vii
SEGMENTASI PASAR PRODUK MIE CEPAT SAJI MENGGUNAKAN FUZZY C-MEANS
Oleh : AISYAH MARLIAN DAULAY G64101010
DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2006
viii
SEGMENTASI PASAR PRODUK MIE CEPAT SAJI MENGGUNAKAN FUZZY C-MEANS
Skripsi Sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer pada Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor
Oleh : AISYAH MARLIAN DAULAY G64101010
DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2006
ix
Judul Skripsi : SEGMENTASI PASAR PRODUK MIE CEPAT SAJI MENGGUNAKAN FUZZY C-MEANS Nama : Aisyah Marlian Daulay NIM : G64101010
Menyetujui, Pembimbing I
Pembimbing II
Ir. Agus Buono, M.Si, M.Kom. NIP. 132 045 532
Panji Wasmana, S.Kom, M.Si. NIP. 132 311 917
Mengetahui, Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam
Prof. Dr. Ir. H. Yonny Koesmaryono, MS. NIP. 131 473 999
Tanggal Lulus :
x
ABSTRAK AISYAH MARLIAN DAULAY. Segmentasi Pasar Produk Mie Cepat Saji Menggunakan Fuzzy C-Means. Dibimbing oleh AGUS BUONO dan PANJI WASMANA. Data yang digunakan dalam penelitian ini yaitu data sekunder yang diperoleh dari data penelitian mahasiswa Departemen Agrobisnis Fakultas Pertanian IPB dengan judul penelitian Pola Konsumsi dan Preferensi Mie Konsumen Rumah Tangga di Jakarta Timur. Data ini meliputi variabel-variabel segmentasi pasar, yaitu geografi, demografi, psikografis dan cohort atau generasi dan perilaku. Tujuan penelitian ini adalah menerapkan logika fuzzy dengan metode Fuzzy C-Means (FCM) dalam menganalisis segmentasi pasar produk dan merumuskan segmentasi pasar produk berdasarkan geografis, demografis, psikografis, cohort atau generasi dan perilaku. Hasil dari penelitian ini diharapkan mampu memberikan masukan dalam perencanaan dan menentukan kebijakan strategi pemasaran produk. Dari percobaan segmentasi terhadap responden produk mie cepat saji didapat kesimpulan bahwa jumlah cluster yang paling valid adalah dua buah cluster. Cluster 1 berisi responden dengan tingkat pendidikan, jumlah penghasilan dan pengeluaran perbulan lebih tinggi dibanding responden pada cluster 2. Responden pada cluster 1 lebih memperhatikan rasa, merek, tekstur, kemudahan mendapatkan produk, kandungan gizi dan bahan pengawet, tanggal kadaluarsa dan perusahaan yang memproduksi mie cepat saji dibandingkan dengan responden pada cluster 2. Dilain pihak, untuk segi harga, desain dan ukuran kemasan serta iklan produk mie cepat saji tersebut, responden pada cluster 2 lebih memperhatikan dibandingkan responden pada cluster 1. Lama men-stok mie cepat saji pada cluster 1 jauh lebih banyak dibanding responden pada cluster 2 dan jumlah mie cepat saji yang dibeli dalam satu kali pembelian jauh lebih banyak responden pada cluster 1 dibanding cluster 2.
xi
PRAKATA Alhamdulillah. Puji dan syukur penulis ucapkan kepada Allah SWT atas limpahan rahmat dan karunia-Nya sehingga penulis dapat menyelesaikan tugas akhir ini. Shalawat dan salam kepada Rasulullah Muhammad SAW. Terima kasih penulis ucapkan kepada semua pihak yang telah membantu dalam penyelesaian tugas akhir ini, terutama kepada Ayah (almarhum) dan Umak tercinta atas semua yang telah diperjuangkan. Tugas akhir ini dapat selesai karena dan untuk mereka, orang-orang tercinta. Penulis juga ingin mengucapkan rasa terima kasih kepada : 1. Bapak Ir. Agus Buono, M.Si, M.Kom sebagai pembimbing pertama dan Bapak Panji Wasmana, S.Kom, M.Si. sebagai pembimbing kedua yang telah banyak meluangkan waktunya dalam memberi masukan-masukan kepada penulis serta Bapak Aziz Kustiyo, S.Si, M.Kom yang telah bersedia menjadi dosen penguji. 2. Bang Zakir dan kak Jean, kak Wardiyah dan bang Udin, kak Ulfah, Minta dan Majidah serta keponakanku Wildan atas perhatian, semangat dan keceriaan yang telah diberikan. 3. Bang Rio atas perhatian dan kesabaran yang diberikan kepada penulis. 4. Inu Wisnujati, S.Kom beserta keluarga yang telah sangat membantu dalam penelitian ini. Terimakasih atas semuanya. 5. Arief Ramadhan S.Kom yang telah banyak membantu penulis. 6. Dyah dan Liesca atas persahabatan selama kuliah. Akhirnya kita berhasil. 7. Teman-teman Ilkomerz 38, khususnya Khamamuddin yang sangat membantu penulis, Muslikhah yang selalu menemani penulis belajar, Yani dan Nepha. 8. Sahabat-sahabat di kostan Az-Zahra, Imatapsel Bogor khususnya Dewi dan Bintang serta sahabat-sahabat di Ikmamadina Bogor. 9. Semua pihak yang membantu dalam penyelesaian tugas akhir ini yang tidak dapat disebutkan satu persatu. Semoga karya ilmiah ini dapat bermanfaat bagi yang membutuhkannya.
Bogor, Desember 2006
Aisyah Marlian Daulay
xii
RIWAYAT HIDUP Penulis dilahirkan di Padangsidimpuan pada tanggal 10 Desember 1982 sebagai anak keempat dari enam bersaudara dari pasangan M. Nurman Daulay (almarhum) dan Nurhamidah Lubis. Penulis memulai pendidikan formal pada tahun 1987 di TK Al-Iman Padangsidimpuan, kemudian melanjutkan pendidikan ke SDN 26 Padangsidimpuan dan lulus pada tahun 1995. Setelah itu penulis melanjutkan pendidikan ke SLTPN 4 Padangsidimpuan, lulus pada tahun 1998. Pendidikan menengah atas ditempuh penulis pada SMUN 1 Padangsidimpuan, masuk program IPA dan lulus pada tahun 2001. Pada tahun yang sama penulis diterima sebagai mahasiswi Institut Pertanian Bogor, Fakultas Matematika dan Ilmu Pengetahuan Alam, Departemen Ilmu Komputer melalui jalur Undangan Seleksi Masuk Institut Pertanian Bogor (USMI). Semasa kuliah, penulis aktif di organisasi kedaerahan Ikatan Mahasiswa Tapanuli Selatan (IMATAPSEL) Bogor, menjabat sebagai Bendahara Umum periode tahun 2003-2004. Selain itu, penulis juga aktif di Ikatan Mahasiswa Mandailing Natal (IKMAMADINA) Bogor.
xiii
DAFTAR ISI Halaman DAFTAR ISI..................................................................................................................................xiii DAFTAR TABEL..........................................................................................................................xiv DAFTAR LAMPIRAN..................................................................................................................xiv PENDAHULUAN.............................................................................................................................1 Latar Belakang .............................................................................................................................1 Tujuan...........................................................................................................................................1 Ruang Lingkup .............................................................................................................................1 TINJAUAN PUSTAKA....................................................................................................................1 Himpunan Crisp dan Himpunan Fuzzy ........................................................................................1 Operasi Himpunan Fuzzy .............................................................................................................2 Fungsi Keanggotaan .....................................................................................................................2 Clustering .....................................................................................................................................2 Fuzzy C-Means (FCM).................................................................................................................3 Algoritma FCM ............................................................................................................................3 Ukuran Kevalidan Cluster ............................................................................................................4 Perilaku Konsumen ......................................................................................................................4 Segmentasi Pasar..........................................................................................................................4 METODOLOGI ................................................................................................................................5 Penggalian Informasi atau Studi Pustaka .....................................................................................5 Pengumpulan Data .......................................................................................................................5 Perancangan Sistem......................................................................................................................5 Implementasi Sistem ....................................................................................................................5 Pengujian......................................................................................................................................5 HASIL DAN PEMBAHASAN.........................................................................................................5 Data ..............................................................................................................................................5 Perancangan Sistem......................................................................................................................5 Pemilihan Atribut .........................................................................................................................6 Implementasi Sistem ....................................................................................................................6 KESIMPULAN DAN SARAN .........................................................................................................9 Kesimpulan...................................................................................................................................9 Saran.............................................................................................................................................9 DAFTAR PUSTAKA .....................................................................................................................10 L A M P I R A N.............................................................................................................................11
xiv
DAFTAR TABEL Halaman Tabel 1 Hasil uji Validasi FCM untuk variabel Demografi ..............................................................7 Tabel 2 Hasil uji Validasi FCM untuk variabel Psikografis..............................................................7 Tabel 3 Hasil uji Validasi FCM untuk variabel Cohort.....................................................................7 Tabel 4 Hasil uji Validasi FCM untuk variabel Keseluruhan............................................................8 Tabel 5 Pusat Cluster untuk Variabel Demografi .............................................................................8 Tabel 6 Pusat Cluster untuk Variabel Psikografis.............................................................................8 Tabel 7 Pusat Cluster untuk Variabel Cohort....................................................................................8 Tabel 8 Pusat Cluster untuk Variabel Keseluruhan ..........................................................................9
DAFTAR LAMPIRAN Lampiran 1 Lampiran 2 Lampiran 3 Lampiran 4
Halaman Kuesioner Penelitian...........................................................................................12 Daftar Atribut Variabel segmentasi pasar...........................................................15 Daftar Atribut terpilih pada masing-masing variabel segmentasi pasar. ............17 Panduan Penggunaan Sistem ..............................................................................18
1
PENDAHULUAN Latar Belakang Salah satu hasil agroindustri pangan yang telah secara luas dikonsumsi oleh rumah tangga adalah mie cepat saji. Perkembangan industri mie cepat saji di Indonesia cukup pesat dimana Indonesia dapat digolongkan sebagai produsen mie cepat saji terbesar kedua di dunia, setelah Jepang kemudian diikuti oleh Korea, Taiwan dan Thailand. Perkembangan ini didorong oleh perubahan hidup gaya cepat dan praktis. Hal ini membuka peluang yang sangat potensial untuk perkembangan produk mie cepat saji sehingga persaingan produsen semakin ketat. Salah satu antisipasi efektif agar dapat bertahan dalam persaingan adalah memperhatikan pengembangan strategi pemasaran produk yang akan diambil. Langkah pertama dalam pengembangan strategi pemasaran adalah segmentasi pasar yang merupakan upaya pemisahan pasar pada kelompok-kelompok pembeli menurut jenis-jenis produk tertentu dan memerlukan bauran pemasaran tersendiri. Pencapaian tujuan suatu perusahaan produk tergantung pada sejauh mana perusahaan memahami kebutuhan dan keinginan konsumen dan sejauh mana pemenuhan tersebut dilakukan dengan cara yang lebih efisien dan efektif dibanding perusahaan pesaing. Perusahaan akan lebih berhasil apabila membatasi sasaran pada beberapa bagian pasar daripada keseluruhan pasar agar jenis kebutuhan dan keinginan konsumen yang perlu dipahami dan dipenuhi tidak terlalu banyak. Selain itu, perusahaan pesaing yang dihadapi juga lebih sedikit. Untuk menemukan sasarannya, sebuah perusahaan perlu melakukan segmentasi pasar, yaitu proses penggolongan pasar ke dalam segmen-segmen. Segmen adalah sekumpulan konsumen yang memberikan respons yang sama terhadap strategi pemasaran tertentu. Pasar dapat digolongkan dengan menggunakan variabel-variabel geografis (tempat tinggal, kota, dan sebagainya), demografis (umur, jenis kelamin, pekerjaan, pendapatan, siklus keluarga, jumlah anggota keluarga, dan sebagainya), psikografis (gaya hidup, nilai-nilai individual, kelas sosial), cohort atau generasi dan perilaku (tingkat penggunaan, manfaat yang dicari) (Kotler, 1992 dalam Roufurrohim, 2003).
Penelitian ini akan mencoba untuk mempelajari dan menganalisis segmentasi pasar mie cepat saji menggunakan metode Fuzzy C-Means (FCM). Tujuan Tujuan penelitian ini adalah : 1. Menerapkan logika fuzzy dengan metode Fuzzy C-Means (FCM) dalam menganalisis segmentasi pasar produk. 2. Merumuskan segmentasi pasar produk berdasarkan geografis, demografis, psikografis, cohort atau generasi dan perilaku. 3. Hasil dari penelitian ini diharapkan mampu memberikan masukan dalam perencanaan dan menentukan kebijakan strategi pemasaran produk. Ruang Lingkup Penelitian ini dibatasi pada penerapan logika fuzzy untuk data kuesioner Pola Konsumsi dan Preferensi Mie Konsumen Rumah Tangga di Jakarta Timur dengan teknik clustering dengan menggunakan algoritma Fuzzy C-Means (FCM). Data tersebut didasarkan pada variabel-variabel segmentasi pasar. Variabel-variabel segmentasi pasar yang digunakan adalah variabel demografis, variabel psikografis, variabel cohort dan variabel keseluruhan. Pemilihan atribut sebagai masukan proses clustering dilakukan secara manual berdasar pada informasi dari pihak yang terkait dan data kuesioner.
TINJAUAN PUSTAKA Himpunan Crisp dan Himpunan Fuzzy Himpunan Crisp A didefinisikan oleh item-item yang ada pada himpunan itu. Jika a ∈ A, maka nilai yang berhubungan dengan a adalah 1. Namun jika a ∉ A, maka nilai yang berhubungan dengan a adalah 0. Notasi A = {x | P(x)} menunjukkan bahwa A berisi item x dengan P(x) benar. Jika XA merupakan fungsi karakteristik A dan properti P, maka dapat dikatakan bahwa P(x) benar, jika dan hanya jika XA(x)=1. Himpunan Fuzzy didasarkan pada gagasan untuk memperluas jangkauan fungsi karakteristik sedemikian sehingga fungsi tersebut akan mencakup bilangan real pada interval [0,1]. Nilai keanggotaan menunjukkan bahwa suatu item dalam semesta pembicaraan tidak hanya berada
2
pada 0 atau 1, namun juga nilai yang terletak di antaranya. Dengan kata lain, nilai kebenaran suatu item tidak hanya bernilai benar dan salah. Nilai 0 menunjukkan salah, nilai 1 menunujukkan benar, dan masih ada nilai-nilai yang terletak antar benar dan salah dengan derajat keanggotaan tertentu. (Kusumadewi, 2002). Operasi Himpunan Fuzzy Misalkan himpunan A dan B adalah dua nilai dari himpunan fuzzy pada semesta pembicaraan U dengan fungsi keangotaan µA dan µB, maka operasi-operasi dasar himpunan fuzzy berikut dapat didefinisikan : a. Union (Penggabungan) Gabungan dua himpunan samar A dan B adalah himpunan samar C. C = A ∪ B atau C = A ATAU B Dengan derajat keanggotaan C adalah : µc(x) = max (µA(x) , µB(x)) = (µA(x) ∨ µB(x)) b. Intersection (Irisan) Irisan dua himpunan samar A dan B adalah himpunan samar C. C = A ∩ B atau C = A DAN B Dengan derajat keanggotaan C adalah : µc(x) = min (µA(x) , µB(x)) = (µA(x) ∧ µB(x)) c. Complement (Ingkaran) Komplemen himpunan samar A diberi tanda Ā (NOT A) dan didefinisikan sebagai berikut : µĀ (x) = 1 - µA(x) Fungsi Keanggotaan Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya (sering disebut dengan derajat keanggotaan) yang memiliki interval antara 0 sampai 1. Fungsi keanggotaan dari himpunan fuzzy A dapat dinotasikan dengan µA : X → [0,1]. Clustering Sebuah cluster merupakan sebuah kumpulan record-record yang memiliki kesamaan satu sama lain dan memiliki ketidaksamaan antar record pada cluster yang berbeda. Clustering berbeda dengan classification dimana tidak terdapat variabel target untuk clustering. Clustering bukan untuk mengklasifikasikan, memperkirakan, atau memprediksikan nilai dari variabel target. Algoritma clustering membagi-bagi dari keseluruhan himpunan data menjadi
subkelompok atau cluster yang relatif homogen, dimana kesamaan record-record di dalam cluster diperbesar, dan kesamaan record-record di luar cluster diperkecil. Clustering seringkali diterapkan dalam langkah persiapan pada proses data mining dengan menghasilkan cluster-cluster yang digunakan sebagai input untuk berbagai teknik, seperti jaringan syaraf tiruan. Saat ini ukuran basis data sangat besar, hal ini seringkali bermanfaat untuk menggunakan analisis cluster terlebih dahulu, untuk mereduksi ruang pencarian pada algoritma selanjutnya. Struktur data yang digunakan dalam clustering adalah data matriks sedangkan tipe data yang digunakan (Han & Kamber 2001) adalah: • Interval-scaled variable merupakan ukuran kontinu pada penskalaan linear. Contoh variabel yang termasuk pada tipe data ini yaitu tinggi, berat, temperatur cuaca, dan koordinat bujur-lintang. • Atribut biner hanya mempunyai dua nilai yaitu 0 dan 1. Ada dua jenis atribut biner yaitu: simetrik biner (nilai 0 dan 1 memiliki tingkat kepentingan yang sama) dan asimetrik biner (nilai 0 dan 1 berbeda tingkat kepentingannya). • Atribut nominal, ordinal dan rasio o Atribut nominal memiliki lebih dari dua nilai, misalkan merah, biru, kuning, hijau. o Atribut ordinal dapat berupa data diskret atau data kontinu. Tipe data ini dapat diperlakukan seperti tipe data interval-scaled variable yang sangat mempertimbangkan urutan. o Atribut rasio menggunakan skala ekponensial, misalkan AeBt atau Ae-Bt . Kesamaan dan ketidaksamaan antara dua objek diukur menggunakan pengukuran jarak. Beberapa pengukuran jarak yang digunakan antara lain : Jarak Minkowski
(
q
q
d(i, j) = xi1 − xj1 + xi2 − xj2 +...+ xip − xjp
q
)
...... ( 1 )
dimana i = (xi1, xi2, …, xip) dan j = (xj1, xj2, …, xjp) adalah objek data berdimensi dua.dan q adalah integer. Jika q=1, d adalah jarak Manhattan
d(i, j) = xi1 −xj1 + xi2 −xj2 +...+ xip −xjp ...... ( 2 )
3
Jika q=2, d adalah jarak Euclidean
(
2
2
d(i, j) = xi1 − xj1 + xi2 − xj2 +...+ xip − xjp
2
)
...... ( 3 ) dimana : d( i , j ) ≥ 0 d( i , i ) = 0 d( i , j ) = d( j, i ) d( i , j ) ≤ d( i , k ) + d( k , j ) Menurut Han & Kamber (2001), beberapa pendekatan yang sering digunakan dalam clustering , yaitu : 1. Partitional method, yaitu membangun sebuah partisi dari sebuah basisdata D dengan n objek ke dalam himpunan k cluster. Kemudian diberikan sebuah k, temukan partisi dari k cluster yang mengoptimisasi pilihan kriteria partisi, yaitu : Global optimal : menyelesaikan dengan menjumlahkan semua partisi. Heuristic methods :. o K-means : tiap cluster diwakilkan oleh titik tengah cluster. o K-medoids atau PAM (Partition around medoids) : tiap cluster diwakilkan oleh satu objek di dalam cluster. o Fuzzy C-Means (FCM) : sebagian data menjadi anggota dari dua atau lebih cluster. 2. Hierarchical method, yaitu membuat sebuah dekomposisi berhirarki dari himpunan data (atau objek) menggunakan beberapa kriteria. Metode ini memiliki dua jenis pendekatan yaitu : Agglomerative, dimulai dengan titiktitik sebagai cluster individu. Pada setiap tahap dilakukan penggabungan setiap pasangan titik pada cluster sampai hanya satu titik (atau cluster) yang tertinggal. Divisive, dimulai dengan satu cluster besar yang berisi semua titik data (all inclusive cluster). Pada setiap langkah, dilakukan pemecahan sebuah cluster sampai setiap cluster berisi sebuah titik (atau terdapat k cluster). 3. Density-based, merupakan pendekatan yang berdasarkan konektivitas dan fungsi kepadatan. 4. Grid-based, merupakan pendekatan yang berdasarkan pada struktur multiple-level granularity.
5.
Model-based, sebuah model yang dihipotesis untuk tiap cluster dan ide dasarnya adalah untuk menemukan model yang pantas untuk tiap cluster. Kualitas hasil clustering bergantung pada metode ukuran kesamaan yang digunakan dan implementasinya. Di sisi lain, kualitas dari metode clustering yang digunakan juga diukur dari kemampuannya untuk menemukan beberapa atau semua pola yang tersembunyi. Fuzzy C-Means (FCM) Fuzzy clustering adalah salah satu teknik untuk menentukan cluster optimal dalam suatu ruang vektor yang didasarkan pada bentuk normal Euclidean untuk jarak antar pemodelan fuzzy terutama dalam mengidentifikasikan aturan-aturan fuzzy. Ada beberapa algoritma clustering data, salah satu di antaranya adalah Fuzzy CMeans (FCM). FCM adalah suatu teknik pengclusteran data yang keberadaan tiaptiap titik data suatu cluster ditentukan oleh derajat keanggotaan. Teknik ini pertama kali diperkenalkan oleh Jim Bezdek pada tahun 1981. Konsep dasar FCM adalah sebagai berikut: 1. Tentukan pusat cluster, yang akan menandai lokasi rata-rata untuk tiap-tiap cluster. Pada kondisi awal, pusat cluster ini masih belum akurat. Tiap-tiap titik data memiliki derajat keanggotaan untuk tiap-tiap cluster. 2. Perbaiki pusat cluster dan derajat keanggotaan tiap-tiap titik data secara berulang, maka akan dapat dilihat bahwa pusat cluster akan bergerak menuju lokasi yang tepat. Perulangan ini didasarkan pada minimisasi fungsi objektif yang menggambarkan jarak dari titik data yang diberikan ke pusat cluster yang terboboti oleh derajat keanggotaan titik data tersebut. Output dari FCM bukan merupakan fuzzy inference system, namun merupakan deretan pusat cluster dan beberapa derajat keanggotaan untuk tiap-tiap titik data. Informasi ini dapat digunakan untuk membangun suatu fuzzy inference system. Algoritma FCM Input data yang akan dicluster X , berupa matriks ukuran n x m ( n = jumlah sample data, m = atribut setiap data). Xjk = data sample ke-j (j=1,2,..n), atribut ke-k (k=1,2,…m).
4
1. Tentukan : • Jumlah cluster = c; • Pangkat =w • Maksimum iterasi = MaxIter; • Error terkecil yang diharapkan =ξ; • Fungsi objektif awal = P0 = 0; • Iterasi awal = t =1; 2. Bangkitkan bilangan random Uij , i= 1,2,..,c ; j = 1,2,..,n; sebagai elemenelemen matriks partisi awal U. Hitung jumlah setiap kolom (atribut) : c
∑
Qk =
U
..................... (4)
ij
i =1
dengan : • n adalah banyaknya titik data, • V adalah pusat cluster 2.
Separation, yaitu ukuran keterpisahan antarcluster satu dengan cluster yang lainnya. Separation dihitung dengan rumus :
s = min Vi − V j i, j
U ij =
c
∑ ((U ) n
w
∗ X jk
ij
j =1
∑ (U ) n
)
…............(6)
w
ij
j =1
4.
Hitung fungsi objektif pada iterasi ke-t, n c ⎛⎡ m w⎞ 2⎤ Pt = ∑∑ ⎜⎜ ⎢∑ (X jk − Vik ) ⎥ (U ij ) ⎟⎟ .. (7) j =1 i =1 ⎝ ⎣ k =1 ⎦ ⎠ 5. Hitung perubahan matriks partisi : −1
w −1 ⎡m 2⎤ ⎢∑ (X jk − Vik ) ⎥ ⎣ k =1 ⎦
U ij =
⎡
∑ ⎢⎣∑ (X c
m
k =1
i =1
6.
jk
2⎤ − Vik ) ⎥ ⎦
−1 w −1
.. (8)
Cek kondisi berhenti : • Jika: (|Pt –Pt-1 | < ξ) atau (t >MaxIter) maka berhenti ; • Jika tidak : t = t + 1, ulangi langkah ke-4.
Ukuran Kevalidan Cluster Menurut Xie dan Beni (1991), ukuran kevalidan cluster merupakan proses evaluasi hasil clustering untuk menentukan cluster mana yang terbaik. Ada dua kriteria dalam mengukur kevalidan suatu cluster (S), yaitu: 1. Compactness, yaitu ukuran kedekatan antaranggota pada tiap cluster. Compactness dihitung dengan rumus : c
π =
S =
i =1 j =1
n min Vi − V j
2
2
………….. (11)
i, j
3. Hitung pusat cluster ke-k : Vik dengan k = 1,2,…,m dan i = 1,2,…,c.
Vik =
n
∑∑ µij2 Vi − X j
…………………….. (5)
Qk
……………... (10)
Dengan demikian rumus kevalidan suatu cluster atau indeks Xie-Beni (S) merupakan rasio dari compactness terhadap separation, yaitu:
dengan k = 1,2,…,m Hitung :
U ij
2
n
∑∑µ i =1 j =1
2 ij
|| V i − X j || 2 n
… (9)
Semakin kecil nilai S, maka cluster tersebut semakin valid. Perilaku Konsumen Menurut Engel et al. (1995) dalam Roufurrohim (2003), perilaku konsumen adalah tindakan yang langsung terlibat untuk pruduk dan jasa, termasuk proses keputusan yang mendahului dan mengikuti tindakan ini. Perilaku konsumen yang diamati meliputi jumlah yang dibelanjakan, kapan, dengan siapa, oleh dan bagaimana barang yang sudah dikomsumsi. Faktor utama yang mempengaruhi perilaku konsumen adalah faktor kebudayaan, sosial, pribadi dan psikologi (Kotler, 2000 dalam Roufurrohim 2003). Segmentasi Pasar Segmentasi pasar sering didefinisikan sebagai suatu proses untuk membagi-bagi atau mengelompokkan konsumen ke dalam kotak-kotak yang lebih homogen. Karena pasar bersifat heterogen, akan sulit bagi produsen untuk melayani semua konsumen. Kasali, 1998 dalam Roufurrohim 2003, mendefinisikan segmentasi pasar sebagai proses mengkotak-kotakkan pasar yang heterogen ke dalam kelompok-kelompok “potential customer” yang mempunyai kebutuhan dan atau kesamaan karakter yang memiliki respon sama dalam membelanjakan uangnya. Kotler, 2000 dalam Roufurrohim 2003, menyatakan segmentasi pasar merupakan kelompok besar yang dapat diidentifikasi dalam sebuah pasar dengan keinginan, daya beli, lokasi geografis, perlakuan pembelian
5
dan kebiasaan pembelian yang serupa. Dengan kata lain, segmentasi pasar merupakan pengelompokkan individu (konsumen) menjadi beberapa kelompok (segmen) dimana individu yang berada dalam satu segmen memiliki ciri-ciri atau perilaku yang relatif sama (homogen) dibandingkan dengan individu pada kelompok lain.
METODOLOGI Dalam melakukan penelitian ini, langkah-langkah yang ditempuh adalah sebagai berikut : Penggalian Informasi atau Studi Pustaka Pengumpulan bahan pustaka yang berkaitan dengan logika fuzzy dan segmentasi pasar. Pengumpulan Data Data yang digunakan dalam penelitian ini yaitu data sekunder yang diperoleh dari data penelitian mahasiswa Departemen Agrobisnis Fakultas Pertanian IPB dengan judul penelitian Pola Konsumsi dan Preferensi Mie Konsumen Rumah Tangga di Jakarta Timur. Data ini meliputi variabelvariabel segmentasi pasar, yaitu geografi, demografi, psikografis dan cohort atau generasi dan perilaku. Perancangan Sistem Pada tahap ini dilakukan pemilihan atribut-atribut yang terkait dengan tujuan dilakukannya penelitian ini. Pemilihan atribut-atribut didasar pada informasi dari pihak yang terkait dan data kuesioner. Selanjutnya atribut-atribut terpilih akan diaplikasikan menggunakan algoritma cluster. Dalam penelitian ini, algoritma clustering yang digunakan adalah Fuzzy CMeans (FCM) dan untuk mengukur kevalidan cluster digunakan indeks XieBeni. Kemudian dilakukan evaluasi pola pada data dan representasi pengetahuan yang didapat ke dalam bentuk visualisasi yang lebih mudah dipahami oleh pengguna. Implementasi Sistem Tahap implementasi sistem mengacu pada langkah-langkah untuk membangun Fuzzy C-Means (FCM). Langkah-langkah untuk membangun FCM adalah :
1. Inisialisasi keanggotaan matriks U dengan nilai acak antara 0 dan 1. 2. Menetapkan batasan-batasan nilai untuk : Jumlah cluster Pengkat pembobot atau indeks fuzzy Maksimum iterasi Error terkecil yang diharapkan Fungsi objektif awal Iterasi awal 3. Menghitung pusat cluster, fungsi objektif dan perubahan keanggotaan matriks U. Pada setiap percobaan dilakukan uji validasi cluster untuk menentukan jumlah cluster mana yang terbaik. Uji validasi yang digunakan adalah indeks Xie-Beni (S). Setiap langkah pada implementasi sistem menggunakan program MATLAB 6.5. Pengujian Setelah tahap implementasi sistem selesai dilakukan pengujian apakah sistem yang dibangun sesuai dengan tujuan penelitian. Jika terdapat kesalahan atau kekurangan pada sistem yang dibangun maka dilakukan perbaikan sampai sistem tersebut benar-benar hasil yang diharapkan.
HASIL DAN PEMBAHASAN Data Data yang digunakan dalam penelitian ini yaitu data sekunder yang diperoleh dari data penelitian mahasiswa Departemen Agrobisnis Fakultas Pertanian IPB dengan judul penelitian Pola Konsumsi dan Preferensi Mie Konsumen Rumah Tangga di Jakarta Timur. Data ini meliputi variabelvariabel segmentasi pasar, yaitu geografi, demografi, psikografis dan cohort atau generasi dan perilaku. Perancangan Sistem Karena pasar digolongkan dalam 4 variabel, yaitu variabel geografis, variabel demografis, variabel psikografis dan variabel cohort atau generasi dan perilaku, maka data yang ada dibagi berdasarkan variabel-variabel tersebut. Dengan demikian harus dipilih data mana yang benar-benar sesuai dengan tujuan penelitian. Untuk memudahkan proses pemilihan data, maka dilakukan identifikasi atribut pada setiap variabel. Pemilihan atribut dilakukan secara manual dimana penulis konsultasi dengan salah seorang mahasiswa Agribisnis IPB.
6
Pemilihan Atribut Dari hasil pemilihan atribut-atribut yang terkait dengan tujuan dilakukannya analisis cluster, maka atribut data yang digunakan dalam penelitian ini adalah: 1. Variabel Geografis, mempunyai 2 atribut, yaitu: kelurahan dan kecamatan. Namun variabel geografis ini tidak dipergunakan dalam percobaan karena tipe datanya merupakan tipe data nominal, dimana angka yang diberikan kepada objek hanya mempunyai arti sebagai label saja dan tidak menunjukkan tingkatan apa-apa. Tipe data nominal ini tidak sesuai dipergunakan dalam analisis Fuzzy CMeans. 2. Variabel Demografi, mempunyai 9 atribut, yaitu: jenis kelamin, usia, tingkat pendidikan, pekerjaan, status, jumlah anggota keluarga, penghasilan, pengeluaran, suku responden dan suku suami/istri responden. Namun atribut yang dipergunakan hanya 5 atribut karena tipe data pada 4 atribut lainnya merupakan tipe data nominal. Atribut terpilih tersebut adalah usia, tingkat pendidikan, pekerjaan, jumlah anggota keluarga, penghasilan, pengeluaran. 3. Variabel Psikografis, mempunyai 29 atribut, yaitu: alasan memilih mie, tempat membeli, kebiasaan, alternatif tempat membeli, pentingnya faktor rasa, harga, merek, tekstur, kemudahan didapat, desain, ukuran, gizi, bahan pengawet, kadaluarsa, perusahaan, atribut mie yang paling penting, penilaian terhadap faktor rasa, harga, merek, tekstur, kemudahan didapat, desain, ukuran, gizi, bahan pengawet, kadaluarsa dan perusahaan. Namun atribut yang dipergunakan hanya 24 atribut karena tipe data pada 5 atribut lainnya merupakan tipe data nominal. Atribut terpilih tersebut adalah pentingnya faktor rasa, harga, merek, tekstur, kemudahan didapat, desain, ukuran, gizi, bahan pengawet, kadaluarsa, perusahaan, atribut mie yang paling penting, penilaian terhadap faktor rasa, harga, merek, tekstur, kemudahan didapat, desain, ukuran, gizi, bahan pengawet, kadaluarsa dan perusahaan. 4. Variabel Cohort, mempunyai 18 atribut yaitu: pilihan 1 merek mie yang pernah dikonsumsi, pilihan 2 merek mie yang pernah dikonsumsi, pilihan 3 merek mie yang pernah dikonsumsi, pilihan 4 merek
mie yang pernah dikonsumsi, pilihan 5 merek mie yang pernah dikonsumsi, yang paling sering dikonsumsi, terakhir mengkonsumsi, sering mengkonsumsi, keperluan mengkonsumsi, banyaknya mie, men-stok atau tidak, banyak stok, lama stok, terakhir membeli, jumlah yang dibeli, kemasan, keloyalan, darimana tahu pertama kali. Namun atribut yang dipergunakan hanya 4 atribut karena tipe data pada 14 atribut lainnya merupakan tipe data nominal. Atribut terpilih tersebut adalah banyaknya mie, lama stok, terakhir membeli, jumlah yang dibeli. 5. Segmentasi keseluruhan, mempunyai 58 atribut dan yang dipergunakan hanya 33 atribut. Segmentasi keseluruhan ini merupakan variabel tambahan yang berisi kumpulan atribut-atribut keempat variabel segmentasi pasar sebelumnya. Lebih lengkapnya, daftar atribut variabel segmentasi pasar dapat dilihat pada Lampiran 2, sementara daftar atribut terpilih dapat dilihat pada Lampiran 3. Setelah didapat atribut-atribut terpilih, maka diaplikasikan menggunakan, algoritma Fuzzy C-Means (FCM) dan untuk mengukur kevalidan cluster digunakan indeks XieBeni. Untuk memudahkan pengguna, maka dilakukan evaluasi pola pada data dan mempresentasikan pengetahuan yang didapat ke dalam bentuk visualisasi yang lebih menarik. Implementasi Sistem Implementasi sistem ini menggunakan spesifikasi perangkat lunak dan perangkat keras sebagai berikut : 1. Perangkat Lunak • MATLAB 6.5 • SPSS 11.5 untuk menyimpan data • Notepad untuk menyimpan file.dat 2. Perangkat Keras • AMD Athlon XP 2000+ • Harddisk 20 Gb • VGA Card • Monitor 15” • Alat input mouse dan keyboard Pada tahap ini algoritma Fuzzy C-Means (FCM) akan dikembangkan menjadi suatu kode program yang akan dibuat mengunakan MATLAB 6.5. Masukan pada algoritma FCM ini berupa matriks data, sehingga tidak dibutuhkan
7
transformasi matriks data ke dalam bentuk matriks ketidakmiripan (dissimilarity) seperti metode clustering pada umumnya. Pengukuran ketidakmiripan antarcluster dan antaranggota cluster dapat dilihat dari nilai derajat keanggotaan masing-masing titik data (objek). Hal ini yang membedakan antara algoritma FCM dengan algoritma clustering lainnya, di mana satu titik data (objek) dapat menjadi anggota banyak cluster tergantung besarnya derajat keanggotaan yang dimiliki oleh titik data tersebut. Selain itu, pusat cluster tertentu yang dihasilkan bisa saja bukan merupakan salah satu data dari anggota cluster tersebut. Pemilihan atribut-atribut yang terkait dengan tujuan dilakukannya analisis cluster sudah dilakukan. Pada penelitian ini, ada tiga variabel segmentasi pasar dan satu variabel tambahan dengan jumlah atribut yang berbeda-beda. Langkah selanjutnya adalah mengaplikasikan Fuzzy C-Means (FCM) terhadap masing-masing variabel segmentasi pasar tersebut. Parameter-parameter yang digunakan dalam penelitian ini adalah sebagai berikut: • Jumlah cluster = 2 sampai 10 • Maksimum iterasi = 100 • Error terkecil = 10-5 • Pangkat pembobot =2 Namun tidak menutup kemungkinan bahwa pengguna dapat memasukkan parameter-parameter sesuai dengan keinginan masing-masing. Parameterparameter di atas hanya untuk membatasi ruang lingkup penelitian ini. Untuk memudahkan pengguna, dalam penelitian ini dikembangkan representasi pengetahuan yang didapat ke dalam bentuk visualisasi berupa GUI (Graphical User Interface). Tampilan GUI dapat dilihat selengkapnya pada Panduan Penggunaan Sistem yang tertera pada Lampiran 4. Pada setiap percobaan dilakukan uji validasi cluster. Tabel 1 sampai Tabel 4 menunjukkan hasil uji validasi untuk masing-masing variabel segmentasi pasar. Tabel 1 Hasil uji validasi FCM untuk variabel Demografi Cluster
Compactness
Separation
S (XieBeni)
2 3 4 5
4788e+011 3.3467e+011 1.8887e+011 1.3351e+011
5.4625e+012 2.7120e+012 1.1395e+012 6.1665e+011
0.1186 0.1234 0.1657 0.2165
6 7 8 9 10
1.0847e+011 8.2925e+010 7.1637e+010 6.1829e+010 5.5704e+010
2.5951e+011 2.4911e+011 1.9056e+011 2.0043e+011 1.8967e+011
0.4180 0.3329 0.3759 0.3085 0.2937
Pada tabel uji validasi FCM untuk variabel Demografi di atas, dapat dilihat bahwa nilai S (Xie-Beni) yang paling kecil adalah data yang dibagi ke dalam dua cluster dan nilai S paling besar adalah data yang dibagi dalam enam cluster. Tabel 2 Hasil uji validasi FCM untuk variabel Psikografis Cluster 2 3
Compactness
Separation
S (Xie-Beni)
27.0270 18.0180
1.71574e-005 4.8488e-006
1.57524e+006 3.7159e+006
4 5
13.5135 10.8108
1.2444e-006 7.5095e-008
1.0859e+007 1.4396e+008
6 7
9.0090 7.7220
3.6412e-007 6.8312e-008
2.4742e+007 1.1304e+008
8 9
6.7568 6.0060
2.3500e-008 4.7737e-008
2.8752e+008 1.2581e+008
10
5.4054
1.9051e-008
2.8374e+008
Sama halnya dengan tabel uji validasi FCM untuk variabel Demografi, nilai S terkecil pada tabel variabel Psikografis adalah data yang dibagi ke dalam dua cluster namun untuk nilai S terbesar adalah data yang dibagi dalam delapan cluster. Tabel 3 Hasil uji validasi FCM untuk variabel Cohort Cluster 2 3 4 5 6 7 8 9 10
Compactness
Separation
102.5639 57.8592 38.9296 30.2096 25.1530 18.7116 16.1057 14.2362 12.5355
1.2214e+003 216.3280 128.5547 54.6404 59.5207 39.1979 39.4128 31.1827 11.3021
S (XieBeni) 0.0840 0.2675 0.3028 0.5529 0.4226 0.4774 0.4086 0.4565 1.1091
Tabel di atas dapat dilihat bahwa nilai S terkecil terdapat pada data yang dibagi ke dalam dua cluster dan nilai S terbesar adalah data yang dibagi dalam sepuluh cluster.
8
Tabel 4 Hasil uji validasi FCM untuk variabel Keseluruhan Cluster 2
Compactness
Separation
4788e+011
5.4625e+012
S (XieBeni) 0.1186
3
3.3467e+011
2.7120e+012
0.1234
4
1.8887e+011
1.1395e+012
0.1657
5
1.3351e+011
6.1665e+011
0.2165
6
1.0847e+011
2.5951e+011
0.4180
7
8.2925e+010
2.4911e+011
0.3329
8
7.1637e+010
1.9056e+011
0.3759
9 10
6.1829e+010 4.0811e+010
2.0043e+011 1.8996e+011
0.3085 0.2148
Untuk tabel uji validasi FCM pada variabel Keseluruhan sama dengan tabeltabel sebelumnya, yaitu nilai S terkecil berada pada data yang dibagi dalam dua cluster. Jadi untuk masing-masing variabel, jumlah cluster yang paling valid adalah dua. Oleh karena itu dalam penelitian ini akan dibahas variabel-variabel segmentasi pasar yang dibagi menjadi dua kelompok (cluster). Hasil pusat cluster untuk variabel Demografi dapat dilihat pada Tabel 5, variabel Psikografis pada Tabel 6, variabel Cohort pada Tabel 7 dan untuk variabel keseluruhan pada Tabel 8 seperti yang terlihat pada tabeltabel di bawah ini: Tabel 5 Pusat Cluster untuk variabel Demografi Rataan Cluster-1 Cluster-2 D1 37.6981 34.8023 D2 3.5785 2.5266 D3 5.2749 4.5191 D4 3187873.6966 1220948.0016 D5 2371694.4464 1109284.1448 Banyaknya responden pada cluster 1 adalah 23 responden dan pada cluster 2 adalah 97 responden dengan ciri-ciri sebagai berikut : o Umur responden pada cluster 1 dengan range 23 – 59 tahun dan pada cluster 2 dengan range 16 – 62 tahun. o Tingkat pendidikan responden pada cluster 1 dan cluster 2 antara SD sampai Sarjana, tapi rata-rata tingkat pendidikan pada cluster 1 lebih tinggi dibanding cluster 2. o Jumlah anggota keluarga pada cluster 1 dengan range 2 – 11 orang dan pada cluster 2 dengan range 4 – 12 orang.
o Jumlah penghasilan perbulan responden pada cluster 1 dengan range Rp.2.000.000,sampai Rp.8.000.000,- dan pada cluster 2 Rp.500.000,- sampai Rp.2.100.000,o Jumlah pengeluaran perbulan responden pada cluster 1 dengan range Rp.1.500.000,sampai Rp.5.530.000,- dan pada cluster 2 Rp.500.000,- sampai Rp.2.000.000,Tabel 6 Pusat Cluster untuk variabel Psikografis Cluster-1 Cluster-2 Rataan 8.2836 8.2830 P1 6.6002 6.5997 P2 6.2007 6.1993 P3 6.2672 6.2661 P4 5.5341 7.6164 P5 7.6169 5.5325 P6 5.8838 5.8829 P7 7.5090 7.5076 P8 7.6922 7.6911 P9 9.0585 9.0581 P10 5.4756 5.4744 P11 5.4172 5.4162 P12 7.1918 7.1915 P13 6.2418 6.2415 P14 7.6003 7.5997 P15 6.0502 6.0498 P16 8.3335 8.3331 P17 7.0502 7.0498 P18 7.4004 7.3996 P19 5.6586 5.6581 P20 4.6168 4.6166 P21 7.4086 7.4081 P22 7.3004 7.2996 P23 7.3420 7.3413 P24 Banyaknya responden pada cluster 1 sama dengan cluster 2, yaitu 60 responden dengan nilai rata-rata pada setiap atribut hampir sama. Tabel 7 Pusat Cluster untuk variabel Cohort Rataan Cluster-1 Cluster-2 C1 2.9286 3.3648 C2 5.0732 28.5858 C3 3.3144 8.4651 C4 6.0142 31.3483 Banyaknya responden pada cluster 1 adalah 99 responden sedangkan pada cluster 2 sebanyak 21 responden dengan ciri-ciri sebagai berikut :
9
o Banyaknya mie cepat saji yang diperlukan dalam sekali makan untuk seluruh anggota keluarga pada cluster 1 antara 1 – 7 bungkus dan pada cluster 2 antara 1 – 6 bungkus. o Lama men-stok mie cepat saji pada cluster 1 antara 0 – 30 hari dan pada cluster 2 antara 7 – 60 hari. o Terakhir kali responden pada cluster 1 dan cluster 2 membeli mie cepat saji antara 1 sampai 30 hari yang lalu. o Banyaknya mie cepat saji yang dibeli dalam satu kali pembelian pada cluster 1 antara 1 – 40 bungkus dan pada cluster 2 antara 8 sampai 40 bungkus. Tabel 8 Pusat Cluster untuk variabel Keseluruhan Rataan Cluster-1 Cluster-2 S1 37.6981 34.8023 S2 3.5785 2.5266 S3 5.2749 4.5191 S4 3187873.7247 1220948.0065 S5 2371694.4604 1109284.1491 S6 3.7391 2.8010 S7 15.1217 7.5089 S8 6.8492 3.7905 S9 17.4636 7.8216 S10 9.0822 8.0659 S11 5.7855 6.8278 S12 6.2017 6.1695 S13 7.0034 6.0361 S14 7.7586 7.5618 S15 5.4643 5.4773 S16 5.6831 5.9109 S17 7.6806 7.4182 S18 8.2058 7.4646 S19 9.3276 8.9858 S20 5.6239 5.4041 S21 5.1572 5.4508 S22 7.2676 7.2410 S23 6.3498 6.1976 S24 7.9768 7.4759 S25 5.8085 6.1129 S6 8.5468 8.2616 S27 7.4027 6.9600 S28 7.9112 7.2327 S29 5.5162 5.7431 S30 4.2736 4.7679 S31 7.7767 7.3230 S32 7.7197 7.2055 S33 7.6352 7.2939
Banyaknya responden pada cluster 1 adalah 23 responden dan pada cluster 2 sebanyak 97 responden.
KESIMPULAN DAN SARAN Kesimpulan Penelitian ini menggunakan metode Fuzzy C-Means (FCM) sebagai salah satu metode dalam logika fuzzy. FCM ini digunakan untuk segmentasi pasar produk berdasarkan analisis terhadap data yang digunakan. Segmentasi pasar yang dilakukan didasarkan pada variabel geografi, demografi, psikografis dan cohort atau generasi dan perilaku. Dari percobaan segmentasi terhadap responden produk mie cepat saji dengan paramater-parameter : jumlah cluster = 2 sampai 10, maksimum iterasi = 100, error terkecil = 10-5, pangkat pembobot = 2, maka didapat kesimpulan bahwa jumlah cluster yang paling valid adalah dua buah cluster. Cluster 1 berisi responden dengan tingkat pendidikan, jumlah penghasilan dan pengeluaran perbulan lebih tinggi dibanding responden pada cluster 2. Responden pada cluster 1 lebih memperhatikan rasa, merek, tekstur, kemudahan mendapatkan produk, kandungan gizi dan bahan pengawet, tanggal kadaluarsa dan perusahaan yang memproduksi mie cepat saji dibandingkan dengan responden pada cluster 2. D lain pihak untuk segi harga, desain dan ukuran kemasan serta iklan produk mie cepat saji tersebut, responden pada cluster 2 lebih memperhatikan dibandingkan responden pada cluster 1. Lama men-stok mie cepat saji pada cluster 1 jauh lebih banyak dibanding responden pada cluster 2 dan jumlah mie cepat saji yang dibeli dalam satu kali pembelian jauh lebih banyak responden pada cluster 1 dibanding cluster 2. Saran Untuk penelitian selanjutnya disarankan hal-hal sebagai berikut : 1. Manganalisis lebih lanjut dengan variabel segmentasi pasar yang lengkap, yaitu variabel geografi, demografi, psikografis dan cohort. 2. Perlu diaplikasikan metode clustering yang lain untuk membandingkan hasilnya.
10
DAFTAR PUSTAKA Han J, Kamber M. 2001. Data Mining: concepts and techniques.USA: Academic Press. Hasibuan, Khadijah. 2004. Pola Konsumsi dan Preferensi Mie Komsumen Rumah Tangga di Jakarta Timur. [Skripsi]. Departemen Agribisnis, Fakultas Pertanian IPB. Bogor. Indonesia. Jang JSR, Sun CT, Mizutani Eiji. 1997. Neuro-Fuzzy and Soft Computing. London: Prentice-Hall International, Inc. Kusumadewi S. 2002. Analisis dan Desain Sistem Fuzzy Menggunakan ToolBox Matlab. Yogyakarta: GRAHA ILMU. Kusumadewi S, dan Hari Purnomo. 2004. Aplikasi Logika Fuzzy untuk Pendukung Keputusan. Yogykarta:GRAHA ILMU. Marimin, 2002. Teori dan Aplikasi Sistem Pakar dalam Teknologi Manajerial. IPB Press. Bogor. Roufurrohim, U. 2003. Segmentasi Pasar Chicken Nugget merek ”X”. [Skripsi]. Departemen Gizi Masyarakat dan Sumberdaya Keluarga Fakultas Pertanian IPB. Bogor. Indonesia. Terano, T., K. Asai, and M. Sugeno. 1991. Fuzzy Systems Theory. Academic Press, Inc. Xie X, Beni G. 1991. A Validity Measure for Fuzzy Clustering. IEEE Trans Patt Anal Mach Intel.13(8):841-847.
11
LAMPIRAN
12 Lampiran 1
Kuesioner Penelitian
KUESIONER PENELITIAN P0LA KONSUMSI DAN PREFERENSI MIE KONSUMEN RUMAH TANGGA DI JAKARTA TIMUR Tgl: ..../..../04 ===================================================================== No Kuesioner
Saya adalah mahasiswa S1 IPB yang sedang melakukan riset konsumen untuk pengumpulan data yang akan digunakan dalam penyusunan skripsi. Kuesioner ini semata-mata demi kepentingan akademik bukan untuk menguji anda. Saya mohon kesediaan Anda untuk mengisi kuesioner ini. Atas kerjasamanya, kami ucapkan terimakasih. ===================================================================== Petunjuk pengisian : Berilah tanda silang [ X ] pada jawaban yang anda maksud! I.
IDENTITAS RESPONDEN Nama :........................................................................................................ Alamat :.........................................................RT..................RW.................. Kelurahan :........................................................................................................ Kecamatan :........................................................................................................ Sebelum menjawab pertanyaan selanjutnya, perhatikan petunjuk berikut : M = Jawaban boleh lebih dari satu S = Jawaban hanya satu
1.
Jenis kelamin Anda ? (S) 1. Laki-laki
2. Perempuan
2.
Usia Anda saat ini ? ................... tahun
3.
Pendidikan terakhir Anda : (S) 1. SD 3. SMU 2. SMP 4. Diploma
5. Sarjana 6. Pasca Sarjana
Pekerjaan Anda saat ini : (S) 1. Pelajar/Mahasiswa 2. Pegawai negeri/PNS 3. Pegawai swasta
7. Ibu Rumah Tangga 8. Wiraswasta 9. Lainnya : ...............
4.
5.
4. Guru/Dosen 5. ABRI 6. Pensiunan
Status pernikahan Anda saat ini adalah : (S) 1. Belum Menikah 2. Menikah
3. Janda/duda
6.
Jumlah anggota keluarga Anda adalah ...................... orang
7.
Pendapatan keluarga Anda dalam 1 bulan terakhir ? Rp. .......................
8.
Berapa pengeluaran anda ? Rp. ........................
9.
Dari mana suku (etnis) Anda ? (S) (Dilihat dari garis keturunan orangtua laki-laki) 1. Batak 6. Keturunan India 11. Melayu 2. Betawi 7. Jawa 12. Padang
13 3. Bugis 8. Lampung 4. Keturunan Arab 9. Madura 5. Keturunan Cina 10. Makassar 10. Dari mana suku (etnis) Suami/istri Anda ? (S) 1. Batak 6. Keturunan India 2. Betawi 7. Jawa 3. Bugis 8. Lampung 4. Keturunan Arab 9. Madura 5. Keturunan Cina 10. Makassar
13. Palembang 14. Sunda 15. Lainnya : ………… 11. Melayu 12. Padang 13. Palembang 14. Sunda 15. Lainnya : …………
Pengisian pertanyaan selanjutnya disesuaikan dengan produk yang dikonsumsi oleh masing-masing responden. II. PENGETAHUAN TENTANG MIE 11. Merek-merek mie manakah yang pernah Anda konsumsi dalam 3 bulan terakhir ? (M) 1. Indomie 7. Salamie 2. Supermie 8. Maggi 3. Sarimie 9. Nissinmie 4. Mie Sedaap 10. Sakura 5. Mie ABC 11. Lainnya :......... 6. Gagamie 12. Merek-merek mie manakah yang paling sering Anda konsumsi dalam 3 bulan terakhir ? (S) 1. Indomie 7. Salamie 2. Supermie 8. Maggi 3. Sarimie 9. Nissinmie 4. Mie Sedaap 10. Sakura 5. Mie ABC 11. Lainnya :......... 6. Gagamie 13. Apa alasan utama Anda memilih merek mie yang paling sering Anda konsumsi tersebut ? (S) 1. Mudah didapat 2. Rasanya enak 3. Harganya murah 4. Mengandung unsur gizi tambahan 5. Lainnya:.......... 14. Dalam waktu 3 bulan terakhir, kapan terakhir kali Anda mengkonsumsi mie yang paling sering Anda konsumsi tersebut? (S) 1. Sehari yang lalu 3. Sebulan yang lalu 2. Seminggu yang lalu 4. Lainnya : ............ 15. Seberapa sering Anda mengkonsumsi mie dalam 3 bulan terakhir? (S) 1. Setiap hari 4. Dua kali dalam sebulan 2. Tiga kali dalam seminggu 5. Sekali dalam sebulan 3. Sekali seminggu 6. Lainnya : .................. 16. Di manakah biasanya Anda membeli mie yang paling sering Anda konsumsi tersebut ? (S) 1. Hypermarket (misalnya Makro, Carefour, dll) 5. Warung dekat rumah 2. Supermaket (misalnya Hero, dll) 6. Warung makan 3. Minimarket 7. Penjual keliling 4. Pasar Tradisional 8. Lainnya : ................ 17. Untuk keperluan apa Anda paling sering mengkonsumsi mie dalam 3 bulan terakhir? (S) 1. Untuk sarapan pagi 4. Sebagai lauk-pauk 2. Sebagai makanan selingan 5. Untuk memenuhi selera
14 3. Sebagai makanan utama
6. Lainnya : ...................
18. Berapa banyak mie yang Anda perlukan dalam sekali makan untuk seluruh anggota keluarga Anda? .........bks 19. Apakah Anda atau keluarga Anda men-stock mie yang paling sering Anda konsumsi tersebut sebagai persediaan di rumah ? (S) 1. Ya 2. Tidak 3. Kadang-kadang 20. Untuk responden yang menjawab Ya atau Kadang-kadang, berapa banyak mie yang paling sering Anda konsumsi tersebut di-stock di rumah ? .........bks 21. Untuk berapa lamakah mie yang paling sering Anda konsumsi tersebut Anda jadikan stock di rumah ? .........hari 22. Kapan terakhir kali Anda membeli mie yang paling sering Anda konsumsi tersebut ? .........hari yang lalu 23. Berapa banyak mie yang paling sering Anda konsumsi tersebut Anda beli dalam satu kali pembelian? .........bks 24. Ukuran kemasan berapakah yang paling sering Anda beli ? (S) 1. 45 gr 2. 75 gr 3. 100 gr 4. 120 gr 5. Lainnya : ............ 25. Mana yang menjadi kebiasaan Anda dalam pembelian mie, apakah Anda : (S) 1. Telah merencanakan membeli sebelum pergi ke toko/ supermarket dan telah menentukan merek yang akan dibeli 2. Telah merencanakan membeli mie kering/ mie telor sebelum pergi ke toko/ supermarket dan belum menentukan merek yang akan dibeli 3. Tidak merencanakan membeli mie kering/ mie telor tapi membeli merek apa saja ketika Anda sudah berada di toko/ supermarket 26. Apa yang akan Anda lakukan, seandainya jenis mie yang ingin Anda beli tidak ada di tempat biasanya Anda membeli ? (S) 1. Tidak jadi membeli 2. Akan mencari di tempat lain 3. Mulai beralih untuk menggunakan jenis lain yang tersedia 27. Dalam hal penggunaan mie, apakah Anda : (S) 1.Loyal (setia) kepada atau tetap akan menggunakan merek tertentu. 2. Berganti-ganti merek 3. Beli yang tidak bermerek 28. Darimanakah Anda pertama kali tahu mie yang paling sering Anda konsumsi ? (S) 1. Anggota keluarga 6. Iklan di tabloid 2. Kawan/tetangga 7. Iklan di radio 3. Iklan di televisi 8. Lihat pas di toko 4. Iklan di koran 9. Langsung dari penjual 5. Iklan di majalah 10. Lainnya : ..................
15 29. Dalam memilih produk mie yang akan Anda beli, seberapa pentingkah faktor-faktor berikut mempengaruhi Anda ? (Skala 1 - 10, dimana 1 = Sangat tidak penting - 10 = Sangat penting) Atribut mie Skala (1 - 10) 1. Rasa 2. Harga 3. Merek 4. Tekstur 5. Kemudahan didapat 6. Desain Kemasan 7. Ukuran Kemasan 8. Kandungan gizi 9. Kandungan bahan pengawet 10. Kejelasan tanggal kedaluarsa dan kode produksi 11. Perusahaan yang memproduksi 12. Iklan 30. Dari keseluruhan atribut mie pada nomor 29 di atas, atribut manakah yang paling penting menurut Anda? (S) (Tuliskan nomor atributnya saja) Nomor ........... 31. Berikan penilaian Anda terhadap atribut-atribut berikut yang anda yakini dimiliki oleh produk yang paling sering anda beli! (Skala 1 - 10, dimana 1 = Sangat tidak enak - 10 = Sangat enak) Atribut mie Skala (1 - 10) 1. Rasa 2. Harga 3. Merek 4. Tekstur 5. Kemudahan didapat 6. Desain Kemasan 7. Ukuran Kemasan 8. Kandungan gizi 9. Kandungan bahan pengawet 10. Kejelasan tanggal kedaluarsa dan kode produksi 11. Perusahaan yang memproduksi 12. Iklan
===== Terimakasih =====
Lampiran 2 1.
2.
Daftar atribut variabel segmentasi pasar.
Variabel Geografi NO 1 2 Varibel Demografi NO Atribut 1 sex 2 usia 3 didik 4 job
Atribut lurah camat
Keterangan Atribut Kelurahan tempat tinggal responden Kecamatan tempat tinggal responden Keterangan Atribut Jenis Kelamin responden Usia responden Pendidikan terakhir responden Pekerjaan responden
16 5 6 7 8 9 10 3.
4.
status keluarga salary expend suku_q8 suku_q9
Variabel Psikografis NO Atribut 1 q13minst 2
q16minst
3 4
q25_mie q26_mie
5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29
rasa harga merek tekstur mudah desain ukur gizi awet daluarsa prshn iklan q30mie mrasa mharga mmerek mtekstr mmudah mdesain mukur mgizi mawet mdaluars mprshn miklan
Variabel Cohort NO Atribut 1 q11mins1 2
q11mins2
3
q11mins3
4
q11mins4
5
q11mins5
6
q12minst
Status pernikahan responden Jumlah anggota keluarga Pendapatan rata-rata responden/keluarga dalam satu bulan Pengeluaran rata-rata responden/keluarga dalam satu bulan Suku responden dilihat dari garis keturunan orangtua laki-laki Suku suami/istri responden Keterangan Atribut Alasan memilih merek mie instan yang paling sering dikonsumsi Tempat biasanya membeli mie instan yang paling sering dikonsumsi Yang menjadi kebiasaan responden dalam mengkonsumsi mie Yang dilakukan responden jika mie yang paling sering dikonsumsi tidak ada ditempat yang biasa dibeli Rasa Harga Merek Tekstur Kemudahan didapat Desain Kemasan Ukuran Kemasan Kandungan gizi Kandungan bahan pengawet Kejelasan tanggal kedaluarsa dan kode produksi Perusahaan yang memproduksi Iklan Atribut mie yang paling penting Rasa Harga Merek Tekstur Kemudahan didapat Desain Kemasan Ukuran Kemasan Kandungan gizi Kandungan bahan pengawet Kejelasan tanggal kedaluarsa dan kode produksi Perusahaan yang memproduksi Iklan
Keterangan Atribut Merek-merek mie instan yang pernah dikonsumsi dalam 3 bulan terakhir Merek-merek mie instan yang pernah dikonsumsi dalam 3 bulan terakhir Merek-merek mie instan yang pernah dikonsumsi dalam 3 bulan terakhir Merek-merek mie instan yang pernah dikonsumsi dalam 3 bulan terakhir Merek-merek mie instan yang pernah dikonsumsi dalam 3 bulan terakhir Merek-merek mie instan yang paling sering dikonsumsi dalam
17 7
q14minst
8
q15minst
9
q17minst
10
q18minst
11
q19minst
12 13
q20minst q21minst
14
q22minst
15
q23minst
16 17 18
q24minst q27_mie q28minst
Lampiran 3 1.
2.
3 bulan terakhir Terakhir kali mengkonsumsi mie instan yang paling sering dikonsumsi Seberapa sering mengkonsumsi mie instan dalam 3 bulan terakhir Keperluan mengkonsumsi mie instan yang paling sering dikonsumsi dalam 3 bulan terakhir Banyaknya mie instan yang diperlukan dalam sekali makan untuk seluruh anggota keluarga Apakah Anda atau keluarga Anda men-stock mie instan yang paling sering Anda konsumsi dirumah ? Banyaknya mie instan yang di-stock di rumah Lamanya men-stock mie instan yang paling sering dikonsumsi....hari Terakhir kali membeli mie instan yang paling sering dikonsumsi....hari yang lalu Banyaknya mie instan yang dibeli dalam satu kali pembelian .... bungkus Ukuran kemasan mie instan yang paling sering dikonsumsi Dalam hal penggunaan mie apakah anda : Darimana tahu pertama kali mie instan yang paling sering dikonsumsi
Daftar atribut terpilih pada masing-masing variabel segmentasi pasar.
Variabel Demografi NO 1 2 3 4 5
Simbol Atribut D1 D2 D3 D4 D5
Nama Atribut usia didik keluarga salary expend
NO 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
Simbol Atribut P1 P2 P3 P4 P5 P6 P7 P8 P9 P10 P11 P12 P13 P14 P15 P16 P17 P18 P19
Nama Atribut rasa harga merek tekstur mudah desain ukur gizi awet daluarsa prshn iklan mrasa mharga mmerek mtekstr mmudah mdesain mukur
Variabel Psikografis
18
3.
4.
2.
P20 P21 P22 P23 P24
mgizi mawet mdaluars mprshn miklan
NO 1 2 3 4
Simbol Atribut C1 C2 C3 C4
Nama Atribut q18minst q21minst q22minst q23minst
NO 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33
Simbol Atribut S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11 S12 S13 S14 S15 S16 S17 S18 S19 S20 S21 S22 S23 S24 S25 S26 S27 S28 S29 S30 S31 S32 S33
Keterangan Atribut usia didik keluarga salary expend q18minst q21minst q22minst q23minst rasa harga merek tekstur mudah desain ukur gizi awet daluarsa prshn iklan mrasa mharga mmerek mtekstr mmudah mdesain mukur mgizi mawet mdaluars mprshn miklan
Variabel Cohort
Variabel Keseluruhan
Lampiran 4 1.
20 21 22 23 24
Panduan Penggunaan Sistem
Buka Program MATLAB pada komputer anda, kemudian ketik halamandepan pada Command Window maka akan muncul tampilan halaman depan dari sistem ini. Halaman depan mempunyai tiga menu, yaitu menu FCM, Keterangan Program dan Keluar.
19
3.
Klik pada bagian FCM, maka akan tampil sub menu 2D dan 3D. • 2D Æ menyediakan fasilitas untuk menampilkan proses clustering secara dua dimensi. • 3D Æ menyediakan fasilitas untuk menampilkan proses clustering secara tiga dimensi. 3a. Klik pada bagian 2D, akan muncul tampilan Plot Data untuk 2D. Tampilan ini berisi tombol-tombol pilihan, yaitu: • Tombol drop down segmentasi pasar untuk melihat plot data segmentasi pasar berdasarkan variabel Geografi, Demografi, Psikografis, Cohort dan Semua. • Tombol FCM untuk melihat hasil FCM dari data. • Tombol Clear Plot untul menghapus plot-plot terpilih. • Tombol Koordinat X dan Y untuk menentukan atribut-atribut terpilih pada sumbu koordinat. • Tombol Tampilan Utama untuk kembali ke tampilan halaman depan Misalkan pilih segmentasi pasar berdasarkan variabel Demografi, kemudian akan muncul tampilan Hasil Fuzzy C-Means untuk 2D.
20 3b. Pada tampilan tersebut terdapat beberapa tombol dan text box, yaitu: • Jumlah Cluster (c), Maksimum Iterasi, Error Terkecil (e), Pangkat (w). Keempat text box ini dapat diisi sesuai keperluan pengguna dengan tidak ada batasan nilai. • Tombol Start untuk memulai proses FCM. • Tombol Clear Plot untuk menghapus plot-plot terpilih. • Tombol Save Center untuk menyimpan pusat cluster pada file lain. • Tombol Close untuk kembali ke tampilan sebelumnya, yaitu tampilan Plot Data untuk 2D. Misalkan pilih Jumlah Cluster = 2, Maksimum Iterasi = 100, Error Terkecil = 1e-5 dan Pangkat = 2, kemudian klik tombol Start. Maka akan terlihat plot data, center (pusat cluster), anggota cluster-1 dan cluster-2, nilai Compactness, nilai Separation dan nilai Validity (S).
21 4.
Menu Keterangan Program menyediakan penjelasan-penjelasan tentang program.
5.
Menu Keluar digunakan untuk keluar dari program.
