Analisis Preferensi Siswa SMA Negeri di Pematangsiantar terhadap Bimbingan Belajar dengan Metode Analisis Konjoin
6
BAB 2
LANDASAN TEORI
2.1.
Definisi dan Konsep Bimbingan Belajar
Masalah belajar merupakan inti dari masalah pendidikan, karena belajar merupakan
kegiatan utama dalam pendidikan dan pengajaran. Perkembangan belajar siswa
tidak selalu berjalan lancar dan memberikan hasil yang diharapkan. Adakalanya
mereka menghadapi berbagai kesulitan atau hambatan. Murid-murid seperti ini
perlu diberikan bantuan atau pertolongan yang disebut dengan layanan bimbingan
belajar. Secara umum, bimbingan belajar bertujuan untuk mencapai penyesuaian
akademis secara optimal sesuai dengan potensi yang dimiliki siswa.
Secara umum, bimbingan dapat diartikan sebagai suatu bantuan yang
diberikan kepada orang lain yang bermasalah, dengan harapan orang tersebut dapat
menerima keadaannya sehingga dapat mengatasi masalahnya dan mengadakan
penyesuaian terhadap diri pribadi, lingkungan keluarga, sekolah, maupun
masyarakat.
2.2.
Preferensi
Preferensi didefenisikan padan KBBI sebagai (1) (hak untuk) didahulukan dan
diutamakan daripada yang lain atau prioritas; (2) pilihan atau kecenderungan atau
kesukaan. Sedangkan menurut Chaplin (2002) preferensi adalah suatu sikap yang
lebih menyukai sesuatu benda daripada benda lainnya. Karena banyak digunakan
dalam bidang pemasaran, maka pembahasan mengenai analisis konjoin mengacu
pada istilah-istilah pada bidang pemasaran. Jika disesuaikan dengan istilah dalam
bidang atribut bimbingan belajar, maka konsumen dalam hal ini diartikan sebagai
siswa yang akan diukur preferensinya.
2.3.
Nilai Guna (Utilitas)
Teori nilai guna (utilitas) yaitu teori ekonomi yang mempelajari kepuasan atau
kenikmatan yang diperoleh seorang konsumen dari mengkonsumsi barang-barang
atau menikmati jasa-jasa yang diberikan. Jika kepuasan semakin tinggi maka
Universitas Sumatera Utara
7
semakin tinggi nilai gunanya. Sebaliknya semakin rendah kepuasan dari suatu
barang maka nilai guna semakin rendah juga.
Nilai guna dibedakan menjadi dua pengertian :
a)
Nilai Guna Marginal
Nilai guna marginal adalah pertambahan atau pengurangan kepuasan akibat
adanya pertambahan atau pengurangan penggunaan satu unit barang tertentu.
b)
Total Nilai Guna
Total nilai guna yaitu keseluruhan kepuasan yang diperoleh dari
mengkonsumsi sejumlah barang-barang tertentu.
Jika konsumen membeli barang karena mengharap memperoleh nilai
gunanya, tentu saja secara rasional konsumen berharap memperoleh nilai guna
optimal. Secara rasional nilai guna akan meningkat jika jumlah komoditas yang
dikonsumsi meningkat. Ada dua cara mengukur nilai guna dari suatu komoditas
yaitu secara kardinal (dengan menggunakan pendekatan nilai absolute) dan secara
ordinal (dengan menggunakan pendekatan nilai relative atau ranking). Dalam
pendekatan kardinal bahwa nilai guna yang diperoleh konsumen dapat dinyatakan
secara kuantitatif dan dapat diukur secara pasti. Untuk setiap unit yang dikonsumsi
akan dapat dihitung nilai gunanya.(Sugiarto, 2010)
2.4.
Analisis Konjoin
2.4.1. Pengertian Analisis Konjoin
Kata conjoint menurut para praktisi riset diambil dari kata CONsidered JOINTly.
Dalam kenyataannya kata sifat conjoint diturunkan dari kata benda to conjoint yang
berarti joint together atau bekerja sama (Kuhfeld, 2000).
Tapi sebelum 1970, profesor Paul Green memperkenalkan artikel Luce dan
Tukey (1964) yaitu artikel analisis pengukuran conjoin yang diterbitkan di jurnal
non-marketing. Artikel ini dapat diterapkan dalam memecahkan masalah
pemasaran, seperti memahami bagaimana para pembeli mengambil keputusan
pembelian, untuk memilih atribut yang penting dalam pilihan pembelian produk,
dan untuk meramalkan perilaku pembeli.
Universitas Sumatera Utara
8
Analisis konjoin adalah suatu teknik yang secara spesifik digunakan untuk
memahami bagaimana keinginan atau preferensi konsumen terhadap suatu produk
atau jasa dengan mengukur tingkat kegunaan dan nilai kepentingan relative
berbagai atribut suatu produk (hair et al 1995). Analisis ini sangat berguna untuk
membantu merancang karakteristik produk baru, membuat konsep produk baru,
membantu menentukan tingkat harga serta memprediksi tingkat penjualan.
Bentuk dasar model dependensi analisis konjoin dapat dirumuskan sebagai
berikut :
Dimana :
1) Y1 (variabel dependen), skala pengukuran metrik atau non metrik, didefinisikan
sebagai pendapat keseluruhan dari seorang responden terhadap sekian faktor
/atribut dan taraf pada sebuah barang/jasa/ide.
2) X1, X2, X3 hingga Xn (variabel independen), skala pengukuran non metrik,
didefinisikan sebagai faktor/atribut dan taraf.
2.4.2. Istilah-istilah dalam Analisis Konjoin
Adapun beberapa istilah dalam analisis conjoin adalah :
Atribut, yaitu berupa variabel-variabel yang akan diteliti.
Taraf/lefel, yaitu bagian dari atribut yang menunjukkan nilai yang
diasumsikan oleh atribut
Stimuli, yaitu sekelompok atribut yang dievaluasi oleh responden. Dalam
desain stimuli termasuk memilih atribut dan taraf atribut yang akan
digunakan untuk membuat stimuli.
Nilai kepentingan relative (Relative Importance value), yaitu nilai yang
menunjukkan atribut mana yang penting dalam mempengaruhi piliyhan
responden.
Nilai kegunaan (Utility), yaitu teori ekonomi yang mempelajari kepuasan
atau kenikmatan yang diperoleh seorang konsumen dari mengkonsumsi
Universitas Sumatera Utara
9
barang-barang. Jika kepuasan itu semakin tinggi maka semakin tinggi nilai
guna. Sebaliknya semakin rendah kepuasan dari suatu barang maka nilai
guna semakin rendah.
2.4.3. Tujuan Analisis Konjoin
Pada dasarnya, tujuan analisis konjoin adalah untuk mengetahui bagaimana
persepsi seseorang terhadap suatu objek yang terdiri atas satu atau banyak bagian.
Hasil utama analisis konjoin adalah suatu bentuk (desain) produk barang atau jasa,
atau objek tertentu yang diinginkan oleh sebagian besar responden. (Santoso, 2010)
2.4.4. Tahapan- Tahapan Analisis Konjoin
Adapun tahapan-tahapan yang perlu dilakukan dalam merancang dan melaksanakan
analisis konjoin secara umum sebagai berikut
:
Mengidentifikasi atribut
Merancang kombinasi atribut
atau stimuli
Menentukan Metode
Pengumpulan Data
Menentukan Metode Analisis
yang digunakan
Interpretasi Hasil
Gambar 2.1. Tahapan-tahapan analisis conjoin
Universitas Sumatera Utara
10
Tahap 1. Mengidentifikasi Atribut
Langkah awal dalam melakukan analisis konjoin yaitu perumusan masalah (Aaker
et. al., 1980). Perumusan masalah dimulai dari mendefinisikan produk sebagai
kumpulan dari atribut-atribut dimana setiap atribut terdiri atas beberapa taraf/level.
Informasi mengenai atribut yang mewakili preferensi konsumen bisa diperoleh
melalui diskusi dengan pakar, eksplorasi data sekunder, atau melakukan tes awal.
Kemudian atribut yang sudah dianggap mewakili ditentukan skalanya. Skala atribut
dibagi menjadi dua yaitu skala kualitatif atau non metrik atau kategori (nominal dan
ordinal) dan skala kuantitatif atau metrik (interval dan rasio).
Tahap 2. Merancang Kombinasi Atribut (Stimuli)
Setelah mengidentifikasi atribut beserta taraf-tarafnya, kemudian dilakukan
perancangan stimuli yaitu kombinasi taraf antar atribut. Pendekatan yang umum
digunakan untuk merancang stimuli yaitu kombinasi lengkap (full-profile) atau
evaluasi banyak faktor dan kombinasi berpasangan (pairwise comparison) atau
evaluasi dua faktor (Kuhfeld, 2000)
Menurut Santoso Singgih (2010) “Untuk jumlah stimuli yang terlalu
banyak, dapat dilakukan pengurangan stimuli dengan ketentuan stimuli minimal,
yaitu Minimum Stimuli=Jumlah level – Jumlah faktor + 1”. Pada penelitian ini
terdapat jumlah level yaitu 19 dan jumlah level adalah 8. Jadi minimum stimuli
pada penelitian ini adalah 19-8+1 = 12 stimuli.
1.
Full profile
Analisis konjoin full profile yang diperkenalkan terlebih dahulu merupakan
rancangan kombinasi yang menggambarkan profil produk secara lengkap atau
disebut evaluasi banyak faktor (multiple factor evaluation). Tentunya terkadang
banyaknya stimuli membuat bingung responden dalam menilai, untuk mengatasi
masalah ini dapat digunakan SPSS 17 dengan menggunakan pendekatan full profile
namun desain yang digunakan bukan full factor design melainkan menggunakan
fractional factorial design. Desain ini mengasumsikan bahwa setiap interaksi yang
Universitas Sumatera Utara
11
tidak penting diabaikan. Desain seperti ini dikenal dengan nama Orthogonal Array.
Orthogonal Array digunakan untuk mendesain percobaan yang efisien dan
digunakan untuk menganalisis data percobaan. Orthogonal Array digunakan untuk
menentukan jumlah eksperimen minimal yang dapat memberi informasi sebanyak
mungkin semua faktor yang mempengaruhi. Orthogonal Array memungkinkan
desain yang mengasumsikan bahwa seluruh kombinasi produk dipilih yang benarbenar berpengaruh terhadap efek utama atau semua interaksi yang tidak penting
bisa diabaikan. Cara lain untuk mengurangi banyaknya interaksi adalah dengan
melakukan survey terhadap konsumen.
Untuk membentuk stimuli dirancang dengan menggunakan SPSS 17,
sehingga diperoleh 16 minimal stimuli. Setiap stimuli berisi kombinasi antara
atribut dengan taraf, dimana setiap stimuli menggambarkan profil setiap objek
secara lengkap. Responden mengevaluasi masing-masing stimuli mulai dari stimuli
yang paling diminati/dianggap penting hingga stimuli yang paling tidak
diminati/yang paling dianggap tidak penting dengan cara rating (memberi
peringkat).
Keuntungan menggunakan metode ini adalah :
1)
Diperoleh deskripsi yang lebih realisitis dengan menjelaskan setiap stimuli
berisikan sebuah taraf dari masing-masing atribut.
2)
Menggambarkan trade-off yang lebih jelas antara seluruh atribut yang
tersedia.
3)
Memungkinkan pemakaian tipe-tipe penilaian preferensi lainnya
Sedangkan kendala menggunnakan metode ini adalah metode full-profile
disarankan apabila jumlah atribut yang diteliti antara enam s/d sembilan atribut saja
( heir at al, 2006)
Tahap 3. Menentukan Metode Pengumpulan Data
Data yang diperlukan dalam analisis konjoin dapat berupa data non-metrik (data
berskala nominal atau ordinal atau kategorial) maupun data metrik (data berskala
interval atau rasio)
1)
Data non-metrik : Untuk memperoleh data dalam bentuk non-metrik,
responden diminta untuk membuat ranking atau mengurutkan stimuli pada
Universitas Sumatera Utara
12
tahap yang telah dibuat sebelumnya. Perangkingan dimulai dari 1 dan
seterusnya sehingga ranking terakhir bagi stimuli yang paling tidak disukai.
2)
Data metrik : untuk memperoleh data dalam bentuk metrik, responden
diminta untuk memberikan nilai atau rating terhadap masing-masing
stimuli. Dengan cara ini, responden akan dapat memberikan penelitian
terhadap masing-masing stimuli secara terpisah. Pemberian nilai atau rating
dapat dilakukan melalui beberapa cara , yaitu :
a) Menggunakan skala Likert mulai dari 1 hingga 5 ( 1= Paling tidak disukai
dan 5= Paling disukai)
b) Menggunakan nilai ranking, artinya untuk stimuli yang paling disukai diberi
nilai tertinggi setara dengan jumlah stimulinya, sedangkan stimuli yang
paling tidak disukai diberi nilai satu
Tahap 4. Menentukan Metode Analisis yang Digunakan
Saat ini terdapat beberapa metode atau prosedur yang dapat digunakan untuk
menyelesaikan model dasar analisis conjoin. Umumnya metode-metode ini akan
sangat bergantung pada tata cara pengumpulan data yang dilakukan. Beberapa
metode yang umum digunakan dalam analisis conjoin yaitu :
1)
Multidimensional Scalling
Menurut
Hair,
et.al
(1998)
Multidimensional
Scalling
bertujuan
untuk
mentransformasikan penilaian responden mengenai kesamaan atau preferensi
kedalam jarak yang dipresentasikan dalam suatu ruang multidimensional. Persepsi
seseorang akan kesamaan beberapa objek dituangkan oleh jarak geometri antar
objek yang digambarkan dalam ruang berdimensi tertentu, sehingga hubungan
relative atau jarak antara posisi objek-objek itu menunjukkan persepsi tingkat
perbedaan responden.
Hasil
dari
Multidimensional
Scalling
berupa
peta
posisi
yang
menggambarkan posisi tiap-tiap subjek yang diperbandingkan. Walaupun sebjek
memberikan bobot yang sama terhadap sejumlah atribut (objek) dalam menentukan
penilaiannya, tetapi masing-masing subjek tetap mempunyai preferensi yang
berbeda.
Universitas Sumatera Utara
13
Regresi Linier dengan Variabel Dummy
2)
Berkaitan dengan tipe data dan cara pengumpulan datanya, prosedur analisis
yang umum digunakan dalam analisis konjoin adalah full-profile menggunakan
metode regresi dengan variabel dummy. Metode regresi dengan variabel dummy
sangat umum digunakan untuk data berjenis nonmetrik ataupun metrik, dimana data
telah diperoleh melalui pengurutan maupun penilaian terhadap kombinasi atribut
atau stimuli yang telah dirancang sebelumnya. Terdapat beberapa variasi
penggunaan metode regresi dengan variabel dummy yaitu :
a.
Jika data yang digunakan berasal dari penilaian stimuli yang telah
dirancang sebelumnya dan penilaian dilakukan dengan menggunakan skala
metrik, maka regresi dapat dihitung langsung dengan menggunakan
pendekatan Ordinary Least Square (OLS).
b. Jika penilaian stimuli menggunakan urutan (ranking) stimuli, maka data
tersebut harus diubah terlebih dahulu menjadi skala interval dengan
monotomic regression atau multidimensional scalling, kemudian analisis
dilanjutkan dengan regresi peubah boneka.
c. Jika data diperoleh melalui penilaian secara terpisah dari masing-masing
taraf/level atribut, analisis yang dapat digunakan adalah model logit.
Model dasar analisis konjoin secara matematis sebagai berikut (Supranto,
2004) :
∑∑
dimana:
= Utilitas total dari tiap-tiap stimuli
= Utilitas dari faktor ke-i (i, i = 1, 2, 3, ..., m) dan level ke-j (j, j = 1, 2, 3,
.., k)
= banyaknya level atribut i
= banyaknya atribut
Universitas Sumatera Utara
14
= bernilai 1 jika atribut variabel dummy ke-i taraf ke-j terjadi dan 0 jika
tidak terjadi
Dengan model regresi tersebut, maka dapat ditentukan nilai kegunaan dari taraftaraf atribut untuk menentukan nilai pentingnya suatu taraf relative terhadap taraf
yang lain pada suatu atribut. Setelah menentuan nilai kegunaan taraf, maka nilai
kepentingan relative (bobot) dapat dihitung dengan formula sebagai berikut :
∑
Keterangan :
= bobot kepentingan relatif untuk tiap atribut
= range nilai kepentingan untuk tiap atribut
Range nilai kepentingan relatif tiap atribut dapat dicari dengan rumus :
Ii
= {maks(aij) – min(aij)}
Tahap 5. Interpretasi Hasil
Kuhfeld (2000) menyatakan ada beberapa ketentuan dalam melakukan interpretasi
hasil, yaitu :
a.
Taraf yang memiliki nilai kegunaan lebih tinggi adalah taraf yang lebih
disukai
b.
Total nilai kegunaan masing-masing kombinasi sama dengan jumlah nilai
kegunaan tiap taraf dari atribut-atribut tersebut.
c.
Kombinasi yang memiliki total nilai kegunaan tertinggi adalah kombinasi
yang paling disukai responden.
d.
Atribut yang memiliki perbedaan nilai kegunaan lebih besar antara nilai
kegunaan taraf tertinggi dan terendah merupakan atribut yang lebih penting.
2.5.
Regresi Linier Berganda
Dalam regresi sederhana, symbol yang digunakan untuk variabel bebasnya adalah
X. Dalam regresi berganda persamaan regresinya memiliki lebih dari satu variabel
bebas maka perlu menambah tanda bilangan pada setiap variabel tersebut, dalam
hal ini
(Sudjana, 1996).
Universitas Sumatera Utara
15
Secara umum model regresi linier berganda ditulis sebagai berikut :
Dimana :
= Variabel Terikat
= Variabel Bebas
= Jarak titik pangkal dengan titik potong garis regresi pada sumbu Y
= Kemiringan garis regresi
= Kesalahan
Untuk persamaan regresi untuk populasi secara umum dituliskan sebagai berikut :
Dimana :
= Perkiraan/ramalan Y
= Koefisien regresi
= Variabel bebas
2.6.
Analisis Regresi dengan Peubah Boneka (dummy)
Analisis regresi dengan peubah boneka adalah suatu regresi yang variabel bebasnya
merupakan dummy. Variabel dummy adalah variabel yang digunakan untuk
mengkuantitatifkan variabel yang bersifat kualitatif (Misalkan jenis kelamin,
agama, ras, pekerjaan, dsb). Variabel dummy hanya memiliki dua nilai yaitu 1 dan
0, serta diberi symbol D. Kedua nilai yang diberikan tidak menunjukkan bilangan
(numerik) tetapi hanya sebagai identifikasi kelas atau kategorinya. Untuk variabel
kualitatif yang mempunyai k kategori dapat dibagun
k-1 peubah boneka. Atribut
yang mempunyai dua taraf diberi kode 1 untuk salah satu taraf dan 0 untuk taraf
lainnya. Didalam hal ini, variabel bebas terdiri dari variabel dummy untuk level dan
atribut. Bila atribut mempunyai level sebanyak K maka dinyatakan dalam K-1
variabel dummy, atau banyaknya variabel dummy = banyaknya level/taraf dikurang
1. Untuk atribut ke K level variabel dummy-nya adalah :
Universitas Sumatera Utara
16
Tabel 2.1. Variabel dummy Atribut ke-i dengan level k
Level
X1
X2
…
Xk-1
1
1
0
…
0
2
0
1
…
0
3
0
0
…
0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
k-1
0
0
…
1
k
0
0
…
0
Untuk membangun model regresi yang peubah bebasnya mengandung variabel
kualitatif, salah satunya adalah menggunakan peubah boneka. Peubah boneka
merupakan cara sederhana untuk mengkuantitatifkan variabel yang kualitatif.
Untuk variabel kualitatif yang mempunyai k kategori dapat dibagun
k-1 peubah
boneka. Variabel ini biasanya mengambil nilai 1 atau 0. Kedua nilai yang diberikan
tidak menunjukkan bilangan (numerik) tetapi hanya sebagai identifikasi kelas atau
kategorinya. Atribut yang mempunyai dua taraf diberi kode 1 untuk salah satu taraf
dan 0 untuk taraf lainnya. Atribut yang mempunyai tiga taraf, pengkodeannya
sebagai berikut ;
Tabel 2.2. Pengkodean Variabel Dummy
Taraf
Kode
Tarar 1
1
0
Taraf 2
0
1
Taraf 3
0
0
Universitas Sumatera Utara
17
Untuk taraf lebih dari tiga, pengkodean dilakukan dengan cara yang sama
sehingga setiap faktor memiliki k-1 variabel dummy. Banyaknya variabel ini sama
dengan banyaknya kategori (taraf) dikurangi satu. (J Supranto, 2004)
2.7. Uji Validitas dan Reliabilitas
Uji validitas adalah uji statistik yang digunakan untuk menentukan seberapa valid
suatu item pertanyaan untuk mengukur variabel yang diteliti. Uji validitas
digunakan untuk mengukur sah atau tidaknya suatu kuesioner. Suatu kuesioner
dikatakan sah jika pertanyaan pada kuesioner mampu mengungkapkan sesuatu yang
diukur oleh kuesioner tersebut. Uji validitas dapat digunakan dengan menggunakan
software spss menggunakan uji korelasi Pearson Product Moment.
Rumus Uji Validitas konstruk (Syofian,2014) adalah sebagai berikut:
keterangan:
√
∑
∑
∑
∑
∑
n
= jumlah responden
X
= skor variabel (jawaban responden)
Y
= skor total dari variabel untuk responden ke-n
∑
∑
Uji reliabilitas adalah uji yang digunakan untuk menentukan reabilitas serangkaian
item pertanyaan dalam kehandalannya mengukur suatu variabel. Suatu kuisioner dikatakan
reliabel atau handal jika jawaban responden terhadap pertanyaan kuisioner dapat
menunjukkan secara stabil atau konsisten dari waktu ke waktu. Menurut Sugiyono (2006),
“instrument yang reliable adalah instrument yang bila digunakan beberapa kali untuk
mengukur objek yang sama, akan menghasilkan data yang sama”. Instrumen dapat
. Rumus Uji reliabilitas adalah
dikatakan reliable bila mempunyai koefisien alpha
sebagai berikut:
keterangan:
(
r
= reliabilitas instrument
k
= banyaknya butir pertanyaan
)
∑
Universitas Sumatera Utara
18
∑
= jumlah ragam butir
= jumlah ragam total
Kategori koefisien korelasi berdasarkan Sugiyono (2006) adalah sebagai
berikut :
Tabel 2.2. Kategori Koefisien Korelasi
Reliabilitas sangat tinggi
Reliabilitas tinggi
Reliabilitas sedang
Reliabilitas rendah
Reliabilitas sangat rendah
Universitas Sumatera Utara
BAB 2
LANDASAN TEORI
2.1.
Definisi dan Konsep Bimbingan Belajar
Masalah belajar merupakan inti dari masalah pendidikan, karena belajar merupakan
kegiatan utama dalam pendidikan dan pengajaran. Perkembangan belajar siswa
tidak selalu berjalan lancar dan memberikan hasil yang diharapkan. Adakalanya
mereka menghadapi berbagai kesulitan atau hambatan. Murid-murid seperti ini
perlu diberikan bantuan atau pertolongan yang disebut dengan layanan bimbingan
belajar. Secara umum, bimbingan belajar bertujuan untuk mencapai penyesuaian
akademis secara optimal sesuai dengan potensi yang dimiliki siswa.
Secara umum, bimbingan dapat diartikan sebagai suatu bantuan yang
diberikan kepada orang lain yang bermasalah, dengan harapan orang tersebut dapat
menerima keadaannya sehingga dapat mengatasi masalahnya dan mengadakan
penyesuaian terhadap diri pribadi, lingkungan keluarga, sekolah, maupun
masyarakat.
2.2.
Preferensi
Preferensi didefenisikan padan KBBI sebagai (1) (hak untuk) didahulukan dan
diutamakan daripada yang lain atau prioritas; (2) pilihan atau kecenderungan atau
kesukaan. Sedangkan menurut Chaplin (2002) preferensi adalah suatu sikap yang
lebih menyukai sesuatu benda daripada benda lainnya. Karena banyak digunakan
dalam bidang pemasaran, maka pembahasan mengenai analisis konjoin mengacu
pada istilah-istilah pada bidang pemasaran. Jika disesuaikan dengan istilah dalam
bidang atribut bimbingan belajar, maka konsumen dalam hal ini diartikan sebagai
siswa yang akan diukur preferensinya.
2.3.
Nilai Guna (Utilitas)
Teori nilai guna (utilitas) yaitu teori ekonomi yang mempelajari kepuasan atau
kenikmatan yang diperoleh seorang konsumen dari mengkonsumsi barang-barang
atau menikmati jasa-jasa yang diberikan. Jika kepuasan semakin tinggi maka
Universitas Sumatera Utara
7
semakin tinggi nilai gunanya. Sebaliknya semakin rendah kepuasan dari suatu
barang maka nilai guna semakin rendah juga.
Nilai guna dibedakan menjadi dua pengertian :
a)
Nilai Guna Marginal
Nilai guna marginal adalah pertambahan atau pengurangan kepuasan akibat
adanya pertambahan atau pengurangan penggunaan satu unit barang tertentu.
b)
Total Nilai Guna
Total nilai guna yaitu keseluruhan kepuasan yang diperoleh dari
mengkonsumsi sejumlah barang-barang tertentu.
Jika konsumen membeli barang karena mengharap memperoleh nilai
gunanya, tentu saja secara rasional konsumen berharap memperoleh nilai guna
optimal. Secara rasional nilai guna akan meningkat jika jumlah komoditas yang
dikonsumsi meningkat. Ada dua cara mengukur nilai guna dari suatu komoditas
yaitu secara kardinal (dengan menggunakan pendekatan nilai absolute) dan secara
ordinal (dengan menggunakan pendekatan nilai relative atau ranking). Dalam
pendekatan kardinal bahwa nilai guna yang diperoleh konsumen dapat dinyatakan
secara kuantitatif dan dapat diukur secara pasti. Untuk setiap unit yang dikonsumsi
akan dapat dihitung nilai gunanya.(Sugiarto, 2010)
2.4.
Analisis Konjoin
2.4.1. Pengertian Analisis Konjoin
Kata conjoint menurut para praktisi riset diambil dari kata CONsidered JOINTly.
Dalam kenyataannya kata sifat conjoint diturunkan dari kata benda to conjoint yang
berarti joint together atau bekerja sama (Kuhfeld, 2000).
Tapi sebelum 1970, profesor Paul Green memperkenalkan artikel Luce dan
Tukey (1964) yaitu artikel analisis pengukuran conjoin yang diterbitkan di jurnal
non-marketing. Artikel ini dapat diterapkan dalam memecahkan masalah
pemasaran, seperti memahami bagaimana para pembeli mengambil keputusan
pembelian, untuk memilih atribut yang penting dalam pilihan pembelian produk,
dan untuk meramalkan perilaku pembeli.
Universitas Sumatera Utara
8
Analisis konjoin adalah suatu teknik yang secara spesifik digunakan untuk
memahami bagaimana keinginan atau preferensi konsumen terhadap suatu produk
atau jasa dengan mengukur tingkat kegunaan dan nilai kepentingan relative
berbagai atribut suatu produk (hair et al 1995). Analisis ini sangat berguna untuk
membantu merancang karakteristik produk baru, membuat konsep produk baru,
membantu menentukan tingkat harga serta memprediksi tingkat penjualan.
Bentuk dasar model dependensi analisis konjoin dapat dirumuskan sebagai
berikut :
Dimana :
1) Y1 (variabel dependen), skala pengukuran metrik atau non metrik, didefinisikan
sebagai pendapat keseluruhan dari seorang responden terhadap sekian faktor
/atribut dan taraf pada sebuah barang/jasa/ide.
2) X1, X2, X3 hingga Xn (variabel independen), skala pengukuran non metrik,
didefinisikan sebagai faktor/atribut dan taraf.
2.4.2. Istilah-istilah dalam Analisis Konjoin
Adapun beberapa istilah dalam analisis conjoin adalah :
Atribut, yaitu berupa variabel-variabel yang akan diteliti.
Taraf/lefel, yaitu bagian dari atribut yang menunjukkan nilai yang
diasumsikan oleh atribut
Stimuli, yaitu sekelompok atribut yang dievaluasi oleh responden. Dalam
desain stimuli termasuk memilih atribut dan taraf atribut yang akan
digunakan untuk membuat stimuli.
Nilai kepentingan relative (Relative Importance value), yaitu nilai yang
menunjukkan atribut mana yang penting dalam mempengaruhi piliyhan
responden.
Nilai kegunaan (Utility), yaitu teori ekonomi yang mempelajari kepuasan
atau kenikmatan yang diperoleh seorang konsumen dari mengkonsumsi
Universitas Sumatera Utara
9
barang-barang. Jika kepuasan itu semakin tinggi maka semakin tinggi nilai
guna. Sebaliknya semakin rendah kepuasan dari suatu barang maka nilai
guna semakin rendah.
2.4.3. Tujuan Analisis Konjoin
Pada dasarnya, tujuan analisis konjoin adalah untuk mengetahui bagaimana
persepsi seseorang terhadap suatu objek yang terdiri atas satu atau banyak bagian.
Hasil utama analisis konjoin adalah suatu bentuk (desain) produk barang atau jasa,
atau objek tertentu yang diinginkan oleh sebagian besar responden. (Santoso, 2010)
2.4.4. Tahapan- Tahapan Analisis Konjoin
Adapun tahapan-tahapan yang perlu dilakukan dalam merancang dan melaksanakan
analisis konjoin secara umum sebagai berikut
:
Mengidentifikasi atribut
Merancang kombinasi atribut
atau stimuli
Menentukan Metode
Pengumpulan Data
Menentukan Metode Analisis
yang digunakan
Interpretasi Hasil
Gambar 2.1. Tahapan-tahapan analisis conjoin
Universitas Sumatera Utara
10
Tahap 1. Mengidentifikasi Atribut
Langkah awal dalam melakukan analisis konjoin yaitu perumusan masalah (Aaker
et. al., 1980). Perumusan masalah dimulai dari mendefinisikan produk sebagai
kumpulan dari atribut-atribut dimana setiap atribut terdiri atas beberapa taraf/level.
Informasi mengenai atribut yang mewakili preferensi konsumen bisa diperoleh
melalui diskusi dengan pakar, eksplorasi data sekunder, atau melakukan tes awal.
Kemudian atribut yang sudah dianggap mewakili ditentukan skalanya. Skala atribut
dibagi menjadi dua yaitu skala kualitatif atau non metrik atau kategori (nominal dan
ordinal) dan skala kuantitatif atau metrik (interval dan rasio).
Tahap 2. Merancang Kombinasi Atribut (Stimuli)
Setelah mengidentifikasi atribut beserta taraf-tarafnya, kemudian dilakukan
perancangan stimuli yaitu kombinasi taraf antar atribut. Pendekatan yang umum
digunakan untuk merancang stimuli yaitu kombinasi lengkap (full-profile) atau
evaluasi banyak faktor dan kombinasi berpasangan (pairwise comparison) atau
evaluasi dua faktor (Kuhfeld, 2000)
Menurut Santoso Singgih (2010) “Untuk jumlah stimuli yang terlalu
banyak, dapat dilakukan pengurangan stimuli dengan ketentuan stimuli minimal,
yaitu Minimum Stimuli=Jumlah level – Jumlah faktor + 1”. Pada penelitian ini
terdapat jumlah level yaitu 19 dan jumlah level adalah 8. Jadi minimum stimuli
pada penelitian ini adalah 19-8+1 = 12 stimuli.
1.
Full profile
Analisis konjoin full profile yang diperkenalkan terlebih dahulu merupakan
rancangan kombinasi yang menggambarkan profil produk secara lengkap atau
disebut evaluasi banyak faktor (multiple factor evaluation). Tentunya terkadang
banyaknya stimuli membuat bingung responden dalam menilai, untuk mengatasi
masalah ini dapat digunakan SPSS 17 dengan menggunakan pendekatan full profile
namun desain yang digunakan bukan full factor design melainkan menggunakan
fractional factorial design. Desain ini mengasumsikan bahwa setiap interaksi yang
Universitas Sumatera Utara
11
tidak penting diabaikan. Desain seperti ini dikenal dengan nama Orthogonal Array.
Orthogonal Array digunakan untuk mendesain percobaan yang efisien dan
digunakan untuk menganalisis data percobaan. Orthogonal Array digunakan untuk
menentukan jumlah eksperimen minimal yang dapat memberi informasi sebanyak
mungkin semua faktor yang mempengaruhi. Orthogonal Array memungkinkan
desain yang mengasumsikan bahwa seluruh kombinasi produk dipilih yang benarbenar berpengaruh terhadap efek utama atau semua interaksi yang tidak penting
bisa diabaikan. Cara lain untuk mengurangi banyaknya interaksi adalah dengan
melakukan survey terhadap konsumen.
Untuk membentuk stimuli dirancang dengan menggunakan SPSS 17,
sehingga diperoleh 16 minimal stimuli. Setiap stimuli berisi kombinasi antara
atribut dengan taraf, dimana setiap stimuli menggambarkan profil setiap objek
secara lengkap. Responden mengevaluasi masing-masing stimuli mulai dari stimuli
yang paling diminati/dianggap penting hingga stimuli yang paling tidak
diminati/yang paling dianggap tidak penting dengan cara rating (memberi
peringkat).
Keuntungan menggunakan metode ini adalah :
1)
Diperoleh deskripsi yang lebih realisitis dengan menjelaskan setiap stimuli
berisikan sebuah taraf dari masing-masing atribut.
2)
Menggambarkan trade-off yang lebih jelas antara seluruh atribut yang
tersedia.
3)
Memungkinkan pemakaian tipe-tipe penilaian preferensi lainnya
Sedangkan kendala menggunnakan metode ini adalah metode full-profile
disarankan apabila jumlah atribut yang diteliti antara enam s/d sembilan atribut saja
( heir at al, 2006)
Tahap 3. Menentukan Metode Pengumpulan Data
Data yang diperlukan dalam analisis konjoin dapat berupa data non-metrik (data
berskala nominal atau ordinal atau kategorial) maupun data metrik (data berskala
interval atau rasio)
1)
Data non-metrik : Untuk memperoleh data dalam bentuk non-metrik,
responden diminta untuk membuat ranking atau mengurutkan stimuli pada
Universitas Sumatera Utara
12
tahap yang telah dibuat sebelumnya. Perangkingan dimulai dari 1 dan
seterusnya sehingga ranking terakhir bagi stimuli yang paling tidak disukai.
2)
Data metrik : untuk memperoleh data dalam bentuk metrik, responden
diminta untuk memberikan nilai atau rating terhadap masing-masing
stimuli. Dengan cara ini, responden akan dapat memberikan penelitian
terhadap masing-masing stimuli secara terpisah. Pemberian nilai atau rating
dapat dilakukan melalui beberapa cara , yaitu :
a) Menggunakan skala Likert mulai dari 1 hingga 5 ( 1= Paling tidak disukai
dan 5= Paling disukai)
b) Menggunakan nilai ranking, artinya untuk stimuli yang paling disukai diberi
nilai tertinggi setara dengan jumlah stimulinya, sedangkan stimuli yang
paling tidak disukai diberi nilai satu
Tahap 4. Menentukan Metode Analisis yang Digunakan
Saat ini terdapat beberapa metode atau prosedur yang dapat digunakan untuk
menyelesaikan model dasar analisis conjoin. Umumnya metode-metode ini akan
sangat bergantung pada tata cara pengumpulan data yang dilakukan. Beberapa
metode yang umum digunakan dalam analisis conjoin yaitu :
1)
Multidimensional Scalling
Menurut
Hair,
et.al
(1998)
Multidimensional
Scalling
bertujuan
untuk
mentransformasikan penilaian responden mengenai kesamaan atau preferensi
kedalam jarak yang dipresentasikan dalam suatu ruang multidimensional. Persepsi
seseorang akan kesamaan beberapa objek dituangkan oleh jarak geometri antar
objek yang digambarkan dalam ruang berdimensi tertentu, sehingga hubungan
relative atau jarak antara posisi objek-objek itu menunjukkan persepsi tingkat
perbedaan responden.
Hasil
dari
Multidimensional
Scalling
berupa
peta
posisi
yang
menggambarkan posisi tiap-tiap subjek yang diperbandingkan. Walaupun sebjek
memberikan bobot yang sama terhadap sejumlah atribut (objek) dalam menentukan
penilaiannya, tetapi masing-masing subjek tetap mempunyai preferensi yang
berbeda.
Universitas Sumatera Utara
13
Regresi Linier dengan Variabel Dummy
2)
Berkaitan dengan tipe data dan cara pengumpulan datanya, prosedur analisis
yang umum digunakan dalam analisis konjoin adalah full-profile menggunakan
metode regresi dengan variabel dummy. Metode regresi dengan variabel dummy
sangat umum digunakan untuk data berjenis nonmetrik ataupun metrik, dimana data
telah diperoleh melalui pengurutan maupun penilaian terhadap kombinasi atribut
atau stimuli yang telah dirancang sebelumnya. Terdapat beberapa variasi
penggunaan metode regresi dengan variabel dummy yaitu :
a.
Jika data yang digunakan berasal dari penilaian stimuli yang telah
dirancang sebelumnya dan penilaian dilakukan dengan menggunakan skala
metrik, maka regresi dapat dihitung langsung dengan menggunakan
pendekatan Ordinary Least Square (OLS).
b. Jika penilaian stimuli menggunakan urutan (ranking) stimuli, maka data
tersebut harus diubah terlebih dahulu menjadi skala interval dengan
monotomic regression atau multidimensional scalling, kemudian analisis
dilanjutkan dengan regresi peubah boneka.
c. Jika data diperoleh melalui penilaian secara terpisah dari masing-masing
taraf/level atribut, analisis yang dapat digunakan adalah model logit.
Model dasar analisis konjoin secara matematis sebagai berikut (Supranto,
2004) :
∑∑
dimana:
= Utilitas total dari tiap-tiap stimuli
= Utilitas dari faktor ke-i (i, i = 1, 2, 3, ..., m) dan level ke-j (j, j = 1, 2, 3,
.., k)
= banyaknya level atribut i
= banyaknya atribut
Universitas Sumatera Utara
14
= bernilai 1 jika atribut variabel dummy ke-i taraf ke-j terjadi dan 0 jika
tidak terjadi
Dengan model regresi tersebut, maka dapat ditentukan nilai kegunaan dari taraftaraf atribut untuk menentukan nilai pentingnya suatu taraf relative terhadap taraf
yang lain pada suatu atribut. Setelah menentuan nilai kegunaan taraf, maka nilai
kepentingan relative (bobot) dapat dihitung dengan formula sebagai berikut :
∑
Keterangan :
= bobot kepentingan relatif untuk tiap atribut
= range nilai kepentingan untuk tiap atribut
Range nilai kepentingan relatif tiap atribut dapat dicari dengan rumus :
Ii
= {maks(aij) – min(aij)}
Tahap 5. Interpretasi Hasil
Kuhfeld (2000) menyatakan ada beberapa ketentuan dalam melakukan interpretasi
hasil, yaitu :
a.
Taraf yang memiliki nilai kegunaan lebih tinggi adalah taraf yang lebih
disukai
b.
Total nilai kegunaan masing-masing kombinasi sama dengan jumlah nilai
kegunaan tiap taraf dari atribut-atribut tersebut.
c.
Kombinasi yang memiliki total nilai kegunaan tertinggi adalah kombinasi
yang paling disukai responden.
d.
Atribut yang memiliki perbedaan nilai kegunaan lebih besar antara nilai
kegunaan taraf tertinggi dan terendah merupakan atribut yang lebih penting.
2.5.
Regresi Linier Berganda
Dalam regresi sederhana, symbol yang digunakan untuk variabel bebasnya adalah
X. Dalam regresi berganda persamaan regresinya memiliki lebih dari satu variabel
bebas maka perlu menambah tanda bilangan pada setiap variabel tersebut, dalam
hal ini
(Sudjana, 1996).
Universitas Sumatera Utara
15
Secara umum model regresi linier berganda ditulis sebagai berikut :
Dimana :
= Variabel Terikat
= Variabel Bebas
= Jarak titik pangkal dengan titik potong garis regresi pada sumbu Y
= Kemiringan garis regresi
= Kesalahan
Untuk persamaan regresi untuk populasi secara umum dituliskan sebagai berikut :
Dimana :
= Perkiraan/ramalan Y
= Koefisien regresi
= Variabel bebas
2.6.
Analisis Regresi dengan Peubah Boneka (dummy)
Analisis regresi dengan peubah boneka adalah suatu regresi yang variabel bebasnya
merupakan dummy. Variabel dummy adalah variabel yang digunakan untuk
mengkuantitatifkan variabel yang bersifat kualitatif (Misalkan jenis kelamin,
agama, ras, pekerjaan, dsb). Variabel dummy hanya memiliki dua nilai yaitu 1 dan
0, serta diberi symbol D. Kedua nilai yang diberikan tidak menunjukkan bilangan
(numerik) tetapi hanya sebagai identifikasi kelas atau kategorinya. Untuk variabel
kualitatif yang mempunyai k kategori dapat dibagun
k-1 peubah boneka. Atribut
yang mempunyai dua taraf diberi kode 1 untuk salah satu taraf dan 0 untuk taraf
lainnya. Didalam hal ini, variabel bebas terdiri dari variabel dummy untuk level dan
atribut. Bila atribut mempunyai level sebanyak K maka dinyatakan dalam K-1
variabel dummy, atau banyaknya variabel dummy = banyaknya level/taraf dikurang
1. Untuk atribut ke K level variabel dummy-nya adalah :
Universitas Sumatera Utara
16
Tabel 2.1. Variabel dummy Atribut ke-i dengan level k
Level
X1
X2
…
Xk-1
1
1
0
…
0
2
0
1
…
0
3
0
0
…
0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
k-1
0
0
…
1
k
0
0
…
0
Untuk membangun model regresi yang peubah bebasnya mengandung variabel
kualitatif, salah satunya adalah menggunakan peubah boneka. Peubah boneka
merupakan cara sederhana untuk mengkuantitatifkan variabel yang kualitatif.
Untuk variabel kualitatif yang mempunyai k kategori dapat dibagun
k-1 peubah
boneka. Variabel ini biasanya mengambil nilai 1 atau 0. Kedua nilai yang diberikan
tidak menunjukkan bilangan (numerik) tetapi hanya sebagai identifikasi kelas atau
kategorinya. Atribut yang mempunyai dua taraf diberi kode 1 untuk salah satu taraf
dan 0 untuk taraf lainnya. Atribut yang mempunyai tiga taraf, pengkodeannya
sebagai berikut ;
Tabel 2.2. Pengkodean Variabel Dummy
Taraf
Kode
Tarar 1
1
0
Taraf 2
0
1
Taraf 3
0
0
Universitas Sumatera Utara
17
Untuk taraf lebih dari tiga, pengkodean dilakukan dengan cara yang sama
sehingga setiap faktor memiliki k-1 variabel dummy. Banyaknya variabel ini sama
dengan banyaknya kategori (taraf) dikurangi satu. (J Supranto, 2004)
2.7. Uji Validitas dan Reliabilitas
Uji validitas adalah uji statistik yang digunakan untuk menentukan seberapa valid
suatu item pertanyaan untuk mengukur variabel yang diteliti. Uji validitas
digunakan untuk mengukur sah atau tidaknya suatu kuesioner. Suatu kuesioner
dikatakan sah jika pertanyaan pada kuesioner mampu mengungkapkan sesuatu yang
diukur oleh kuesioner tersebut. Uji validitas dapat digunakan dengan menggunakan
software spss menggunakan uji korelasi Pearson Product Moment.
Rumus Uji Validitas konstruk (Syofian,2014) adalah sebagai berikut:
keterangan:
√
∑
∑
∑
∑
∑
n
= jumlah responden
X
= skor variabel (jawaban responden)
Y
= skor total dari variabel untuk responden ke-n
∑
∑
Uji reliabilitas adalah uji yang digunakan untuk menentukan reabilitas serangkaian
item pertanyaan dalam kehandalannya mengukur suatu variabel. Suatu kuisioner dikatakan
reliabel atau handal jika jawaban responden terhadap pertanyaan kuisioner dapat
menunjukkan secara stabil atau konsisten dari waktu ke waktu. Menurut Sugiyono (2006),
“instrument yang reliable adalah instrument yang bila digunakan beberapa kali untuk
mengukur objek yang sama, akan menghasilkan data yang sama”. Instrumen dapat
. Rumus Uji reliabilitas adalah
dikatakan reliable bila mempunyai koefisien alpha
sebagai berikut:
keterangan:
(
r
= reliabilitas instrument
k
= banyaknya butir pertanyaan
)
∑
Universitas Sumatera Utara
18
∑
= jumlah ragam butir
= jumlah ragam total
Kategori koefisien korelasi berdasarkan Sugiyono (2006) adalah sebagai
berikut :
Tabel 2.2. Kategori Koefisien Korelasi
Reliabilitas sangat tinggi
Reliabilitas tinggi
Reliabilitas sedang
Reliabilitas rendah
Reliabilitas sangat rendah
Universitas Sumatera Utara