada Tabel 4.10 menunjukkan jika data yang diobservasi pilihan 0, maka model akan dengan benar memprediksi pilihan 0 sebanyak 233, memprediksi salah menjadi pilihan 1 sebanyak 64, dan memprediksi salah menjadi pilihan 2 sebanyak 74. Percent Correct menunjukkan seberapa besar model memprediksi pilihan dengan benar (misalnya pilihan 0 diprediksi 0). Pilihan 0 diprediksi dengan benar (pilihan 0 diprediksi 0) sebesar 62,8%. Pilihan 1 diprediksi dengan benar (pilihan 1 diprediksi 1) sebesar 83,1%. Pilihan 2 diprediksi dengan benar

commit to user IV-8


digilib.uns.ac.id

(pilihan 2 diprediksi 2) sebesar 55%. Overall Percentage menunjukkan prosentase pilihan dari keseluruhan pilihan yang muncul. Pilihan 0 diprediksi muncul sebesar 35% dari keseluruhan pilihan yang prediksi. Pilihan 1 diprediksi muncul sebesar 40% dari keseluruhan pilihan yang prediksi. Pilihan 2 diprediksi muncul sebesar 25% dari keseluruhan pilihan yang prediksi. Tabel 4.10 Classification Predicted Observed ,00 1,00 2,00 Overall Percentage

,00 233 33 84 35,0%

1,00

2,00

64 299 37 40,0%

74 28 148 25,0%

Percent Correct 62,8% 83,1% 55,0% 68,0%

4.2.3 Optimisasi Harga Optimisasi dilakukan dengan menggunakan Excel Solver. Problem statement untuk optimisasi harga adalah sebagai berikut: a. Fungsi tujuan: Memaksimum ekspektasi pendapatan (Expected Revenue) Max ER= P1* PL1 + P2* PL2

…..(4.9)

dimana, ER= Ekspektasi pendapatan (Expected Revenue) Pi= Harga produk i (Price) PLi= Probabilitas konsumen memilih produk i (Purchase Likelihood) b. Fungsi pembatas: probabilitas konsumen memilih produk i (Purchase Likelihood) PL1

eU (1) eU ( 0 ) eU (1) eU ( 2 )

.....(4.10)

PL2

eU ( 2 ) eU ( 0 ) eU (1) eU ( 2 )

......( 4.11)

dimana, U1

3,207 0,077 P1 0,019 P2

U2

4,142 0,012 P1 0,038 P2

U0

0

0 Ui 1

commit to user IV-9

......(4.12) ......(4.13)


digilib.uns.ac.id

p"ower d Pi d pupper

U(i) adalah estimasi utilitas produk i yang dimodelkan pada bagian sebelumnya. U(0) merupakan utilitas untuk pilihan tidak membeli biasanya digunakan sebagai referensi dan nilainya ditentukan 0. plower dan pupper merupakan batas atas dan batas bawah harga dari tiap produk.

Berikut ini merupakan contoh perhitungan manual optimisasi harga. Misalnya, P1 = 50 dan P2 = 100. Utilitas produk pertama dapat dicari dengan rumus sebagai berikut, U1

3,207 0,077 P1 0,019 P2

U1

3,207 0,077 (50) 0,019(100)

U1

1,271

Utilitas produk kedua dapat dicari dengan rumus sebagai berikut, U2

4,142 0,012 P1 0,038 P2

U2

4,142 0,012(50) 0,038(100)

U2

0,995

Utilitas tidak membeli adalah 0. U0

0

Purchase likelihood produk pertama dapat dicari dengan rumus sebagai berikut PL1

eU (1) eU ( 0) eU (1) eU ( 2)

PL1

e1, 271 e 0 e1, 271 e 0, 995

PL1

0,490

Purchase likelihood produk kedua dapat dicari dengan rumus sebagai berikut PL2

eU ( 2 ) eU ( 0 ) eU (1) eU ( 2 )

PL2

e 0, 995 e 0 e1, 271 e 0 ,995

PL2

0,372

Sehingga dapat dicari ekspektasi pendapatan dengan rumus sebagai berikut ER= P1* PL1 + P2* PL2

commit to user IV-10


digilib.uns.ac.id

ER= 50(0,490) + 100(0,372) =61,726 Harga merupakan parameter yang diubah-ubah sampai didapat ekspektasi pendapatan yang optimal. Untuk mempermudah perhitungan optimal maka digunakanlah Excel Solver. Tabel 4.11 berikut ini merupakan hasil output Excel Solver, untuk permasalahan diatas. Tabel 4.11 Output Hasil Excel Solver es timated parameters 1 Intercept 3,207 harg a1 -0,077 harg a2 0,019 2 Intercept 4,142 harg a1 0,012 harg a2 -0,038

changing cell harga1= harga2=

68,184 107,024

constraint P L 1= P L 2= P L 0= U1= U2= U0=

0,218 0,565 0,218 0,000 0,954 0,000

target cell is to max f(x) value f(x)= 75,285

Estimated Parameter merupakan hasil dari estimasi parameter yang didapat dari output SPSS. Changing Cell merupakan nilai yang diubah-ubah untuk mencapai fungsi tujuan. Nilai yang diubah-ubah yaitu harga produk 1 dan harga produk 2. Target Cell merupakan fungsi tujuan, yaitu untuk memaksimumkan Expected Revenue. Constraint merupakan fungsi pembatas. Dari hasil excel solver, didapat hasil kombinasi harga yang optimal untuk memaksimumkan revenue adalah Rp 68.184 untuk flash disk 4 GB dan Rp 107.024 untuk flash disk 8 GB.

commit to user IV-11


digilib.uns.ac.id

BAB V ANALISIS DAN INTERPRETASI HASIL Pada tahap ini dilakukan analisis dan interpretasi hasil terhadap pengumpulan dan pengolahan data sebelumnya. 5.1 Analisis Pengaruh Harga Terhadap Perilaku Responden DalamPemilihan Alternatif Responden dalam penelitian ini adalah mahasiswa UNS pengguna flash disk. Responden berusia antara 17-22 tahun. Data yang diambil yaitu pilihan responden, yang terdiri dari membeli flash disk 4 GB dengan harga tertentu, membeli flash disk 8 GB dengan harga tertentu atau tidak membeli. Hasil pengumpulan data stated choice survey dapat digunakan untuk mengetahui pengaruh harga terhadap perilaku responden dalam pemilihan alternatif pembelian flash disk. Pada grafik karakteristik data Gambar 4.1, didapatkan informasi kecenderungan perilaku responden dalampemilihan alternatif pembelian flash disk berdasarkan stated choice survey. 1. Semakin mahal harga flash disk yang ditawarkan, semakin banyak responden yang memilih tidak membeli. 2. Ketika harga flash disk 4 GB rendah, sedangkan harga flash disk 8 GB tinggi, responden lebih memilih produk 1. 3. Ketika harga flash disk 4 GB semakin naik, responden semakin banyak yang memilih flash disk 8 GB. 4. Ketika harga flash disk 8 GB semakin turun, meskipun harganya masih lebih tinggi daripada flash disk 4 GB, responden semakin banyak yang memilih flash disk 8 GB.

5.2 Analisis Model Multinomial Logit Model Multinomial Logit berguna untuk memodelkan keputusan pembelian konsumen. Pada kasus ini, yang menjadi variabel dependen adalah keputusan pembelian flash disk oleh responden. Keputusan diklasifikasikan menjadi tiga yaitu membeli flash disk 4 GB, membeli flash disk 8 GB dan tidak membeli. Kombinasi harga antara flash disk 4 GB dengan flash disk 8 GB menjadi variabel independen pada model yang mempengaruhi keputusan pembelian.

commit to user V-1


digilib.uns.ac.id

Analisis pada model multinomial logit terdiri dari empat tahap, yaitu analisis uji prasyarat model, analisis estimasi parameter pada model, analisis uji evaluasi model, dan analisis validasi model. 5.2.1 Analisis Uji Prasyarat Model Uji Multikolinieritas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi

antar variabel bebas. Model regresi yang baik

seharusnya tidak terjadi korelasi diantara variabel bebas. Multikolinieritas menyebabkan kesalahan pada estimasi tanda dan besaran pada koefisien regresi, sehingga dapat terjadi kesalahan interpretasi hubungan antara variabel independen dan dependen Berdasarkan Tabel 4.4 dapat diduga bahwa tidak ada multikolinieritas antara variabel independen. Dengan tidak adanya multikolinieritas pada model, berarti tanda dan besaran pada koefisien regresi dapat diestimasi dengan benar, sehingga tidak terjadi kesalahan interpretasi hubungan antara variabel independen dan dependen.

5.2.2 Analisis Parameter Model Multinomial Logit Responden memilih diantara alternatif pilihan yaitu, flash disk 4 GB, 8 GB atau tidak membeli, dengan penilaian berdasarkan harga sebagai faktor yang diamati. Sehingga probabilitas pilihan responden untuk tiap alternatif dimodelkan seperti pada Persamaan (4.6), (4.7) dan (4.8). Model utilitas produk 1 dan 2 dapat dilihat pada Persamaan (4.4) dan (4.5). Sedangkan utilitas tidak membeli digunakan sebagai kategori basis sehingga utilitasnya 0. Tidak ada ketentuan khusus dalam memilih kategori basis ini. Heeringa (2010) merekomendasikan untuk memilih kategori yang paling umum digunakan atau tergantung tujuan penelitian. Koefisien harga 1 pada utilitas produk 1 (flash disk 4 GB) merupakan bobot kepentingan yang menunjukkan sejauh mana atribut harga flash disk 4 GB mempengaruhi preferensi pemilihan flash disk 4 GB. Koefisien harga 1 pada utilitas produk 1 (Persamaan 4.4) bernilai negatif. Hal ini berarti ketika harga flash disk 4 GB naik (variabel lain konstan), maka utilitas harga flash disk 4 GB akan turun sehingga probabilitas terpilihnya juga turun.

commit to user V-2


digilib.uns.ac.id

Koefisien harga 2 pada utilitas produk 1 (flash disk 4 GB) merupakan bobot kepentingan yang menunjukkan sejauh mana atribut harga flash disk 8 GB mempengaruhi preferensi pemilihan flash disk 4 GB. Koefisien harga 2 pada utilitas produk 1 (persamaan 4.4) bernilai positif. Hal ini berarti ketika harga flash disk 8 GB naik (variabel lain konstan), maka utilitas flash disk 4 GB akan naik sehingga probabilitas terpilihnya juga naik. Koefisien harga 1 pada utilitas produk 1 lebih besar daripada koefisien harga 2 pada utilitas produk 1. Hal ini berarti variabel harga produk 1 berpengaruh lebih besar pada utilitas produk 1 dibandingkan variabel harga produk 2. Koefisien harga 1 pada utilitas produk 2 (flash disk 8 GB) merupakan bobot kepentingan yang menunjukkan sejauh mana atribut harga flash disk 4 GB mempengaruhi preferensi pemilihan flash disk 8 GB.Koefisien harga 1 pada utilitas produk 2 (Persamaan 4.5) bernilai positif. Hal ini berarti ketika harga produk 1 naik (variabel lain konstan), maka utilitas produk 2 akan naik sehingga probabilitas terpilihnya juga naik. Koefisien harga 2 pada utilitas produk 2 (flash disk 8 GB) merupakan bobot kepentingan yang menunjukkan sejauh mana atribut harga flash disk 8 GB mempengaruhi preferensi pemilihan flash disk 8 GB. Koefisien harga 2 pada utilitas produk 2 (persamaan 4.5) bernilai positif. Hal ini berarti ketika harga produk 2 naik (variabel lain konstan), maka utilitas produk 2 akan turun sehingga probabilitas terpilihnya juga turun. Koefisien harga 2 pada utilitas produk 2 lebih besar daripada koefisien harga 1 pada utilitas produk 2. Hal ini berarti variabel harga produk 2 berpengaruh lebih besar pada utilitas produk 2 dibandingkan variabel harga produk 1.

5.2.3 Analisis Probabilitas Pemilihan Alternatif (Purchase Likelihood) Sensitivitas probabilitas pemilihan alternatif (Purchase Likelihood) terhadap perubahan variabel independen, yaitu harga flash disk 4 GB dan harga flash disk 8 GB dapat ditunjukkan dengan koefisien odds ratio. Pada kolom Exp(B) Tabel 4.5 terdapat informasi mengenai koefisien odds ratio. Dalam regresi logistik variabel respon (Y), didefinisikan sebagai log dari odds dimana odds

commit to user V-3


digilib.uns.ac.id

adalah rasio probabilitas dari dua alternatif (Garrow, 2010). Hal ini dijelaskan pada persamaan sebagai berikut. § p · ¸¸ D1 E11 P1 E 21 P2 ln¨¨ 1 p © ¹ § p · ¨¨ ¸¸ ©1 p ¹

......(5.1)

exp(D1 E11 P1 E 21 P2 )

......(5.2)

p exp(D1 E11 P1 E 21 P2 ) p exp(D1 E11 P1 E 21 P2 ) p (1 exp(D1 E11 P1 E 21 P2 ))

exp(D1 E11 P1 E 21 P2 )

p

p

......(5.4)

exp(D 1 E11 P1 E 21 P2 ) (1 exp(D1 E11 P1 E 21 P2 )) e

......(5.3)

......(5.5)

D1 E11P1 E 21 P22 1

1

1 eD1 E1 P1 E 2 P2

......(5.6)

Odds ratio didefinisikan sebagai perubahan pada odds, akibat perubahan 1 unit dari salah satu x (variabel independen) dengan variabel yang lain konstan(Garrow, 2010). Persamaan (5.1) menunjukkan log odds dari alternatif 1. Odds dari alternatif 1 ditunjukkan pada Persamaan (5.2). Odds Ratio (OR) untuk harga 1 pada probabilitas produk 1 dibandingkan probabilitas tidak membeli ditunjukkan pada persamaan berikut. OR

exp(D1 E11 ( P1 1) E 21 P2 ) exp(D1 E11 P1 E 21 P2 )

exp( E11 )

......(5.7)

Pada koefisien logit pertama, koefisien odds ratio pada kolom exp(B) untuk harga 1 sebesar 0,926. Karena koefisien B bertanda negatif, maka dapat diartikan bahwa kemungkinan membeli produk 1 dibandingkan dengan tidak membeli naik dengan faktor 0,926 kali jika harga 1 turun 1.000 dengan asumsi variabel harga 2 tetap. 1.000 karena merupakan satuan yang digunakan pada harga untuk membuat persamaan model logit. Nilai 1 pada harga berarti Rp 1.000. Koefisien odds ratio pada kolom exp(B) untuk harga 2 sebesar 1,020. Karena koefisien B bertanda positif, maka dapat dirtikan bahwa kemungkinan membeli produk 1 dibandingkan dengan tidak membeli naik dengan faktor 1,020 kali jika harga 2 naik 1.000 dengan asumsi variabel harga 1 tetap.

commit to user V-4


digilib.uns.ac.id

Pada koefisien logit kedua, koefisien odds ratio pada kolom exp(B) untuk harga 1 sebesar 1,012. Karena koefisien B bertanda positif, maka dapat dirtikan bahwa kemungkinan membeli produk 2 dibandingkan dengan tidak membeli naik dengan faktor 1,012 kali jika harga 1 naik 1.000 dengan asumsi variabel harga 2 tetap. Koefisien odds ratio pada kolom exp(B) untuk harga 2 sebesar 0,963. Karena koefisien B bertanda negatif, maka dapat dirtikan bahwa kemungkinan membeli produk 2 dibandingkan dengan tidak membeli naik dengan faktor 0,963 kali jika harga 2 turun 1.000 dengan asumsi variabel harga 1 tetap.

5.2.4 Analisis Uji Evaluasi Model Analisis uji evaluasi hasil regresi logistik terdiri dari analisis uji kebaikan model, Uji Signifikansi Variabel Independen Secara Serentak (Overall Model Fit), Uji Signifikansi Variabel Independen Secara Individual (Significance Test). 1. Analisis Uji Kebaikan Model (Goodness of fit) Uji kebaikan model digunakan untuk mengetahui kebaikan model dengan menggunakan ukuran koefisien determinasi. Koefisien determinasi (R2) mengukur proporsi varian di dalam variabel independen yang dijelaskan oleh variabel dependen. Dari hasil uji kebaikan model didapatkan bahwa variabel harga produk 1 dan variabel produk 2 dalam model mampu menjelaskan variasi keputusan pembelian (Y) sebesar 51,2% dari perhitungan Cox and Snell R2, 57,7% dari perhitungan Negelkerke R2 dan 32,9% dari perhitungan McFadden R2, sedangkan sisanya dijelaskan oleh variabel-variabel lain diluar model. 2. Analisis Uji Signifikansi Variabel Independen Secara Serentak (Overall Model Fit) Uji Overall Model Fit digunakan untuk mengetahui apakah semua variabel independen dalam regresi logistik secara serentak mempengaruhi variabel dependen. Dari hasil uji overall model fit didapatkan bahwa terdapat perbedaan antara model yang hanya terdiri dari konstanta saja dengan model yang terdiri dari konstanta dan variabel independen. Dari hasil tersebut, dapat disimpulkan bahwa harga 1 dan harga 2 sama-sama menentukan keputusan seseorang dalam membeli

commit to user V-5


digilib.uns.ac.id

flash disk. Sehingga dapat diputuskan bahwa kita akan menggunakan model lengkap. 3. Analisis

Uji Signifikansi

Variabel

Independen Secara

Individual

(Significance Test) Analisis uji signifikansi variabel independen terdiri dari analisis Uji Likelihood Ratio dan analisis Uji Wald. a. Analisis Uji Likelihood Ratio Hasil uji Likelihood Ratio untuk variabel harga 1 menunjukkan bahwa terdapat perbedaan yang signifikan antara model dengan variabel harga 1 dan model tanpa variabel harga 1, sehingga dapat disimpulkan bahwa variabel harga 1 mempengaruhi variabel dependen secara individu. Hasil uji likelihood ratio untuk variabel harga 2 menunjukkan bahwa terdapat perbedaan yang signifikan antara model dengan variabel harga 2 dan model tanpa variabel harga 2, sehingga dapat disimpulkan bahwa variabel harga 2 mempengaruhi variabel dependen secara individu. Atau dengan kata lain kedua variabel yaitu harga produk 1 dan harga produk 2 dapat digunakan sebagai variabel bebas dalam model Multinomial Logit yang dibuat. b. Uji Wald Uji Wald dapat digunakan untuk mengetahui apakah variabel independen mempengaruhi variabel dependen atau tidak. Hasil uji Wald menunjukkan bahwa kedua variabel yaitu harga produk 1 dan harga produk 2 dapat digunakan sebagai variabel bebas dalam model Multinomial Logit yang dibuat.

5.2.5 Validasi Model Validitas dari probabilitas yang diprediksi dapat dilihat dari Classification Table pada output SPSS (Tabel 4.10). Tabel tersebut menunjukkan seberapa besar model dapat memprediksi data yang diobservasi dengan benar. Dari tabel tersebut dapat pula diketahui penyimpangan prediksi model dibandingkan dengan hasil observasi. Overall Percentage menunjukkan prosentase pilihan dari keseluruhan pilihan yang muncul. Pilihan 0 diprediksi muncul sebesar 35% dari keseluruhan

commit to user V-6


digilib.uns.ac.id

pilihan yang prediksi. Pilihan 1 diprediksi muncul sebesar 40% dari keseluruhan pilihan yang prediksi. Pilihan 2 diprediksi muncul sebesar 25% dari keseluruhan pilihan yang prediksi. Percent Correct menunjukkan seberapa besar model memprediksi pilihan dengan benar (misalnya pilihan 0 diprediksi 0). Pilihan 0 diprediksi dengan benar (pilihan 0 diprediksi 0) sebesar 62,8%. Pilihan 1 diprediksi dengan benar (pilihan 1 diprediksi 1) sebesar 83,1%. Pilihan 2 diprediksi dengan benar (pilihan 2 diprediksi 2) sebesar 55%. Model dapat memprediksi data yang diobservasi dengan benar lebih dari 50% sehingga dapat disimpulkan bahwa model valid digunakan.

5.3 Analisis Grafik Purchase Likelihood Grafik ini menunjukkan kemungkinan konsumen untuk membeli produk 1 dan 2 pada harga 2 yang dibuat tetap dan harga 1 yang dibuat berubah-ubah. Grafik purchase likelihood digunakan untuk mengecek apakah dengan parameter yang telah diestimasi, kemungkinan konsumen untuk memilih (Purchase Likelihood) masuk akal jika harga dibuat berubah-ubah. Misalnya harga produk 2 yang dibuat tetap yaitu Rp 175.000 dan harga 1 dibuat berubah-ubah dari Rp 50.000 sampai Rp 170.000. Tabel 5.1 berikut ini merupakan tabel harga dan purchase likelihood untuk kombinasi harga tersebut. Nilai purchase likelihood didapat dari Persamaan (4.6) dan (4.7). Tabel 5.1 Tabel Harga dan Purchase Likelihood (P2=175) P1

P2

PL1

PL2

50 55 60 65 70 75 80 85 90 95 100 105 110 115 120 125 130 135 140 145 150 155 160 165 170

175 175 175 175 175 175 175 175 175 175 175 175 175 175 175 175 175 175 175 175 175 175 175 175 175

0,93 0,90 0,86 0,80 0,73 0,64 0,55 0,45 0,35 0,27 0,20 0,14 0,10 0,07 0,05 0,03 0,02 0,01 0,01 0,01 0,00 0,00 0,00 0,00 0,00

0,01 0,01 0,02 0,03 0,05 0,06 0,09 0,11 0,13 0,16 0,18 0,21 0,23 0,25 0,26 0,28 0,29 0,31 0,32 0,34 0,35 0,37 0,38 0,40 0,41

commit to user V-7


digilib.uns.ac.id

Dari tabel diatas dibuat grafik purchase likelihood seperti dibawah ini. Grafik Purchase Likelihood untuk Harga 2=175 Purchase Likelihood

1.00 0.80 PL1 0.60 PL2 0.40

PL0

0.20 0.00 50

65

80

95

110 125 140 155 170 Harga 1

Gambar 5.1 Grafik Purchase Likelihood untuk Harga 2=175 Berdasarkan Gambar 5.1 diatas, ketika harga produk 2 atau flash disk 8 GB tetap Rp 175.000, dan harga produk 1 atau flash disk 4 GB dibawah Rp 100.000, konsumen lebih memilih flash disk 4 GB daripada flash disk 8 GB. Ketika harga flash disk 4 GB terus naik konsumen berpindah ke flash disk 8 GB walaupun lebih mahal. Ketika flash disk 4 GB harganya sangat rendah probabilitas konsumen untuk tidak membeli sangat kecil karena penawaran yang sulit untuk ditolak. Begitu pula ketika harga flash disk 4 GB sangat tinggi probabilitas konsumen untuk tidak membeli menjadi tinggi.

5.4 Analisis Hasil Optimisasi Harga Berdasarkan Tabel 4.12, didapatkan informasi nilai optimal untuk harga flash disk 4 GB dan harga flash disk 8 GB yaitu masing-masing Rp 68.184 dan Rp 107.024. Pada kombinasi harga tersebut kemungkinan konsumen untuk membeli flash disk 4 GB adalah sebesar 0,218 dengan nilai utilitas sebesar 0. Kemungkinan untuk membeli flash disk 8 GB pada kombinasi harga tersebut adalah sebesar 0,565 dengan nilai utilitas sebesar 0,954. Sedangkan kemungkinan untuk tidak membeli adalah sebesar 0,218 dengan nilai utilitas tidak membeli adalah 0. Pada kombinasi harga tersebut didapatkan nilai ekspektasi pendapatan maksimum yaitu 75.285. Nilai ekspektasi pendapatan didapatkan dari hasil perkalian antara harga flash disk dan kemungkinan konsumen untuk membeli flash disk pada harga tersebut.

commit to user V-8


digilib.uns.ac.id

Dari hasil tersebut, terlihat bahwa untuk memaksimumkan pendapatan, perusahaan perlu memaksimumkan penjualan flash disk 8 GB, yang menghasilkan pendapatan lebih banyak daripada flash disk 4 GB, dengan memasang harga flash disk 4 GB yaitu Rp 68.184 dan flash disk 8 GB yaitu Rp 107.024.

commit to user V-9


digilib.uns.ac.id

BAB VI KESIMPULAN DAN SARAN Bab ini berisi mengenai kesimpulan dari hasil pengolahan data penelitian, dan saran untuk penelitian selanjutnya yang lebih baik. 6.1 Kesimpulan Dari hasil pengamatan dan pembahasan pada bab sebelumnya dapat diambil kesimpulan antara lain yaitu: 1. Nilai optimal untuk harga flash disk 4 GB yaitu Rp 68.184 dan harga flash disk 8 GB yaitu Rp 107.024. 2. Pada kombinasi harga tersebut kemungkinan konsumen untuk membeli flash disk 4 GB adalah sebesar 0,218 dengan nilai utilitas sebesar 0. 3. Kemungkinan konsumen untuk membeli flash disk 8 GB pada kombinasi harga tersebut adalah sebesar 0,565 dengan nilai utilitas sebesar 0,954. 4. Kemungkinan konsumen untuk tidak membeli adalah sebesar 0,218 dengan nilai utilitas 0. 5. Ekspektasi pendapatan yang didapat pada kombinasi harga tersebut yaitu 75.825.

6.2 Saran Berkut ini beberapa saran yang perlu dipertimbangkan agar penelitian menjadi lebih baik, antara lain: 1. Sebaiknya kuesioner dilengkapi

dengan pertanyaan mengenai profil

responden, sehingga dapat dianalisis profil responden dan perilaku pembeliannya. 2. Untuk penelitian selanjutnya, dapat dilakukan optimisasi dilihat dari sudut pandang konsumen, yaitu dengan mengganti fungsi tujuannya menjadi untuk memaksimumkan utilitas.

commit to user VI-1

OPTIMISASI HARGA DENGAN MODEL MULTINOMIAL LOGIT (Studi Kasus Produk Flash Disk dengan Kapasitas Penyimpanan 4 GB dan 8 GB)

Recommend Documents