2
1. Latar Belakang Masalah
Memahami perilaku konsumen adalah salah satu kunci untuk dapat mengidentifikasi strategi pemasaran yang efektif [1]. Namun keragaman alasan
konsumen dalam membeli suatu produk memberikan kompleksitas untuk dapat benar-benar menangkap keragaman alasan-alasan tersebut. Metode analisis yang
biasa digunakan, akan mencoba untuk mempersempit keragaman tersebut dan hanya menangkap aspek-aspek yang dianggap relevan.
Metode konvensional mempunyai beberapa kelemahan dalam memahami perilaku konsumen, yaitu
kelemahan pertama
adalah metode tersebut membutuhkan pengetahuan teknikal yang cukup sulit untuk dapat memperoleh penjelasan tentang
fenomena perilaku;
kelemahan lainnya
adalah model yang dihasilkan dari metode tersebut tidak dapat menjelaskan semua fenomena perilaku yang mungkin terjadi.
Hal ini disebabkan peniadaan informasi yang dianggap kurang relevan yang sebenarnya berpotensi sebagai informasi yang berharga [2].
Untuk menjawab permasalahan tersebut, digunakan suatu teori yang disebut
Disjunctive Mapping
DM. Teori DM memungkinkan untuk dapat memahami perilaku konsumen tanpa harus mengorbankan keanekaragaman perilaku konsumen.
Hal tersebut dimungkinkan karena DM mengandalkan kemampuan komputer untuk memproses data dalam jumlah besar [2].
Tren telepon
mobile
di berbagai kalangan saat ini tentu dapat menjadi peluang bisnis sangat menarik namun juga cukup menantang karena tidak sedikit pelaku
bisnis yang telah terjun dalam bisnis ini. Hal ini dapat dilihat dengan banyaknya bisnis perdagangan telepon
mobile
yang bermunculan baik secara fisik maupun melalui dunia maya. Oleh karena itu, sangat dibutuhkan pemahaman yang baik akan
pasar yang dituju sehingga seorang pelaku bisnis dapat menentukan strategi pemasaran yang tepat, dan dapat meningkatkan peluang pasar. Guna mencapai tujuan
ini maka dalam penelitian tugas akhir, akan dilakukan analisis terhadap perilaku konsumen dalam membeli telepon
mobile
dengan menerapkan teori DM, yang diharapkan dapat menghasilkan pemahaman yang lebih baik terhadap perilaku
konsumen.
2. Kajian Pustaka
Adapun penelitian mengenai analisis perilaku dengan
Disjunctive Mapping
DM telah dilakukan sebelumnya, yaitu penelitian yang membandingkan dua kurikulum sekolah menengah dimana salah satunya adalah kurikulum yang sedang
digunakan, dan yang lainnya merupakan kurikulum revisi berisi tawaran untuk menggunakan standarisasi nilai ujian. Penelitian tersebut memilih 400 siswa secara
acak untuk kedua kurikulum tersebut, namun hanya 303 siswa yang tersisa dalam penelitian tersebut dengan kebanyakan siswa adalah siswa yang putus sekolah dari
kurikulum yang sedang digunakan. Nilai ujian dibagi ke dalam tiga kategori yaitu
High
tinggi,
Medium
tengah, dan
Low
rendah. Penelitian tersebut juga mengumpulkan data tentang kualitas sekolah, dukungan administratif terhadap
kurikulum, serta kelas dan jenis kelamin setiap siswa. Tujuan dari penelitian tersebut adalah untuk memilih kurikulum yang menghasilkan paling banyak siswa dengan
nilai ujian tinggi [2].
Dalam penelitian tersebut ditulis program DM dengan menggunakan JSL yang merupakan bahasa
scripting
dari perangkat lunak JMP [3]. Program DM tersebut
3 menghasilkan sebuah peta yang memiliki 77 baris dimana setiap baris
merepresentasikan suatu jalur atau kombinasi dari variabel
input
. Setiap jalur merepresentasikan satu cara suatu hasil dapat terjadi, sedangkan peta secara
keseluruhan menunjukkan semua cara dimana suatu hasil dapat terjadi. Permasalahan yang kemudian muncul adalah bagaimana cara mengekstrak informasi yang berguna
dari dalam peta tanpa harus meruntuhkan keragaman jalur yang ada yang tentunya akan membuang informasi yang mungkin berharga. Untuk menjawab permasalahan
tersebut digunakan tiga statistik dasar yaitu probabilitas jalur, potensi jalur, dan kontribusi jalur diukur dalam dua cara [2]. Probabilitas jalur dari jalur didefinisikan
sebagai probabilitas jalur i tersebut terjadi atau frekuensi relatif yang dapat dituliskan pada Rumus 1.
Ni ƩN
1 Dimana Ni adalah jumlah kasus dari jalur i, dan dimana penjumlahan
dilakukan pada semua jalur. Ini adalah probabilitas dimana suatu jalur akan terjadi terlepas dari hasil yang dituju. Potensi jalur dari jalur i adalah probabilitas dari hasil
yang dituju pada suatu jalur yang dapat dituliskan pada Rumus 2.
Frekuensi hasil yang dituju pada jalur i Ni 2
Potensi jalur bertujuan untuk mengukur kekuatan relasi antara kondisi pada suatu jalur dengan hasil yang dituju sebagai suatu probabilitas. Kontribusi jalur untuk
jalur i adalah probabilitas dari hasil yang dituju yang disumbangkan oleh jalur tersebut dan relatif terhadap semua jalur yang mungkin yang dapat dituliskan pada
Rumus 3.
Potensi Jalur i Probabilitas Jalur i 3
Kontribusi jalur mengkombinasikan potensi jalur dengan probabilitas jalur dan menghasilkan suatu ukuran tingkat peranan dari suatu jalur dalam probabilitas hasil
yang dituju, yang bergantung pada kekuatan dan frekuensi dari sebuah relasi. Kontribusi jalur dinyatakan dalam dua cara yaitu sebagai probabilitas dimana kondisi
pada jalur dan hasil yang dituju akan terjadi, atau probabilitas yang sama sebagai persentase probabilitas total dari hasil yang dituju.
Setelah peta disjungtif terbentuk maka proses analisis peta dapat dilakukan. Salah satu metode analisis peta yang digunakan adalah analisis pengaruh [2]. Untuk
mengetahui pengaruh
influence
digunakan potensi jalur untuk mengukur efek dari kondisi pada probabilitas suatu hasil yang dituju. Ukuran tersebut dihitung sebagai
berat rata-rata dari potensi jalur di seluruh jalur yang dipilih. Dengan mengamati pemilihan jalur yang berbeda maka banyak pertanyaan yang dapat dijawab yang
menunjukkan seberapa banyak suatu kondisi atau banyak kondisi mempengaruhi suatu hasil yang dituju dan bagaimana tingkat pengaruh tersebut dibandingkan
dengan hasil lain yang mungkin terjadi. Untuk mempermudah, proses analisis dilakukan dengan bantuan grafik yang menunjukkan pengaruh dari semua kondisi
dalam peta. Grafik pada Gambar 1 menunjukkan hasil aplikasi metode statistika ANOVA
Analysis of Variance
terhadap data yang dibentuk oleh peta dan menggunakan potensi jalur sebagai variabel respon. Perhitungan
mean
dan interval kepercayaan ditimbang dengan frekuensi jalur N.
4
Gambar 1 Pengaruh Pada Semua Jalur [2]
Cara membaca grafik pada Gambar 1, dijelaskan sebagai berikut. Probabilitas
nilai tinggi
High
ditunjukkan oleh garis tengah di dalam ketupat. Dimensi vertikal ketupat merepresentasikan 95 interval kepercayaan nilai ini dapat diatur. Dimensi
horisontal ketupat menunjukkan proporsi dari sampel di setiap kategori. Garis pembanding yang dekat dengan bagian atas dan bawah ketupat menguji apakah
perbedaan
mean
signifikan secara statistik. Jika garis pembanding pada satu ketupat lebih dekat kepada
mean
dari ketupat lain, maka perbedaannya tidak signifikan. Kesimpulan yang ditarik tentang DM dari hasil penelitian tersebut adalah
bahwa dapat digali banyak informasi dari suatu analisis yang lebih mudah, dan dapat dijelaskan dengan singkat. Intinya bukanlah bahwa informasi tersebut tidak dapat
diperoleh dengan cara-cara lain namun informasi tersebut tidak dapat diperoleh dengan mudah, dan dengan keahlian teknikal yang terbatas.
Berdasarkan kesimpulan tersebut, penelitian tentang analisis perilaku konsumen dalam membeli telepon
mobile
perlu dilakukan mengingat masih kurangnya penerapan teori DM serta kemudahan yang diberikan oleh metode ini.
Lewat penelitian yang dilakukan, diharapkan dapat diketahui berbagai aspek yang mempengaruhi perilaku konsumen dalam membeli telepon
mobile
. Hasil dari analisis perilaku konsumen dengan teori DM dapat membantu berbagai pelaku bisnis di
bidang telepon
mobile
dalam meninjau ulang strategi pemasaran yang sedang digunakan maupun dalam menyusun strategi pemasaran yang baru guna
meningkatkan peluang pasar. Pengertian Analisis Perilaku
Kamus Besar Bahasa Indonesia [4] mendefinisikan kata analisis sebagai berikut: 1 Penyelidikan terhadap suatu peristiwa karangan, perbuatan, dan
sebagainya untuk mengetahui keadaan yang sebenarnya sebab-musabab, duduk perkaranya, dan sebagainya; 2 Penguraian suatu pokok atas berbagai bagiannya dan
penelaahan bagian itu sendiri serta hubungan antar bagian untuk memperoleh pengertian yang tepat dan pemahaman arti keseluruhan; 3 Penyelidikan kimia
dengan menguraikan sesuatu untuk mengetahui zat bagiannya dan sebagainya; 4 Penjabaran sesudah dikaji sebaik-baiknya; dan 5 Pemecahan persoalan yang dimulai
dengan dugaan akan kebenarannya. Berdasarkan definisi tersebut dapat disimpulkan bahwa analisis perilaku merupakan usaha penyelidikan yang dilakukan terhadap
suatu perilaku guna memperoleh pengertian yang lebih baik tentang perilaku tersebut.
Pengertian Analisis Perilaku Konsumen
Perilaku konsumen merupakan segala aktivitas konsumen yang berkaitan dengan pembelian, penggunaan, dan penghabisan barang dan jasa, termasuk emosi,
mental, dan respon-respon konsumen yang mendahului, menentukan, atau mengikuti aktivitas-aktivitas tersebut [5]. Pendapat lain menyatakan bahwa perilaku konsumen
5 mencerminkan totalitas keputusan konsumen sehubungan dengan perolehan,
konsumsi, dan disposisi barang, jasa, kegiatan, pengalaman, orang-orang, dan ide-ide oleh pengambilan keputusan dari waktu ke waktu [6]. Berdasarkan dua definisi
tersebut dapat disimpulkan bahwa perilaku konsumen adalah keputusan-keputusan yang diambil oleh konsumen guna mendapatkan, mengkonsumsi, dan menghabiskan
suatu produk dimana keputusan-keputusan tersebut dapat dipengaruhi oleh berbagai hal. Jika pengertian perilaku konsumen ini dikaitkan dengan pengertian analisis
perilaku yang telah dijelaskan sebelumnya, maka dapat diambil suatu kesimpulan bahwa analisis perilaku konsumen adalah suatu usaha penyelidikan yang dilakukan
untuk memperoleh pengertian yang lebih baik terhadap keputusan-keputusan yang diambil oleh konsumen untuk mendapatkan, mengkonsumsi, dan menghabiskan
suatu produk, serta berbagai hal yang mempengaruhi keputusan-keputusan tersebut. Pengertian Teori
Disjunctive Mapping
Disjunctive Mapping
DM adalah suatu teori perilaku manusia yang berlandaskan pada mekanisme disjungtif yang menyatakan bahwa suatu hasil yang
pasti dapat dijelaskan oleh
input
atau masukan yang tidak pasti dan beragam, dimana jumlah probabilitas dari beragam cara suatu hasil dapat terjadi, akan menentukan
probabilitas hasil tersebut [2]. Teori DM sendiri adalah aplikasi dari mekanisme disjungtif dimana data disusun untuk memetakan berbagai cara suatu hasil atau suatu
perilaku terjadi dan dimana penjelasan tentang perilaku tersebut dapat diperoleh melalui analisis terhadap probabilitas dari jalur-jalur dimana hasil tersebut terjadi.
Ada beberapa konsep mendasar dari teori
Disjunctive Mapping
DM, dimana hal-hal tersebut perlu untuk dipahami agar dapat diaplikasikan dengan benar. Konsep-
konsep tersebut dijelaskan sebagai berikut. Peta dan Bukan Model
Berbagai kondisi yang menuntun kepada perilaku manusia motivasi, kebiasaan, peristiwa, kepercayaan, ketentuan, perasaan, pengaruh, wawasan, tekanan
sosial, keadaan, dan sebagainya secara sederhana dapat dijelaskan, sebagai jalur- jalur. Sebagai contoh, sebuah masukan berupa rangkaian atau kombinasi dari tiga
peristiwa, A, B, dan C, menuntun kepada suatu perilaku X A B C X. Jika ada
ketidakpastian yang terkait dengan hasil, yaitu jika dapat terjadi lebih dari satu hasil, maka dibutuhkan paling tidak dua X. Satu X
1
mewakili keadaan dimana X terjadi dan yang lainnya X
2
mewakili keadaan ketika X tidak terjadi. Jika ada ketidakpastian baik tentang masukan dan hasil, maka dapat digambarkan dengan
tumpukan jalur-jalur Tabel 1 dimana satu jalur mewakili setiap kombinasi dari masukan.
Tabel 1 Tumpukan Jalur-Jalur [2]
A
1
B
1
C
1
X
1
, X
2
A
1
B
1
C
2
X
1
, X
2
A
1
B
2
C
1
X
1
, X
2
A
1
B
2
C
2
X
1
, X
2
A
2
B
1
C
1
X
1
, X
2
A
2
B
1
C
2
X
1
, X
2
A
2
B
2
C
1
X
1
, X
2
A
2
B
2
C
2
X
1
, X
2
6
Tumpukan jalur-jalur pada Tabel 1 dapat dibayangkan sebagai sebuah peta
yang menunjukkan cara-cara untuk berangkat dari masukan-masukan perilaku kepada keluarannya. Sebuah peta menunjukkan berbagai cara untuk berangkat dari
suatu tempat ke tempat lain. Karena setiap cara bersifat independen satu sama lainnya, maka setiap jalur pada peta dapat memiliki logikanya masing-masing,
sehingga dapat dilewati lokasi yang berbeda dan digunakan kendaraan yang berbeda untuk dapat sampai ke tujuan. Tetapi model harus menemukan atau menentukan
sejumlah logika yang mendasari, hanya satu jika mungkin. Dengan demikian model tidak sesuai, ketika ada beberapa logika yang mendasari dan faktor-faktor yang
beragam dari suatu hal ke hal yang lainnya, seperti halnya ketika perilaku muncul dari beragam kombinasi alasan. Peta sederhana menunjukkan apa yang ada di suatu
lokasi. Pada intinya model tidak memiliki kebebasan seperti halnya peta. Model pada umumnya tidak mencari kebebasan karena model mencari logika-logika penyatu
yang dapat mencakup sebanyak mungkin. Dengan menggunakan sebuah peta, maka tugas analisis adalah untuk menjawab pertanyaan-pertanyaan dengan mencari
berbagai jalur yang relevan, mengukurnya dan menjumlahkan efek jalur-jalur tersebut. Sedangkan ketika menggunakan model maka tugas analisis adalah untuk
menunjukkan dinamika kunci, dan memberikan alasan berdasarkan informasi tersebut.
Kategori dan Bukan Kontinuitas
Sebuah peta adalah representasi logis dari pada representasi matematika, dan berdasarkan pada proposisi dari pada fungsi, demikian juga sebuah peta berurusan
dengan kategori dan bukan kontinuitas. Hal ini khususnya tepat untuk digunakan pada data yang mewakili informasi yang direspon oleh manusia, sebagaimana
kontinuitas cenderung untuk diterjemahkan dalam bahasa kategorial seperti: pendapatan kelas menengah yang mengacu pada suatu kisaran, dan kelas miskin
pada kirasan yang berbeda, dan sebagainya. Penggunaan kategori dapat menambah informasi yang dihasilkan, dengan menjelaskan bagaimana data dipisahkan ke dalam
kategori-kategori. Variabel dan Informasi yang Hilang
Variable-variabel DM terdiri dari kondisi-kondisi yang menjelaskan semua kemungkinan keadaan
state
, dimana dalam suatu keadaan yang dipertanyakan salah satu dari kondisi-kondisi tersebut akan terjadi. Walaupun terkadang dimungkinkan
untuk mendefinisikan semua kondisi dengan kategori-kategori spesifik, namun seringkali pada beberapa kasus tidak tersedia informasi atau tidak ada kategori yang
sesuai yang dapat digunakan. Keadaan tersebut seringkali dikategorikan sebagai Tidak Digunakan, Lainnya, atau dibiarkan kosong Tidak Diketahui. Penggunaan
kategori-kategori tersebut memungkinkan analisis untuk menjelajahi berapa banyak dari probabilitas suatu hasil dapat muncul dari kondisi-kondisi yang tidak diketahui.
Kesamaan Bukan Sebagai Dasar dari Penjelasan
Disjungsi tidak menuntut kesamaan untuk menghasilkan keluaran yang pasti. Namun DM mengukur efek kesamaan ketika kesamaan itu ada, dan ukuran ini akan
cenderung lebih informatif dari pada statistik konvensional, yang mengatributkan efek dari disjungsi lengkap kepada kesamaannya. Pengetahuan akan kesamaan dapat
memberikan kegunaan praktis yang penting sebagai prediktor, dan dapat merepresentasikan pengungkit yang efektif pada keseluruhan sistem disjungtif.
7
Lebih Kepada Kerjasama dari pada Kompetisi Ide
Probabilitas dari suatu keluaran adalah jumlah dari probabilitas jalur-jalur yang menuju ke keluaran tersebut, dan setiap jalur adalah satu penjelasan dari satu cara
keluaran tersebut dapat terjadi. Penjelasan yang berbeda dapat berkerjasama untuk menjelaskan keluaran tersebut. Suatu kompetisi untuk menemukan penjelasan terbaik
hanya akan mengidentifikasi jalur yang saat ini merupakan cara yang paling mungkin untuk dapat mencapai suatu keluaran.
Parsimoni Bukan Merupakan Analisis yang Ideal
Karena penjelasan disjungtif bekerja melalui penyebaran cara-cara suatu hal dapat terjadi, maka mempertahankan parsimoni sebagai sesuatu yang ideal adalah
suatu ajakan kepada representasi yang salah. Hal ini bukan hanya masalah penyederhanaan berlebihan, tetapi masalah mengganggu mekanisme kausal pusat,
yang timbul dari penyebaran tersebut. Menyelidiki Hasil dan Bukan Hubungan
Fenomena perilaku manusia bukan satu hal tetapi banyak hal, yang terdiri dari beragam cara suatu hasil dapat terjadi dan kasus-kasus yang berbeda dari suatu
fenomena cenderung mengandung kondisi yang berbeda dan hubungan yang berbeda. Jadi untuk mendapatkan target yang jelas guna investigasi, maka yang harus
dijadikan target adalah hasil itu sendiri. Interpretasi Kondisi dan Jalur
Statistik bekerja dengan ukuran dari keadaan
state
dan perihal, dan jika keadaan dan perihal yang diukur tidak sama pada dimensi yang relevan, maka artinya
tertekan keluar dari analisis. Dalam bahasa umum, konteks dan pengubah mengijinkan nuansa makna, tetapi analisis kuantitatif konvensional harus berjuang
demi variabel-variabel yang berdiri sendiri, interaksi dan kontinjensi konflik dengan parsimoni dan universalitas, dan program untuk mengidentifikasi kekuatan dasar
yang koheren. DM tanpa ketertarikan pada parsimoni atau universalitas menyediakan suatu konteks khusus untuk setiap kondisi. Dengan demikian jalur, bukan kondisi,
dapat dianggap sebagai unit terkecil yang terdefinisi dengan baik. Memahami Kondisi Melalui Efeknya Terhadap Jalur
Karena kondisi dipahami berdasarkan konteks jalurnya masing-masing, maka pengukuran efek kondisi harus diukur dalam konteks tersebut, dan diharapkan suatu
kondisi untuk memiliki efek yang berbeda pada jalur yang berbeda. Ukuran efek dari suatu kondisi adalah perbedaan probabilitas keluaran antara jalur-jalur dimana suatu
kondisi atau kombinasi dari kondisi-kondisi terjadi dan dengan jalur dimana kondisi atau kombinasi tersebut tidak terjadi.
Probabilitas Sebagai Ukuran Besarnya Efek
Ketika bekerja dengan variabel kategorial maka pertanyaan praktis yang utama adalah kemungkinan, yaitu apakah suatu hal akan terjadi. Di bawah ketidakpastian
pertanyaan tersebut menjadi seberapa mungkin hal tersebut dapat terjadi. Probabilitas menjawab pertanyaan ini dengan angka yang dengan mudah dihitung dan dapat
dipahami dalam bentuk persentase. Perangkat Lunak JMP
JMP adalah perangkat lunak visualisasi data dan analisis statistik yang dapat digunakan untuk mempelajari data dengan melakukan analisis dan interaksi dengan
data menggunakan tabel data, grafik, diagram, dan
report
[7]. Tabel data dalam
8 perangkat lunak JMP adalah suatu tempat yang berisi kumpulan data yang diatur
berdasarkan baris dan kolom [7]. Setiap kolom dalam tabel data memiliki beberapa atribut antara lain nama kolom dan tipe data. Salah satu fitur penting dari JMP adalah
JMP
scripting language
atau JSL, dimana JSL dapat digunakan untuk mengembangkan kemampuan dasar JMP [3]. Dalam penelitian ini data perilaku
konsumen akan diatur ke dalam tabel data, sedangkan JSL akan digunakan untuk mengimplementasikan teori
Disjunctive Mapping
DM.
3. Metode Penelitian
Kategori