Aproksimasi Bootstrap untuk Hasil Pengukuran Sensitivitas Harga.

1

 

PENDAHULUAN
Latar Belakang
Harga merupakan key of success dari suatu
produk atau jasa. Karena itu untuk menetapkan
harga sebuah produk atau jasa diperlukan
strategi sebab harga merupakan bagian dari
grand strategy produk dan merek, bahkan
corporate. Penetapan harga tidak bisa hanya
dilakukan berdasarkan perhitungan biaya
finansial
saja
tetapi
harus
pula
mempertimbangkan
aspek
psikologis

konsumen. Salah satu hal penting dalam
menetapkan harga adalah pengetahuan tentang
kisaran harga yang dapat diterima konsumen
atau dikenal sebagai acceptable price range
(APR) yaitu suatu kisaran harga yang
membuat konsumen tidak merasa bahwa
produk tersebut terlalu mahal sehingga
konsumen tidak sanggup membelinya ataupun
terlalu murah sehingga konsumen meragukan
kualitas dari produk tersebut. Penentuan APR
sangat
diperlukan
untuk
memahami
psychological price, sehingga tingkat harga
yang akan ditetapkan sesuai dengan value
yang dipersepsikan oleh konsumen (Lewis dan
Shoemaker, 1997).
Setiap konsumen memiliki rasa sensitif
terhadap harga, karena mereka selalu

membandingkan
dengan
value
yang
diterimanya dari produk yang dibeli. Ada
tingkat harga terendah yang masih bisa
diterima (di bawah harga tersebut justru tidak
dipercaya), tetapi ada harga tertinggi yang
masih bersedia untuk dibayar. Price sensitivity
Measurement (PSM) merupakan sebuah teknik
yang dapat digunakan untuk mengetahui APR
ini. PSM diperlukan oleh pemasar sebagai
kerangka acuan kerja yang dapat membantu
pengembangan pemahaman terhadap persepsi
harga. Dengan demikian penelitian tentang
PSM diharapkan dapat berguna bagi setiap
pelaku usaha yang akan menentukan harga
dari suatu produk atau jasa dari usaha tersebut.
Pada dasarnya, PSM dapat dimodelkan
dengan fungsi peluang dan sudah digunakan

secara intensif dalam penelitian preferensi
konsumen (Lewis dan Shoemaker, 1997;
Consultores, 2002). Namun demikian belum
banyak penelitian yang mempelajari kinerja
PSM khususnya sifat statistik seperti presisi
dan akurasi untuk penentuan APR. Karena itu
dalam penelitian ini, akan dikaji kinerja dari
APR dengan metode bootstrap. Kajian akan
dilakukan dengan menggunakan data sampel
dari studi kasus kisaran harga nasi rendang,
pecel ayam dan nasi goreng yang ada di

sekitar kampus Intitut Pertanian Bogor (IPB)
Dramaga yang dapat diterima oleh konsumen
mahasiswa IPB.
Tujuan
Tujuan dari penelitian ini adalah :
1. Menerapkan metode PSM untuk
menentukan APR nasi rendang, pecel
ayam dan nasi goreng yang biasa

dikonsumsi mahasiswa di sekitar
kampus IPB Dramaga.
2. Mempelajari
sifat–sifat
statistik
khususnya presisi dari APR dengan
menggunakan metode bootstrap.

TINJAUAN PUSTAKA
Statistika Deskriptif
Statistika deskriptif adalah bidang yang
membicarakan
metode
pengumpulan,
penyederhanaan dan penyajian data (Mattjik
dan Sumertajaya, 2002). Statistika deskriptif
dapat disajikan dalam bentuk ringkasan
statistik dan gambar. Ringkasan statistik dapat
disajikan dalam bentuk nilai maksimum, nilai
minimum dan rataan dari segugus data.

Deskriptif segugus data dalam bentuk gambar
dapat berupa bar chart, pie chart, stacked bar
chart dan lain sebagainya.
Acceptable Price Range
Acceptable price range adalah kisaran
harga yang dapat diterima oleh konsumen.
Pada tingkat harga tersebut, konsumen tidak
merasa bahwa produk itu terlalu mahal
sehingga tidak sanggup untuk membelinya
(unaffordable) ataupun terlalu murah sehingga
konsumen tidak mempertanyakan kualitas dari
suatu produk atau jasa (Lewis dan Shoemaker,
1997).
Price Sensitivity Measurement
Price sensitivity measurement (PSM)
adalah suatu teknik atau metode yang
digunakan untuk penentuan APR.
Adapun langkah-langkah penentuan APR
dengan metode PSM sebagai berikut:
1. Setiap responden menentukan kategori

harga sangat murah, murah, mahal dan
sangat mahal.
2. Misal Xij = respon dari responden ke-i
terhadap kategori ke-j

1

 

PENDAHULUAN
Latar Belakang
Harga merupakan key of success dari suatu
produk atau jasa. Karena itu untuk menetapkan
harga sebuah produk atau jasa diperlukan
strategi sebab harga merupakan bagian dari
grand strategy produk dan merek, bahkan
corporate. Penetapan harga tidak bisa hanya
dilakukan berdasarkan perhitungan biaya
finansial
saja

tetapi
harus
pula
mempertimbangkan
aspek
psikologis
konsumen. Salah satu hal penting dalam
menetapkan harga adalah pengetahuan tentang
kisaran harga yang dapat diterima konsumen
atau dikenal sebagai acceptable price range
(APR) yaitu suatu kisaran harga yang
membuat konsumen tidak merasa bahwa
produk tersebut terlalu mahal sehingga
konsumen tidak sanggup membelinya ataupun
terlalu murah sehingga konsumen meragukan
kualitas dari produk tersebut. Penentuan APR
sangat
diperlukan
untuk
memahami

psychological price, sehingga tingkat harga
yang akan ditetapkan sesuai dengan value
yang dipersepsikan oleh konsumen (Lewis dan
Shoemaker, 1997).
Setiap konsumen memiliki rasa sensitif
terhadap harga, karena mereka selalu
membandingkan
dengan
value
yang
diterimanya dari produk yang dibeli. Ada
tingkat harga terendah yang masih bisa
diterima (di bawah harga tersebut justru tidak
dipercaya), tetapi ada harga tertinggi yang
masih bersedia untuk dibayar. Price sensitivity
Measurement (PSM) merupakan sebuah teknik
yang dapat digunakan untuk mengetahui APR
ini. PSM diperlukan oleh pemasar sebagai
kerangka acuan kerja yang dapat membantu
pengembangan pemahaman terhadap persepsi

harga. Dengan demikian penelitian tentang
PSM diharapkan dapat berguna bagi setiap
pelaku usaha yang akan menentukan harga
dari suatu produk atau jasa dari usaha tersebut.
Pada dasarnya, PSM dapat dimodelkan
dengan fungsi peluang dan sudah digunakan
secara intensif dalam penelitian preferensi
konsumen (Lewis dan Shoemaker, 1997;
Consultores, 2002). Namun demikian belum
banyak penelitian yang mempelajari kinerja
PSM khususnya sifat statistik seperti presisi
dan akurasi untuk penentuan APR. Karena itu
dalam penelitian ini, akan dikaji kinerja dari
APR dengan metode bootstrap. Kajian akan
dilakukan dengan menggunakan data sampel
dari studi kasus kisaran harga nasi rendang,
pecel ayam dan nasi goreng yang ada di

sekitar kampus Intitut Pertanian Bogor (IPB)
Dramaga yang dapat diterima oleh konsumen

mahasiswa IPB.
Tujuan
Tujuan dari penelitian ini adalah :
1. Menerapkan metode PSM untuk
menentukan APR nasi rendang, pecel
ayam dan nasi goreng yang biasa
dikonsumsi mahasiswa di sekitar
kampus IPB Dramaga.
2. Mempelajari
sifat–sifat
statistik
khususnya presisi dari APR dengan
menggunakan metode bootstrap.

TINJAUAN PUSTAKA
Statistika Deskriptif
Statistika deskriptif adalah bidang yang
membicarakan
metode
pengumpulan,

penyederhanaan dan penyajian data (Mattjik
dan Sumertajaya, 2002). Statistika deskriptif
dapat disajikan dalam bentuk ringkasan
statistik dan gambar. Ringkasan statistik dapat
disajikan dalam bentuk nilai maksimum, nilai
minimum dan rataan dari segugus data.
Deskriptif segugus data dalam bentuk gambar
dapat berupa bar chart, pie chart, stacked bar
chart dan lain sebagainya.
Acceptable Price Range
Acceptable price range adalah kisaran
harga yang dapat diterima oleh konsumen.
Pada tingkat harga tersebut, konsumen tidak
merasa bahwa produk itu terlalu mahal
sehingga tidak sanggup untuk membelinya
(unaffordable) ataupun terlalu murah sehingga
konsumen tidak mempertanyakan kualitas dari
suatu produk atau jasa (Lewis dan Shoemaker,
1997).
Price Sensitivity Measurement
Price sensitivity measurement (PSM)
adalah suatu teknik atau metode yang
digunakan untuk penentuan APR.
Adapun langkah-langkah penentuan APR
dengan metode PSM sebagai berikut:
1. Setiap responden menentukan kategori
harga sangat murah, murah, mahal dan
sangat mahal.
2. Misal Xij = respon dari responden ke-i
terhadap kategori ke-j

2

 

3.
4.
5.

6.

7.

(i = 1,…,n) dan (j = 1,…,m)
Kemudian Xij diurutkan. Hasil
pengurutan:
(X11,X21,…,Xnm)
Menghitung frekuensi kemunculan
untuk setiap kategori harga.
Menghitung frekuensi kumulatif untuk
setiap kategori harga.
Menghitung frekuensi relatif secara
kumulatif untuk kategori mahal dan
sangat mahal, sedangkan untuk
kategori sangat murah dan murah,
dihitung 1–frekuensi relatif secara
kumulatif.
Membuat plot hubungan antara
frekuensi relatif secara kumulatif
dengan Xi.
Menentukan APR yaitu kisaran yang
berawal dari titik potong kurva sangat
murah dan mahal dan berakhir pada
titik potong kurva murah dan sangat
mahal.

semua unsur ui yang memenuhi syarat X(ui) =
x. Peluang timbulnya semua kejadian X = x
dengan demikian sama dengan jumlah peluang
timbulnya semua kejadian ui yang memenuhi
syarat X(ui) = x. Kalau peluang timbulnya
kejdian X = x ini dilambangkan sebagai P(x),
maka
P(x) = P({ui U; X(ui) = x})
Rumus ini bila disederhanakan, mengambil
bentuk:
P(x) = P(X = x)
Karena P(x) merupakan peluang timbulnya
suatu kejadian, maka haruslah juga sesuai
dengan apa yang telah dikemukakan, dipenuhi
syarat bahwa P(x) > 0 serta ∑P(x) = 1.
Dipandang dari segi pengertian fungsi
sebagai suatu pemetaan, maka P(x) merupakan
suatu pemetaan wilayah peubah acak X, yaitu
Wx sebagai daerah fungsi ke suatu gugus yang
unsur-unsurnya terdiri dari P(x). Fungsi P(x)
ini disebut fungsi peluang atau fungsi
kepekatan peubah acak X (Nasoetion dan
Rambe, 1983)

Persepsi
Fungsi Sebaran Peluang
Persepsi merupakan pandangan individu
terhadap suatu objek sehingga individu
tersebut memberikan reaksi atau respon yang
berhubungan dengan penerimaan atau
penilaian. Persepsi berhubungan dengan
pendapat dan penilaian yang berakibat
terhadap motivasi, kemauan, tanggapan,
perasaan dan fantasi terhadap stimulus (Kotler,
1997).
Frekuensi Kumulatif
Frekuensi kumulatif adalah penjumlahan
frekuensi secara berurutan pada setiap kelas
baik meningkat (kurang dari), maupun
menurun (lebih dari). Distribusi frekuensi
kumulatif dapat digambarkan oleh suatu grafik
yang disebut Poligon Frekuensi Kumulatif
atau OGIVE, yang melukiskan frekuensi
kumulatif terhadap batas atas kelas.
Fungsi Peluang
Fungsi peluang adalah fungsi yang
merepresentasikan sebaran peluang. Fungsi
peluang dapat juga diartikan sebagai aturan
atau fungsi yang menghubungkan bilangan riil
dengan setiap himpunan bagian dari suatu
himpunan (Larson, 1982).
Misalkan suatu peubah acak X telah
dibatasi terhadap suatu ruang contoh U =
{u1,u2,..,un} maka kejadian bahwa X = x
merupakan anak gugus U yang mengandung

Fungsi sebaran peluang suatu peubah acak
X adalah :
F(x) = P(X≤x)
Yaitu suatu fungsi peluang kumulatif atau
fungsi sebaran frekuensi nisbi kumulatif.
Untuk X bersifat diskret, fungsi
sebarannya secara umum dapat dicatat sebagai
F(x) =
P X t =∑ f t
Sedangkan untuk X bersifat kontinu,
fungsi sebaran itu secara umum dapat dicatat
sebagai
F(x) =
f t dt
(Musa dan Nasoetion, 1989).
Kuesioner
Kuesioner adalah instrumen survei yang
terdiri atas serangkaian pertanyaan tertulis
(baik terstruktur maupun tidak terstruktur),
bertujuan mendapatkan tanggapan dari
kelompok orang terpilih melalui wawancara
pribadi atau melalui pos.
Kuesioner juga dapat diartikan sebagai
suatu teknik pengumpulan informasi yang
memungkinkan analis mempelajari sikapsikap, keyakinan, perilaku, dan karakteristik
beberapa orang utama di dalam organisasi
yang bisa terpengaruh oleh sistem yang
diajukan atau oleh sistem yang sudah ada.
Dengan menggunakan kuesioner, analis
berupaya mengukur apa yang ditemukan

3

 
dalam wawancara, selain itu juga untuk
menentukan seberapa luas atau terbatasnya
sentimen yang diekspresikan dalam suatu
wawancara.
Purposive sampling
Purposive sampling adalah metode
penarikan contoh yang tidak berpeluang (nonprobability sampling), di mana dalam
pengambilan contohnya ada unsur kesengajaan
di dalamnya. Metode penarikan contoh ini
digunakan jika objek survei dari suatu
penelitian yang ingin diambil sudah sangat
spesifik dan ketika mengalami kesulitan dalam
menentukan frame sample.
Purposive sampling juga dapat diartikan
sebagai metode penarikan contoh yang
didasarkan pada ciri-ciri atau sifat-sifat
tertentu yang dipandang mempunyai sangkut
paut yang erat dengan ciri-ciri atau sifat-sifat
populasi yang sudah diketahui sebelumnya.
Metode Simulasi
Metode simulasi didefinisikan sebagai
suatu usaha untuk memperoleh gambaran
tentang suatu populasi yang sulit diamati,
sehingga contoh yang diambil mampu
mewakili populasi serta mampu menjelaskan
karakteristik dari populasi tersebut.
Sebelum dilakukan simulasi diperlukan
pengetahuan tentang karakteristik populasi
yang akan diduga. Dalam bidang statistika,
simulasi mempunyai peranan penting dalam
pendugaan-pendugaan nilai parameter suatu
populasi data yang memberikan suatu
informasi baru. Metode simulasi dapat
memberikan efesiensi dan kemudahan dalam
menganalisis suatu model matematika
(Morgan, y 1984).
Metode Bootstrap
Metode bootstrap merupakan metode
simulasi berbasis data untuk mempelajari
keragaman ciri sebaran peluang dari segugus
pengamatan. Bootstrap dapat pula digunakan
untuk memperoleh selang kepercayaan dari
parameter ketika teknik parametrik sulit atau
tidak dapat digunakan untuk memperoleh
selang kepercayaan tersebut. Gagasan dasar
dari prosedur ini mencakup konsep penarikan
contoh dengan pemulihan untuk menghasilkan
contoh acak berukuran n dari data asal x1,
x2,…,xn. Setiap contoh acak berukuran n ini
disebut sebagai contoh bootstrap dan setiap
contoh tadi menghasilkan dugaan bagi

parameter yang ingin dipelajari. Dengan
proses pengulangan yang cukup banyak,
bootstrap dapat digunakan untuk mendapatkan
informasi tentang keragaman dari penduga.
Sedangkan pendekatan selang kepercayan
95% dari parameter (θ) adalah kuantil 2,5%
dan 97,5% dari statistik (θ) yang diulang
(Everitt, 2006).
Bootstrap mulai diperkenalkan oleh
Bradley Efron pada tahun 1979, sebagai suatu
metode pengambilan contoh ulang secara acak
dengan pengembalian (resampling with
replacement). Bootstrap merupakan salah satu
metode statistika yang bersifat nonparametrik.
Suatu populasi yang tidak diketahui
sebarannya atau populasi nonparametrik dapat
menggunakan Bootstrap untuk melakukan
pendugaan parameter. Suatu populasi tak
terbatas yang terdiri dari n nilai data contoh,
masing-masing mempunyai peluang 1/n untuk
setiap nilai xi, i = 1, 2, ..., n (Manly, 1997).
Dengan demikian suatu gugus A dalam ruang
contoh x mempunyai peluang sebesar P{A},
yaitu jumlah xi anggota A dibagi n.
Asumsikan x = (x1, x2, ..., xn) adalah contoh
acak dari sebaran peluang F yang tidak
diketahui dan θ = t (F ) adalah parameter yang
ingin diduga, maka langkah pembangkitan
contoh acak Bootstrap Non-parametrik :
1. Misalkan x* = (x1*, x2*, ..., xn*) adalah
contoh acak berukuran n dengan
pemulihan dari F̂ yang diulang sebanyak
B kali.
2. Setiap penarikan contoh acak dilakukan
pendugaan θ sehingga diperoleh gugus
nilai θˆ , θˆ ,...,θˆ .
1

3.

2

B

Dari gugus nilai θˆ1,θˆ2 ,...,θˆB , diperoleh
nilai rata-rata dari θˆi , i= 1, 2, ..., B yang
merupakan nilai penduga Bootstrap untuk
θ.
Selang Kepercayaan

Selang kepercayaan adalah salah satu
metode pendugaan parameter. Misalnya,
rataan contoh
merupakan penduga terbaik
bagi nilai tengah populasi (µ), meskipun tidak
ada jaminan bahwa kedua nilai tersebut persis
sama. Bahkan kita tidak memiliki petunjuk
berapa besar kemungkinan bahwa rataan yang
diperoleh dari contoh tersebut akan sama
nilainya dengan µ.
Parameter populasi tidak mungkin
diketahui nilainya, kecuali jika mengamati
keseluruhan populasi, karena itu untuk
menduga µ dengan
perlu dilakukan

4

 
penarikan contoh berulang sehingga diperoleh
gambaran tentang keragaman , jika variasi
yang diperoleh dari beberapa contoh relatif
kecil maka kemungkinan besar nilai µ berada
di sekitar nilai-nilai (Aunuddin, 2005).
Selang kepercayaan (1-α)100% bagi µ,
apabila ragam populasi diketahui adalah:
σ
σ
μ
/
/
√n
√n
Sedangkan / adalah nilai z yang luas
daerah di sebelah kanan kurva normal baku
sebesar α/2.
Selang
kepercayaan
(1-α)100%
memberikan ukuran sejauh mana ketelitian
atau akurasi nilai dugaan titiknya. Bila µ
memang pusat selang itu, maka menduga µ
tanpa galat. Tetapi kecil sekali kemungkinan
tapat sama dengan µ, sehingga nilai dugaan itu
mempunyai galat. Jika hanya dilakukan sekali
penarikan contoh, merupakan penduga tak
bias bagi µ. Besarnya nilai galat ini sama
dengan nilai mutlak selisih antara µ dan , dan
kita yakin (1-α)100% bahwa selisih tersebut
(Walpole, 1982).
tidak melibihi /
√

DATA DAN METODE
Data
Data yang akan dianalisis merupakan data
primer. Metode penarikan contoh yang
digunakan dalam penelitian ini adalah
purposive sampling karena objek survei dari
penelitian ini sudah sangat spesifik, yaitu
mahasiswa yang biasa makan nasi rendang,
pecel ayam atau nasi goreng. Penarikan contoh
secara acak tidak dapat diterapkan karena
dapat menghasilkan contoh yang tidak
memenuhi spesifikasi yang diinginkan.
Populasi dari penelitian ini adalah seluruh
mahasiswa Intitut Pertanian Bogor (IPB) yang
biasa membeli nasi rendang, pecel ayam dan
nasi goreng. Ukuran contoh dalam penelitian
ini adalah sebesar 114 responden. Data ini
dikumpulkan mulai dari 18 November 2008
sampai 30 November 2008. Pengumpulan data
dilakukan di lingkungan Kampus IPB
Dramaga, tepatnya di kantin-kantin yang ada
di setiap fakultas di IPB.
Kuesioner yang digunakan pada penelitian
ini didesain sesuai kebutuhan penelitian ini. Di
dalam penelitian ini, responden akan diberikan
empat pertanyaan inti, yang terdiri dari: 1.
Pada tingkat harga berapa menurut anda harga
makanan ini terlalu murah? Ini dimaksudkan
untuk mengetahui pada tingkat harga berapa
konsumen merasa kualitas dari makanan

tersebut patut dipertanyakan. 2. Pada tingkat
harga berapa menurut anda harga makanan ini
murah? Ini dimaksudkan untuk mengetahui
pada tingkat harga berapa konsumen merasa
harga yang ditawarkan cukup terjangkau
(affordable). 3. Pada tingkat harga berapa
menurut anda harga makanan ini mahal? Ini
dimaksudkan untuk mengetahui pada tingkat
harga berapa konsumen merasa harus berpikir
ulang dalam membeli makanan tersebut. 4.
Pada tingkat harga berapa menurut anda harga
makanan ini terlalu mahal? Ini dimaksudkan
untuk mengetahui pada tingkat harga berapa
konsumen tidak sanggup untuk membeli
makanan tersebut (unaffordable).
Metode
Metode Price Sensitivity Measurement
Setelah data terambil, metode selanjutnya
adalah menggunakan metode PSM untuk
menentukan APR pada masing-masing
komoditi. Langkah–langkah dari metode PSM
adalah:
1. Setiap responden menentukan kategori
harga sangat murah, murah, mahal dan
sangat mahal.
2. Misal hij = respon (harga) dari
responden ke-i terhadap kategori ke-j
(i = 1,…,114) dan (j = 1,…,4)
Kemudian hij diurutkan. Hasil
pengurutan:
(h11,h21,...,h114,1); (h12,h22,...,h114,2);...;
(h14,h24,...,h114,4).
2. Menghitung frekuensi kemunculan
untuk setiap kategori harga.
3. Menghitung frekuensi kumulatif untuk
setiap kategori harga.
4. Menghitung frekuensi relatif secara
kumulatif untuk kategori mahal dan
sangat mahal, sedangkan untuk
kategori sangat murah dan murah,
dihitung 1–frekuensi relatif secara
kumulatif.
5. Membuat plot hubungan harga (X)
dengan frekuensi relatif secara
kumulatif (Y)
6. Menentukan APR yaitu kisaran yang
berawal dari titik potong kurva sangat
murah dan mahal dan berakhir pada
titik potong kurva murah dan sangat
mahal.

4

 
penarikan contoh berulang sehingga diperoleh
gambaran tentang keragaman , jika variasi
yang diperoleh dari beberapa contoh relatif
kecil maka kemungkinan besar nilai µ berada
di sekitar nilai-nilai (Aunuddin, 2005).
Selang kepercayaan (1-α)100% bagi µ,
apabila ragam populasi diketahui adalah:
σ
σ
μ
/
/
√n
√n
Sedangkan / adalah nilai z yang luas
daerah di sebelah kanan kurva normal baku
sebesar α/2.
Selang
kepercayaan
(1-α)100%
memberikan ukuran sejauh mana ketelitian
atau akurasi nilai dugaan titiknya. Bila µ
memang pusat selang itu, maka menduga µ
tanpa galat. Tetapi kecil sekali kemungkinan
tapat sama dengan µ, sehingga nilai dugaan itu
mempunyai galat. Jika hanya dilakukan sekali
penarikan contoh, merupakan penduga tak
bias bagi µ. Besarnya nilai galat ini sama
dengan nilai mutlak selisih antara µ dan , dan
kita yakin (1-α)100% bahwa selisih tersebut
(Walpole, 1982).
tidak melibihi /
√

DATA DAN METODE
Data
Data yang akan dianalisis merupakan data
primer. Metode penarikan contoh yang
digunakan dalam penelitian ini adalah
purposive sampling karena objek survei dari
penelitian ini sudah sangat spesifik, yaitu
mahasiswa yang biasa makan nasi rendang,
pecel ayam atau nasi goreng. Penarikan contoh
secara acak tidak dapat diterapkan karena
dapat menghasilkan contoh yang tidak
memenuhi spesifikasi yang diinginkan.
Populasi dari penelitian ini adalah seluruh
mahasiswa Intitut Pertanian Bogor (IPB) yang
biasa membeli nasi rendang, pecel ayam dan
nasi goreng. Ukuran contoh dalam penelitian
ini adalah sebesar 114 responden. Data ini
dikumpulkan mulai dari 18 November 2008
sampai 30 November 2008. Pengumpulan data
dilakukan di lingkungan Kampus IPB
Dramaga, tepatnya di kantin-kantin yang ada
di setiap fakultas di IPB.
Kuesioner yang digunakan pada penelitian
ini didesain sesuai kebutuhan penelitian ini. Di
dalam penelitian ini, responden akan diberikan
empat pertanyaan inti, yang terdiri dari: 1.
Pada tingkat harga berapa menurut anda harga
makanan ini terlalu murah? Ini dimaksudkan
untuk mengetahui pada tingkat harga berapa
konsumen merasa kualitas dari makanan

tersebut patut dipertanyakan. 2. Pada tingkat
harga berapa menurut anda harga makanan ini
murah? Ini dimaksudkan untuk mengetahui
pada tingkat harga berapa konsumen merasa
harga yang ditawarkan cukup terjangkau
(affordable). 3. Pada tingkat harga berapa
menurut anda harga makanan ini mahal? Ini
dimaksudkan untuk mengetahui pada tingkat
harga berapa konsumen merasa harus berpikir
ulang dalam membeli makanan tersebut. 4.
Pada tingkat harga berapa menurut anda harga
makanan ini terlalu mahal? Ini dimaksudkan
untuk mengetahui pada tingkat harga berapa
konsumen tidak sanggup untuk membeli
makanan tersebut (unaffordable).
Metode
Metode Price Sensitivity Measurement
Setelah data terambil, metode selanjutnya
adalah menggunakan metode PSM untuk
menentukan APR pada masing-masing
komoditi. Langkah–langkah dari metode PSM
adalah:
1. Setiap responden menentukan kategori
harga sangat murah, murah, mahal dan
sangat mahal.
2. Misal hij = respon (harga) dari
responden ke-i terhadap kategori ke-j
(i = 1,…,114) dan (j = 1,…,4)
Kemudian hij diurutkan. Hasil
pengurutan:
(h11,h21,...,h114,1); (h12,h22,...,h114,2);...;
(h14,h24,...,h114,4).
2. Menghitung frekuensi kemunculan
untuk setiap kategori harga.
3. Menghitung frekuensi kumulatif untuk
setiap kategori harga.
4. Menghitung frekuensi relatif secara
kumulatif untuk kategori mahal dan
sangat mahal, sedangkan untuk
kategori sangat murah dan murah,
dihitung 1–frekuensi relatif secara
kumulatif.
5. Membuat plot hubungan harga (X)
dengan frekuensi relatif secara
kumulatif (Y)
6. Menentukan APR yaitu kisaran yang
berawal dari titik potong kurva sangat
murah dan mahal dan berakhir pada
titik potong kurva murah dan sangat
mahal.

5

 
Metode Bootstrap

Tabel 2. Sebaran Responden Berdasarkan
Provinsi.

Setelah didapatkan hasil dari pengukuran
sensitivitas harga, lalu diamati perilaku dari
APR dan diduga selang kepercayaan dengan
menggunakan
metode
bootstrap
nonparametrik, dengan pengulangan sebanyak tiga
puluh kali, ini dikarenakan mengalami
kesulitan dalam bersimulasi. Adapun langkahlangkahnya sebagai berikut:
1. Membangkitkan tiga puluh buah
contoh bootsrap dengan masingmasing contoh berukuran 114.
2. Pada masing–masing contoh bootstrap
tersebut ditentukan nilai APR.
3. Setelah mendapatkan batas kiri dan
batas kanan dari APR, diduga selang
kepercayaan 95% dari tiap batas
tersebut.

HASIL DAN PEMBAHASAN

Provinsi
Jawa Barat
DKI Jakarta
Jawa Tengah
Jawa Timur
Bengkulu
Banten
Nangroe Aceh Darussalam
Sumatera Utara
Sumatera Selatan
Sumatera Barat
Sulawesi Tenggara
Sulawesi Selatan
Riau
Papua
Nusa Tenggara Barat
Kalimantan Timur
Kalimantan Barat
TOTAL

n
47
21
10
10
1
4
3
1
1
3
1
2
4
2
1
2
1
114

Persentase
41,2%
18,4%
8,8%
8,8%
0,9%
3,5%
2,6%
0,9%
0,9%
2,6%
0,9%
1,8%
3,5%
1,8%
0,9%
1,8%
0,9%
100%

Karakteristik Responden
Dalam penelitian ini, seluruh fakultas yang
ada di IPB ada dalam sebaran yang merata
dengan frekuensi terbesar di fakultas ekonomi
dan manajemen serta fakultas ekologi
manusia. Untuk lebih lengkapnya disajikan
dengan tabel di bawah ini.
Tabel 1. Sebaran Responden Berdasarkan
Fakultas.
Fakultas
Pertanian
Kedokteran Hewan
Perikanan dan Ilmu
Kelautan
Peternakan
Kehutanan
Teknologi Pertanian
Matematika dan Ilmu
Pengetahuan Alam
Ekonomi dan Manajemen
Ekologi Manusia
TOTAL

n
11
9
11

Persentase
9,6%
7,9%
9,6%

13
9
14
15

11,4%
7,9%
12,3%
13,2%

22
10
114

19,3%
8,8%
100%

Jika berdasarkan asal usul responden
ternyata yang cukup banyak berasal dari
Provinsi Jawa Barat dan DKI Jakarta. Ini
dikarenakan letak geografis dari IPB berlokasi
di kota Bogor dan kabupaten Bogor yang
berada di Provinsi Jawa Barat. Kota Bogor
sangat dekat dengan provinsi DKI Jakarta
sehingga mahasiswa IPB banyak berasal dari
kedua provinsi tersebut. Untuk lebih
lengkapnya disajikan dengan tabel di bawah
ini.

Berdasarkan uang bulanan responden, ratarata uang bulanan responden adalah sebesar
Rp 754.473,21 per bulan dengan simpangan
baku sebesar Rp 295.520,00, rata–rata
pengeluaran responden per bulan adalah
sebesar Rp 680.549,55 per bulan dengan
simpangan baku sebesar Rp 265.256,44.
Sedangkan rata-rata uang yang dikeluarkan
responden untuk sekali makan adalah sebesar
Rp 6.991,23 dengan simpangan baku sebesar
Rp 2.036,16.
Tabel 3. Uang Bulanan, Pengeluaran dan
Rata-rata
Uang
yang
Dikeluarkan untuk Satu Kali
Makan
Karakteristik
Lain Responden
Uang bulanan
Pengeluaran per
bulan
Rata–rata
uang
yang dikeluarkan
untuk satu kali
makan

Rata–rata
(Rp)
754.473,21
680.549,55

Simpangan
Baku (Rp)
295.520,00
265.256,44

6.991,23

2.036,16

5

 
Metode Bootstrap

Tabel 2. Sebaran Responden Berdasarkan
Provinsi.

Setelah didapatkan hasil dari pengukuran
sensitivitas harga, lalu diamati perilaku dari
APR dan diduga selang kepercayaan dengan
menggunakan
metode
bootstrap
nonparametrik, dengan pengulangan sebanyak tiga
puluh kali, ini dikarenakan mengalami
kesulitan dalam bersimulasi. Adapun langkahlangkahnya sebagai berikut:
1. Membangkitkan tiga puluh buah
contoh bootsrap dengan masingmasing contoh berukuran 114.
2. Pada masing–masing contoh bootstrap
tersebut ditentukan nilai APR.
3. Setelah mendapatkan batas kiri dan
batas kanan dari APR, diduga selang
kepercayaan 95% dari tiap batas
tersebut.

HASIL DAN PEMBAHASAN

Provinsi
Jawa Barat
DKI Jakarta
Jawa Tengah
Jawa Timur
Bengkulu
Banten
Nangroe Aceh Darussalam
Sumatera Utara
Sumatera Selatan
Sumatera Barat
Sulawesi Tenggara
Sulawesi Selatan
Riau
Papua
Nusa Tenggara Barat
Kalimantan Timur
Kalimantan Barat
TOTAL

n
47
21
10
10
1
4
3
1
1
3
1
2
4
2
1
2
1
114

Persentase
41,2%
18,4%
8,8%
8,8%
0,9%
3,5%
2,6%
0,9%
0,9%
2,6%
0,9%
1,8%
3,5%
1,8%
0,9%
1,8%
0,9%
100%

Karakteristik Responden
Dalam penelitian ini, seluruh fakultas yang
ada di IPB ada dalam sebaran yang merata
dengan frekuensi terbesar di fakultas ekonomi
dan manajemen serta fakultas ekologi
manusia. Untuk lebih lengkapnya disajikan
dengan tabel di bawah ini.
Tabel 1. Sebaran Responden Berdasarkan
Fakultas.
Fakultas
Pertanian
Kedokteran Hewan
Perikanan dan Ilmu
Kelautan
Peternakan
Kehutanan
Teknologi Pertanian
Matematika dan Ilmu
Pengetahuan Alam
Ekonomi dan Manajemen
Ekologi Manusia
TOTAL

n
11
9
11

Persentase
9,6%
7,9%
9,6%

13
9
14
15

11,4%
7,9%
12,3%
13,2%

22
10
114

19,3%
8,8%
100%

Jika berdasarkan asal usul responden
ternyata yang cukup banyak berasal dari
Provinsi Jawa Barat dan DKI Jakarta. Ini
dikarenakan letak geografis dari IPB berlokasi
di kota Bogor dan kabupaten Bogor yang
berada di Provinsi Jawa Barat. Kota Bogor
sangat dekat dengan provinsi DKI Jakarta
sehingga mahasiswa IPB banyak berasal dari
kedua provinsi tersebut. Untuk lebih
lengkapnya disajikan dengan tabel di bawah
ini.

Berdasarkan uang bulanan responden, ratarata uang bulanan responden adalah sebesar
Rp 754.473,21 per bulan dengan simpangan
baku sebesar Rp 295.520,00, rata–rata
pengeluaran responden per bulan adalah
sebesar Rp 680.549,55 per bulan dengan
simpangan baku sebesar Rp 265.256,44.
Sedangkan rata-rata uang yang dikeluarkan
responden untuk sekali makan adalah sebesar
Rp 6.991,23 dengan simpangan baku sebesar
Rp 2.036,16.
Tabel 3. Uang Bulanan, Pengeluaran dan
Rata-rata
Uang
yang
Dikeluarkan untuk Satu Kali
Makan
Karakteristik
Lain Responden
Uang bulanan
Pengeluaran per
bulan
Rata–rata
uang
yang dikeluarkan
untuk satu kali
makan

Rata–rata
(Rp)
754.473,21
680.549,55

Simpangan
Baku (Rp)
295.520,00
265.256,44

6.991,23

2.036,16

6

 

Histogram of Uang bulanan

Distribusi Pemilihan Makanan pada Siang Hari

25
Tidak Jaw ab
7, 6.1%

20

Frequency

Pecel Ay am
14, 12.3%

15

10
Lainny a
59, 51.8%

5

Nasi Rendang
23, 20.2%

0
600000

900000

1200000

1500000

1800000

Uang bulanan

Gambar

1. Histogram Uang
Mahasiswa.

Nasi Gor eng
11, 9.6%

Bulanan

Histogram of Pengeluaran Mahasisw a per Bulan
25

Gambar 4. Distribusi Pemilihan Makanan
pada Siang Hari.

Frequency

20

Distribusi Pemilihan Makanana pada Malam Hari

15

Tidak Jaw ab
7, 6.1%

10

Lainny a
23, 20.2%

5

0
400000

600000

800000

1000000

1200000

1400000

Pengeluaran Mahasiswa per Bulan

Gambar

2.

Histogram
Pengeluaran
Mahasiswa per Bulan.

Pecel Ay am
52, 45.6%
Nasi Goreng
27, 23.7%

Nasi Rendang
5, 4.4%

Histogram of Rata2 utk 1 kali makan
30

Gambar 5. Distribusi Pemilihan Makanan
pada Malam Hari.

Frequency

25

20

15

10

5

0
4000

6000

8000

10000

12000

14000

Rat a2 ut k 1 kali makan

Gambar 3. Histogram Rata-Rata Uang
yang Dikeluarkan untuk Satu
Kali Makan.
Berdasarkan penelitian ini, distribusi
mahasiswa dalam memilih makanan pada
siang hari adalah nasi rendang 20,2%, pecel
ayam 12,3%, nasi goreng 9,6%, tidak jawab
6,1% dan lainnya 51,8%. Sedangkan untuk
malam hari nasi rendang 4,4%, pecel ayam
45,6%, nasi goreng 23,7%, tidak jawab 6,1%
dan lainnya 20,2%.
Rendahnya pemilihan pecel ayam pada
waktu siang hari dapat disebabkan karena
pecel ayam tidak banyak dijual pada waktu
siang hari.

Mahasiswa dalam memilih makanan
tentunya memiliki pertimbangan. Dalam
penelitian ini, pertimbangan utama mahasiswa
dalam memilih makanan adalah sebagai
berikut, untuk mahasiswa dengan uang
bulanan kurang dari atau sama dengan Rp
500.000, yang paling banyak menjadi
pertimbangan adalah rasa yaitu sebesar 40,7%,
untuk lebih detail lihat gambar 6. Untuk
mahasiswa dengan uang bulanan lebih besar
dari Rp 500.000 sampai dengan kurang dari
Rp 1.000.000, yang mayoritas dijadikan
pertimbangan adalah selera, yaitu sebanyak
41,8%, lebih lengkapnya ada di gambar 7.
Sedangkan mahasiswa dengan uang uang
bulanan lebih dari atau sama dengan Rp
1.000.000, yang paling banyak dijadikan
pertimbangan utama saat membeli makanan
adalah rasa 40% (lihat gambar 8).
Sedangkan secara keseluruhan adalah
sebagai berikut, yang paling banyak adalah
selera, yaitu sebesar 36% dan yang paling
sedikit adalah gizi, yaitu hanya 4,4%, (lihat
gambar 9).

7

 

Pertimbangan Mahasiswa dalam Membeli Makanan

Pertimbangan dalam Memilih Makanan
Tempat Mak an y ang Bersih
3, 11.1%

Gizi
1, 3.7%

Tempat Mak an y ang Bersih
16, 14.0%

Har ga
3, 11.1%

Tidak jaw ab
1, 0.9%

Gizi
5, 4.4%

Harga
8, 7.0%
Lainny a
4, 3.5%

Lainny a
1, 3.7%

Selera
8, 29.6%

Selera
41, 36.0%

Rasa
39, 34.2%

Rasa
11, 40.7%

  
Gambar

6.

Pertimbangan
Utama
Mahasiswa dengan Uang
Bulanan Kurang dari
atau sama dengan Rp.
500.000 dalam Memilih
Makanan.

Pertimbangan dalam Memilih Makanan

Tempat Mak an y ang Ber sih
8, 14.5%

Tidak jaw ab
1, 1.8%

Gizi
2, 3.6% Harga
4, 7.3%
Lainny a
1, 1.8%

Rasa
16, 29.1%

Selera
23, 41.8%

 
Gambar

7.

Pertimbangan
Utama
Mahasiswa dengan Uang
Bulanan Lebih Besar
dari Rp. 500.000 sampai
dengan kurang dari Rp.
1000.000 dalam Memilih
Makanan. 

 

Gambar

9.

Pertimbangan
Utama
Mahasiswa
dalam
Membeli Makanan.

Acceptable Price Range
Hasil perhitungan APR (Lewis dan
Shoemaker, 1997) menunjukkan bahwa APR
nasi rendang adalah Rp 5.905,35 sampai
dengan Rp 6.787,60, pecel ayam adalah Rp 
5.389,86 sampai dengan Rp  6.966,59,
sedangkan untuk nasi goreng adalah Rp
4.554,53 sampai Rp 6.001,91. Dari ketiga
hasil pengukuran tersebut, nasi rendang
memiliki lebar selang yang paling sempit
yaitu sebesar Rp 882,5, sedangkan pecel ayam
memiliki lebar selang yang paling lebar yaitu
sebesar Rp 1.576,73. Ini merupakan indikasi
bahwa fanatisme mahasiswa terhadap pecel
ayam lebih besar dibandingkan nasi rendang,
sehingga responden lebih toleran terhadap
harga makanan tersebut.

Pertimbangan dalam Memilih Makanan

Tempat Mak an y ang Bersih
5, 16.7%

Selera
9, 30.0%

Gambar

8.

Gizi
Harga
1, 3.3%
1, 3.3%

Lainny a
2, 6.7%

Rasa
12, 40.0%

Pertimbangan
Utama
Mahasiswa dengan Uang
Bulanan Lebih dari atau
sama
dengan
Rp.
1.000.000 dalam Memilih
Makanan.

(Rp 5.905; Rp 6.787)

Gambar 10. APR Nasi Rendang.

8

 
Selang kepercayaan 95% untuk batas kiri
adalah Rp 5.403,5 sampai dengan Rp 6.298,5.
sedangkan untuk batas kanan adalah Rp
6.477,3 sampai dengan Rp 7.344,9.
Tabel 4. APR Hasil Simulasi Menggunakan
Metode Bootstrap.
Simulasi
Ke(Rp 5.389; Rp 6.966)

Gambar 12. APR Pecel Ayam.

(Rp 4.554; Rp 6.001)

Gambar 13. APR Nasi Goreng.
Sifat - Sifat Statistik dari
Acceptable Price Range
Berdasarkan hasil simulasi price sensitivity
measurement untuk jenis makanan nasi
rendang menggunakan metode bootstrap
dengan pengulangan sebanyak tiga puluh kali
didapat titik minimum, maksimum, rata–rata
dan simpangan baku untuk harga terendah dari
APR nasi rendang adalah masing-masing
sebesar Rp 5.403,5, Rp 6.298,5, Rp 5.864,5
dan Rp 163,1. Sedangkan titik minimum,
maksimum, rata–rata dan simpangan baku
untuk harga tertinggi dari APR nasi rendang
adalah masing–masing Rp 6.477,3, Rp
7.344,9, Rp 6.978,8 dan Rp 235,1.
Jika dilihat dari stabilitas APR, APR hasil
simulasi dengan menggunakan metode
booststrap ini cukup stabil, ini dapat dilihat
dari nilai tengah setiap simulasi selalu berada
di antar APR setiap simulasi. Pearson
correlation antara batas kiri dan batas kanan
APR dari setiap simulasi adalah sebesar 33,7%
dengan p-value sebesar 0,068. Oleh karena itu,
dapat diasumsikan bahwa keeratan hubungan
antara batas kiri dan batas kanan tidak
signifikan atau dapat dikatakan kedua batas
tersebut saling bebas (independent), sehingga
dapat diduga selang kepercayaan 95% dari
masing-masing batas tersebut.

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

Batas Kiri
(xL)
5.403,53
5.863,50
5.835,72
5.760,14
5.863,44
5.993,98
5.895,64
5.999,63
5.908,79
5.696,66
6.094,51
5.805,94
5.617,16
5.783,19
5.829,66
5.871,99
6.298,54
5.701,64
6.005,22
5.763,15
5.963,74
5.934,57
5.980,62
5.748,66
5.915,83
5.750,61
5.873,18
5.763,60
6.044,65
5.967,69

Batas
Kanan
(xR)
7.164,71
6.777,71
6.832,09
6.665,23
6.925,83
6.806,16
7.245,09
6.968,04
7.029,87
6.893,53
7.153,85
6.666,82
6.638,85
6.966,83
6.842,48
7.268,34
7.238,84
6.971,33
7.191,39
6.477,26
7.154,41
7.054,07
7.344,88
7.181,93
7.105,34
6.763,55
7.118,34
7.072,25
7.293,54
6.552,05

Range
(xR-xL)
1.761,18
914,21
996,37
905,09
1.062,38
812,18
1.349,45
968,40
1.121,08
1.196,87
1.059,34
860,88
1.021,69
1.183,64
1.012,81
1.396,36
940,30
1.269,70
1.186,16
714,11
1.190,67
1.119,49
1.364,26
1.433,27
1.189,50
1.012,94
1.245,15
1.308,65
1.248,89
584,36

Plot Batas Kiri - Batas Kanan dari
Sampel Bootstrap
8000
7000
6000
5000
1 4 7 10 13 16 19 22 25 28
Simulasi ke-

Gambar 14. Plot Hasil Simulasi dengan
Menggunakan
Metode
bootstrap.

 

9

 
kanan adalah Rp 6.477,3 sampai dengan Rp
7.344,9.

Histogram of Batas Kiri
9
8
7

Frequency

6

SARAN

5
4
3

1.

2
1
0
5400

5600

5800

6000

6200

Harga

Gambar 15. Histogram dari Batas Kiri (xL)
2.
Histogram of Batas Kanan
7
6

Frequency

5

Instrumen
pengumpulan
data
khususnya dalam penentuan harga
sangat murah, murah, mahal dan
sangat mahal sebaiknya kisaran harga
untuk setiap kategori dibatasi.
Perangkat lunak untuk menghitung
APR secara lebih otomatis perlu
dikembangkan, sehingga jumlah
pengulangan dapat lebih diperbanyak.

4

DAFTAR PUSTAKA

3
2
1
0
6600

6800

7000

7200

Harga

Gambar 16. Histogram dari Batas Kanan
(xR)
Histogr am of Range
9
8
7

Frequency

6
5
4
3
2
1
0
600

900

1200

1500

1800

Range

Gambar 17. Histogram dari Range Setiap
Simulasi

SIMPULAN
Lebar dari acceptable price range (APR)
tergantung pada fanatisme dari konsumen
terhadap makanan tersebut yang dicerminkan
oleh asal–usul responden dan kebiasaan makan
responden.
Kisaran harga terterima untuk nasi
rendang, pecel ayam dan nasi goreng berturut–
turut adalah Rp 5.905,35 sampai dengan Rp
6.787,60, Rp  5.389,86 sampai dengan Rp 
6.966,59 dan Rp 4554,53 sampai dengan Rp
6.001,91.
Hasil simulasi APR untuk jenis makanan
nasi rendang menggunakan metode bootstrap
cenderung stabil, dengan rata–rata panjang
selang sebesar Rp 1.106,8, simpangan baku
sebesar Rp 236,3, panjang selang paling lebar
sebesar Rp 1.761,2 dan panjang selang paling
sempit sebesar Rp 584,4. Selang kepercayaan
95% untuk batas kiri adalah Rp 5403,5 sampai
dengan Rp 6.298,5. sedangkan untuk batas

Aunuddin. 2005. Statistika: Rancangan dan
Analisis Data. Bogor: IPB Press
Everitt, B.S. 2006. The Cambridge Dictionary
of Statistics Third Edition. Cambridge
University Press.
Kotler, P. 1997. Manajemen Pemasaran.
Jakarta: PT. Prenhallindo.
Larson, H.J. 1982. Introduction to
Probability
Theory
and
Statistical
Inference. John Wiley and Sons.
Lewis, R. and S. Shoemaker. 1997. Cornell
Hotel
and
Restaurant
Quarterly.
http://www.brandcareer.comty/knowledge.
data/040426_Price%20Sensitivity%20Mea
surement.ppt -. [20 April 2008].
Manly,
B.F.J.
1997.
Randomization,
Bootstrap and Monte Carlo Methods in
Biology. Ed ke-2. New York: Chapman and
Hall.
Mattjik, A.A. & I.M. Sumertajaya. 2002.
Perancangan Percobaan dengan Aplikasi
SAS dan Minitab. Jilid I Edisi Kedua. IPB
Press, Bogor.
Morgan, B.J.T. 1984. Element of Simulation.
New York: Chapman and Hall.
Musa, M.S. dan A.H. Nasoetion. 1989.
Perancangan dan Analisis Percobaan
Ilmiah. PAU-IPB.
Nasoetion, A.H. dan A. Rambe. 1983. Teori
Statistika. Bhrata Karya Aksara.
Walpole, R.E. 1982. Introduction to Statistic
Third Edition. Macmillan Publishing Co.,
Inc.

9

 
kanan adalah Rp 6.477,3 sampai dengan Rp
7.344,9.

Histogram of Batas Kiri
9
8
7

Frequency

6

SARAN

5
4
3

1.

2
1
0
5400

5600

5800

6000

6200

Harga

Gambar 15. Histogram dari Batas Kiri (xL)
2.
Histogram of Batas Kanan
7
6

Frequency

5

Instrumen
pengumpulan
data
khususnya dalam penentuan harga
sangat murah, murah, mahal dan
sangat mahal sebaiknya kisaran harga
untuk setiap kategori dibatasi.
Perangkat lunak untuk menghitung
APR secara lebih otomatis perlu
dikembangkan, sehingga jumlah
pengulangan dapat lebih diperbanyak.

4

DAFTAR PUSTAKA

3
2
1
0
6600

6800

7000

7200

Harga

Gambar 16. Histogram dari Batas Kanan
(xR)
Histogr am of Range
9
8
7

Frequency

6
5
4
3
2
1
0
600

900

1200

1500

1800

Range

Gambar 17. Histogram dari Range Setiap
Simulasi

SIMPULAN
Lebar dari acceptable price range (APR)
tergantung pada fanatisme dari konsumen
terhadap makanan tersebut yang dicerminkan
oleh asal–usul responden dan kebiasaan makan
responden.
Kisaran harga terterima untuk nasi
rendang, pecel ayam dan nasi goreng berturut–
turut adalah Rp 5.905,35 sampai dengan Rp
6.787,60, Rp  5.389,86 sampai dengan Rp 
6.966,59 dan Rp 4554,53 sampai dengan Rp
6.001,91.
Hasil simulasi APR untuk jenis makanan
nasi rendang menggunakan metode bootstrap
cenderung stabil, dengan rata–rata panjang
selang sebesar Rp 1.106,8, simpangan baku
sebesar Rp 236,3, panjang selang paling lebar
sebesar Rp 1.761,2 dan panjang selang paling
sempit sebesar Rp 584,4. Selang kepercayaan
95% untuk batas kiri adalah Rp 5403,5 sampai
dengan Rp 6.298,5. sedangkan untuk batas

Aunuddin. 2005. Statistika: Rancangan dan
Analisis Data. Bogor: IPB Press
Everitt, B.S. 2006. The Cambridge Dictionary
of Statistics Third Edition. Cambridge
University Press.
Kotler, P. 1997. Manajemen Pemasaran.
Jakarta: PT. Prenhallindo.
Larson, H.J. 1982. Introduction to
Probability
Theory
and
Statistical
Inference. John Wiley and Sons.
Lewis, R. and S. Shoemaker. 1997. Cornell
Hotel
and
Restaurant
Quarterly.
http://www.brandcareer.comty/knowledge.
data/040426_Price%20Sensitivity%20Mea
surement.ppt -. [20 April 2008].
Manly,
B.F.J.
1997.
Randomization,
Bootstrap and Monte Carlo Methods in
Biology. Ed ke-2. New York: Chapman and
Hall.
Mattjik, A.A. & I.M. Sumertajaya. 2002.
Perancangan Percobaan dengan Aplikasi
SAS dan Minitab. Jilid I Edisi Kedua. IPB
Press, Bogor.
Morgan, B.J.T. 1984. Element of Simulation.
New York: Chapman and Hall.
Musa, M.S. dan A.H. Nasoetion. 1989.
Perancangan dan Analisis Percobaan
Ilmiah. PAU-IPB.
Nasoetion, A.H. dan A. Rambe. 1983. Teori
Statistika. Bhrata Karya Aksara.
Walpole, R.E. 1982. Introduction to Statistic
Third Edition. Macmillan Publishing Co.,
Inc.

APROK
KSIMASI BOOTSTRAP
P UNTUK H
HASIL
PENG
GUKURAN
N SENSITIV
VITAS HAR
RGA

SYAH
HRIL ILHA
AMI

DEPARTE
EMEN STATISTIKA
FAKUL
LTAS MAT
TEMATIKA
A DAN ILM
MU PENGET
TAHUAN ALAM
A
IN
NSTITUT PERTANIA
P
AN BOGOR
R
2009

9

 
kanan adalah Rp 6.477,3 sampai dengan Rp
7.344,9.

Histogram of Batas Kiri
9
8
7

Frequency

6

SARAN

5
4
3

1.

2
1
0
5400

5600

5800

6000

6200

Harga

Gambar 15. Histogram dari Batas Kiri (xL)
2.
Histogram of Batas Kanan
7
6

Frequency

5

Instrumen
pengumpulan
data
khususnya dalam penentuan harga
sangat murah, murah, mahal dan
sangat mahal sebaiknya kisaran harga
untuk setiap kategori dibatasi.
Perangkat lunak untuk menghitung
APR secara lebih otomatis perlu
dikembangkan, sehingga jumlah
pengulangan dapat lebih diperbanyak.

4

DAFTAR PUSTAKA

3
2
1
0
6600

6800

7000

7200

Harga

Gambar 16. Histogram dari Batas Kanan
(xR)
Histogr am of Range
9
8
7

Frequency

6
5
4
3
2
1
0
600

900

1200

1500

1800

Range

Gambar 17. Histogram dari Range Setiap
Simulasi

SIMPULAN
Lebar dari acceptable price range (APR)
tergantung pada fanatisme dari konsumen
terhadap makanan tersebut yang dicerminkan
oleh asal–usul responden dan kebiasaan makan
responden.
Kisaran harga terterima untuk nasi
rendang, pecel ayam dan nasi goreng berturut–
turut adalah Rp 5.905,35 sampai dengan Rp
6.787,60, Rp  5.389,86 sampai dengan Rp 
6.966,59 dan Rp 4554,53 sampai dengan Rp
6.001,91.
Hasil simulasi APR untuk jenis makanan
nasi rendang menggunakan metode bootstrap
cenderung stabil, dengan rata–rata panjang
selang sebesar Rp 1.106,8, simpangan baku
sebesar Rp 236,3, panjang selang paling lebar
sebesar Rp 1.761,2 dan panjang selang paling
sempit sebesar Rp 584,4. Selang kepercayaan
95% untuk batas kiri adalah Rp 5403,5 sampai
dengan Rp 6.298,5. sedangkan untuk batas

Aunuddin. 2005. Statistika: Rancangan dan
Analisis Data. Bogor: IPB Press
Everitt, B.S. 2006. The Cambridge Dictionary
of Statistics Third Edition. Cambridge
University Press.
Kotler, P. 1997. Manajemen Pemasaran.
Jakarta: PT. Prenhallindo.
Larson, H.J. 1982. Introduction to
Probability
Theory
and
Statistical
Inference. John Wiley and Sons.
Lewis, R. and S. Shoemaker. 1997. Cornell
Hotel
and
Restaurant
Quarterly.
http://www.brandcareer.comty/knowledge.
data/040426_Price%20Sensitivity%20Mea
surement.ppt -. [20 April 2008].
Manly,
B.F.J.
1997.
Randomization,
Bootstrap and Monte Carlo Methods in
Biology. Ed ke-2. New York: Chapman and
Hall.
Mattjik, A.A. & I.M. Sumertajaya. 2002.
Perancangan Percobaan dengan Aplikasi
SAS dan Minitab. Jilid I Edisi Kedua. IPB
Press, Bogor.
Morgan, B.J.T. 1984. Element of Simulation.
New York: Chapman and Hall.
Musa, M.S. dan A.H. Nasoetion. 1989.
Perancangan dan Analisis Percobaan
Ilmiah. PAU-IPB.
Nasoetion, A.H. dan A. Rambe. 1983. Teori
Statistika. Bhrata Karya Aksara.
Walpole, R.E. 1982. Introduction to Statistic
Third Edition. Macmillan Publishing Co.,
Inc.

APROK
KSIMASI BOOTSTRAP
P UNTUK H
HASIL
PENG
GUKURAN
N SENSITIV
VITAS HAR
RGA

SYAH
HRIL ILHA
AMI

DEPARTE
EMEN STATISTIKA
FAKUL
LTAS MAT
TEMATIKA
A DAN ILM
MU PENGET
TAHUAN ALAM
A
IN
NSTITUT PERTANIA
P
AN BOGOR
R
2009

RINGKASAN
SYAHRIL ILHAMI. Aproksimasi Bootstrap untuk Hasil Pengukuran Sensitivitas Harga. Dibimbing
oleh I MADE SUMERTAJAYA dan LA ODE ABDUL RAHMAN.
Harga merupakan key of success dari suatu produk atau jasa. Karena itu untuk menetapkan
harga sebuah produk atau jasa diperlukan strategi sebab harga merupakan bagian dari grand strategy
produk dan merek, bahkan corporate. Penetapan harga tidak bisa hanya dilakukan berdasarkan
perhitungan biaya finansial saja tetapi harus pula mempertimbangkan aspek psikologis konsumen.
Acceptable price range (APR) merupakan suatu kisaran harga yang membuat konsumen tidak merasa
bahwa produk tersebut terlalu mahal sehingga konsumen tidak sanggup membelinya ataupun terlalu
murah sehingga konsumen meragukan kualitas dari produk tersebut. APR diukur menggunakan
metode price sensitivity measurement (PSM). Dalam penelitian ini, presisi dari APR dievaluasi
menggunakan metode bootstrap dan diterapkan untuk mengukur kisaran harga terterima nasi rendang,
pecel ayam dan nasi goreng yang lazim dikonsumsi mahasiswa di sekitar kampus IPB Dramaga. Data
yang digunakan adalah data primer dengan ukuran contoh sebesar 114 responden. Metode yang
digunakan adalah metode bootstrap non-parametrik dengan pengulangan sebanyak tiga puluh kali.
Hasil analisis menunjukkan bahwa APR nasi rendang adalah Rp 5.905,35 sampai dengan Rp
6.787,60, pecel ayam adalah Rp  5.389,86 sampai dengan Rp  6.966,59, sedangkan untuk nasi goreng
adalah Rp 4.554,53 sampai Rp 6.001,91. Hasil simulasi APR nasi rendang menggunakan metode
bootstrap cenderung stabil, dengan rata–rata panjang selang sebesar Rp 1.106,8, simpangan baku
sebesar Rp 236,3. Selang kepercayaan 95% untuk batas kiri adalah Rp 5.403,5 sampai dengan Rp
6.298,5. Sedangkan untuk batas kanan adalah Rp 6.477,3 sampai dengan Rp 7.344,9.

APROKSIMASI BOOTSTRAP UNTUK HASIL
PENGUKURAN SENSITIVITAS HARGA

Syahril Ilhami

Skripsi
Sebagai salah satu syarat memperoleh gelar Sarjana Sains
pada Departemen Statistika
Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Pertanian Bogor

DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
2009

Judul
Nama
NRP

: APROKSIMASI BOOTSTRAP UNTUK HASIL PENGUKURAN SENSITIVITAS HARGA
: Syahril Ilhami
: G14104047

Menyetujui :

Pembimbing I,

Pembimbing II,

Dr. Ir. I Made Sumertajaya, M.Si

La Ode Abdul Rahman, S.Si, M.Si

Mengetahui :

Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Pertanian Bogor

Dr. drh. Hasim DEA.
NIP. 131578806
Tanggal Lulus :

PRAKATA
Puji dan syukur penulis panjatkan kepada Allah SWT, karena atas segala rahmat, nikmat,
hidayah serta karunia-Nya sehingga penulis dapat menyelesaikan karya ilmiah ini sebagai salah satu
syarat untuk memperoleh gelar sarjana pada Departemen Statistika Fakultas Matematika dan Ilmu
Pengetahuan Alam Institut Pertanian Bogor (IPB)
Karya ilmiah ini berjudul “Aproksimasi Bootstrap untuk Hasil Pengukuran Sensitivitas
Harga”. Dalam penelitian ini diterapkan metode price sensitivity measurement untuk harga nasi
rendang, pecel ayam dan nasi goreng yang dijual di sekitar kampus IPB Dramaga.
Terima kasih sebesar-besarnya penulis sampaikan kepada seluruh pihak yang telah membantu
penulis dalam proses penyelesaian karya ilmiah ini, terutama kepada:
•
•
•
•
•
•
•
•
•

Bapak Dr. Ir. I Made Sumertajaya M.Si dan Bapak Laode Abdul Rahman, S.Si, M.Si yang
telah mendedikasikan waktunya dan telah sabar untuk membimbing penulis.
Untuk Ayah, Ibu, kakak-kakak dan adik-adik saya yang saya sayangi terima kasih atas do’a
dan semangat yang tidak pernah berhenti yang diberikan kepada saya.
Segenap staf pengajar di Departemen Statistika FMIPA IPB yang tidak dapat saya sebutkan
satu per satu. Terima kasih atas ilmu yang telah diberikan.
Seluruh staf pegawai di Departemen Statistika FMIPA IPB. Yang selalu setia membantu
keperluan dalam penyelesaian karya ilmiah ini.
Seluruh sahabat Statistika angkatan 41 saya, terima kasih atas kritik dan sarannya selama ini.
Semua kakak kelas angkatan 38,39,40 dan adik kelas angkatan 42,43,44.
Semua teman diskusi saya, Gandy, Irfan, Bang Karim, Bang Syarif, Bang Dilla, Bang Yusuf,
Bang Sofyan, Bang Sangaji.
Bapak Satrio Wiseno dan Mas Veibert Moudy P. terima kasih atas bimbingan selama Praktek
lapang
Semua pihak yang telah memberikan dukungan kepada saya yang tidak dapat saya sebutkan
satu per satu, terima kasih banyak.

Penulis menyadari bahwa penulisan karya ilmiah ini masih memiliki banyak kekurangan.
Oleh karena itu, penulis mengharapkan saran dan kritik yang membangun agar pada penulisan
selanjutnya dapat menjadi lebih baik. Semoga karya ilmiah ini dapat berguna bagi kita semua.

Bogor, Maret 2009

Penulis

RIWAYAT HIDUP
Penulis dilahirkan di Bogor pada tanggal 3 Maret 1986 sebagai anak ke tiga dari Bapak
Khairil Anwar Notodiputro dan Ibu Lily Arlina.
Pada tahun 2004 penulis menyelesaikan pendidikan menengah atas di SMA Negeri 5 Bogor
dan pada tahun yang sama diterima di Departemen Statistika Fakultas Matematika dan Ilmu
Pengetahuan Alam Institut Pertanian Bogor melalui jalur Seleksi Penerimaan Mahasiswa Baru
(SPMB).
Selama mengikuti perkuliahan, penulis ikut serta dalam kegiatan Himpunan Profesi Gamma
Sigma Beta (GSB) sebagai staf Departemen Eksternal periode 2004/2005. Penulis juga aktif di
organisasi ekstra kampus yaitu Himpunan Mahasiswa Islam (HMI) semenjak tahun 2004. Penulis
diberikan kesempatan mengikuti kegiatan Praktek Lapang di PT. Grup Riset Potensial (GRP) pada
bulan Februari-April 2008.

DAFTAR ISI
Halaman
DAFTAR TABEL ………………………………………………………………………………… viii
DAFTAR LAMPIRAN ……………………………………………………………………………

ix

PENDAHULUAN
Latar Belakang ……………………………………………………………………………
Tujuan ……………�