Analisa faktor-faktor ketertarikan Konsumen terhadap Sepeda Motor Honda di Kota Medan dengan Analisis Konjoin

ANALISA FAKTOR- FAKTOR KETERTARIKAN KONSUMEN

TERHADAP SEPEDA MOTOR HONDA DI KOTA MEDAN DENGAN

ANALISIS KONJOIN

SKRIPSI

Diajukan untuk melengkapi dan memenuhi syarat mencapai gelar Sarjana Sains

DOLMAR TOBING

110823018

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2014

Judul : ANALISA FAKTOR-FAKTOR KETERTARIKAN KONSUMEN TERHADAP SEPEDA MOTOR HONDA DI KOTA MEDAN DENGAN ANALISIS KONJOIN

Kategori : SKRIPSI

Nama : DOLMAR TOBING

Nomor Induk Mahasiswa : 110823018

Program Studi : MATEMATIKA

Departemen : MATEMETIKA

Fakultas : MATEMETIKA DAN ILMU PENGETAHUAN ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA

Diluluskan di

Medan, 2014

Komisi Pembimbing :

Pembimbing 1 Pembimbing 2

Drs. Ujian Sinulingga, M. Si Drs. Gim Tarigan, M. Si

NIP. 19560303 198403 1 004 NIP. 19550202 198601 1 001 Diketahui/ Disetujui oleh

Departemen Matematika FMIPA USU Ketua,

Prof. Dr. Tulus, MSi

NIP. 19620901 198803 1 002

ANALISA FAKTOR-FAKTOR KETERTARIKAN KONSUMEN TERHADAP SEPEDA MOTOR HONDA DI KOTA MEDAN DENGAN ANALISIS KONJOIN

SKRIPSI

Saya mengakui bahwa Tugas Akhir ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan, data dan ringkasan yang masing-masing disebut sumbernya.

Medan, 2014

DOLMAR TOBING 110823018

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah karunia-Nya penulis dapat menyelesaikan penyusunan skripsi ini dengan judul studi ANALISA FAKTOR-FAKTOR KETERTARIKAN KONSUMEN TERHADAP SEPEDA MOTOR HONDA DI KOTA MEDAN DENGAN ANALISIS KONJOIN.

Terimakasih penulis sampaikan kepada Drs. Ujian Sinulingga, M. Si selaku pembimbing 1 dan Drs. Gim Tarigan, M. Si selaku pembimbing 2 yang telah meluangkan waktunya selama penyusunan skripsi ini. Terima kasih kepada Prof. Dr. Tulus, M. Si dan Ibu Dra. Mardiningsih, M. Sc selaku Ketua Departemen dan Sekretaris Deparetemen Matematika FMIPA-USU Medan, Dekan dan Pembantu Dekan FMIPA USU, seluruh staff dan Dosen Matematika FMIPA USU, Pegawai FMIPA USU dan rekan-rekan kuliah. Akhirnya tidak terlupakan kepada orang tua dan rjan-rekan yang senantiasa memotivasi penulis serta keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa akan membalasnya.

SEPEDA MOTOR HONDA DI KOTA MEDAN DENGAN ANALISIS KONJOIN

ABSTRAK

Analisis Konjoin adalah suatu teknik yang secara spesifik digunakan untuk memahami bagaimana keinginan atau preferensi konsumen terhadap suatu produk atau jasa dengan mengukur tingkat kegunaan dan nilai kepentingan relatif berbagai atribut suatu produk.

Analisis Konjoin mencoba untuk menentukan kepentingan relatif yang dikaitkan pelanggan pada atribut yang penting dan utilitis yang mereka kaitkan pada tingkatan atau level atribut. Prosedur konjoin mencoba untuk memberikan nilai pada tingkatan/level dari setiap atribut, sehingga nilai yang dihasilkan atau utilitis yang dikaitkan pada stimulus cocok atau sedekat mungkin dengan evaluasi input yang diberikan oleh responden. Oleh karena itu analisis konjoin sangat membantu penelitian dalam pemasaran, terutama untuk mengetahui penting atau tidak suatu atribut beserta level pada sepeda motor honda.

Hasil pengolahan analisis konjoin pada penelitian ini didapatkan informasi bahwa faktor ketertarikan konsumen dalam memilih sepeda motor honda lebih mengharapakan produk tersebut dengan Mesin 150CC-200CC, Harga <16.500.000, velg jari-jari, Type Matic serta warna merah.

MEDAN WITH CONJOINT ANALYSIS

ABSTRACK

Conjoint analysis is a technique that is specifically used to understand how the desires or preferences of consumers to a product or service by measuring the level of usability and value of the relative importance of various attributes of a product.

Conjoint analysis attempts to determine the relative importance attributed to the attributes that are important customers and utilities to which they attach to the level or attribute level. Conjoint procedure attempts to assign values to the level / levels of each attribute, so that the resulting value or utility that is attached to a suitable stimulus evaluation or as close as

possible to the input given by the respondents. It is therefore very helpful Conjoint analysis in marketing research, especially to find out important or not an attribute and its levels at honda motorcycle.

Conjoint analysis processing results in this study obtained information that the consumer interest factor in choosing a more honda motorcycle expects the product with 150CC-200cc Engine, Price <16,500,000, wheel sPOKE, Type Matic and red colors.

DAFTAR ISI

Halaman

Persetujuan ii

Pernyataan iii

Penghargaan iv

Abstrak v

Abstrack vi

Daftar Isi vii

Daftar Tabel viii

Daftar Gambar Bab 1 Pendahuluan 1.1Latar Belakang 1

1.2Perumusan Masalah 4

1.3Batasan Masalah 4

1.4Tinjauan Pustaka 4

1.5Tujuan Penelitian 8

1.6Manfaat Penelitian 9

1.7Metodologi Penelitian 9

Bab 2 Landasan Teori 2.1 Analisis Regresi Linier 10

2.1.1 Pengertian Regresi 10 2.1.2 Regresi Linier Sederhana 12 2.1.3 Regresi Linier Berganda 12

2.2 Analisis Konjoin 13

2.3 Tahapan-tahapan Analisis Konjoin 14 2.4 Menentukan Metode Pengumpulan Data 15

2.4.1 Populasi 15

2.4.2 Sampel 16

2.4.3 Teknik Penarikan Sampel 17

2.5 Memilih Prosedur Analisis Konjoin 18

2.6 Uji Validitas dan Reliabilitas 21

2.7 Penentuan Jenis Data yang Diperlukan 22

2.8 Preferensi Konsumen 23

2.9 Interpretasi Hasil 24

Bab 3 Pembahasan 3.1Karakteristik Responden 25

3.2 Penarikan Sampel 25

3.2.1 Variabel Penelitian 26

3.3 Analisis Preferensi Sepeda Motor Secara Umum 26

3.4 Penyajian Data 27

4.1 Kesimpulan 44

4.2 Saran 44

DAFTAR PUSTAKA 44 LAMPIRAN Lampiran 1 45

Lampiran 2 46

Kuesioner Penelitian 50

DAFTAR TABEL

Halaman Tabel 1.1 Penjualan sepeda motor di Kota Medan Tahun 2009-2013 2

Tabel 1.2 Tabel Keeratan Korelasi 6

Tabel 1.3 Tiga Taraf Pengkodean 6

Tabel 2.1 Tiga Taraf Pengkodean 19

Tabel 2.1 Tiga Taraf Pengkodean 21

Tabel 3.1 Atribut dan Level Atribut 26

Tabel 3.2 Stimulus yang Menjadi Kuesioner Penelitian 27

Tabel 3.3 Nilai Utility Keseluruhan Dari Responden Dengan Menggunakan SPSS 28

Tabel 3.4 Hasil Ranking seluruh Responden 29

Tabel 3.5 Pengkodean Data untuk Regresi 31

Tabel 3.6 Coefficients 32

Tabel 3.7 Uji reliabiltas dan Validitas 33

Tabel 3.8 Hasil Analisis Konjoin 41

ANALISA FAKTOR-FAKTOR KETERTARIKAN KONSUMEN TERHADAP SEPEDA MOTOR HONDA DI KOTA MEDAN DENGAN

ANALISIS KONJOIN

ABSTRAK

Analisis Konjoin adalah suatu teknik yang secara spesifik digunakan untuk memahami bagaimana keinginan atau preferensi konsumen terhadap suatu produk atau jasa dengan mengukur tingkat kegunaan dan nilai kepentingan relatif berbagai atribut suatu produk.

Analisis Konjoin mencoba untuk menentukan kepentingan relatif yang dikaitkan pelanggan pada atribut yang penting dan utilitis yang mereka kaitkan pada tingkatan atau level atribut. Prosedur konjoin mencoba untuk memberikan nilai pada tingkatan/level dari setiap atribut, sehingga nilai yang dihasilkan atau utilitis yang dikaitkan pada stimulus cocok atau sedekat mungkin dengan evaluasi input yang diberikan oleh responden. Oleh karena itu analisis konjoin sangat membantu penelitian dalam pemasaran, terutama untuk mengetahui penting atau tidak suatu atribut beserta level pada sepeda motor honda.

Hasil pengolahan analisis konjoin pada penelitian ini didapatkan informasi bahwa faktor ketertarikan konsumen dalam memilih sepeda motor honda lebih mengharapakan produk tersebut dengan Mesin 150CC-200CC, Harga <16.500.000, velg jari-jari, Type Matic serta warna merah.

ABSTRACK

Conjoint analysis is a technique that is specifically used to understand how the desires or preferences of consumers to a product or service by measuring the level of usability and value of the relative importance of various attributes of a product.

Conjoint analysis attempts to determine the relative importance attributed to the attributes that are important customers and utilities to which they attach to the level or attribute level. Conjoint procedure attempts to assign values to the level / levels of each attribute, so that the resulting value or utility that is attached to a suitable stimulus evaluation or as close as

possible to the input given by the respondents. It is therefore very helpful Conjoint analysis in marketing research, especially to find out important or not an attribute and its levels at honda motorcycle.

Conjoint analysis processing results in this study obtained information that the consumer interest factor in choosing a more honda motorcycle expects the product with 150CC-200cc Engine, Price <16,500,000, wheel sPOKE, Type Matic and red colors.

BAB 1

PENDAHULUAN

1.1Latar Belakang

Perkembangan teknologi dan industri membawa dampak bagi kehidupan manusia terutama dunia usaha pada saat ini. Di samping itu banyaknya usaha yang bermunculan baik perusahaan kecil maupun besar berdampak pada persaingan yang ketat antar perusahaan baik yang sejenis maupun yang tidak sejenis. Oleh karena itu pemasaran merupakan salah satu kegiatan yang dilakukan dalam menghadapi persaingan, pengembangan usaha dan untuk mendapatkan laba, sehingga perusahaan dapat mengembangkan produknya, menetapkan harga, dan mendistribusikan barang dengan efektif.

Peluang industri sepeda motor untuk dapat berkembang dalam negeri sangat besar, karena sepeda motor saat kini telah menjadi salah satu transportasi utama bagi masyarakat. Akan tetapi persaingan juga nampaknya akan berlangsung ketat, apalagi dengan masuknya sepeda motor dari Cina yang harganya jauh di bawah sepeda motor yang lebih dulu berada di pasaran.

Perkembangan produksi sepeda motor pada beberapa tahun belakangan ini mengalami pertumbuhan yang sangat pesat. Ini terjadi disebabkan semakin meningkatnya permintaan konsumen terhadap sepeda motor. Dengan melihat kecenderungan peningkatan permintaan terhadap sepeda motor di sumatera utara akan menjadi peluang bisnis tersendiri bagi kalangan produsen sepeda motor. Tingkat penjualan beberapa merk sepeda motor di kota medan dapat dilihat pada tabel berikut :

Tabel 1.1Penjualan sepeda motor di Kota Medan Tahun 2009-2013

NO BRAND

TAHUN

TOTAL

2009 2010 2011 2012 2013

1 HONDA 31909 37326 46816 52540 49501 ₂₁₈₀₉₂

2 YAMAHA 41968 52007 49882 33136 24636 ₂₀₁₆₂₉

3 SUZUKI 5827 3953 3071 2828 3633 ₁₉₃₁₂

4 KAWASAKI 995 1373 1386 1581 1246 ₆₅₈₁

TOTAL _{80699 94659 101155 90085 79016 445614}

Sumber: CV.Indako Tradong.Co

Bila dilihat dari penjualan sepeda motor honda di Medan menunjukkan bahwa sepeda motor merek honda lebih diminati masyarakat.Hal ini disebababkan oleh beberapa hal yang di antaranya adalah honda telah melegenda, bengkel resmi yang sudah banyak bertebaran di mana-mana, harga jual kembali relatif tinggi dan stabil serta beberapa hal lain yang membuat honda lebih di kenal masyarakat. Strategi pemasaran merupakan hal yang sangat penting bagi perusahaan dimana strategi pemasaran merupakan suatu cara mencapai tujuan dari sebuah perusahaan. Bagi pihak manajemen sebuah perusahaan dapat merumuskan kegiatan-kegiatan yang akan dilakukan untuk merumuskan strategi pemasaran, kegiatan penjualan, kegiatan promosi, serta kegiatan lainnya yang dapat meningkatkan perusahaan agar lebih kompetitif dalam memenangkan persaingan di masa mendatang.

Untuk memenangkan persaingan tersebut, produsen harus mampu menempatkan posisi produknya.Untuk membedakan produknya dengan produk para pesaing dengan memberikan keunggulan pada produknya untuk meraih sasaran pasar.Oleh karena itu dibutuhkankemampuan manajemen untuk membentuk posisi produk dalam benak konsumen. Pada saat menentukanpilihan produk, konsumen harus mengetahui apa keunggulan dan kelemahan suatu produk bila dibandingkan dengan produk lainnya.

Dalam bidang riset pemasaran sering terjadi masalah bagaimana mengembangkan kualitas produk yang banyak diminati konsumen. Perkembangan

ilmu teknologi yang semakin pesat ini dimana Konsumen pasti membutuhkan dan menginginkan barang-barang teknologi salah satunya adalah Sepeda Motor.

Berdasarkan latar belakang masalah yang telah di paparkan tersebut, maka penulis memilih judul “Analisa faktor-faktor ketertarikan Konsumen terhadap Sepeda Motor Honda di Kota Medan dengan Analisis Konjoin”.

1.2Perumusan Masalah

Perumusan masalah dari penelitian ini adalah :

a. Bagaimana memperoleh kombinasi baru produk Sepeda Motor yang paling disukai konsumen.

b. Mengetahui nilai utilitas yang paling tinggi dari 5 faktor atau atribut sehingga diperoleh produk yang lebih tinggi nilai belinya dengan menggunakananalisis konjoin.

c. Mengetahui yang mempengaruhi konsumen memilih produk sepeda motor.

1.3Batasan Masalah

Dalam penulisan tugas akhir ini, penulis membatasi ruang lingkup permasalahan sebagai berikut:

Adapun batasan masalah dalam penelitian ini adalah :

a. Produk objek penelitian dibatasi untuk Sepeda Motor Honda produksi tahun 2011 sampai tahun 2014.

b. Responden yang menjadi objek penelitian adalah pemilik sepeda motor honda minimal 1 tahun.

1.4Tujuan Penelitian

Tujuan yang ingin dicapai dari penelitian ini adalah untuk:

a. Mengetahui seberapa besar kesukaan konsumen terhadap suatu atribut. b. Mengetahui spesifikasi Sepeda Motor yang dipilih konsumen.

1.5Manfaat Penelitian

Manfaat dari penelitian ini adalah sebagai berikut :

1. Membantu penulis dalam menerapkan ilmu yang telah di dapat selama di perkuliahan ke dalam dunia nyata.

2. Menambah pengetahuan penulis tentang analisis konjoin.

3. Memberikan kombinasi atribut pada produk Sepeda Motor yang menjadi kesukaan konsumen.

4. Mendapatkan nilai utilitas pada atribut Sepeda Motor.

5. Menghasilkan konsep produk baru yang paling diinginkan sesuai preferensi responden.

1.6Tinjauan Pustaka

Regresi linier berganda adalah analisis regresi yang menjelaskan hubungan antara peubah respon (variable dependen) dengan faktor-faktor yang mempengaruhi lebih dari satu prediktor (variabel independen) (Sudjana,1996).

Regresi linier berganda hamper sama dengan regresi linier sederhana,hanya saja pada regresi linier berganda variable bebasnya lebih dari satu variable penduga. Tujuan alisis regresi linier berganda adalah untuk mengukur intensitas hubungan antara dua variabel atau lebih dan membuat prediksi perkiraan nilai Y atas X.

Secara umum model regresi linier berganda adalah :

��=�0+�1��+�� Dengan:

��= Variabel Terikat

�� = variabel bebas

�0= jarak titik pangkal dengan titik potong garis regresi pada sumbu Y

�1= Kemiringan garis regresi

��= Kesalahan

Untuk persamaan regresi untuk populasi secara umum dituliskan sebagai berikut :

Ŷ= �₀+ �₁�₁+�₂�₂ +�₃�₃+⋯+�_��_� Dengan:

Ŷ = perkiraan/ramalan Y

�1… ,�� = koefisien regresi

�1… ,�� = Variabel bebas

Sugiyono (2006) menyatakan, bahwa instrument (kuesioner) harus diuji. Instrumen yang baik harus memenuhi dua persyaratan penting yaitu valid dan reliabel. Uji validitas atau kesasihan digunakan untuk mengetahui seberapa tepat suatu alat ukur mampu melakukan fungsi. Alat ukur yang dapat digunakan dalam pengujian validitas suatu kuesioner adalah angka hasil korelasi antara skor pernyataan dan skor keseluruhan pernyataan responden terhadap informasi dalam kuesioner.

Perhitungan uji validitas ini dilakukan dengan bantuan program Statistical product and Service Solution (SPSS). Pengujian reliabilitas bertujuan untuk mengetahui konsistensi atau keteraturan hasil pengukuran suatu instrumen apabila instrument tersebut digunakan lagi sebagai alat ukur suatu objek atau responden. Menurut Sugiyono (2001), “instrument yang reliabel adalah instrument yang bila digunakan beberapa kali untuk mengukur objek yang sama, akan menghasilkan data yang sama’’

adalah untuk mengetahui bagaimana persepsi seseorang terhadap suatu objek yang terdiri atas satu atau banyak bagian.Hasil utama Konjoin Analisis adalah suatu bentuk (desain) produk barang atau jasa, atau objek tertentu yang diinginkan oleh sebagian besar responden.

Menurut J. Supranto (2004), analisis konjoin mencoba ntuk menentukan kepentingan relatif yang dikaitkan pelanggan pada atribut yang penting dan utilities yang mereka kaitkan pada tingkatan atau level atribut. Prosedur konjoin mencoba untuk memberikan nilai pada tingkatan/ level dari setiap atribut, sehingga nilai yang dihasilkan atau utilities yang dikaitkan pada stimulus cocok atau sedekat mungkin dengan evaluasi input yang diberikan oleh responden. Asumsi yang mendasari ialah bahwa setiap set stimulus, seperti produk, merek, atau toko dievaluasi sebagai perangkat atribut atau a bundle of atributes.

Teknik pengambilan sampel Purposive sampling (Judgement Sampling/ Expert Choise) Husein Umar (2003) dapat dipakai pada saat ingin mengetahui pendapat konsumen yang memakai sendiri tentang produk Sepeda Motor Honda yang akan dibuat. Peneliti telah beranggapan bahwa konsumen Sepeda Motor Honda akan lebih banyak tahu daripada orang- orang lain, peneliti telah melakukan pertimbangan untuk hal tersebut.

Untuk mendapatkan sampel yang benar-benar mewakili seluruh populasi, maka dalam penelitian ini teknik penentuan jumlah sampel menggunakan rumus pendugaan proporsi sebagai berikut:

�

=

��

2 2_�(�)

�2 Dengan:

n : Jumlah sampel

��

2 : Nilai Z pada derajat kemaknaan P : Proporsi kasus yang diteliti

Q : 1-P

Nasendi (2000) menyatakan, matriks merupakan himpunan unsur-unsur yang disusun menurut baris dan kolom, sehingga berbentuk empat persegi panjang, di mana panjangnya dan lebarnya ditunjukkan oleh banyaknya kolom– kolom dan baris-baris. Apabila suatu matriks P yang terdiri dari unsur �_�� dengan

i menunjukkan baris dan j menunjukkan kolom, dengan orde matriks m x n maka unsur matriksnya adalah mn unsur.

Manfaat yang dapat diambil dari penggunaan analisis konjoin ini adalah produsen dapat mencari solusi kompromi yang optimal dalam merancang dan mengembangkan suatu produk(Sarwono:2008). Analisis ini dapat juga dimanfaatkan untuk merancang harga, memprediksi tingkat penjualan atau penggunaan produk, uji coba konsep produk baru, segmentasi preferensi, dan merancang strategi promosi. Atribut- atribut yang digunakan dalam analisis konjoin berskala kategorik, sehingga dibutuhkan peubah boneka untuk mewakili taraf-tarafnya ke dalam model.

Model dasar analisis konjoin secara matematis sebagai berikut :

� (�) = � � �=�

� ������ ��

�=1 Dengan :

� ( �) = seluruh utility dari suatu alternatif (overall utility of an alternative)

���= sumbangan the part-worth atau utility yang terkait dengan level j). j, j = 1, 2, . . . , �_� dari atribut ke i ( i, i = 1, 2, . . ., m)

�� = banyaknya level atribut i. m = banyaknya atribut.

��� = 1, kalau level ke j dari atribut ke I terjadi = 0, kalau tidak.

1.7Metodologi Penelitian

Dalam penelitian ini tahapan-tahapan yang akan dilakukan adalah sebagai berikut: 1. Menentukan atribut dan level atribut.

a. Menentukan atribut atau faktor penting yang akan diteliti yaitu Mesin, Type, Harga, Velg, Striping/Warna.

b. Menyusun level dari setiap atribut produk Sepeda Motor Honda.

2. Membuat kombinasi stimuli dan mereduksi jumlah produksi sehingga konsumen lebih mudah memberikan pendapat pada setiap stimuli.

3. Pengumpulan data dilakukan dengan menyebarkan kuesioner kepada responden.

4. Melakukan uji Validitas dan Reliabilitas dari pendapat (kuesioner) responden. 5. Evaluasi utilitas untuk tiap faktor dan level.

a. Menentukan nilai utilitas tiap level untuk masing-masing faktor.

b. Menentukan nilai kepentingan relatif tiap faktor dan membandingkannya dengan total kepentingan seluruh faktor tiap responden.

6. Interpretasi hasil melalui pengelompokan responden yang memiliki nilai utilitas dan kepentingan relatif sama dan estimasi tingkah laku responden. 7. Menarik kesimpulan

BAB 2

LANDASAN TEORI

2.1 Pengertian Sepeda Motor

Sepeda motor adalah kendaraan beroda dua yang digerakkan oleh sebuah mesin. Letak kedua roda sebaris lurus dan pada kecepatan tinggi sepeda motor tetap stabil disebabkan oleh gaya giroskopik. Sedangkan pada kecepatan rendah, kestabilan atau keseimbangan sepeda motor bergantung kepada pengaturan setang oleh pengendara. Penggunaan sepeda motor di Indonesia sangat populer karena harganya yang relatif murah, terjangkau untuk sebagian besar kalangan dan penggunaan bahan bakarnya serta serta biaya operasionalnya cukup hemat.

Sepeda motor merupakan pengembangan dari sepeda konvensional yang lebih dahulu ditemukan. Pada tahun 1868, Michaux ex Cie, suatu perusahaan pertama di dunia yang memproduksi sepeda dalam skala besar, mulai mengembangkan mesin uap sebagai tenaga penggerak sepeda. Namun usaha tersebut masih belum berhasil dan kemudian dilanjutkan oleh Edward Butler, seorang penemu asal Inggris. Butler membuat kendaraan roda tiga dengan suatu motor melalui pembakaran dalam. Sejak penemuan tersebut, semakin banyak dilakukan percobaan untuk membuat motor dan mobil. Salah satunya dilakukan oleh Gottlieb Daimler dan Wilhelm Maybach dari Jerman.

2.2 Regresi Linier Berganda

Dalam regresi sederhana, simbol yang digunakan untuk variabel bebasnya adalah X. Dalam regresi berganda persamaan regresinya memiliki lebih dari satu variabel bebas maka perlu menambah tanda bilangan pada setiap variabel tersebut, dalam hal ini �₁,�₂, …�_� (Sudjana, 1996)

Secara umum model regresi linier berganda ditulis sebagai berikut :

��=�0+�1��+�� Dengan:

��= Variabel Terikat

�� = variable bebas

�0= jarak titik pangkal dengan titik potong garis regresi padasumbu Y

�1= Kemiringan garis regresi

��= Kesalahan

Untuk persamaan regresi untuk populasi secara umum dituliskan sebagai berikut :

Ŷ= �₀+ �₁�₁+�₂�₂ +�₃�₃+⋯+�_��_� Dengan:

Ŷ = perkiraan/ramalan Y

�1…�� = koefisien regresi

�1…�� = Variabel bebas 2.3 Analisis Konjoin

Analisis konjoin di kembangkan pada tahun 1964 oleh statistisi matematika dan psikologi Tuce dan Tukey. Dan mulai dikembangkan pada tahun 1970-an pada bidang ilmu yang terkait dengan preferensi seseorang, seperti bidang pemasaran, sosial politik dan psikologi. Pada asarnya, tujuan analisis konjoin adalah untuk mengetahui bagaimana persepsi seseorang terhadap suatu objek yang terdiri atas satu atau banyak bagian (Santoso;2010)

Oleh karena itu teknik ini sangat bermanfaat dalam pemasaran untuk mengetahui preferensi konsumen terhadap suatu produk yang diluncurkan di pasar.Model dasar analisis konjoin secara matematis sebagai berikut:

� (�) = � � �_���_�� ��

�=1 � �=�

(1) Dengan:

� ( �)= seluruh utility dari suatu alternatif (overall utility of an alternative)

���= sumbangan the part-worth atau utility yang terkait dengan level j. j = 1, 2, . . . , �_� dari atribut ke i (i = 1, 2, . . ., m)

��= banyaknya level atribut i.

m = banyaknya atribut

��� = Peubah boneka atribut ke-i taraf ke-j rumus untuk nilai kepentingan relatif adalah :

�� = _∑ �� _� � � �=1

(2) Dengan:

�� = Bobot kepentingan relatifatribut

�� = Range nilai kepentinganatribut

Range nilai kepentingan relatif untuk tiap atribut dapat dicari dengan rumus:

�� = { ���� ( ��� ) – min ( ��� ) } (3)

2.4Tahapan- tahapan Analisis Konjoin

a. Perumusan masalah

Perumusan masalah dalam analisis konjoin dimulai dari mendefenisikan produk sebagai kumpulan dari tiap dimana setiap atribut terdiri atas beberapa taraf/level. Atribut yang sudah dianggap mewakili ditentukan skalanya. b. Mengidentifikasi atribut

Ada Sejumlah metode yang dapat digunakan untuk menentukan atribut atau kriteria yang digunakan konsumen untuk membeli atau memilih sepeda motor

yaitu peneliti menentukan terlebih dahulu atribut dan kriteria sesuatu dengan pertanyaan peneliti, menelusuri kepustakaan, melakukan wawancara individual dan melakukan serangkaian diskusi kelompok.

c. Merancang kombinasi atribut (Stimuli)

Setelah mengidentifikasi atribut beserta taraf-tarafnya, kemudian dilakukan perancangan stimuli yaitu kombinasi taraf antar atribut. Pendekatan yang umum digunakan untuk merancang stimuli yaitu kombinasi berpasangan (pairwise comparison) atau evaluasi dua fakor dan kombinasi lengkap (full profile) atau evaluasi banyak faktor.

d. Memilih skenario (produk hipotesis) yang paling disukai.

Skenario tersebut menggambarkan semua kemungkinan konfigurasi kesukaan terhadap produk sepeda motor. Jumlah skenario meningkat dengan meningkatnya jumlah atribut dan tingkat atribut. Konsumen tentu tidak dapat mengevaluasi ribuan produk, solusinya adalah melakukan survey untuk mereduksi jumlah produk sehingga konsumen dapat memberikan pilihan. e. Menentukan preferensi konsumen

Tahap beikutnya adalah menyajikan skenario hipotesis yang sudah dipilih kepada konsumen. Preferensi skenario dalam kuesioner diungkapkan dengan metode pilihan diskret. Kepada konsumen disajikan sejumlah pilihan untuk masing- masing pilihan, konsumen diminta memilih satu skenario (produk) paling disukai. Penggunaan metode pilihan diskret lebih dianjurkan ketimbang metode pengukuran lainnya. Ada dua cara untuk mengevaluasi kombinasi, yaitu:

a. Mengurutkan (ranking) b. Memberikan rating

Dalam penelitian digunakan dengan cara ranking dan karena atribut-atribut yang digunakan dalam analisis konjoin berskala kategorik, sehingga dibutuhkan peubah boneka untuk mewakili taraf-tarafnya ke dalam model.

2.5Menentukan Metode Pengumpulan Data 2.5.1 Populasi dan Sampel

Populasi adalah keseluruhan unit atau individu dalam ruang lingkup yang ingin diteliti, sedangkan sampel adalah sebagian anggota dari populasi yang dipilih dengan menggunakan prosedur tertentu sehingga diharapkan dapat mewakili prosedurnya.(Sugiharto dkk;2003). Populasi dibedakan menjadi populasi sasaran dan populasi sampel.Populasi sasaran adalah keseluruhan individu dalam areal/wilayah/kurun waktu yang sesuai dengan tujuan penelitian. Populasi sampe adalah keseluruhan individu yang akan menjadi satuan analisis dalampopulasi yang layak dan sesuai untuk dijadikan sebagai sampel penelitian.

Dalam pelaksanaan penelitian ini, ruang lingkup populasi merupakan area yang sangat luas batasnya sehingga penggunaan populasi sebagai instrument penelitian sangat sulit dilakukan. Oleh karena itu, untuk memenuhi kelayakan dalam pelaksanaan penelitian, ditentukan populasi sasaran (target population), yaitu populasi yang digunakan untuk mengeneralisasi hasil penelitian.

Masalah sampel akan terjadi bila jumlah populasi terlalu besar dan menyebar sehingga diluar jangkauan penelitian. Sedangkan dalam penelitian ini pengambilan sampel dilakukan dengan teknik penarikan contoh acak berstrata proposional (propotional stratified random sampling). Dalam teknik stratifikasi proposional, jumlah proporsi masing- masing strata dalam sampel ditentukan secara proposional sesuai denganbesarnya dalam populasi. Proporsi atau strata terbesar akan mendapatkan sampel lebih besar dibandingkan dengan strata yang lebih kecil. Alasan teknik ini digunakan peneliti untuk mengambil sampel, disebabkan karena dapat memperkecil galat (errors) penarikan sampel serta meningkatkan peluang setiap strata yang terwakili dalam sampel, selain itu juga agar mendapatkan ketepatan yang lebih tinggi, karena stratifikasi akan menghasilkan presisi yang lebih baik dalam melakukan estimasi terhadap sifat- sifat populasi.

2.5.2 Teknik Penarikan Sampel

Teknik pengambilan sampel yang dipakai adalah Purposive sampling (Judgement Sampling/ Expert Choise). Dengan cara ini semua elemen populasi belum tentu memiliki peluang yang sama untuk dipilih menjadi anggota sampel, atau sering juga dikatakan pengambilan sampel berdasarkan pertimbangan karena dalam pelaksanaannya digunakan pertimbangan tertentu oleh periset. Data yang digunakan merupakan data primer yang kemudian diuji validitas dan dan reliabilitasnya. Penelitian ini adalah penelitian kuantitatif, maka digunakan kuesioner untuk mengetahui beberapa informasi yang dapat digunakan dalam penelitian. Teknik pengambilan sampel Purposive sampling (Judgement Sampling/ Expert Choise)Husein Umar (2003) dapat dipakai pada saat ingin mengetahui pendapat konsumen yang memakai sendiri tentang produk Sepeda motor honda yang akan dibuat. Peneliti telah beranggapan bahwa konsumen sepeda motor honda akan lebih banyak tahu daripada orang- orang lain, peneliti telah melakukan pertimbangan untuk hal tersebut.

Untuk mendapatkan sampel, maka dalam penelitian ini teknik penentuan jumlah sampel menggunakan rumus pendugaan proporsi sebagai berikut:

� = ��/2 2 _�(�)

�2 (4)

Keterangan:

n : Jumlah sampel

��

2 : Nilai Z pada derajat kemaknaan P : Proporsi kasus yang diteliti

Q: 1-P

e: derajat penyimpangan terhadap populasi yang diinginkan.

2.6 Variabel Dummy

Variabel yang di analisis dengan model regresi dapat berupa variabel kuantitatif dan dapat pula berupa variabel kualitatif. Variabel kualitatif dalam

model regresi sering juga disebut dengan istilah Dummy (Algifari:2000)

Untuk membangun model regresi yang peubah bebasnya mengandung variabel kualitatif, salah satunya adalah menggunakan peubah boneka. Peubah boneka merupakan cara yang sederhana untuk mengkuantifikasi variabel yang kualitatif. Untuk variabel kualitatif yang mempunyai k kategori bisa dibangun

k–1 peubah boneka. Peubah boneka ini biasanya mengambil nilai 1 atau 0. Kedua nilai yang diberikan tidak menunjukkan bilangan (numerik) tetapi hanya sebagai identifikasi kelas atau kategorinya. Di dalam literatur Supranto (2004) menyebutkan bahwa:

a. Atribut yang mempunyai dua taraf diberi kode 1 untuk salah satu taraf dan 0 untuk lainnya.

b. Atribut dengan tiga taraf pengkodean disajikan dalam Tabel 2.1.

Tabel 2.1 Tiga Taraf Pengkodean

Taraf Kode

Taraf 1 1 0

Taraf 2 0 1

Taraf 3 0 0

Untuk taraf lebih dari tiga, pengkodean dilakukan dengan cara yang sama sehingga setiap faktor memiliki k-1 peubah boneka. Banyaknya peubah boneka sama dengan banyaknya kategori (taraf) dikurangi satu. Metode regresi dengan variabel dummy sangat umum digunakan untuk data berjenis nonmetrik maupun metrik, dimana data telah diperoleh melalui pengurutan maupun penilaian terhadap kombinasi atribut atau stimulus yang telah dirancang sebelumnya. Terdapat beberapa variasi penggunaan metode regresi dengan variabel dummy yakni:

a. Bila data yang digunakan berasal dari penilaian stimulus yang telah dirancang sebelumnya dan penilaian dilakukan dengan menggunakan skala metrik, maka regresi dengan variabel dummy dapat dihitung dengan langsung menggunakan pendekatan ordinary least square (OLS).

b. Bila penilaian stimulus menggunakan urutan (rangking) stimulus, maka data harus diubah lebih dulu menjadi skala interval dengan menggunakan

Monotonic Regressiom atau menggunakan Multidimensional Scaling (MDS) yang dikombinasikan dengan Multy Analysis Of Variance

(MANOVA). Kemudian analisis dilanjutkan dengan regresi menggunakan variabel dummy.

c. Bila data diperoleh melalui penilaian secara terpisah dari masing- masing atribut, dimana variabel tak bebas umumnya berupa intensitas pilihan, maka analisis yang digunakan adalah LOGIT model.

2.7 Uji Validitas dan Reliabilitas

Sugiyono(2006) menyatakan, bahwa instrument (kuesioner) harus diuji. Instrumen yang baik harus memenuhi dua persyaratan penting yaitu valid dan reliabel. Uji validitas atau kesasihan digunakan untuk mengetahui seberapa tepat suatu alat ukur mampu melakukan fungsi. Alat ukur yang dapat digunakan dalam pengujian validitas suatu kuesioner adalah angka hasil korelasi antara skor pernyataan dan skor keseluruhan pernyataan responden terhadap informasi dalam kuesioner. Pengujian reliabilitas menggunakan rumus teknik korelasi korelasi Karl Pearson product moment dengan menggunakan rumus:

�

_��

=

� (∑��)− (∑�∑�)

�{� ∑ �2− (∑�)2}{�∑�2− (∑�)2} (5)

Keterangan:

��� = Korelasi Karl Pearson Moment N = Jumlah responden

X = Nilai variabel X Y = Nilai Variabel Y.

Perhitungan uji validitas ini dilakukan dengan bantuan program Statistical product and Service Solution (SPSS). Pengujian reliabilitas bertujuan untuk mengetahui konsistensi atau keteraturan hasil pengukuran suatu instrumen apabila

instrument tersebut digunakan lagi sebagai alat ukur suatu objek atau responden. Menurut Sugiyono (2001), “instrument yang reliabel adalah instrument yang bila digunakan beberapa kali untuk mengukur objek yang sama, akan menghasilkan data yang sama’’. Kategori keeratan koefisien korelasi disajikan dalam Tabel 2.2.

Tabel 2.2 Tabel Keeratan Korelasi

0.80 <�_��≤ 1.00 Reliabilitas sangat tinggi 0.60 <�_��≤ 0.80 Reliabilitas tinggi 0.40 <�_��≤ 0.60 Reliabilitas sedang 0.20 <�_��≤ 0.40 Reliabilitas rendah -1.00 <�_��≤ 0.20 Reliabilitas sangat rendah

2.8 Preferensi Konsumen

Data preferensi mengurutkan merek atau stimulus dinyatakan dalam preferensi responden untuk beberapa atribut/ciri/sifat. Cara yang biasa dilakukan ialah bahwa data diperoleh melalui peringkat preferensi. Responden diminta untuk membuat peringkat merek dari paling disukai sampai yang paling tidak disukai (Supranto, 2004).Preferensi konsumen terhadap Sepeda Motor difokuskan pada bagian:

a. Mesin

Mesin adalah alat mekanik atau elektrik yang mengirim atau mengubah energi untuk melakukan atau membantu pelaksanaan tugas manusia. Biasanya membutuhkan sebuah masukan sebagai pelatuk, mengirim energi yang telah diubah menjadi sebuah keluaran, yang melakukan tugas yang telah disetel.Terdapat 2jenis Mesin yaitu 100CC-125CC dan 150CC-200CC.

b.

Harga

Harga merupakan faktor yang penting dalam hal memilih sepeda motor mana yang akan di beli konsumen. Terdapat 4 kelompok harga yang di gunakan yaitu :<16.500.000, 16.000.000-20.000.000, 20.000.000-23.500.000, >23.500.000.

c. Velg

Velg atau rim adalah lingkaran luar desain logam yang tepi bagian dalam dari ban sudah terpasang pada kendaraan seperti sepeda motor. Jenis dari Velg yang di teliti yaitu : Jari-jari dan racing.

d. Tipe

Tipe sepeda motor merupakan hal dasar yang harus diperhatikan dalam memiliki sepeda motor. Tipe yang di teliti yaitu : Sport, bebek, matic.

e. Striping

Faktor Striping sangat mempengaruhi minat konsumen dalam membeli suatu produk, Secara umum semakin indahbentuk barang, minat konsumen untuk membeli semakin kecil dan sebaliknya, Warna Sepeda Motor ditentukan dalam 4 bagian yaitu Campur, Hitam, Putih, Merah.

2.9 Interpretasi Hasil

Kuhfeld(2000)menyatakan, ada beberapa ketentuan dalam melakukan interpretasi hasil, yaitu :

a. Taraf yang memiliki nilai kegunaan lebih tinggi adalah taraf yang lebih disukai. b. Total nilai kegunaan masing–masing kombinasi sama dengan jumlah nilai

kegunaan tiap taraf dari atribut–atribut tersebut.

c. Kombinasi yang memiliki total nilai kegunaan tertinggi adalah kombinasi yang paling disukai responden

d. Atribut yang memiliki perbedaan nilai kegunaan lebih besar antara nilai kegunaan taraf tertinggi dan terendahnya merupakan atribut yang lebihpenting.

BAB 3

PEMBAHASAN

3.1 Karakteristik Responden

Pada penelitian ini populasi yang akan diambil adalah : a. Konsumen Sepeda Motor Honda di Kota Medan

b. Konsumen yang memiliki dan yang memakai produk khusus untuk Sepeda Motor Honda minimal 1 (satu) tahun.

c. Motor honda konsumen merupakan motor produksi antara tahun 2011 sampai tahun 2014.

3.2 Penarikan Sampel

Jumlah sampel minimum yang diambil ditentukan dengan menggunakan rumus:

�

=

�� 2 2_�(�)

�2 Dengan:

n: Jumlah sampel

��

2 : Nilai Z pada derajat kemaknaan (95% atau 1,96) P : ditetapkan 50%

Q: P adalah 0.5 sehingga Q = 1 – 0.5

e : 10% atau 0.1

�

=

1,962.0,5 (0,5) 0,12 ; � = 96

Desain penelitian yang dirancang dari variabel-variabel adalah : Variabel bebas : taraf-taraf dari atribut (16 level)

Variabel terikat : total nilai kegunaan (utility) atau ranking.

3.3 Analisis Preferensi Sepeda Motor Secara Umum

Tabel 3.1 Atribut dan Level Atribut

No ATRIBUT LEVEL ATRIBUT KETERANGAN

1 MESIN 1 100CC-125CC

2 150-200CC

2 HARGA 1 < 16.500.000

2 16.000.000-20.000.000

3 20.000.000-23.500.000

4 >23.500.000

3 VELG 1 JARI-JARI

2 RACING

4 TIPE 1 SPORT

2 BEBEK

3 MATIC

5 STRIPING 1 CAMPUR

2 HITAM

3 PUTIH

4 MERAH

Tujuan penelitian ini untuk mengidentifikasi atribut yang dianggap penting oleh konsumen dalam membeli Sepeda Motor Honda, menentukan kombinasi atribut yang disukai konsumen dan untuk menentukan urutan prioritas atribut yang disukai konsumen.

3.4 Penyajian Data

Setelah kombinasi atribut produk dan levelnya diperoleh, selanjutnya adalah menanyakan preferensi responden terhadap setiap kombinasi. Metode demikian disebut full-profil-procedure. Untuk mengurangi tugas evaluasi dari responden maka kombinasi sepeda motor sebanyak 216 didesain oleh SPSS yang menghasilkan 16 kombinasi, dan responden tidak perlu mengisi semua stimuli.

Tabel 3.2 Stimulus yang Menjadi Kuesioner Penelitian

NO MESIN HARGA VELG TIPE STRIPING

1 100-125CC 20.000.000-23.500.000 JARI-JARI MATIC HITAM

2 150-200CC 20.000.000-23.500.000 RACING BEBEK CAMPUR

3 150-200CC 16.500.000 – 20.000.000 JARI-JARI SPORT CAMPUR

4 150-200CC >23.500.000 JARI-JARI SPORT MERAH

5 150-200CC >23.500.000 JARI-JARI BEBEK HITAM

6 150-200CC <16.500.000 RACING SPORT HITAM

7 100-125CC >23.500.000 RACING MATIC CAMPUR

8 100-125CC <16.500.000 JARI-JARI BEBEK PUTIH

9 150-200CC 20.000.000 – 23.500.000 RACING SPORT PUTIH

10 100-125CC 20.000.000 – 23.500.000 JARI-JARI SPORT MERAH

11 150-200CC <16.500.000 RACING MATIC MERAH

12 100-125CC 16.500.000 – 20.000.000 RACING BEBEK MERAH

13 150-200CC 16.500.000 – 20.000.000 JARI-JARI MATIC PUTIH

14 100-125CC <16.500.000 JARI-JARI SPORT CAMPUR

15 100-125CC >23.500.000 RACING SPORT PUTIH

16 100-125CC 16.500.000 – 20.000.000 RACING SPORT HITAM

(Data Primer, 2014)

Selanjutnya konsumen diminta untuk memberikan ranking terhadap kombinasi Sepeda Motor Honda yang ada pada Tabel 3.2 dengan petunjuk 16 menyatakan sangat menyukai sampai 1 menyatakan sangat tidak menyukai.

3.5 Hasil Olahan Data

Dengan cara menggunakan software SPSS dapat dilihat hasil nilai utiliydan nilai importance valuespada setiap tanggapan responden seperti pada responden pertama pada tabel 3.3 berikut :

Tabel 3.3 nilai utility dan importance pada responden pertama. Subject 1: 101.00

Utility

Estimate Std. Error

MESIN 100-125 CC 1.250 1.622

150-200CC -1.250 1.622

HARGA <16.500.000 -.250 2.810

16.500.000-20.000.000 -.500 2.810

20.000.000-23.500.000 1.750 2.810

>23.500.000 -1.000 2.810

VELG JARI-JARI -1.000 1.622

RACING 1.000 1.622

TIPE SPORT -.667 2.163

BEBEK .083 2.536

MATIC .583 2.536

STRIPING CAMPUR -2.250 2.810

HITAM .000 2.810

PUTIH -1.000 2.810

MERAH 3.250 2.810

(Constant) 8.667 1.710

Karena responden 1 mengisi angka 1 sampai 16, maka rata-ratanya adalah : (1+2+3+4+5+6+7+8+9+10+11+12+13+14+15+16)/16=8,5

Angka ini menjadi dasar dalam menentukan besaran nilai utility pada setiap atribut.Dimana nilai utility adalah selisih antara rata-rata faktor tertentu dengan rata-rata keseluruhan. Seperti pada mesin 100CC-125CC jika dilihat dalam input data pada lampiran 2 maka kombinasi mesin 100CC-125CC terdapat pada

kombinasi 1, 7, 8, 10, 12, 14, 15, 16 dan responden 1 memberikan rangking pada kombinasi tersebut dengan nilai9, 11, 12, 14, 10, 3, 4 dan 5 dengan demikian rata-ratanya adalah (9+11+12+14+10+3+4+5)/8 = 9,75. Dengan demikian nilai utility

nya adalah : 9,75-8,5 = 1,250.

Pada mesin 150CC-200CCjika dilihat dalam input data pada lampiran 2 maka kombinasi 150CC-200CC terdapat pada kombinasi 2, 3, 4, 5, 6, 9, 11 dan 13 dan responden 1 memberikan rangking pada kombinasi tersebut dengan nilai 5, 6, 7, 8, 2, 13, 16, 1 dan dengan demikian nilai rata-ratanya adalah:

(5+6+7+8+2+13+16+1)/8 = 7,25. Dengan demikian nilai utility nya adalah : 7,25-8,5 = -1,25

Karena mesin 100CC-125CC bernilai positif sedangkan mesin 150CC-200CC bernilai negatif atau lebih kecil, maka responden lebih suka dengan mesin 100CC-125CC.

Pada atribut harga pada level <16.500.000 terdapat pada kombinasi 6, 8, 11,14 dan reponden 1 memberikan rangking kombinasi 2, 12, 16, 3, maka rata-ratanya adalah (2+12+16+3)/4 = 8,25.

Maka nilai utility nya adalah 8,25-8,5= -0,250

Begitu seterusnya metode yang digunakan untuk menentukan nilai utility setiap atribut yang nilainya lebih besar dari atribut yang lain menunjukkan suka dan nilai atribut yang lebih kecil menunjukkan kurang disukai. Karena dalam penelitian ini ada 96 responden maka tidak mungkin menjabarkan satu persatu nilai utility nya. Tetapi semua hasil pengisian rangking oleh seluruh responden telah dirangkum dalam overall Statistics pada tabel 3.4 berikut:

Tabel 3.4Nilai Utility Keseluruhan Dari RespondenDengan Menggunakan SPSS

Utility Estimate Std. Error

MESIN 100-125 CC .066 .295

150-200CC -.066 .295

HARGA

<16.500.000 -.252 .511

16.500.000-20.000.000 .209 .511

20.000.000-23.500.000 .154 .511

>23.500.000 -.111 .511

VELG JARI-JARI .096 .295

RACING -.096 .295

TIPE

SPORT -2.155 .393

BEBEK .634 .461

MATIC 1.522 .461

STRIPING

CAMPUR .094 .511

HITAM .016 .511

PUTIH -.221 .511

MERAH .110 .511

(Constant) 9.062 .311

Importance Values

MESIN 10.864

HARGA 23.738

VELG 7.711

TIPE 36.183

STRIPING 21.504

Analisis

a. Mesin. Karena utility untuk Mesin 100-125 CC memiliki nilai positif lebih besar, maka secara umum responden lebih tertarik dengan Mesin Sepeda Motor 100-125 CC.

b. Harga. Karena utility untuk Harga 16.500.000-20.000.000memiliki nilai positif lebih besar, maka secara umum responden lebih tertarik dengan harga Sepeda Motor 16.500.000-20.000.000

c. Velg. Karena utility untuk VelgJari-Jari memiliki nilai positif lebih besar, maka secara umum responden lebih tertarik dengan Velg Sepeda Motor Jari-Jari d. Tipe. Karena utility sumber TipeMaticmemiliki nilai positif, maka secara umum

e. Striping. Karena utilityStriping Merah memiliki nilai positif lebih besar, maka secara umum responden lebih tertarik dengan Striping Merah.

f. Dari FAKTOR IMPORTANCE, responden menganggap bahwa Tipe Sepeda Motor adalah faktor yang paling penting dalam menilai atau memilih produk Sepeda Motor (36,183%) kemudian faktor berikutnya dianggap penting adalah Harga (23.7385%). Sedangkan faktor yang dianggap tidak terlalu penting adalah Velg (7,711%).

Dengan memperhatikan utility secara umum pada Tabel 3.4 diperoleh ranking dari seluruh responden sebanyak 96 pada Tabel 3.5.

Tabel 3.5 Hasil Ranking seluruh Responden

Untuk mendapatkan rangking keseluruhan seperti tabel 3.5 dilakukan dengan cara menghitung nilai utility dari masing-masing kombinasi produknya seperti tabel 3.6 dibawah ini:

NO MESIN HARGA VELG TIPE STRIPING RANGKING 1 100-125CC 20.000.000-23.500.000 JARI-JARI MATIC HITAM 15 2 150-200CC 20.000.000-23.500.000 RACING BEBEK CAMPUR 5 3 150-200CC 16.500.000–20.000.000 JARI-JARI SPORT CAMPUR 6 4 150-200CC >23.500.000 JARI-JARI SPORT MERAH 4 5 150-200CC >23.500.000 JARI-JARI BEBEK HITAM 3 6 150-200CC <16.500.000 RACING SPORT HITAM 1 7 100-125CC >23.500.000 RACING MATIC CAMPUR 16 8 100-125CC <16.500.000 JARI-JARI BEBEK PUTIH 8 9 150-200CC 20.000.000 – 23.500.000 RACING SPORT PUTIH 2 10 100-125CC 20.000.000 – 23.500.000 JARI-JARI SPORT MERAH 12 11 150-200CC <16.500.000 RACING MATIC MERAH 13 12 100-125CC 16.500.000 – 20.000.000 RACING BEBEK MERAH 11 13 150-200CC 16.500.000 – 20.000.000 JARI-JARI MATIC PUTIH 14 14 100-125CC <16.500.000 JARI-JARI SPORT CAMPUR 9 15 100-125CC >23.500.000 RACING SPORT PUTIH 7 16 100-125CC 16.500.000 – 20.000.000 RACING SPORT HITAM 10

Tabel 3.6 Perhitungan mendapatkan rangking

3.6 Pengkodean Data Untuk Regresi

Pengkodean dalam analisis conjoin dilakukan dengan menggunakanvariabel

dummy dimana variabel kualitatif dirubah menjadi kuantitatif dengan cara pengkodean level dari masing-masing atribut seperti proses pengkodean berikut ini:

Untuk atribut Mesin, level dari atribut dikodekan sebagai berikut Level �₁

Level 1 1 Level 2 0

NO MESIN HARGA VELG TIPE STRIPING TOTAL RANGKING

1 _{0.066 0.154 0.096 1.522 0.016 1.854} 15

2 _{-0.066 0.154 -0.096 -2.155 0.094 -2.068} 5

3 _{-0.066 0.209 0.096 -2.155 0.094 -1.822} 6

4 _{-0.066 -0.111 0.096 -2.155 0.110 -2.127} 4

5 _{-0.066 -0.111 0.096 -2.155 0.016 -2.220} 3

6 _{-0.066 -0.252 -0.096 -2.155 0.016 -2.553} 1

7 _{1.776 -0.111 -0.096 1.522 0.094 3.185} 16

8 _{1.776 -0.252 0.096 -2.155 -0.221 -0.756} 8

9 _{-0.066 0.154 -0.096 -2.155 -0.221 -2.383} 2

10 _{1.776 0.154 0.096 -2.155 0.110 -0.019} 12

11 _{-0.066 -0.252 -0.096 1.522 0.110 1.218} 13

12 _{1.776 0.209 -0.096 -2.155 0.110 -0.156} 11

13 _{-0.066 0.209 0.096 1.522 -0.221 1.540} 14

14 _{1.776 -0.252 0.096 -2.155 0.094 -0.441} 9

15 _{1.776 -0.111 -0.096 -2.155 -0.221 -0.807} 7

Untuk atribut Harga, level dari atribut dikodekan sebagai berikut:

Level �₂ �₃ �₄

Level 1 1 0 0

Level 2 0 1 0

Level 3 0 0 1

Level 4 0 0 0

Untuk atribut Velg, level dari atribut dikodekan sebagai berikut: Level �₅

Level 1 1 Level 2 0

Untuk atribut Tipe, level dari atribut dikodekan sebagai berikut:

Level �₆ �₇

Level 1 1 0

Level 2 0 1

Level 3 0 0

Untuk atribut Striping, level dari atribut dikodekan sebagai berikut :

Level �₈ �₉ �₁₀

Level 1 1 0 0

Level 2 0 1 0

Level 3 0 0 1

Level 4 0 0 0

Bentuk pertanyaan dalam kuesioner adalah pada Tabel 3.5 dan responden diminta untuk menentukan preferensi mereka atas setiap kombinasi. Preferensi kombinasi-kombinasi yang tersedia berdasarkan tingkat kesukaan relatif. Karena masih berupa kata-kata, data pada Tabel 3.5 tersebut perlu dikodekan menjadi variabel dummy, sebagaimana dilakukan pada regresi dengan variabel kuantitatif. Hasilnya adalah sebagai berikut Tabel 3.7.

Tabel 3.7 Pengkodean Data untuk Regresi

NO MESIN HARGA VELG TIPE STRIPING RANKING

UTILITY

�1 �2 �3 �4 �5 �6 �7 �8 �9 �10

1 1 0 0 1 1 0 0 0 1 0 15

2 0 0 0 1 0 0 1 1 0 0 5

3 0 0 1 0 1 1 0 1 0 0 6

4 0 0 0 0 1 1 0 0 0 0 4

5 0 0 0 0 1 0 1 0 1 0 3

6 0 1 0 0 0 1 0 0 1 0 1

7 1 0 0 0 0 0 0 1 0 0 16

8 1 1 0 0 1 0 1 0 0 1 8

9 0 0 0 1 0 1 0 0 0 1 2

10 1 0 0 1 1 1 0 0 0 0 12

11 0 1 0 0 0 0 0 0 0 0 13

12 1 0 1 0 0 0 1 0 0 0 11

13 0 0 1 0 1 0 0 0 0 1 14

14 1 1 0 0 1 1 0 1 0 0 9

15 1 0 0 0 0 1 0 0 0 1 7

16 1 0 1 0 0 1 0 0 1 0 10

Data yang sudah ditransformasi dapat dilihat pada Tabel 3.7. Analisis tingkat agregat yang dilakukan untuk semua responden diperoleh dari hasil kuesioner yang dianalisis menggunakan persamaan regresi linear berganda dengan variabel bebas berupa dummy sebanyak 10 buah. Dengan bentuk umum persamaan regresi yang diperoleh adalah:

U(x) = �₀ + �₁�₁ + �₂�₂ + �₃�₃ + �₄�₄ + �₅�₅ + �₆�₆ + �₇�₇ + �₈�₈ + �₉�₉ +

�10�10 Dengan:

U(x) = Kegunaan atau utilitas

�1 = Variabel dummy mewakili bagian Mesin

�2,�3,�4 = Variabel dummy mewakili bagian Harga

�5 = Variabel dummy mewakili bagian Velg

�6,�7 = Variabel dummy mewakili bagian Tipe

Dari hasil pengkodean variabel dummy diatas diperoleh variabel bebas sebagai koefisien dalam menentukan persamaan regresi linear dengan menggunakan SPSS yang disajikan dalam Tabel 3.8.

Tabel 3.8 Koefisian Regresi

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig.

B Std. Error Beta

1 (Constant) 12.125 1.121 10.818 .000

�1 5.000 .647 .542 7.727 .001

�2 .250 .915 .023 .273 .796

�3 2.750 .915 .258 3.005 .030

�4 1.000 .915 .094 1.093 .324

�5 .750 .647 .081 1.159 .299

�6 -8.125 .793 -.881 -10.252 .000

�7 -7.750 .915 -.728 -8.469 .000

�8 -1.000 .915 -.094 -1.093 .324

�9 -2.750 .915 -.258 -3.005 .030

�10 -2.250 .915 -.211 -2.459 .057

Sehingga diperoleh persamaan regresi sebagai berikut :

U(x)= 12,125+5,000�₁+ 0,250�₂+ 2,750�₃+ 1,000�₄+ 0,750�₅+

−8,125�₆−7,750�₇−1,000�₈−2,750�₉− 2,250�₁₀

3.7 Pengukuran Reliabilitas dan Validitas

Data yang telah dikumpulkan dari membagikan kuesioner dengan sampel sebanyak 96 orang dilakukan uji reliabilitas dan validitasnya dengan menggunakan SPSS disajikan dalan Tabel 3.9.

Tabel 3.9Uji Reabilitas dan Validitas

Value Sig.

Pearson's R .930 .000

Penilaian preferensi untuk lima validasi profil diprediksi dan nilai utility

pada Tabel 3.9, nilai-nilai ini berkorelasi dengan input ranking untuk profil yang diperoleh dari responden.Pada pengukuran ini output korelasi secara pearson menghasilkan angka yang relative kuat yaitu 0,930 (diatas 0,5). Hal ini menunjukkan adanya hubungan yang kuat antara estimates dan actual, artinya data hasil perhitungan dari model regresi berkorelasi sangat kuat dengan data yang diperoleh berdasarkan pendapat responden.

Sedangkan pada uji signifikan lima korelasi diatas menghasilkan signifikansi 0,001 (dibawah 0,05) maka kelima korelasi tersebut mempunyai

signifikansi yang kuat. Nilai koefisien inin signifikan pada α = 5%, karena jika

hasil ini memiliki signifikansinya diatas 0,05 maka signifikansinya tidak kuat. Dengan demikian bisa dikatakan bahwa pendapat dari 96 responden tersebut valid

atau bisa diterima untuk menggambarkan ketertarikan konsumen terhadap Sepeda Motor Honda di Kota Medan.

3.8 Penghitungan Analisis Konjoin

Persamaan regresi linear berganda, untuk memperkirakan nilai utility. Harus diperoleh utility setiap atribut, setiap atribut memiliki sub level. Setiap level perlu dilambangkan terlebih dahulu, untuk atribut Mesinutility masing-masing level dilambangkan oleh �₁₁ (100CC-150CC), �₁₂ (150CC-200CC),. Untuk setiap level atribut Harga dilambangkan oleh �₂₁ (<16.500.000), �₂₂ ( 16.500.000-20.000.000), �₂₃ (20.000.000-23.500.000), �₂₄ (>23.500.000). Untuk setiap level atribut Velg dilambangkan oleh �₃₁ (Jari-Jari), �₃₂ (Racing). Untuk setiap level atribut Tipe dilambangkan oleh �₄₁ (Sport), �₄₂ (Bebek), �₄₃ (Matic) dan untuk setiap level atribut Striping dilambangkan oleh �₅₁ (Campur), �₅₂ (Hitam), �₅₃ (Putih), �₅₄ (Merah).

Hubungan setiap koefisien variabel dummy, mewakili perbedaan dalam

Perhitungan nilai dari masing-masing atribut aalah sebagai berikut:

a. Untuk atribut Mesin diperoleh persamaan yang dinyatakan oleh persamaan 1 dan 2.

�11− �12 = �1 (1)

�11+�12 = 0 (2)

Dari persamaan (1) diperoleh persamaan:

�11− �12 = −1,500 (3)

Dari persamaan (2) diperoleh persamaan:

�11+�12 = 0

�11 = −�12

�11− �12 = 5,000

−�12− �12 = 5,000

−2�₁₂ = 5,000

�12 = −2,500 (4)

�11+ 2,500= 5,000

�11 = 2,500 (5)

Maka setelah dipecahkan diperoleh hasil sebagai berikut:

�11 = 2,500

�12 = −2,500

Persamaan untuk atribut kedua yaitu Harga sebagai berikut:

�21− �24= �2 (6)

�22− �24= �3 (7)

�23− �24= �4 (8)

�21− �24= 0,250 (9)

�22− �24= 2,750 (10)

�23− �24= 1,000 (11)

Dari persamaan 9 dan 10 di peroleh :

�21− �24 = 0,250

�22− �24= 2,750 -

�21− �22 = −2,500

�21 =−2,500 +�22 (13) Dari persamaan 9 dan 11 di peroleh :

�22− �24 = 2,750

�23− �24= 1,000 -

�22− �23= 1,750

�23 =−1,750 +�22 (14) Dari persamaan 12 diperoleh :

�21 + �22 + �23 + �24 = 0

−2,500 +�₂₂ + �₂₂ − 1,75 0 + �₂₂+ �₂₄ = 0

3�₂₂+ �₂₄ = 4,25 (15)

Dari persamaan 15 dan 10 diperoleh : 3�₂₂+ �₂₄ =4,25

�22− �24 = 2,750 + 4�₂₂ =7,000

�22 =1,75 (16)

Dari persaman 15 diperoleh :

�21= −2,500 +�22

�21= −2,500 + 1,750

Dari persamaan 15 diperoleh :

�22− �24 = 2,750 1,75 + �₂₄ = 2,750

�24 = 1,000 (18)

Dari persamaan 9 diperoleh :

�23− �24 = 1,000

�23−1,000 = 1,000

�23 = 2,000 (19)

Maka setelah dipecahkan diperoleh hasil sebagai berikut:

�21 =−0,750

�22 = 1,750

�23 = 2,000

�24 = 1

Persamaan untuk atribut ketiga yaitu Velg sebagai berikut :

�31− �32= �5 (20)

�31+�32= 0 (21)

�31− �32= 0,750 (22)

Dari persamaan 21 diperoleh :

�31+�32= 0

�31 =−�32 (23)

Dari persamaan 22 diperoleh :

−�32− �32= 0,750

−2�₃₂ = 0,750

Dari persamaan 22 diperoleh :

�31− �32 = 0,750

�31−(−0,375) = 0,750

�31 = 0,375 (25)

Maka setelah dipecahkan diperoleh hasil sebagai berikut:

�31= 0,375

�32= −0,375

Persamaan untuk atribut keempat yaitu tipe sebagai berikut:

�41− �43 = �6 (26)

�42− �43 = �7 (27)

�41− �43 = −8,125 (28)

�42− �43 = −7,750 (29)

�41 + �42 + �43 = 0 (30)

Dari persamaan (23) dan (24) diperoleh persamaan:

�41− �43= −8,125

�42 − �43 =−7,750 -

�41 +�42 =−0,375

�41 =−0,375 + �42 (31) Dari persamaan 25 diperoleh :

�41 + �42 + �43 = 0

−0,375 + �₄₂ + �₄₂ + �₄₃ = 0

−0,375 + 2�₄₂ + �₄₃ = 0 2�₄₂ + �₄₃ = 0,375

2�₄₂ + �₄₃ = 0,375

�42 − �43 =−7,750 +

3�₄₂ =−7,375 (32)

�42 =−2,458 Dari persamaan 29 diperoleh :

�42− �43 =−7,750

−2,458− �₄₃ = −7,750

�43= 5,292 (33)

Dari persamaan 29 diperoleh :

�41 + �42 + �43 = 0 �41 −2,458 + 5,292 = 0

�41 =−2,834 (34) Maka setelah dipecahkan diperoleh hasil sebagai berikut:

�41 = −2,834

�42 = −2,458

�43 = 5,292

Persamaan untuk atribut keempat yaitu Warna sebagai berikut:

�51− �54= �8 (35)

�52− �54= �9 (36)

�53− �54= �10 (37)

�51− �54= −1,000 (38)

�52− �54= −2,750 (39)

�53− �54= −2,250 (40)

�21 + �22 + �23 + �24 = 0 (41) Dari persamaan 38 diperoleh :

�51− �54= −1,000

�52− �54= −2,750 -

�51− �52= 1,750

�51 = 1,750 + �52 (42) Dari persamaan 39 diperoleh :

�52− �54= −2,750

�53− �54= −2,250

-

�52− �53=−0,500

�52− �53=−0,500

�53 = 0,500 + �52 (43) Dari persamaan 41 diperoleh :

�51 + �52 + �53 +�54 = 0 1,750 + �₅₂ + �₅₂ + 0,500 + �₅₂+�₅₄= 0 3�₅₂+�₅₄ =−2,25

3�₅₂+�₅₄=−2,25

�52− �54 = −2,750 +

4�₅₂ =−5

�52 =−1,25 (44) Dari persamaan 39 diperoleh :

�52− �54 = −2,750 −1,25− �₅₄ = −2,750

�54 =− 1,5 (45) Dari persamaan 38 diperoleh :

�51− �54= −1,000

�51+ 1,5 = −1,000

Dari persamaan 42 diperoleh :

�53− �54= −2,250

�53+ 1,5 = −2,250

�53 =−3,750 (47)

Maka setelah dipecahkan diperoleh hasil sebagai berikut:

�51= −2,500

�52= −1,25

�53 = −3,750

�54= −1,5

Setelah mendapat nilai dari setiap level maka selanjutnya akan dihitung nilai kepentingan relatif atribut. Diketahui bahwa tingkat kepentingan atribut adalah selisih utility tertinggi dan terendah. Seperti dinyatakan pada persamaan berikut. Range nilai kepentingan relatif tiap atribut dapat dicari dengan rumus:

�� = { maks (��� ) – min (��� ) },

Mesin�₁ = 2,500— (−0,2,500) = 5,000 Harga�₂ = 2,000−(−0,750) = 2,750 Velg�₃ = (0,375)— (0,375) = 0,750 Tipe�₄ = 5,292−(−2,834) = 8,136 Striping�₅ =−1,5−(−3,750) = 2,250

Dengan tingkat kepentingan atribut tersebut dapat diketahui urutan atribut berdasarkan tingkat kepentingan, tetapi jika diubah menjadi tingkat kepentingan relatif (bobot) dengan rumus:

�� = _∑ �� _� � � �=1

� �� = 1 �

�=1

Dengan rumus diatas maka setiap atribut adalah : Mesin �₁ = 5,000

5,000 + 2,750 + 0,750 + 8,136 + 2,250=

5,000

18,886= 0,265 Harga �₂ = ₅ 2,750

,000+2,750+0,750+8,136+2,250= 2,750

18,886= 0,146 Velg �₃ = 0,750

5,000 + 2,750 + 0,750 + 8,136 + 2,250=

0,750

18,886= 0,040 Tipe �₄ = 8,136

5,000 + 2,750 + 0,750 + 8,136 + 2,250=

8,136

18,886= 0,431 Striping �₅ = 2,250

5,000 + 2,750 + 0,750 + 8,136 + 2,250=

2,250

18,886= 0,119

Utility setiap level dan tingkat kepentingan disajikan pada Tabel 3.10.

Tabel 3.10 Hasil Analisis Konjoin

Atribut Level Tingkat

Kepentingan

Deskripsi Utility

Lambang Skor Skor Bobot

Mesin 100CC-125CC �₁₁ 2,500

5,000 0,265

150CC-200CC �₁₂ -2,500

Harga <16.500.000 �₂₁ -0,750

2,750 0,146 16.500.000-20.000.000 �₂₂ 1,750

20.00.000-23.500.000 �₂₃ 2,000

>23.500.000 �₂₄ 1,000

Velg Jari-jari �₃₁ 0,375

0,750 0,039

Racing �₃₂ -0,375

Tipe Sport �₄₁ -2,834

8,136 0,431

Bebek �₄₂ -2,458

Matic �₄₃ 5,292

Striping Campur �₅₁ -2,500

2,250 0,119

Putih �₅₃ -3,750

Merah �₅₄ -1,500

Konstanta 12,125

Untuk Nilai kepentingan setiap atribut disajikan pada diagram pada Gambar 3.1.

Gambar 3.1 Diagram Nilai Kepentingan Relatif

Dengan memperhatikan diagram nilai Kepentingan Relatif setiap atribut dapat disimpulkan bahwa atribut Mesin dengan bobot 26,50%.Mesin yang paling disukai responden adalah 100CC-125CC dengan skor 2,500 dibanding mesin 150CC-200CC dengan skor -2,500.Berikutnya adalah atributHarga dengan bobot 14,60%. Harga yang paling disukai responden adalah 20.000.000-23.500.000dengan skor 2,000 dibanding 16.500.000-20.000.000 dengan skor 1,750,>23.500.000 dengan skor 1,000 dan <16.500.000 dengan bobot -0,750.Kemudian atribut selanjutnya adalah velg dengan bobot 3,90% yang mana velg yang paling disukai respondenadalah jari-jari dengan skor0,375 dibanding

racing dengan skor -0,375. Atribut selanjutnya adalah Tipe dengan bobot 43,10% yang mana harga yang paling disukai responden adalah Tipe Matic dengan skor 5,292 dibanding Tipe bebek dengan skor 2,458 dan Tipe Sport dengan skor

-MESIN, 26.50%

HARGA, 14.60%

VELG, 3.90% TIPE, 43.10%

STRIPING, 11.90%

2,834. Kemudian Atribut selanjutnya yaitu Striping dengan bobot 11,90% yang mana Warna yang paling disukai responden adalah warna Hitam dengan skor -1,250 dibanding Merah dengan skor -1,500, Campur dengan skor -2,500 dan Putih

dengan skor -3,750.

3.9 Interpretasi Model Analisis Konjoin

Penerapan analisis konjoin melalui pendekatan analisis regresi berganda menggunakan variabel dummy terhadap kesepuluh profil faktor Sepeda Motor Honda.

Dengan persamaan sebagai berikut:

U(x) = �₀ + �₁�₁ + �₂�₂ + �₃�₃ + �₄�₄ + �₅�₅ + �₆�₆ + �₇�₇ + �₈�₈ + �₉�₉ +

�10�10

U(x)=�₀ + �₁(����� 100�� −125��) +�₂(����� 20.000.000−

23.500.000) + �₃(����� 16.500.000−20.000.000) + �₄(����� > 23.500.000) + �₅(�������� − ����) + �₆(���������) +

�7(���������) +�8(�������������) +�9(������������ℎ) +

�10(��������������)

U(x)= 12,125 + 5,000�₁+ 0,250�₂+ 2,750�₃+ 1,000�₄+0,750�₅− 8,125�₆−7,750�₇−1,000�₈−2,750�₉−2,250�₁₀

BAB 4

KESIMPULAN DAN SARAN

4.1Kesimpulan

Dari hasil penelitian terhadap Analisa faktor-faktor ketertarikan Konsumen terhadap Sepeda Motor Honda di Kota Medan dengan Analisis Konjoin maka dapat disimpulkan bahwa:

a. Metode analisis konjoin yang dipergunakan pada penilaian secara umum konsumen Sepeda Motor Honda dengan model yang didapatkan sebagai berikut:

U(x)= 12,125+5,000�₁+ 0,250�₂+ 2,750�₃+ 1,000�₄+ 0,750�₅+ −8,125�₆−

7,750�₇−1,000�₈−2,750�₉− 2,250�₁₀

b. Hasil dari penerapan analisis konjoin untuk mengetahui faktor ketertarikan konsumen dalam memilih Sepeda Motor Honda lebih mengharapakan produk tersebut dengan Mesin 100CC-125CC dengan utility 0,250 dan kepentingan relatifnya 26,50%, Harga 20.000.000-23.500.000 dengan utility 2,000 dan kepentingan relatifnya 14,60%, Velg Jari-jari dengan utility 0,375 dan kepentingan relatifnya 3,90%, Tipe Sepeda Motor Matic dengan utility 5,292 dan kepentingan relatifnya 43,10%. Serta Striping Hitam dengan utility -1,250 dan kepentingan relatifnya11,90%.

4.2Saran

Dari hasil penelitian ini maka penulis menyarankan kepada pihak produsen produk Sepeda Motor Hondaagar memproduksi produk Sepeda Motor Honda dengan Mesin 100CC-125CC, Harga Rp. 20.000.000-23.500.000, Velg jari-jari, Tipe Matic dan Striping Hitamserta mengembangkan kualitas produk yang diminati

oleh konsumen sehingga konsumen lebih tertarik untuk membeli produk tersebut, dan dengan demikian perusahaan memperoleh tingkat penjualan yang optimal.

DAFTAR PUSTAKA

Drapper, Norman and Harly Smith. 1992. Analisis Regresi Terapan. Jakarta: PT Gramedia Pustaka Utama

Ghozali, Imam. 2006. Aplikasi Analisis Multivariat dengan Program SPSS.

Semarang: Universitas Diponegor

Nasendi. B.D. 2000. Program Linier dan Variasinya. Jakarta: Bumi Aksara

Sarwono, Jonathan.2009. Panduan Lengkap Untuk Belajar Komputasi Statistika SPSS. Yogyakarta: ANDI

Singgih, Santoso. 2010. Statistik Multivariat Konsep dan Aplikasi dengan SPSS. Jakarta: PT Elek Media Komputindo

Sudjana.1996.Metoda Statistika. Bandung: Tarsito

Sugiyono. 2006. Statistika Untuk Penelitian. Bandung: CV ALFABETA Supranto. J. 2004. Analisis Multivariat. Jakarta: Rineka Cipta

Supranto. J. 1997. Pengukuran Tingkat Kepuasan Pelanggan. Jakarta: Rineka Cipta

Umar. Husein. 2003. Metode Riset Perilaku Konsumen Jasa. Jakarta: Ghalia Indonesia

LAMPIRAN 1

Jika 216 kombinasi tersebut digunakan maka sangat menyulitkan bagi responden dalam mengurutkan kombinasi-kombinasi tersebut. Responden akan sulit member jawaban yang konsisten dan membutuhkan waktu yang lama dan akhirnya responden menjawabnya tidak sesuai dengan kenyataan yang mengakibatkan hasil yang akan diperoleh tidak akurat, Sehingga perlu adanya mereduksi kombinasi-kombinasi tersebut yang dapat dilakukan pembuatan stimuli dengan cara sebagai berikut:

1. Prosedur syntax

a. Buka program SPSS dan biarkan SPSS DATA EDITOR dalam keadaan kosong

b. Menu File, New, syntax...

c. Tampak di layar Menu Syntax Editor, ketik: ORTHOPLAN

/FACTORS=

MESIN 'MESIN SEPEDA MOTOR' ('100-125 CC' '150-200CC')

HARGA 'HARGA SEPEDA MOTOR' ('<16.500.000' '1.500.000-20.000.000' '20.000.000-23.500.000' '>23.500.000')

VELG 'VELG SEPEDA MOTOR' ('JARI-JARI' 'RACING') TIPE 'TIPE SEPEDA MOTOR' ('SPORT' 'BEBEK' 'MATIC')

STRIPING 'STRIPING SEPEDA MOTOR' ('CAMPUR' 'HITAM' 'PUTIH' 'MERAH')

/HOLDOUT= 0.

LAMPIRAN 2

a. Menu File, New, Syntax b. Ketik pada syntax editor:

DATA LIST FREE/ QN PROD1 TO PROD16. BEGIN DATA.

101 9 5 6 7 8 2 11 12 13 14 16 10 1 3 4 15 102 2 15 7 6 5 1 16 7 6 11 16 10 9 3 13 14 103 11 14 12 15 16 13 10 9 2 3 4 5 1 7 6 8 104 16 10 15 14 12 13 11 9 8 6 7 5 4 1 2 3 105 12 14 7 5 16 10 15 8 9 13 11 2 3 4 1 6 106 1 8 9 10 7 2 3 4 5 6 15 14 13 16 11 12 107 6 5 4 9 3 2 1 10 11 12 13 15 14 16 9 8 108 11 15 16 13 14 3 7 10 9 5 6 12 4 2 1 7 109 10 11 1 5 4 3 2 12 13 16 9 15 8 7 6 14 110 2 3 5 4 6 7 8 9 10 11 12 16 13 14 15 1 111 8 9 10 11 12 4 14 15 16 7 6 13 5 3 2 1 112 6 7 8 9 5 10 1 16 14 15 12 13 2 3 4 11 113 14 13 10 12 4 15 16 9 7 8 6 11 1 5 2 3 114 4 5 6 1 3 12 8 13 16 9 15 14 11 12 7 9 115 16 10 15 12 9 5 8 11 14 3 1 13 4 2 7 6 116 16 10 8 9 3 1 6 2 15 13 11 5 14 4 7 12 117 10 8 9 11 13 1 14 5 16 15 3 11 8 9 8 7 118 10 8 14 15 7 16 4 1 11 7 8 10 3 5 9 12 119 16 12 10 11 15 9 3 6 2 1 13 8 7 14 5 4 120 4 11 14 12 5 16 8 7 15 1 9 3 13 2 6 10 121 8 10 12 4 3 1 2 11 14 13 5 7 9 16 6 15 122 16 10 15 8 9 14 2 7 6 12 11 1 13 4 3 5 123 4 14 15 11 9 10 6 5 1 2 7 8 12 13 3 16 124 8 9 10 1 4 5 3 14 15 16 2 6 11 7 13 12 125 11 4 8 9 16 13 5 7 14 10 16 1 12 6 3 2 126 16 10 8 7 13 15 12 9 4 6 5 14 11 1 2 3

127 16 9 5 7 11 15 4 10 6 2 3 14 1 8 12 13 128 15 16 1 2 14 9 13 4 10 6 11 5 7 3 8 10 129 8 12 10 5 1 2 4 16 7 3 15 14 6 9 11 13 130 16 12 14 1 10 15 2 4 13 7 14 8 5 9 6 3 131 6 12 11 5 14 16 10 1 9 8 7 2 13 3 15 4 132 8 9 12 5 1 14 2 15 10 3 4 6 11 13 7 16 133 6 7 16 15 14 10 11 12 1 2 4 3 13 8 5 9 134 4 7 16 3 5 16 15 14 11 10 9 8 12 1 2 3 135 11 9 13 1 5 7 8 11 2 14 16 8 3 15 4 10 136 10 12 13 8 9 11 5 3 4 1 6 2 7 14 15 16 137 8 5 7 15 11 9 3 12 6 1 13 2 4 14 16 10 138 5 4 3 2 1 6 7 11 12 10 9 8 13 14 15 16 139 16 8 12 14 3 1 13 9 15 6 2 4 5 10 11 7 140 2 6 12 8 7 11 5 9 10 13 4 3 1 16 15 14 141 2 3 6 7 1 16 15 14 13 12 11 10 9 8 4 5 143 3 2 10 15 3 7 4 11 16 14 5 13 12 8 9 1 144 4 6 16 7 3 1 2 5 12 13 15 14 11 10 8 9 145 4 9 15 16 5 12 2 1 3 6 10 13 14 7 8 11 146 1 16 12 11 3 4 5 6 14 15 10 7 2 13 9 8 147 3 1 12 13 10 11 5 6 9 8 7 4 2 16 15 14 147 4 5 7 9 12 3 1 13 6 2 8 10 11 14 16 15 148 15 14 2 1 3 4 5 7 6 12 11 16 10 9 8 13 149 2 7 12 9 8 15 6 13 11 10 3 14 4 16 5 1 150 16 7 9 8 10 6 15 12 4 2 12 14 13 1 5 3 151 13 7 8 10 9 5 16 14 2 3 11 15 12 4 6 1 152 16 8 10 7 9 6 15 12 5 4 13 14 11 1 3 2 153 15 10 7 8 8 4 16 13 3 1 12 14 11 2 6 5 154 14 8 9 10 7 6 16 11 2 3 12 15 13 1 5 4 155 15 8 7 9 10 4 16 12 2 3 11 14 13 5 6 1 156 16 9 8 7 12 6 15 14 5 4 11 13 10 3 2 1 157 16 8 11 15 10 7 13 1 14 6 3 5 9 4 12 2 158 14 8 9 16 13 7 10 1 15 6 2 5 11 4 12 3

159 16 14 11 10 12 6 15 2 9 8 4 7 13 5 3 1 160 16 14 3 5 9 2 15 12 4 7 6 11 13 8 10 1 161 16 14 2 2 6 1 15 11 5 3 10 12 13 7 8 9 162 16 9 8 7 14 5 15 10 6 4 13 11 12 3 2 1 163 16 12 8 6 13 5 15 9 7 2 14 10 11 3 1 4 164 16 11 1 3 13 4 15 9 2 5 12 14 10 6 7 8 165 16 14 2 4 12 3 15 10 3 6 11 13 9 8 7 5 166 16 13 2 4 12 1 14 11 3 6 15 10 5 7 9 8 167 16 8 7 9 10 4 15 12 2 3 11 14 13 5 6 1 168 16 14 4 2 6 1 15 11 5 3 10 12 13 7 8 9 169 16 9 8 7 14 5 15 10 6 4 13 11 12 3 2 1 170 16 12 8 6 13 5 15 9 7 2 14 10 11 3 1 4 171 16 11 1 3 13 4 14 9 2 5 12 10 15 6 7 8 172 16 7 9 8 10 6 15 12 4 2 12 14 13 1 5 3 173 16 7 8 10 9 5 15 14 2 3 11 13 12 4 6 1 174 16 8 10 7 9 6 15 12 5 4 13 14 11 1 3 2 175 16 8 10 7 9 6 15 12 5 4 13 14 11 1 3 2 176 16 8 5 4 9 13 14 10 3 2 15 11 12 6 1 7 177 16 11 7 5 9 10 12 14 2 6 13 15 8 4 3 1 178 16 15 1 2 9 4 11 10 3 6 12 14 13 6 8 7 179 16 15 2 4 12 1 13 11 3 6 14 10 5 7 9 8 180 16 15 3 5 9 2 14 12 4 7 6 13 11 8 10 1 181 16 14 4 2 6 1 15 11 5 3 10 12 13 7 8 9 182 16 9 8 7 14 5 15 10 6 4 13 12 11 3 2 1 183 16 12 8 6 13 5 15 9 7 2 14 11 10 3 1 4 184 16 11 1 3 13 4 15 9 2 5 12 14 10 6 7 8 185 16 14 2 4 12 3 15 10 3 6 11 13 9 8 7 5 186 16 8 3 9 10 7 15 14 1 2 12 13 11 4 5 6 187 16 1 2 4 10 5 15 13 3 6 12 14 11 7 8 9 188 16 4 7 8 12 2 10 13 5 3 11 14 15 9 7 1 189 16 6 2 7 10 9 11 12 8 1 13 14 14 5 3 4 190 16 7 9 8 10 6 13 12 4 2 12 14 15 1 5 3

191 16 7 8 10 9 5 13 14 2 3 11 15 12 4 6 1 192 16 8 10 7 9 6 11 12 5 4 13 15 14 1 3 2 193 16 10 7 8 8 4 11 13 3 1 12 15 14 2 6 5 194 16 8 9 10 7 6 13 11 2 3 12 15 14 1 5 4 195 16 8 7 9 10 4 13 12 2 3 11 15 14 5 6 1 196 16 9 8 7 11 6 14 10 5 4 12 15 13 3 2 1 END DATA.

CONJOINT PLAN ='KONJOIN1.SAV' /FACTORS=

MESIN 'MESIN SEPEDA MOTOR' ('100-125 CC' '150-200CC')

HARGA 'HARGA SEPEDA MOTOR' ('<16.500.000' '16.500.000-20.000.000' '20.000.000-23.500.000' '>23.500.000')

VELG 'VELG SEPEDA MOTOR' ('JARI-JARI' 'RACING') TIPE 'TIPE SEPEDA MOTOR' ('SPORT' 'BEBEK' 'MATIC')

STRIPING 'STRIPING SEPEDA MOTOR' ('CAMPUR' 'HITAM' 'PUTIH' 'MERAH')

/SUBJECT=QN

LAMPIRAN 3

INPUT PENILAIAN RESPONDEN TERHADAP KOMBINASI PRODUK

Kode Responden

KOMBINASI

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

101 9 5 6 7 8 2 11 12 13 14 16 10 1 3 4 15

102 2 15 7 6 5 1 16 7 6 11 16 10 9 3 13 14

103 11 14 12 15 16 13 10 9 2 3 4 5 1 7 6 8

104 16 10 15 14 12 13 11 9 8 6 7 5 4 1 2 3

105 12 14 7 5 16 10 15 8 9 13 11 2 3 4 1 6

106 1 8 9 10 7 2 3 4 5 6 15 14 13 16 11 12

107 6 5 4 9 3 2 1 10 11 12 13 15 14 16 9 8

108 11 15 16 13 14 3 7 10 9 5 6 12 4 2 1 7

109 10 11 1 5 4 3 2 12 13 16 9 15 8 7 6 14

110 2 3 5 4 6 7 8 9 10 11 12 16 13 14 15 1

111 8 9 10 11 12 4 14 15 16 7 6 13 5 3 2 1

112 6 7 8 9 5 10 1 16 14 15 12 13 2 3 4 11

113 14 13 10 12 4 15 16 9 7 8 6 11 1 5 2 3

114 4 5 6 1 3 12 8 13 16 9 15 14 11 12 7 9

115 16 10 15 12 9 5 8 11 14 3 1 13 4 2 7 6

116 16 10 8 9 3 1 6 2 15 13 11 5 14 4 7 2

117 10 2 9 11 13 1 14 5 16 15 3 11 3 9 8 7

118 10 2 14 15 7 16 4 1 11 7 8 10 3 5 9 12

121 8 10 12 4 3 1 2 11 14 13 5 7 9 16 6 15

122 16 10 15 8 9 14 2 7 6 12 11 1 13 4 3 5

123 4 14 15 11 9 10 6 5 1 2 7 8 12 13 3 16

124 8 9 10 1 4 5 3 14 15 16 2 6 11 7 13 12

125 11 4 8 9 16 13 5 7 14 10 16 1 12 6 3 2

126 16 10 8 7 13 15 12 9 4 6 5 14 11 1 2 3

127 16 9 5 7 11 15 4 10 6 2 3 14 1 8 12 13

128 15 16 1 2 14 9 13 4 10 6 11 5 7 3 8 10

129 8 12 10 5 1 2 4 16 7 3 15 14 6 9 11 13

130 16 12 14 1 10 15 2 4 13 7 14 8 5 9 6 3

131 6 12 11 5 14 16 10 1 9 8 7 2 13 3 15 4

132 8 9 12 5 1 14 2 15 10 3 4 6 11 13 7 16

133 6 7 16 15 14 10 11 12 1 2 4 3 13 8 5 9

134 4 7 16 3 5 16 15 14 11 10 9 8 12 1 2 3

135 11 9 13 1 5 7 8 11 2 14 16 8 3 15 4 10

136 10 12 13 8 9 11 5 3 4 1 6 2 7 14 15 16

137 8 5 7 15 11 9 3 12 6 1 13 2 4 14 16 10

138 5 4 3 2 1 6 7 11 12 10 9 8 13 14 15 16

139 16 8 12 14 3 1 13 9 15 6 2 4 5 10 11 7

140 2 6 12 8 7 11 5 9 10 13 4 3 1 16 15 14

141 2 3 6 7 1 16 15 14 13 12 11 10 9 8 4 5

142 3 2 10 15 3 7 4 11 16 14 5 13 12 8 9 1

143 4 6 16 7 3 1 2 5 12 13 14 10 11 10 8 9

144 4 9 15 16 5 12 2 1 3 6 10 13 14 7 8 11

145 1 16 12 11 3 4 5 6 14 15 10 7 2 13 9 8

LAMPIRAN 3

INPUT PENILAIAN RESPONDEN TERHADAP KOMBINASI PRODUK

Kode Responden

KOMBINASI

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

101 9 5 6 7 8 2 11 12 13 14 16 10 1 3 4 15

102 2 15 7 6 5 1 16 7 6 11 16 10 9 3 13 14

103 11 14 12 15 16 13 10 9 2 3 4 5 1 7 6 8

104 16 10 15 14 12 13 11 9 8 6 7 5 4 1 2 3

105 12 14 7 5 16 10 15 8 9 13 11 2 3 4 1 6

106 1 8 9 10 7 2 3 4 5 6 15 14 13 16 11 12

107 6 5 4 9 3 2 1 10 11 12 13 15 14 16 9 8

108 11 15 16 13 14 3 7 10 9 5 6 12 4 2 1 7

109 10 11 1 5 4 3 2 12 13 16 9 15 8 7 6 14

110 2 3 5 4 6 7 8 9 10 11 12 16 13 14 15 1

111 8 9 10 11 12 4 14 15 16 7 6 13 5 3 2 1

112 6 7 8 9 5 10 1 16 14 15 12 13 2 3 4 11

113 14 13 10 12 4 15 16 9 7 8 6 11 1 5 2 3

114 4 5 6 1 3 12 8 13 16 9 15 14 11 12 7 9

115 16 10 15 12 9 5 8 11 14 3 1 13 4 2 7 6

116 16 10 8 9 3 1 6 2 15 13 11 5 14 4 7 2

117 10 2 9 11 13 1 14 5 16 15 3 11 3 9 8 7

118 10 2 14 15 7 16 4 1 11 7 8 10 3 5 9 12

120 4 11 14 12 5 16 8 7 15 1 9 3 13 2 6 10

121 8 10 12 4 3 1 2 11 14 13 5 7 9 16 6 15

122 16 10 15 8 9 14 2 7 6 12 11 1 13 4 3 5

123 4 14 15 11 9 10 6 5 1 2 7 8 12 13 3 16

124 8 9 10 1 4 5 3 14 15 16 2 6 11 7 13 12

125 11 4 8 9 16 13 5 7 14 10 16 1 12 6 3 2

126 16 10 8 7 13 15 12 9 4 6 5 14 11 1 2 3

127 16 9 5 7 11 15 4 10 6 2 3 14 1 8 12 13

128 15 16 1 2 14 9 13 4 10 6 11 5 7 3 8 10

129 8 12 10 5 1 2 4 16 7 3 15 14 6 9 11 13

130 16 12 14 1 10 15 2 4 13 7 14 8 5 9 6 3

131 6 12 11 5 14 16 10 1 9 8 7 2 13 3 15 4

132 8 9 12 5 1 14 2 15 10 3 4 6 11 13 7 16

133 6 7 16 15 14 10 11 12 1 2 4 3 13 8 5 9

134 4 7 16 3 5 16 15 14 11 10 9 8 12 1 2 3

135 11 9 13 1 5 7 8 11 2 14 16 8 3 15 4 10

136 10 12 13 8 9 11 5 3 4 1 6 2 7 14 15 16

137 8 5 7 15 11 9 3 12 6 1 13 2 4 14 16 10

138 5 4 3 2 1 6 7 11 12 10 9 8 13 14 15 16

139 16 8 12 14 3 1 13 9 15 6 2 4 5 10 11 7

140 2 6 12 8 7 11 5 9 10 13 4 3 1 16 15 14

141 2 3 6 7 1 16 15 14 13 12 11 10 9 8 4 5

142 3 2 10 15 3 7 4 11 16 14 5 13 12 8 9 1

143 4 6 16 7 3 1 2 5 12 13 14 10 11 10 8 9

144 4 9 15 16 5 12 2 1 3 6 10 13 14 7 8 11

145 1 16 12 11 3 4 5 6 14 15 10 7 2 13 9 8

147 4 5 7 9 12 3 1 13 6 2 8 10 11 14 16 15

148 15 14 2 1 3 4 5 7 6 12 11 16 10 9 8 13

149 2 7 12 9 8 15 6 13 11 10 3 14 4 16 5 1

150 16 7 9 8 10 6 15 12 4 2 12 14 13 1 5 3

151 13 7 8 10 9 5 16 14 2 3 11 15 12 4 6 1

152 16 8 10 7 9 6 15 12 5 4 13 14 11 1 3 2

153 15 10 7 8 8 4 16 13 3 1 12 14 11 2 6 5

154 14 8 9 10 7 6 16 11 2 3 12 15 13 1 5 4

155 15 8 7 9 10 4 16 12 2 3 11 14 13 5 6 1

156 16 9 8 7 12 6 15 14 5 4 11 13 10 3 2 1

157 16 8 11 15 10 7 13 1 14 6 3 5 9 4 12 2

158 14 8 9 16 13 7 10 1 15 6 2 5 11 4 12 3

159 16 14 11 10 12 6 15 2 9 8 4 7 13 5 3 1

160 16 14 3 5 9 2 15 12 4 7 6 11 13 8 10 1

161 16 14 2 2 6 1 15 11 5 3 10 12 13 7 8 9

162 16 9 8 7 14 5 15 10 6 4 13 11 12 3 2 1

163 16 12 8 6 13 5 15 9 7 2 14 10 11 3 1 4

164 16 11 1 3 13 4 15 9 2 5 12 14 10 6 7 8

165 16 14 2 4 12 3 15 10 3 6 11 13 9 8 7 5

166 16 13 2 4 12 1 14 11 3 6 15 10 5 7 9 8

167 16 8 7 9 10 4 15 12 2 3 11 14 13 5 6 1

168 16 14 4 2 6 1 15 11 5 3 10 12 13 7 8 9

169 16 9 8 7 14 5 15 10 6 4 13 11 12 3 2 1

170 16 12 8 6 13 5 15 9 7 2 14 10 11 3 1 4

171 16 11 1 3 13 4 14 9 2 5 12 10 15 6 7 8

172 16 7 9 8 10 6 15 12 4 2 12 14 13 1 5 3

174 16 8 10 7 9 6 15 12 5 4 13 14 11 1 3 2

175 16 8 10 7 9 6 15 12 5 4 13 14 11 1 3 2

176 16 8 5 4 9 13 14 10 3 2 15 11 12 6 1 7

177 16 11 7 5 9 10 3 6 12 14 2 6 13 4 3 1

178 16 15 `1 2 9 4 11 10 3 6 12 14 13 6 8 7

179 16 15 2 4 12 1 13 11 3 6 14 10 5 7 9 8

180 16 15 3 5 9 2 14 12 4 7 6 13 11 8 10 1

181 16 14 4 2 6 1 15 11 5 3 10 12 13 7 8 9

182 16 9 8 7 14 5 15 10 6 4 13 12 11 3 2 1

183 16 12 8 6 13 5 15 9 7 2 14 11 10 3 1 4

184 16 11 1 3 13 4 15 9 2 5 12 14 10 6 7 8

185 16 14 2 4 12 3 15 10 3 6 11 13 9 8 7 5

186 16 8 3 9 10 7 15 14 1 2 12 13 11 4 5 6

187 16 1 2 4 10 5 15 13 3 6 12 14 11 7 8 9

188 16 4 7 8 12 2 10 13 5 3 11 14 15 9 7 1

189 16 6 2 7 10 9 11 12 8 1 15 14 13 5 3 4

190 16 7 9 8 10 6 13 12 4 2 12 14 15 1 5 3

191 16 7 8 10 9 5 13 14 2 3 11 15 12 4 6 1

192 16 8 10 7 9 6 11 12 5 4 13 15 14 1 3 2

193 16 10 7 8 9 4 11 13 3 1 12 15 14 2 6 5

194 16 8 9 10 7 6 13 11 2 3 12 15 14 1 5 4

195 16 8 7 9 10 4 13 12 2 3 11 15 14 5 6 1

LAMPIRAN 4

KUESIONER PENELITIAN

Dalam rangka melengkapi data yang diperlukan untuk memenuhi Tugas akhir, bersama ini saya menyampaikan kuesioner penelitian mengenai “Analisa faktor-faktor ketertarikan Konsumen terhadap Sepeda Motor Honda di Kota Medan dengan Analisis Konjoin”.Adapun penelitian ini saya gunakan sebagai bahan penyusunan skripsi pada Program Sarjana Sains, Departemen Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Sumatera Utara.

Mohon bantuan dan kesediaannya untuk memberikan jawaban yang sesungguhnya. Saya akan menjamin kerahasiaan data yang saudara/I berikan, karena jawaban tersebut hanya sebagai bahan penelitian danidak untuk dipublikasikan.

Saya ucapkan terima kasih atas kesediaan saudara/I telah meluangkan waktu dalam menjawab pertanyaan kuesioner penelitian ini.

Karakteristik Responden 1. Nama : 2. Jenis Kelamin :

□ Pria □ Wanita 3. Pekerjaan :

Petunjuk Pengisian

Berikut peringkat terhadap kombinasi Sepeda Motor Honda pada tabel berikut yang anda anggap paling sesuai dengan ketertarikan atau selera yang anda inginkan.

Keterangan :

Peringkat 16 menyatakan sangat menyukai dan peringkat 1 menyatakan sangat tidak menyukai.

NO MESIN HARGA VELG TIPE STRIPING RANGKING

1 100-125CC 20.000.000-23.500.000 JARI-JARI MATIC HITAM

2 150-200CC 20.000.000-23.500.000 RACING BEBEK CAMPUR

3 150-200CC 16.500.000 – 20.000.000 JARI-JARI SPORT CAMPUR

4 150-200CC >23.500.000 JARI-JARI SPORT MERAH

5 150-200CC >23.500.000 JARI-JARI BEBEK HITAM

6 150-200CC <16.500.000 RACING SPORT HITAM

7 100-125CC >23.500.000 RACING MATIC CAMPUR

8 100-125CC <16.500.000 JARI-JARI BEBEK PUTIH

9 150-200CC 20.000.000 – 23.500.000 RACING SPORT PUTIH

10 100-125CC 20.000.000 – 23.500.000 JARI-JARI SPORT MERAH

11 150-200CC <16.500.000 RACING MATIC MERAH

12 100-125CC 16.500.000 – 20.000.000 RACING BEBEK MERAH

13 150-200CC 16.500.000 – 20.000.000 JARI-JARI MATIC PUTIH

14 100-125CC <16.500.000 JARI-JARI SPORT CAMPUR

15 100-125CC >23.500.000 RACING SPORT PUTIH