KLASIFIKASI KEPUTUSAN NASABAH UNTUK MENGGUNAKAN ATM DENGAN METODE CHI-SQUARE AUTOMATIC INTERACTION DETECTION (CHAID).

KLASIFIKASI KEPUTUSAN NASABAH UNTUK MENGGUNAKAN ATM DENGAN METODE CHI-SQUARE AUTOMATIC INTERACTION DETECTION

(CHAID)

(Studi Kasus pada Nasabah BNI Cabang Tamansari Bandung)

SKRIPSI

Diajukan untuk Memenuhi Sebagian dari Syarat untuk Memperoleh Gelar Sarjana Sains

Konsentrasi Statistika

Oleh

AYU WULANDARY 0902004

JURUSAN PENDIDIKAN MATEMATIKA

FAKULTAS PENDIDIKAN MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS PENDIDIKAN INDONESIA

KLASIFIKASI KEPUTUSAN NASABAH UNTUK MENGGUNAKAN ATM DENGAN METODE CHI-SQUARE AUTOMATIC INTERACTION DETECTION

(CHAID)

(Studi Kasus pada Nasabah BNI Cabang Tamansari Bandung)

Oleh

Ayu Wulandary

Sebuah skripsi yang diajukan untuk memenuhi salah satu syarat memperoleh gelar Sarjana pada Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam

© Ayu Wulandary 2014

Universitas Pendidikan Indonesia

Desember 2014

Hak Cipta dilindungi undang-undang.

Skripsi ini tidak boleh diperbanyak seluruhnya atau sebagian, dengan dicetak ulang, difoto kopi, atau cara lainnya tanpa ijin dari penulis.

AYU WULANDARY

KLASIFIKASI KEPUTUSAN NASABAH UNTUK MENGGUNAKAN ATM DENGAN METODE Chi-Square Automatic Interaction Detection (CHAID)

(Studi Kasus pada Nasabah BNI Cabang Tamansari Bandung)

DISETUJUI DAN DISAHKAN OLEH PEMBIMBING:

Pembimbing I

Drs. Nar Herrhyanto, M.Pd. NIP. 196106181987031001

Pembimbing II

Dr. BambangAvip P., M.Si. NIP. 196412051990031001

Mengetahui,

Ketua Jurusan Pendidikan Matematika

Drs. Turmudi, M.Ed., M.Sc., Ph.D. NIP. 196101121987031003

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu

KLASIFIKASI KEPUTUSAN NASABAH UNTUK MENGGUNAKAN ATM DENGAN METODE CHI-SQUARE AUTOMATIC INTERACTION DETECTION

(CHAID)

(Studi Kasus pada Nasabah Bank BNI Cabang Tamansari Bandung)

Oleh : Ayu Wulandary ABSTRAK

Perkembangan teknologi informasi mempunyai pengaruh yang signifikan dalam kehidupan banyak orang takterkecuali dunia perbankan. Salah satu teknologi yang digunakan dalam dunia perbankan yaitu ATM (Automatic Teller Machine). Perkembangan teknologi ATM ini diadobsi oleh perbankan untuk mengembangkan pelayanan kepada para nasabah. ATM telah menjadi keharusan bagi bank-bank di Indonesia untuk dapat bersaing dengan perbankan lainnya. Banyak faktor yang berpengaruh terhadap keputusan nasabah untuk menggunakan ATM. Pada penelitian ini dilakukan klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID) untuk melihat faktor-faktor yang berpengaruh terhadap keputusan nasabah untuk menggunakan ATM di bank BNI Cabang Tamansari Bandung. Keputusan nasabah dibagi menjadi dua kategori yaitu menggunakan ATM dan tidak menggunakan ATM. Hasil penelitian ini menunjukan 83,3% atau 100 orang nasabah menggunakan ATM dipengaruhi oleh transaksi melalui ATM BNI memiliki keamanan yang tinggi, menggunakan ATM meningkatkan efektivitas dalam melakukan aktivitas, menggunakan ATM BNI memudahkan transaksi perbankan, ATM BNI fleksibel dalam penggunaannya.

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu

CLASSIFICATION DECISION TO CUSTOMERS USING ATM WITH METHOD CHI-SQUARE AUTOMATIC INTERACTION DETECTION

(Case Study Customers On Bank Branch Bni Castle Bandung)

By : Ayu Wulandary ABSTRAC

Information technology has a significant influence in the lives of many people, especially the banking sector. One of the technologies used in the banking world that is the product of ATM (Automatic Teller Machine). The development of ATM technology is diadobsi by banks to develop services to customers. ATM has become imperative for banks in Indonesia to be able to compete with other banks. Many factors that influence the customer's decision to use an ATM. In this research, the classification of the customer's decision to use an ATM with the method Chi-Square Automatic Interaction Detection (CHAID) to look at the factors that influence the customer's decision to use a bank ATM in Bandung Castle BNI. Customer decisions are divided into two categories, namely using an ATM and do not use the ATM. These results indicate 83.3% or 100 people affected by the customer using the ATM BNI ATM transactions have high security, improve the effectiveness of the use of ATM activity, using the ATM BNI facilitate banking transactions, ATM BNI flexible in its use. Keywords: CHAID, Classification Trees, Decision to Use an ATM

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu DAFTAR ISI

Halaman

LEMBAR PERNYATAAN ... i

ABSTRAK ... ii

KATA PENGANTAR ... iii

UCAPAN TERIMAKASIH ... iv

DAFTAR ISI ... v

DAFTAR GAMBAR ... vii

DAFTAR TABEL ... viii

BAB I PENDAHULUAN ... 1

1.1 Latar Belakang Penelitian ... 1

1.2 Batasan Masalah ... 4

1.3Rumusan Masalah ... 4

1.4 Tujuan Penulisan ... 4

1.5 Manfaat Penelitian ... 5

BAB II KAJIAN PUSTAKA ... 6

2.1 Bank………... 6

2.1.1 Pengertian Bank... 6

2.1.2 ATM …………... 7

2.2 Perilaku Konsumen ...………. 7

2.2.1 Pengertian Perilaku Konsumen... 7

2.2.2 Keputusan Pembelian... 8

2.2.3 Struktur Keputusan Pembelian ……… 10

2.3 Faktor Penerimaan Teknologi Informasi…... 11

2.4 Arti dan Jenis Data ... 13

2.5 Populasi dan Sampel... 14

2.6 Teknik Pengumpulan Data ... 15

2.7 Teknik Sampling... 16

2.7.1Probability Sampling………... 16

2.7.2 Nonprobability Sampling... 17

2.8 Data Mining... 20

2.8.1 Klasifikasi ... 20

2.8.2 Decision Tree (Pohon Keputusan)... 21

2.9 Uji Chi-Square... 21

BAB III METODE CHI-SQUARED AUTOMATIC INTERACTION

vi

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu

3.1 Analisis CHAID ...……… 25

3.2 Variabel-variabel dalam Analisis CHAID... 26

3.3 Algoritma CHAID ... 26

3.3.1 Tahap Penggabungan……….. 26

3.3.2 Tahap Pemisahan (Spiting)... 28

3.3.3 Tahap Penghentian…... 28

3.4 Koreksi Bonferroni ... 30

3.5 Diagram Pohon Klasifikasi CHAID ... 29

3.6Contoh Kasus Pembentukan Pohon Keputusan dengan Algoritma CHAID………... 31

BAB IV HASIL PENELITIAN DAN PEMBAHASAN ... 40

4.1 Gambaran Umum Objek Penelitian... 40

4.1.1 Visi, Misi BNI………... 40

4.2 Identifikasi Variabel... 41

4.2.1 Variabel Penelitian………... 40

4.2.1 Definisi Operasional Variabel……...………... 41

4.3 Penentuan Ukuran Sampel Kuesioner Penelitian ... 42

4.4 Penyebaran Angket………... 43

4.5 Hasil Pengujian Instrumen………... 43

4.5.1 Uji Validitas…... 44

4.5.2 Uji Reabilitas ... 44

4.6 Pengolahan Data……….. 45

4.6.1 Deskripsi Karakteristik Nasabah………... 45

4.6.2 Deskripsi Keputusan Nasabah Berdasarkan Indikator Variabel... 48

4.6.3 Analisis Data dengan Metode CHAID 54 BAB V KESIMPULAN DAN SARAN ... 58

5.1 Kesimpulan ... 58

5.2 Saran ... 59

DAFTAR PUSTAKA ... 60

LAMPIRAN ... 63

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu

DAFTAR GAMBAR

Gambar Halaman

2.1 Model Lima Tahap Proses Membeli…………... 7

2.2 Teknik Sampling... 14

3.1 Diagram Pohon CHAID... 27

3.2 Pohon Klasifikasi Contoh ... 35

3.4 Pohon Klasifikasi Optimum dari Contoh Kasus ... 39

viii

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu DAFTAR TABEL

Tabel Halaman

2.1 Penelitian Terdahulu………. 9

2.3 Kontingensi dua Arah………... 19

2.4 Probabilitas Kejadian………... 21

3.1 Tabel Frekuensi Teramati1……… 29

3.2 Tabel Frekuensi Teramati2……… 30

3.3 Tabel Frekuensi Teramati3……… 31

3.4 Tabel Frekuensi Teramati4……… 31

3.5 Tabel Frekuensi Teramati5……… 32

3.6 Tabel Frekuensi Teramati6……… 33

3.7 Tabel Frekuensi Teramati7……… 34

3.8 Tabel Frekuensi Teramati8……… 34

4.1 Variabel Instrumen……….. 37

4.2 Rangkuman Hasil Uji Validitas……… 38

4.3 Rangkuman Hasil Pengujian Reabilitas………... 39

4.4 Jenis Kelamin Responden……... 40

4.6 Usia Responden……... 41

4.7 Pendidikan Terakhir……... 41

4.8 Rata-rata Pendapatan Perbulan……... 41

4.9 Menggunakan ATM BNI Memudahkan Transaksi Perbankan Saya * Keputusan Penggunaan ATM Crosstabulation…………. 42

4.10 Menggunakan ATM BNI Mudah Bagi Saya * Keputusan Penggunaan ATM Crosstabulation……... 43

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu

4.11 ATM BNI Fleksibel Dalam Penggunaannya. * Keputusan

Penggunaan ATM Crosstabulation……... 44

4.12 ATM BNI Memberikan Kemudahan Bertansaksi Bagi Saya * Keputusan Penggunaan ATM Crosstabulation……... 44

Lanjutan Tabel Halaman 4.13 Menggunakan ATM meningkatkan produktivitas saya; * Keputusan Penggunaan ATM Crosstabulation……... 45

4.14 Menggunakan ATM memungkinkan saya melakukan transaksi lebih cepat; * Keputusan Penggunaan ATM Crosstabulation….. 46

4.15 Menggunakan ATM meningkatkan efektivitas dalam melakukan transaksi perbankan; * Keputusan Penggunaan ATM Crosstabulation……... 47

4.16 Menggunakan ATM meningkatkan efektivitas dalam melakukan aktivitas. * Keputusan Penggunaan ATM Crosstabulation……... 48

4.17 Melakukan transaksi melalui ATM memiliki resiko rendah * Keputusan Penggunaan ATM Crosstabulation……... 49

4.18 melakukan transaksi melalui ATM BNI memiliki keamanan yang tinggi * Keputusan Penggunaan ATM Crosstabulation….. 50

4.19 Saya yakin bahwa transaksi melalui ATM adalah transaksi bank yang perlu banyak pertimbangan; * Keputusan Penggunaan ATM Crosstabulation ……... 51

4.20 Saya yakin bahwa transaksi melalui ATM memiliki potensi resiko yang lebih rendah dibanding dengan cara manual. * Keputusan Penggunaan ATM Crosstabulation……... 52

4.21 Klasifikasi Keputusan Nasabah……... 54

4.22 Clasification ………... 55

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu BAB I PENDAHULUAN

1.1Latar Belakang Penelitian

Peran teknologi informasi menjadi bagian yang penting dalam dunia perbankan di Indonesia. Perkembangan teknologi menjadi sangat global dengan memperhatikan efisiensi. Automatic Teller Machine yang selanjutnya disingkat menjadi ATM merupakan salah satu fasilitas e-banking paling digemari oleh masyarakat Indonesia. Menurut Lipis (1992) (Irmadhani dan Nugroho, 2012), ATM adalah alat kasir otomatis tanpa orang, ditempatkan di dalam atau di luar pekarangan bank, yang sanggup untuk mengeluarkan uang tunai dan menangani transaksi-transaksi perbankan yang rutin. Hampir setiap orang pasti mempunyai kartu ATM dan menggunakan fasilitas ATM, khususnya nasabah bank sebagai alat bantu utama untuk mentransfer sejumlah uang, mengambil uang, membayar listrik, bahkan untuk membeli pulsa pun tersedia di ATM. ATM merupakan alat elektronik yang diberikan oleh bank kepada pemilik rekening yang dapat digunakan untuk bertransaksi secara elektronis.

Menurut Christiyanti dan Medyawati (2010), pengguna ATM dari tahun ke tahun dipercaya akan mendorong penggunaan e-banking sebagai salah satu bentuk pelayanan bank kepada konsumen akan semakin menguntungkan. Dengan adanya ATM inilah akan semakin memudahkan masyarakat dalam beraktifitas karena lebih efektif, efisien, dan aman. Pandangan atau persepsi terhadap penerapan teknologi tersebut diharapkan dapat menjadi ukuran akan kebermanfaatan dari teknologi ATM. Apabila penerapan teknologi ATM tersebut

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu

memberikan kontribusi positif bagi penggunanya, dapat diketahui pengguna tersebut menerimanya.

Kemudahan dalam menggunakan atas teknologi juga dapat menjadi faktor atas penerapan teknologi. Kemudahan tersebut memberikan indikasi bahwa orang yang menggunakan teknologi ATM merasa akan lebih mudah dalam melakukan transaksi dibandingkan tanpa menggunakan teknologi tersebut (secara manual). Dapat dikatakan pengguna mempercayai bahwa dengan adanya teknologi ATM akan lebih fleksibel, mudah dipahami dan mudah pengoperasiannya (compartible) sebagai karakteristik kemudahan penggunaan.

Keputusan penggunaan atas suatu teknologi, biasanya pengguna lebih memperhatikan faktor kekurangan dari teknologi tersebut. Indikator risiko dari penggunaan ATM merupakan suatu bentuk tindakan yang dilakukan oleh bank untuk memperkecil risiko. Untuk mendukung suatu kinerja bisnis perlu adanya suatu fitur atau jenis fasilitas yang baik untuk konsumen. Terlebih lagi apabila berkaitan dengan teknologi informasi. Fitur layanan merupakan salah satu jenis penerapan konsep promosi untuk menarik minat konsumen terhadap suatu produk. Apabila fitur layanan terhadap suatu produk baik dan terjamin, maka tentunya konsumen akan tertarik pada produk tersebut.

Bank BNI adalah salah satu bank yang menerapkan layanan ATM. Penerapan ATM tersebut sebagai sarana yang mempermudah nasabah untuk memperoleh berbagai informasi. ATM diharapkan dapat memberi kemudahan bagi nasabah dalam melakukan transaksi sehingga nasabah tidak perlu mengantri secara manual di kantor bank. Namun fenomena yang terjadi pada nasabah, cenderung untuk tetap melakukan transaksi penarikan maupun transfer secara manual, sehingga sering terjadi antrian panjang. Berbagai upaya untuk menarik para nasabah pun dilakukan agar nasabah memakai ATM, yaitu mengupayakan

3

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu

promosi agar nasabah memakai ATM, penerapan fasilitas gratis dalam membuat ATM, serta pembatasan jumlah nominal penarikan uang tunai secara manual.

Berdasarkan pemaparan tersebut penulis tertarik untuk melakukan penelitian terhadap faktor-faktor apa saja yang mempengaruhi keputusan nasabah untuk menggunakan ATM. Menurut Nawawi (2012), variabel yang mempengaruhi penggunaan ATM adalah persepsi pengguna teknologi informasi, kemudahan, risiko dan fitur layanan. Menurut Rahmawaty (2010), perceived usefulness, perceived ease of use dan trust terbukti memberikan pengaruh signifikan terhadap keputusan dalam menggunakan ATM, sedangkan menurut Hidayanti (2014) variabel persepsi kepercayaan, kemudahan dan risiko berpengaruh terhadap minat nasabah dalam menggunakan produk layanan e-banking. Agar dapat mengetahui faktor-faktor yang berpengaruh secara signifikan terhadap keputusan nasabah untuk menggunakan ATM maka perlu dilakukan segmentasi atau klasifikasi. Dalam statistika, dikenal berbagai metode untuk mengklasifikasikan objek.

Klasifikasi dapat dilakukan dengan menggunakan pendekatan parametrik maupun pendekatan nonparametrik. Pendekatan parametrik biasanya sangat bergantung pada asumsi-asumsi mengenai sebaran data sehingga bila asumsi tersebut tidak terpenuhi, maka hasil yang diperoleh menjadi tidak valid. Pendekatan nonparametrik digunakan untuk mengatasi keterbatasan dari pendekatan parametrik. Pendekatan ini tidak bergantung pada asumsi tertentu sehingga memberikan kemudahan dalam menganalisa data tetapi tetap mempunyai tingkat akurasi yang tinggi. Untuk mendapatkan klasifikasi yang tepat, perlu diperhatikan metode klasifikasi yang tepat.

Metode klasifikasi berstruktur pohon adalah salah satu metode klasifikasi nonparametrik yang sering digunakan. Metode ini pertama kali diperkenalkan oleh Breiman, et. al pada tahun 1984. Klasifikasi pada metode ini dilakukan

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu

dengan membangun sebuah pohon klasifikasi yang diperoleh melalui penyekatan berulang terhadap sebuah himpunan data (dalam hal ini diistilahkan sebagai simpul) menjadi dua atau lebih simpul baru. Metode-metode statistika nonparametrik yang dapat digunakan untuk membuat klasifikasi, diantaranya model Regresi Logistik Biner, metode Classification and Regression Trees (CART), metode Chi-Square Automatic Interaction Detection (CHAID), Neural Network (NN), dan Multivariate Adaptive Regression Spline (MARS). Dalam penelitian ini, metode yang digunakan adalah metode CHAID.

Metode CHAID membagi data menjadi kelompok-kelompok yang lebih kecil berdasarkan keterkaitan antara variabel indepanden dengan variabel dependen. Analisis CHAID digunakan ketika data yang dipakai adalah data dengan variabel kategorik (nominal dan ordinal). Variabel kategorik yaitu variabel yang memberikan label sesuai pengamatan dan dialokasikan untuk salah satu dari beberapa kemungkinan kategori, misalnya golongan darah O, A, B, AB (Everit dan Skrondal, 2010).

Berdasarkan uraian di atas, penulis tertarik untuk meneliti tentang penerapan metode CHAID pada bidang perbankan, yaitu meneliti faktor-faktor yang mempengaruhi keputusan nasabah menggunakan ATM dan terbentuk sebuah judul “Klasifikasi Keputusan Nasabah Untuk Menggunakan ATM dengan Metode Chi-Square Automatic Interaction Detection (CHAID)”.

1.2Batasan Masalah

Masalah dalam penulisan skripsi ini dibatasi sebagai berikut:

1. Dilakukan pengumpulan kuesioner untuk memperoleh data primer kepada nasabah bank BNI cabang Tamansari Bandung.

5

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu

2. Metode yang digunakan adalah Chi-Square Automatic Interaction Detection (CHAID) sebagai salah satu teknik dalam analisis terhadap data yang digunakan.

3. Program komputer statistika yang digunakan adalah program SPSS.

1.3Rumusan Masalah

Rumusan dalam penelitian ini dirumuskan sebagai berikut:

1. Bagaimana cara mengklasifikasikan keputusan nasabah untuk menggunakan ATM dengan menggunakan metode CHAID.

2. Faktor-faktor apa yang mempengaruhi keputusan nasabah bank BNI cabang Tamansari yang menggunakan ATM berdasarkan metode CHAID.

1.4Tujuan Penulisan

Adapun tujuan penulisan penelitian ini adalah sebagai berikut:

1. Untuk mengetahui cara mengklasifikasikan keputusan nasabah untuk menggunakan ATM dengan menggunakan metode CHAID.

2. Untuk mengetahui faktor-faktor apa yang mempengaruhi keputusan nasabah bank BNI cabang Tamansari yang menggunakan ATM berdasarkan metode CHAID.

1.5Manfaat Penelitian

Manfaat yang diharapkan dari penelitian ini adalah: 1. Manfaat Teoritis

Manfaat penulisan skripsi secara teoritis adalah menambah pemahaman mengenai metode CHAID dalam menentukan faktor-faktor yang mempengaruhi keputusan nasabah untuk menggunakan ATM.

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu

Manfaat penulisan skripsi secara praktis adalah mengenai penerapan metode CHAID kedalam kasus bisnis Bank. Semoga skripsi ini dapat dijadikan pertimbangan dan salah satu sumber informasi yang mendukung tujuan dari pihak yang berkepentingan.

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu BAB III

METODE CHI-SQUARED AUTOMATIC INTERACTION DETECTION

3.1 Analisis CHAID

Metode CHAID pertama kali diperkenalkan G. V. Kass 1980, metode CHAID merupakan teknik yang lebih awal dikenal sebagai Automatic Interaction Detection (AID). Metode CHAID secara umum bekerja dengan mempelajari hubungan antara variabel dependen dengan beberapa variabel independen, kemudian mengklasifikasi sampel berdasarkan hubungan tersebut.

CHAID adalah sebuah metode untuk mengklasifikasikan data kategori dimana tujuan prosedurnya adalah untuk membagi rangkaian data menjadi subgrup-subgrup berdasarkan pada variabel dependennya (Lehmann dan Eherler, 2001). Hasil dari pengklasifikasian dalam CHAID akan ditampilkan dalam sebuah diagram pohon. Menurut Gallagher (2000), CHAID merupakan suatu teknik iteratif yang menguji satu-persatu variabel independen yang digunakan dalam klasifikasi, dan menyusunnya berdasarkan pada tingkat signifikansi statistik chi-square terhadap variabel dependennya.

Menurut Kunto dan Hasana (2006), CHAID digunakan untuk membentuk segmentasi yang membagi sebuah sampel menjadi dua atau lebih kelompok yang berbeda berdasarkan sebuah kriteria tertentu. Hal ini kemudian diteruskan dengan membagi kelompok-kelompok tersebut menjadi kelompok yang lebih kecil berdasarkan variabel-variabel independen yang lain. Proses tersebut terus berlanjut sampai tidak ditemukan lagi variabel-variabel independen yang signifikan secara statistik.

Dari uraian diatas dapat disimpulkan CHAID adalah metode untuk mengklasifikasikan data yang membagi sampel menjadi dua atau lebih kelompok berdasarkan kriteria tertentu dan hasil pengklasifikasiannya ditampilkan dalam diagram pohon.

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu 3.2Variabel-variabel dalam Analisis CHAID

Variabel dependen dan independen dalam analisis CHAID merupakan variabel kategori. Menurut Gallegher (2000), CHAID akan membedakan variabel-variabel independen kategori menjadi tiga bentuk yang berbeda yaitu monotonik,

bebas, mengambang. 1.Monotonik (Monotonic)

Kategori-kategori pada variabel ini dapat dikombinasikan atau digabungkan hanya jika keduanya berdekatan satu sama lain, yaitu variabel-variabel yang kategorinya mengikuti urutan aslinya (data ordinal). Contohnya adalah: usia dan pendapatan.

2.Bebas (Free)

Kategori-kategori pada variabel ini dapat dikombinasikan atau digabungkan ketika keduanya berdekatan ataupun tidak (data nominal). Contohnya: pekerjaan, kelompok etnik, dan area geografis.

3.Mengambang (Floating)

Kategori-kategori pada variabel ini dapat diperlakukan seperti monotonik kecuali untuk kategori yang missing value, yang dapat berkombinasi dengan kategori manapun.

3.3Algoritma CHAID

Algoritma CHAID digunakan untuk melakukan pemisahan dan penggabungan kategori-kategori dalam variabel yang dipakai dalam analisisnya. Secara garis besar algoritma ini dapat dibagi menjadi tiga tahap, yaitu Penggabungan (merging), Pemisahan (splitting) dan Penghentian (stopping). Diagram pohon dimulai dari root node (node akar) melalui tiga tahap tersebut pada setiap simpul (node) yang terbentuk dan secara berulang.

27

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu

Tahap pertama algoritma CHAID adalah penggabungan. Pada tahap ini akan diperiksa signifikansi dari masing-masing kategori variabel independen terhadap variabel dependen. Tahap penggabungan untuk setiap independen dalam menggabungkan kategori-kategori nonsignifikan adalah sebagai berikut:

1. Bentuk tabel kontingensi dua arah untuk masing-masing variabel independen dengan variabel dependennya.

2. Hitung statistik chi-square untuk setiap pasang kategori yang dapat dipilih untuk digabungkan menjadi satu, untuk menguji kebebasannya dalam sebuah sub tabel kontingensi yang dibentuk oleh sepasang kategori tersebut dengan vabriabel dependennya yang mempunyai sebanyak kategori. Langkah uji chi square adalah sebagai berikut:

a. Perumusan hipotesisnya

H0: tidak terdapat hubungan antara kategori i pada variabel independen dan kategori j pada variabel dependen

H1: terdapat hubungan kategori i pada variabel independen dan kategori j pada variabel dependen

b. Besaran-besaran yang diperlukan Menghitung

c. Statistik uji

∑ ∑( )

d. Kriteria Pengujian

H0 di tolak, jika a; (b-1)(k-1)

e. Kesimpulan

Penaksiran dari H0 diterima atau ditolak.

3. Untuk masing-masing nilai chi-square berpasangan, hitung p-value berpasangan bersamaan. Diantara pasangan-pasangan yang tidak signifikan, gabungkan sebuah pasangan kategori yang paling mirip (yaitu

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu

pasangan yang mempunyai nilai chi-square berpasangan terkecil dan p-value terbesar) menjadi sebuah kategori tunggal dan kemudian lanjutkan ke langkah nomor 4.

4. Periksa kembali kesignifikansian kategori baru setelah digabungkan dengan kategori lainnya dalam variabel independen. Jika masih ada pasangan yang belum signifikan, ulangi langkah nomor 3. Jika semua signifikan lanjutkan ke langkah selanjutnya.

5. Hitung p-value terkoreksi Bonferroni didasarkan pada tabel yang telah digabung.

3.3.2 Tahap Pemisahan (Splitting)

Langkah pemisahan digunakan untuk memilih variabel independen mana yang akan digunakan untuk pembagian titik terbaik. Pemisahan dilakukan dengan membandingkan p-value (dari tahap penggabungan) pada setiap variabel independen. Langkah pembagian adalah sebagai berikut:

1. Pilih variabel independen yang memiliki p-value terkecil (paling signifikan).

2. Jika p-value kurang dari sama dengan tingkat spesifikasi alpha, pemisahan simpul menggunakan variabel independen ini. Jika tidak ada variabel independen dengan nilai p-value yang signifikan, tidak dilakukan pemisahan dan simpul ditentukan sebagai terminal simpul (simpul akhir).

3.3.3 Tahap Pengehentian (Stopping)

Tahap penghentian dilakukan jika suatu proses pertumbuhan pohon harus dihentikan sesuai dengan peraturan penghentian dibawah ini:

1. Tidak ada lagi variabel independen yang signifikan menunjukkan perbedaan terhadap variabel dependen.

2. Jika pohon sekarang mencapai batas nilai maksimum pohon dari spesifikasi, maka proses pertumbuhan akan berhenti. Misalkan ditetapkan

29

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu

batas kedalaman pertumbuhan pohon klasifikasi adalah 3, ketika pertumbuhan pohon sudah mencapai kedalaman 3 maka pertumbuhan pohon klasifikasi dihentikan.

3. Jika ukuran dari child node kurang dari nilai ukuran child node minimum spesifikasi, atau berisi pengamatan-pengamatan dengan banyak yang terlalu sedikit maka node tidak akan di-split. Misalkan ditetapkan ukuran minimal child node adalah 10, ketika splitting mengasilkan ukuran child node kurang dari 10, maka node tersebut tidak akan dipecah.

3.4 Koreksi Bonferroni

Andaikan bahwa variabel independen memiliki c kategori, setelah dilakukan penggabungan dikurangi menjadi r kategori, maka perkalian Bonferroni adalah banyaknya cara yang mungkin yang mana c kategori dapat digabungkan menjadi r kategori. Dengan demikian nilai p-value dari uji chi-square untuk independensi yang baru merupakan perkaliannya dengan pengali Bonferroni sesuai dengan jenis variabelnya (Gallagher, 2000).

Koreksi Bonferroni adalah suatu proses koreksi yang digunakan ketika beberapa uji statistik untuk kebebasan atau ketidakbebasan dilakukan secara bersamaan (Kunto dan Hasana, 2006). Koreksi Bonferroni biasanya digunakan dalam perbandingan berganda.

Gallagher (2000) menyebutkan bahwa pengali Bonferroni untuk masing-masing jenis variabel independen adalah sebagai berikut:

1. Variabel independen monotonik

… (3.1)

dimana :

pengali Bonferroni

banyaknya kategori variabel independen awal

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu

2. Variabel independen bebas

∑

… (3.2) 3. Variabel independen mengambang

… (3.3)

3.5Diagram Pohon Klasifikasi CHAID

CHAID akan menghasilkan sebuah diagram pohon klasifikasi yang menggambarkan pembentukan segmen. Diagram pohon CHAID ditunjukkan pada Gambar 3.1 Diagram CHAID terdiri dari batang pohon (tree trunk) dengan membagi (split) menjadi lebih kecil berupa cabang-cabang (brances).

Gambar 3.1 Diagram Pohon CHAID

31

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu

Menurut Myers (Kunto dan Hasana, 2006), diagram pohon CHAID

mengikuti aturan “dari atas ke bawah” (Top-down stopping rule), dimana diagram

pohon disusun mulai dari kelompok induk (parent node), berlanjut di bawahnya sub kelompok (child node) yang berturut-turut dari hasil pembagian kelompok induk berdasarkan kriteria tertentu. Node pada ujung pohon yang tidak terdapat percabangan lagi disebut terminal node. Tiap-tiap node dari diagram pohon ini menggambarkan sub kelompok dari sampel yang diteliti dan berisi keseluruhan sampel dan frekuensi absolut ni untuk setiap kategori yang disusun.

Pada pohon klasifikasi CHAID terdapat istilah kedalaman (depth) yang berarti banyak tingkatan node-node sub kelompok sampai ke bawah pada node sub kelompok yang terakhir. Pada kedalaman pertama, sampel dibagi oleh 1 sebagai variabel independen terbaik untuk variabel dependen berdasarkan uji chi-square. Tiap node berisi informasi tentang frekuensi variabel Y, sebagai variabel dependen, yang merupakan bagian dari sub kelompok yang dihasilkan berdasarkan kategori yang disebutkan ( ). Pada kedalaman (node dan ) merupakan pembagian dari (untuk node ). Dengan cara yang sama, sampel selanjutnya dibagi oleh variabel independen yang lain, yaitu dan , dan selanjutnya menjadi sub kelompok pada node ke-4, 5, 6, dan 7 (Lehmann dan Eherler, 2001). Pada masing-masing node ditampilkan persentase responden untuk setiap kategori dari variabel dependen, dan juga ditunjukkan jumlah total responden untuk masing-masing node.

3.6Contoh Kasus Pembentukan Pohon Keputusan dengan Algoritma CHAID

Data keputusan bermain

No Outlook Temperatur Plays

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu

2 _{overcast Cold yes} 3 _{overcast Cold yes}

4 _{sunny Mild yes}

5 _{overcast Cold yes} 6 _{overcast Mild yes} 7 _{overcast Cold yes} 8 _{overcast Mild yes}

9 _{rainy Cold no}

10 _{sunny Cold no}

11 _{rainy Hot no}

12 _{sunny Cold yes}

Lanjutan

No Outlook Temperatur Plays

13 _{sunny Hot no}

14 _{sunny Hot yes}

 Variabel dependen Keputusan bermain. Skala data untuk variabel ini adalah nominal, dibedakan menjadi dua kategori yaitu yes dengan kode 1 dan no dengan kode 2.

 Variabel Independen outlook, skala data untuk variabel ini adalah nominal, dibedakan menjadi tiga kategori yaitu sunny dengan kode 1, overcast dengan kode 2 dan rainy dengan kode 3. Variabel Independen Temperatur, skala data untuk variabel ini adalah nominal, dibedakan menjadi tiga kategori yaitu hot dengan kode 1, mild dengan kode 2 dan cold dengan kode 3.

Bentuk tabel kontingensi dua arah untuk masing-masing variabel. Perumusan hipotesisnya sebagai berikut:

33

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu

 : Tidak terdapat hubungan antara variabel independen dengan variabel dependen

 : Terdapat hubungan antara variabel independen dengan variabel dependen.

Variabel independen outlook*Y

Tabel 3.1

Tabel Tabel Frekuensi Teramati 1 O

Total Y = yes Y = no

Outlook

Sunny 4 2 6

Overcast 6 0 6

Total 10 2 12

Frekuensi sel yang diharapkan dapat dicari dengan cara sebagai berikut

Nilai statistik uji diperoleh sebagai berikut

∑ ∑( )

Dengan bantuan Excel diperoleh nilai p = 0,12

Tabel 3.2

Tabel Frekuensi Teramati 2

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu

Y = yes Y = no

Outlook

Sunny 4 2 6

Rainy 0 2 2

Total 4 4 8

Frekuensi sel yang diharapkan dapat dicari dengan cara sebagai berikut

∑ ∑( )

Dengan bantuan Excel diperoleh nilai p = 0,10

Tabel 3.3

Tabel Frekuensi Teramati 3 O

Total Y = yes Y = no

Outlook

overcast 6 0 6

Rainy 0 2 2

Total 6 2 8

Frekuensi sel yang diharapkan dapat dicari dengan cara sebagai berikut

35

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu

∑ ∑( )

Dengan bantuan Excel diperoleh nilai p = 0,0047

 Gabungkan sebuah pasangan kategori yang paling mirip yaitu pasangan yang mempunyai nilai terkecil menjadi satu kategori. Kategori sunny dan overcast yang digabungkan menjadi satu.

Tabel 3.4

Tabel Frekuensi Teramati 4 O

Total Y = yes Y = no

Outlook

Sunny,Overcast 10 2 12

Rainy 0 2 2

Total 10 4 14

Periksa kesignifikansian katergori baru setelah digabungkan

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu ∑ ∑( )

Dari Tabel Distribusi Chi-Kuadrat dengan peluang 0,95 dan dk = 1 diperoleh = 4. Karena 5,83 > 3,84 maka ditolak artinya terdapat hubungan antara variabel independen outlook dan keputusan bermain.

Variabel Independen Temperatur*Y

Tabel 3.5

Tabel Frekuensi Teramati 5 O

Total Y = yes Y = no

Temperatur

hot 2 2 4

mild 3 0 3

Total 5 2 7

Frekuensi sel yang diharapkan dapat dicari dengan cara sebagai berikut

Nilai statistik uji diperoleh sebagai berikut

∑ ∑( )

37

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu

Tabel 3.6

Tabel Frekuensi Teramati 6 O

Total Y = yes Y = no

Temperatur

hot 2 2 4

cold 5 2 7

Total 7 4 11

Frekuensi sel yang diharapkan dapat dicari dengan cara sebagai berikut

Nilai statistik uji diperoleh sebagai berikut

∑ ∑( )

Tabel 3.7

Tabel Frekuensi Teramati 7

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu

Y = yes Y = no

Temperatur

mild 3 0 3

Cold 5 2 7

Total 8 2 10

Frekuensi sel yang diharapkan dapat dicari dengan cara sebagai berikut

Nilai statistik uji diperoleh sebagai berikut

∑ ∑( )

 Gabungkan sebuah pasangan kategori yang paling mirip yaitu pasangan yang mempunyai nilai terkecil dan p-value yang menjadi satu kategori. Kategori mild dan cold yang digabungkan menjadi satu.

Tabel 3.8

Tabel Frekuensi Teramati 8 O

Total Y = yes Y = no

Temperatur

Mild,cold 8 2 10

Hot 2 2 4

39

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu

Periksa kesignifikansian katergori baru setelah digabungkan

∑ ∑( )

Dari Tabel Distribusi Chi-Kuadrat dengan peluang 0,95 dan dk = 1 diperoleh = 3,84. Karena 1,26 < 3,84 maka diterima artinya tidak terdapat hubungan antara variabel independen temperatur dan keputusan bermain. Berdasarkan Gambar 3.2, terlihat bahwa variabel yang berpengaruh secara signifikan dalam klasifikasi keputusan bermain adalah variabel keadaan cuaca (outlook). Yang menghasilkan dua simpul terminal (terminal node). Pada outlook sunny, overcast keputusan yang bermain sebanyak 10 orang dan keputusan tidak bermain 2 orang. Pada outlook rainy keputusan yang tidak bermain sebanyak 2 orang.

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu Gambar 3.2

58

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

1. Metode CHAID terdiri dari ahap penggabungan, tahap pemisahan, dan tahap pemberhentian masing-masing kategori indikator variabel independen terhadap variabel dependen. Pada kedalaman pertama sampel dibagi oleh indikator Transaksi melalui ATM BNI memiliki keamanan yang tinggi sebagai indikator variabel terbaik berdasarkan uji chi square.

Terdapat delapan klasifikasi dalam kasus ini:

Klasifikasi Keputusan Nasabah

Klasifikasi ke-1

Nasabah yang maksimal tidak setuju transaksi melalui ATM BNI memiliki keamanan yang tinggi.

Klasifikasi ke-2

Nasabah yang tidak setuju dan nasabah yang setuju transaksi melalui ATM BNI memiliki keamanan yang tinggi, nasabah yang maksimal setuju menggunakan ATM meningkatkan efektivitas dalam dalam melakukan aktivitas.

Klasifikasi ke-3

Nasabah yang tidak setuju dan nasabah yang setuju transaksi melalui ATM BNI memiliki keamanan yang tinggi, nasabah yang lebih dari setuju (sangat setuju) menggunakan ATM meningkatkan efektivitas dalam dalam melakukan aktivitas, nasabah yang maksimal setuju menggunakan ATM BNI memudahkan transaksi perbankan.

Klasifikasi ke-4

Nasabah yang tidak setuju dan nasabah yang setuju transaksi melalui ATM BNI memiliki keamanan yang tinggi, nasabah yang lebih dari setuju (sangat setuju) menggunakan ATM

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu

meningkatkan efektivitas dalam dalam melakukan aktivitas, nasabah yang lebih dari setuju (sangat setuju) menggunakan ATM BNI memudahkan transaksi perbankan.

Klasifikasi ke-5

Nasabah yang lebih dari setuju (sangat setuju) transaksi melalui ATM BNI memiliki keamanan yang tinggi, nasabah yang maksimal tidak setuju ATM BNI fleksibel dalam penggunaannya.

Klasifikasi ke-6

Nasabah yang lebih dari setuju (sangat setuju) transaksi melalui ATM BNI memiliki keamanan yang tinggi, nasabah yang lebih dari tidak setuju (setuju dan sangat setuju) ATM BNI fleksibel dalam penggunaannya.

2. Yang mempengaruhi keputusan nasabah menggunakan ATM dengan metode CHAID menggunakan taraf nyata 0,05 atau 5% yaitu Transaksi melalui ATM BNI memiliki keamanan yang tinggi, menggunakan ATM BNI meningkatkan efektifitas dalam melakukan aktivitas, menggunakan ATM BNI memudahkan transaksi perbankan, ATM BNI fleksibel dalam penggunaannya.

5.2 Saran

1. Metode klasifikasi yang digunakan dalam penelitian ini adalah metode CHAID, penelitian selanjutnya dapat menerapkan atau membandingkan metode klasifikasi CHAID dengan yang lainnya seperti CHAID Exhaustive dan CART.

2. Klasifikasi metode CHAID dalam penelitian ini dibentuk menggunakan software SPSS, penelitian selanjutnya dapat menggunakan software SAS atau program R.

60

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu

DAFTAR PUSTAKA

Adam, D.A., R.R. Nelson & P. A. Todd. (1992). Perceives Usefulness, Ease of Use, and Usage of Information Technology: A Replication. MIS Quarterly. Vol. 16 No. 2: Hal. 227-247.

Astuti, Yuanita Candra. (2013). Hubungan antara Dukungan Sosial dengan Coping Strategy pada Ibu yang Memiliki Anak Penyandang Tunagrahita (Studi Korelasional Pada Ibu Yang Memiliki Anak Tunagrahita Di SLB-C YPLB Cipaganti Kota Bandung). Skripsi Jurusan Psikologi Fakultas Ilmu Pendidikan (FIP) Universitas Pendidikan Indonesia.

Bank BNI. http://www.bni.co.id/Tarif/eBanking/BNIATM.aspx

Breiman et.al. (1993). Classification and Regression Trees. New York: Chapman and Hall.

Christiyanti, Marieta Dan Medyawati, Henny. (2010). Analysis Tecnology Acceptance Model (Tam) On Application E-Banking. Fakultas Ekonomi, Universitas Gunadarma.

Davis, F.D. (1989). Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology , Management Information System Quarterly, Vol.13, No.3, September 1989.

Everit, B. S. dan Skrondal, A. (2010). The Cambridge Dictionary of Statistics Fourth Edition. Cambridge:Cambridge University Press.

Everitt, B dan Skrondall, A. (2010). The Cambridge Dictionary of Statistic: 4th edition. Cambridge: Cambridge University Press.

Gallagher, C. A. (2000). An Iterative Approach to Classification Analysis. www.casact.org/library/ratemaking/90dp237.pdf ( 09 Juni 2013)

Hermawati, F. A. (2013). Data Mining. Yogyakarta: Andi.

Herrhyanto, N. dan Gantini, T. (2009). Pengantar Statistika Matematis. Bandung: Yrama Widya.

Irmadhani Dan Nugroho, Mahendra Adhi. (2012). Pengaruh Persepsi Kebermanfaatan, Persepsi Kumudahan Pengguna Dan Computer Self Efficacy, Terhadap Penggunaan Online Banking Pada Mahasiswa S1 Fakultas Ekonomi Universitas Negeri Yogyakarta.Fakultas Ekonomi, Universitas Negeri Yogyakarta, Vol.1-No.3-Th.2012.

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu

Kasmir. (2008). Bank dan Lembaga Keuangan Lainnya. (Edisi Revisi). Jakarta: RajaGrafindo Persada

Kass, G. V. (1980). An exploratory technique for investigating large quantities of categorical data. Applied Statistics, 29, 119-127.

Kotler, P & Keller, K. L (2010). (Edisi Ketigabelas). Manajemen Pemasaran. Jakarta: Erlangga.

Kriyantono, R. (2008). Teknik Praktis dan Riset Komunikasi. Jakarta: Kencana Pranada Media Group.

Kunto, Yohanes & Hasanah, Siti. Analisis CHAID sebagai Alat Bantu Statistika untuk Segmentasi Pasar (Studi Kasus pada Koperasi SyariÂ’ah Al -Hidayah). Jurnal Manajemen Pemasaran Vol. 2 No. 1 2006

Lehmann, T. dan Eherler, D. (2001). Responder Profiling with CHAID and DependencyAnalysiswww.informatik.unifreiburg.de/~ml/ecmlpkdd/SProce edings/w10/lehmann.pdf [05 April 2014]

Lestari, R.D. (2005). Identifikasi Rumah Tangga Miskin di Kota Padang Menggunakan Metode CHAID. Skripsi-S1, tidak diterbitkan Sembiring, R. K. Analisis Regresi. ITB. Bandung.

Mafe et. All (2009). A Comparative study of mobile messaging services acceptance to participate in television programmes, Journal of Service Management, Vol.21 No.1, 2010.

Melianto, R. C. (2010). Analisis Pengaruh Product Involvement, Perceived Risk, Market Maven, Terhadap Post-Switching Negative Word Of Mouth Dengan Dissatisfaction Terhadap Provider Lama Sebagai Variabel Pemoderator. Semarang: Fakultas Ekonomi UNDIP.

Nawawi, J. (2012). Analisis Perceived Usefulness, Perceived Risk dan Trust Terhadap Pemanfaatan ATM Bagi Nasabah di Bank BNI Semarang. [Online]. Tersedia: http://eprints.undip.ac.id/36897/ [06 Juli 2014]

Pavlou, P., A. 2003. Consumer Acceptance of Electronic Commerce: Integrating Trust and Risk with The Technology Acceptance Model. International Journal of Electronic Commerce. Volume 7(3), pp. 69–103.

Purnama, C. A.(2012). Analisis Pengaruh Daya Tarik Promosi, Persepsi Kemudahan,Persepsi Kemanfaatan dan Harga Terhadap Minat Beli E-Toll Card Bank Mandiri.

62

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu

Rahmawaty, Anita. (2010). Pengaruh Trust Dalam Penggunaan Automated Teller Machine Berdasarkan Technology Acceptance Model.[Online]. Tersedia: http://p3m.stainkudus.ac.id/files/Islam%20Empirik-Anita-Jul-Des.pdf [05 April 2014].

Riduwan. (2011). Skala Pengukuran Variabel-Variabel Penelitian. Bandung: Alfabeta.

Salomon, M.R.(2009). Consumer Behavior (9th ed.).New Jersey: Pearson Education.

Schiffman, L., dan Kanuk, L. L. 2008. Perilaku Konsumen, Edisi Ketujuh (Edisi Bahasa Indonesia). Jakarta: PT. Indeks

Sudjana. (1996). Metoda Statistika. Bandung: Tarsito.

Sugiyono. (2012). Metode Penelitian Bisnis.(Cetakan Ke16). Bandung: Alfabeta. Swastha, Basu, Dharmesta. (1996). Azas-azas Marketing. Edisi III. Yogyakarta:

Liberty.

Thompson, Ronald L., Higgins, Christoper A., dan Howell, Jane M., March 1991,

“Personal Computing: Toward a Conceptual Model of Utilization,” MIS

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu

Gambar 3.2

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

1. Metode CHAID terdiri dari ahap penggabungan, tahap pemisahan, dan tahap pemberhentian masing-masing kategori indikator variabel independen terhadap variabel dependen. Pada kedalaman pertama sampel dibagi oleh indikator Transaksi melalui ATM BNI memiliki keamanan yang tinggi sebagai indikator variabel terbaik berdasarkan uji chi square.

Terdapat delapan klasifikasi dalam kasus ini:

Klasifikasi Keputusan Nasabah

Klasifikasi ke-1

Nasabah yang maksimal tidak setuju transaksi melalui ATM BNI memiliki keamanan yang tinggi.

Klasifikasi ke-2

Nasabah yang tidak setuju dan nasabah yang setuju transaksi melalui ATM BNI memiliki keamanan yang tinggi, nasabah yang maksimal setuju menggunakan ATM meningkatkan efektivitas dalam dalam melakukan aktivitas.

Klasifikasi ke-3

Nasabah yang tidak setuju dan nasabah yang setuju transaksi melalui ATM BNI memiliki keamanan yang tinggi, nasabah yang lebih dari setuju (sangat setuju) menggunakan ATM meningkatkan efektivitas dalam dalam melakukan aktivitas, nasabah yang maksimal setuju menggunakan ATM BNI memudahkan transaksi perbankan.

Klasifikasi ke-4

Nasabah yang tidak setuju dan nasabah yang setuju transaksi melalui ATM BNI memiliki keamanan yang tinggi, nasabah yang lebih dari setuju (sangat setuju) menggunakan ATM

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu

meningkatkan efektivitas dalam dalam melakukan aktivitas, nasabah yang lebih dari setuju (sangat setuju) menggunakan ATM BNI memudahkan transaksi perbankan.

Klasifikasi ke-5

Nasabah yang lebih dari setuju (sangat setuju) transaksi melalui ATM BNI memiliki keamanan yang tinggi, nasabah yang maksimal tidak setuju ATM BNI fleksibel dalam penggunaannya.

Klasifikasi ke-6

Nasabah yang lebih dari setuju (sangat setuju) transaksi melalui ATM BNI memiliki keamanan yang tinggi, nasabah yang lebih dari tidak setuju (setuju dan sangat setuju) ATM BNI fleksibel dalam penggunaannya.

2. Yang mempengaruhi keputusan nasabah menggunakan ATM dengan metode CHAID menggunakan taraf nyata 0,05 atau 5% yaitu Transaksi melalui ATM BNI memiliki keamanan yang tinggi, menggunakan ATM BNI meningkatkan efektifitas dalam melakukan aktivitas, menggunakan ATM BNI memudahkan transaksi perbankan, ATM BNI fleksibel dalam penggunaannya.

5.2 Saran

1. Metode klasifikasi yang digunakan dalam penelitian ini adalah metode CHAID, penelitian selanjutnya dapat menerapkan atau membandingkan metode klasifikasi CHAID dengan yang lainnya seperti CHAID Exhaustive dan CART.

2. Klasifikasi metode CHAID dalam penelitian ini dibentuk menggunakan

software SPSS, penelitian selanjutnya dapat menggunakan software SAS atau program R.

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu

DAFTAR PUSTAKA

Adam, D.A., R.R. Nelson & P. A. Todd. (1992). Perceives Usefulness, Ease of Use, and Usage of Information Technology: A Replication. MIS Quarterly. Vol. 16 No. 2: Hal. 227-247.

Astuti, Yuanita Candra. (2013). Hubungan antara Dukungan Sosial dengan

Coping Strategy pada Ibu yang Memiliki Anak Penyandang Tunagrahita (Studi Korelasional Pada Ibu Yang Memiliki Anak Tunagrahita Di SLB-C YPLB Cipaganti Kota Bandung). Skripsi Jurusan Psikologi Fakultas Ilmu

Pendidikan (FIP) Universitas Pendidikan Indonesia. Bank BNI. http://www.bni.co.id/Tarif/eBanking/BNIATM.aspx

Breiman et.al. (1993). Classification and Regression Trees. New York: Chapman and Hall.

Christiyanti, Marieta Dan Medyawati, Henny. (2010). Analysis Tecnology

Acceptance Model (Tam) On Application E-Banking. Fakultas Ekonomi,

Universitas Gunadarma.

Davis, F.D. (1989). Perceived Usefulness, Perceived Ease of Use, and User

Acceptance of Information Technology , Management Information System Quarterly, Vol.13, No.3, September 1989.

Everit, B. S. dan Skrondal, A. (2010). The Cambridge Dictionary of Statistics

Fourth Edition. Cambridge:Cambridge University Press.

Everitt, B dan Skrondall, A. (2010). The Cambridge Dictionary of Statistic: 4th

edition. Cambridge: Cambridge University Press.

Gallagher, C. A. (2000). An Iterative Approach to Classification Analysis. www.casact.org/library/ratemaking/90dp237.pdf ( 09 Juni 2013)

Hermawati, F. A. (2013). Data Mining. Yogyakarta: Andi.

Herrhyanto, N. dan Gantini, T. (2009). Pengantar Statistika Matematis. Bandung: Yrama Widya.

Irmadhani Dan Nugroho, Mahendra Adhi. (2012). Pengaruh Persepsi

Kebermanfaatan, Persepsi Kumudahan Pengguna Dan Computer Self Efficacy, Terhadap Penggunaan Online Banking Pada Mahasiswa S1 Fakultas Ekonomi Universitas Negeri Yogyakarta.Fakultas Ekonomi,

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu

Kasmir. (2008). Bank dan Lembaga Keuangan Lainnya. (Edisi Revisi). Jakarta: RajaGrafindo Persada

Kass, G. V. (1980). An exploratory technique for investigating large quantities of categorical data. Applied Statistics, 29, 119-127.

Kotler, P & Keller, K. L (2010). (Edisi Ketigabelas). Manajemen Pemasaran. Jakarta: Erlangga.

Kriyantono, R. (2008). Teknik Praktis dan Riset Komunikasi. Jakarta: Kencana Pranada Media Group.

Kunto, Yohanes & Hasanah, Siti. Analisis CHAID sebagai Alat Bantu Statistika

untuk Segmentasi Pasar (Studi Kasus pada Koperasi SyariÂ’ah Al -Hidayah). Jurnal Manajemen Pemasaran Vol. 2 No. 1 2006

Lehmann, T. dan Eherler, D. (2001). Responder Profiling with CHAID and

DependencyAnalysiswww.informatik.unifreiburg.de/~ml/ecmlpkdd/SProce

edings/w10/lehmann.pdf [05 April 2014]

Lestari, R.D. (2005). Identifikasi Rumah Tangga Miskin di Kota Padang Menggunakan Metode CHAID. Skripsi-S1, tidak diterbitkan Sembiring, R. K. Analisis Regresi. ITB. Bandung.

Mafe et. All (2009). A Comparative study of mobile messaging services

acceptance to participate in television programmes, Journal of Service Management, Vol.21 No.1, 2010.

Melianto, R. C. (2010). Analisis Pengaruh Product Involvement, Perceived Risk,

Market Maven, Terhadap Post-Switching Negative Word Of Mouth

Dengan Dissatisfaction Terhadap Provider Lama Sebagai Variabel Pemoderator. Semarang: Fakultas Ekonomi UNDIP.

Nawawi, J. (2012). Analisis Perceived Usefulness, Perceived Risk dan Trust

Terhadap Pemanfaatan ATM Bagi Nasabah di Bank BNI Semarang.

[Online]. Tersedia: http://eprints.undip.ac.id/36897/ [06 Juli 2014]

Pavlou, P., A. 2003. Consumer Acceptance of Electronic Commerce: Integrating Trust and Risk with The Technology Acceptance Model. International

Journal of Electronic Commerce. Volume 7(3), pp. 69–103.

Purnama, C. A.(2012). Analisis Pengaruh Daya Tarik Promosi, Persepsi

Kemudahan,Persepsi Kemanfaatan dan Harga Terhadap Minat Beli E-Toll Card Bank Mandiri.

Ayu Wulandary,2014

Klasifikasi keputusan nasabah untuk menggunakan ATM dengan metode Chi-Square Automatic Interaction Detection (CHAID)

Universitas Pendidikan Indonesia | repository.upi.edu

Rahmawaty, Anita. (2010). Pengaruh Trust Dalam Penggunaan Automated Teller

Machine Berdasarkan Technology Acceptance Model.[Online]. Tersedia:

http://p3m.stainkudus.ac.id/files/Islam%20Empirik-Anita-Jul-Des.pdf [05 April 2014].

Riduwan. (2011). Skala Pengukuran Variabel-Variabel Penelitian. Bandung: Alfabeta.

Salomon, M.R.(2009). Consumer Behavior (9th ed.).New Jersey: Pearson

Education.

Schiffman, L., dan Kanuk, L. L. 2008. Perilaku Konsumen, Edisi Ketujuh (Edisi

Bahasa Indonesia). Jakarta: PT. Indeks

Sudjana. (1996). Metoda Statistika. Bandung: Tarsito.

Sugiyono. (2012). Metode Penelitian Bisnis.(Cetakan Ke16). Bandung: Alfabeta. Swastha, Basu, Dharmesta. (1996). Azas-azas Marketing. Edisi III. Yogyakarta:

Liberty.

Thompson, Ronald L., Higgins, Christoper A., dan Howell, Jane M., March 1991,

“Personal Computing: Toward a Conceptual Model of Utilization,” MIS