analisis perilaku konsumen dalam membeli telepon mobile ... › bitstream › 123456789 › 6368 ›...
TRANSCRIPT
2
1. Latar Belakang Masalah Memahami perilaku konsumen adalah salah satu kunci untuk dapat
mengidentifikasi strategi pemasaran yang efektif [1]. Namun keragaman alasan
konsumen dalam membeli suatu produk memberikan kompleksitas untuk dapat
benar-benar menangkap keragaman alasan-alasan tersebut. Metode analisis yang
biasa digunakan, akan mencoba untuk mempersempit keragaman tersebut dan hanya
menangkap aspek-aspek yang dianggap relevan.
Metode konvensional mempunyai beberapa kelemahan dalam memahami
perilaku konsumen, yaitu kelemahan pertama adalah metode tersebut membutuhkan
pengetahuan teknikal yang cukup sulit untuk dapat memperoleh penjelasan tentang
fenomena perilaku; kelemahan lainnya adalah model yang dihasilkan dari metode
tersebut tidak dapat menjelaskan semua fenomena perilaku yang mungkin terjadi.
Hal ini disebabkan peniadaan informasi yang dianggap kurang relevan yang
sebenarnya berpotensi sebagai informasi yang berharga [2].
Untuk menjawab permasalahan tersebut, digunakan suatu teori yang disebut
Disjunctive Mapping (DM). Teori DM memungkinkan untuk dapat memahami
perilaku konsumen tanpa harus mengorbankan keanekaragaman perilaku konsumen.
Hal tersebut dimungkinkan karena DM mengandalkan kemampuan komputer untuk
memproses data dalam jumlah besar [2].
Tren telepon mobile di berbagai kalangan saat ini tentu dapat menjadi peluang
bisnis sangat menarik namun juga cukup menantang karena tidak sedikit pelaku
bisnis yang telah terjun dalam bisnis ini. Hal ini dapat dilihat dengan banyaknya
bisnis perdagangan telepon mobile yang bermunculan baik secara fisik maupun
melalui dunia maya. Oleh karena itu, sangat dibutuhkan pemahaman yang baik akan
pasar yang dituju sehingga seorang pelaku bisnis dapat menentukan strategi
pemasaran yang tepat, dan dapat meningkatkan peluang pasar. Guna mencapai tujuan
ini maka dalam penelitian tugas akhir, akan dilakukan analisis terhadap perilaku
konsumen dalam membeli telepon mobile dengan menerapkan teori DM, yang
diharapkan dapat menghasilkan pemahaman yang lebih baik terhadap perilaku
konsumen.
2. Kajian Pustaka
Adapun penelitian mengenai analisis perilaku dengan Disjunctive Mapping
(DM) telah dilakukan sebelumnya, yaitu penelitian yang membandingkan dua
kurikulum sekolah menengah dimana salah satunya adalah kurikulum yang sedang
digunakan, dan yang lainnya merupakan kurikulum revisi berisi tawaran untuk
menggunakan standarisasi nilai ujian. Penelitian tersebut memilih 400 siswa secara
acak untuk kedua kurikulum tersebut, namun hanya 303 siswa yang tersisa dalam
penelitian tersebut dengan kebanyakan siswa adalah siswa yang putus sekolah dari
kurikulum yang sedang digunakan. Nilai ujian dibagi ke dalam tiga kategori yaitu
High (tinggi), Medium (tengah), dan Low (rendah). Penelitian tersebut juga
mengumpulkan data tentang kualitas sekolah, dukungan administratif terhadap
kurikulum, serta kelas dan jenis kelamin setiap siswa. Tujuan dari penelitian tersebut
adalah untuk memilih kurikulum yang menghasilkan paling banyak siswa dengan
nilai ujian tinggi [2].
Dalam penelitian tersebut ditulis program DM dengan menggunakan JSL yang
merupakan bahasa scripting dari perangkat lunak JMP [3]. Program DM tersebut
3
menghasilkan sebuah peta yang memiliki 77 baris dimana setiap baris
merepresentasikan suatu jalur atau kombinasi dari variabel input. Setiap jalur
merepresentasikan satu cara suatu hasil dapat terjadi, sedangkan peta secara
keseluruhan menunjukkan semua cara dimana suatu hasil dapat terjadi. Permasalahan
yang kemudian muncul adalah bagaimana cara mengekstrak informasi yang berguna
dari dalam peta tanpa harus meruntuhkan keragaman jalur yang ada yang tentunya
akan membuang informasi yang mungkin berharga. Untuk menjawab permasalahan
tersebut digunakan tiga statistik dasar yaitu probabilitas jalur, potensi jalur, dan
kontribusi jalur (diukur dalam dua cara) [2]. Probabilitas jalur dari jalur didefinisikan
sebagai probabilitas jalur i tersebut terjadi atau frekuensi relatif yang dapat dituliskan
pada Rumus 1.
Ni / ƩN (1)
Dimana Ni adalah jumlah kasus dari jalur i, dan dimana penjumlahan
dilakukan pada semua jalur. Ini adalah probabilitas dimana suatu jalur akan terjadi
terlepas dari hasil yang dituju. Potensi jalur dari jalur i adalah probabilitas dari hasil
yang dituju pada suatu jalur yang dapat dituliskan pada Rumus 2.
(Frekuensi hasil yang dituju pada jalur i) / Ni (2)
Potensi jalur bertujuan untuk mengukur kekuatan relasi antara kondisi pada
suatu jalur dengan hasil yang dituju sebagai suatu probabilitas. Kontribusi jalur untuk
jalur i adalah probabilitas dari hasil yang dituju yang disumbangkan oleh jalur
tersebut dan relatif terhadap semua jalur yang mungkin yang dapat dituliskan pada
Rumus 3.
(Potensi Jalur) i * (Probabilitas Jalur) i (3)
Kontribusi jalur mengkombinasikan potensi jalur dengan probabilitas jalur dan
menghasilkan suatu ukuran tingkat peranan dari suatu jalur dalam probabilitas hasil
yang dituju, yang bergantung pada kekuatan dan frekuensi dari sebuah relasi.
Kontribusi jalur dinyatakan dalam dua cara yaitu sebagai probabilitas dimana kondisi
pada jalur dan hasil yang dituju akan terjadi, atau probabilitas yang sama sebagai
persentase probabilitas total dari hasil yang dituju.
Setelah peta disjungtif terbentuk maka proses analisis peta dapat dilakukan.
Salah satu metode analisis peta yang digunakan adalah analisis pengaruh [2]. Untuk
mengetahui pengaruh (influence) digunakan potensi jalur untuk mengukur efek dari
kondisi pada probabilitas suatu hasil yang dituju. Ukuran tersebut dihitung sebagai
berat rata-rata dari potensi jalur di seluruh jalur yang dipilih. Dengan mengamati
pemilihan jalur yang berbeda maka banyak pertanyaan yang dapat dijawab yang
menunjukkan seberapa banyak suatu kondisi atau banyak kondisi mempengaruhi
suatu hasil yang dituju dan bagaimana tingkat pengaruh tersebut dibandingkan
dengan hasil lain yang mungkin terjadi. Untuk mempermudah, proses analisis
dilakukan dengan bantuan grafik yang menunjukkan pengaruh dari semua kondisi
dalam peta. Grafik pada Gambar 1 menunjukkan hasil aplikasi metode statistika
ANOVA (Analysis of Variance) terhadap data yang dibentuk oleh peta dan
menggunakan potensi jalur sebagai variabel respon. Perhitungan mean dan interval
kepercayaan ditimbang dengan frekuensi jalur (N).
4
Gambar 1 Pengaruh Pada Semua Jalur [2]
Cara membaca grafik pada Gambar 1, dijelaskan sebagai berikut. Probabilitas
nilai tinggi (High) ditunjukkan oleh garis tengah di dalam ketupat. Dimensi vertikal
ketupat merepresentasikan 95% interval kepercayaan (nilai ini dapat diatur). Dimensi
horisontal ketupat menunjukkan proporsi dari sampel di setiap kategori. Garis
pembanding yang dekat dengan bagian atas dan bawah ketupat menguji apakah
perbedaan mean signifikan secara statistik. Jika garis pembanding pada satu ketupat
lebih dekat kepada mean dari ketupat lain, maka perbedaannya tidak signifikan.
Kesimpulan yang ditarik tentang DM dari hasil penelitian tersebut adalah
bahwa dapat digali banyak informasi dari suatu analisis yang lebih mudah, dan dapat
dijelaskan dengan singkat. Intinya bukanlah bahwa informasi tersebut tidak dapat
diperoleh dengan cara-cara lain namun informasi tersebut tidak dapat diperoleh
dengan mudah, dan dengan keahlian teknikal yang terbatas.
Berdasarkan kesimpulan tersebut, penelitian tentang analisis perilaku
konsumen dalam membeli telepon mobile perlu dilakukan mengingat masih
kurangnya penerapan teori DM serta kemudahan yang diberikan oleh metode ini.
Lewat penelitian yang dilakukan, diharapkan dapat diketahui berbagai aspek yang
mempengaruhi perilaku konsumen dalam membeli telepon mobile. Hasil dari analisis
perilaku konsumen dengan teori DM dapat membantu berbagai pelaku bisnis di
bidang telepon mobile dalam meninjau ulang strategi pemasaran yang sedang
digunakan maupun dalam menyusun strategi pemasaran yang baru guna
meningkatkan peluang pasar.
Pengertian Analisis Perilaku
Kamus Besar Bahasa Indonesia [4] mendefinisikan kata analisis sebagai
berikut: 1) Penyelidikan terhadap suatu peristiwa (karangan, perbuatan, dan
sebagainya) untuk mengetahui keadaan yang sebenarnya (sebab-musabab, duduk
perkaranya, dan sebagainya); 2) Penguraian suatu pokok atas berbagai bagiannya dan
penelaahan bagian itu sendiri serta hubungan antar bagian untuk memperoleh
pengertian yang tepat dan pemahaman arti keseluruhan; 3) Penyelidikan kimia
dengan menguraikan sesuatu untuk mengetahui zat bagiannya dan sebagainya; 4)
Penjabaran sesudah dikaji sebaik-baiknya; dan 5) Pemecahan persoalan yang dimulai
dengan dugaan akan kebenarannya. Berdasarkan definisi tersebut dapat disimpulkan
bahwa analisis perilaku merupakan usaha penyelidikan yang dilakukan terhadap
suatu perilaku guna memperoleh pengertian yang lebih baik tentang perilaku
tersebut.
Pengertian Analisis Perilaku Konsumen Perilaku konsumen merupakan segala aktivitas konsumen yang berkaitan
dengan pembelian, penggunaan, dan penghabisan barang dan jasa, termasuk emosi,
mental, dan respon-respon konsumen yang mendahului, menentukan, atau mengikuti
aktivitas-aktivitas tersebut [5]. Pendapat lain menyatakan bahwa perilaku konsumen
5
mencerminkan totalitas keputusan konsumen sehubungan dengan perolehan,
konsumsi, dan disposisi barang, jasa, kegiatan, pengalaman, orang-orang, dan ide-ide
oleh pengambilan keputusan dari waktu ke waktu [6]. Berdasarkan dua definisi
tersebut dapat disimpulkan bahwa perilaku konsumen adalah keputusan-keputusan
yang diambil oleh konsumen guna mendapatkan, mengkonsumsi, dan menghabiskan
suatu produk dimana keputusan-keputusan tersebut dapat dipengaruhi oleh berbagai
hal. Jika pengertian perilaku konsumen ini dikaitkan dengan pengertian analisis
perilaku yang telah dijelaskan sebelumnya, maka dapat diambil suatu kesimpulan
bahwa analisis perilaku konsumen adalah suatu usaha penyelidikan yang dilakukan
untuk memperoleh pengertian yang lebih baik terhadap keputusan-keputusan yang
diambil oleh konsumen untuk mendapatkan, mengkonsumsi, dan menghabiskan
suatu produk, serta berbagai hal yang mempengaruhi keputusan-keputusan tersebut.
Pengertian Teori Disjunctive Mapping
Disjunctive Mapping (DM) adalah suatu teori perilaku manusia yang
berlandaskan pada mekanisme disjungtif yang menyatakan bahwa suatu hasil yang
pasti dapat dijelaskan oleh input atau masukan yang tidak pasti dan beragam, dimana
jumlah probabilitas dari beragam cara suatu hasil dapat terjadi, akan menentukan
probabilitas hasil tersebut [2]. Teori DM sendiri adalah aplikasi dari mekanisme
disjungtif dimana data disusun untuk memetakan berbagai cara suatu hasil atau suatu
perilaku terjadi dan dimana penjelasan tentang perilaku tersebut dapat diperoleh
melalui analisis terhadap probabilitas dari jalur-jalur dimana hasil tersebut terjadi.
Ada beberapa konsep mendasar dari teori Disjunctive Mapping (DM), dimana hal-hal
tersebut perlu untuk dipahami agar dapat diaplikasikan dengan benar. Konsep-
konsep tersebut dijelaskan sebagai berikut.
Peta dan Bukan Model
Berbagai kondisi yang menuntun kepada perilaku manusia (motivasi,
kebiasaan, peristiwa, kepercayaan, ketentuan, perasaan, pengaruh, wawasan, tekanan
sosial, keadaan, dan sebagainya) secara sederhana dapat dijelaskan, sebagai jalur-
jalur. Sebagai contoh, sebuah masukan berupa rangkaian atau kombinasi dari tiga
peristiwa, A, B, dan C, menuntun kepada suatu perilaku X (A B C X). Jika ada
ketidakpastian yang terkait dengan hasil, yaitu jika dapat terjadi lebih dari satu hasil,
maka dibutuhkan paling tidak dua X. Satu (X1) mewakili keadaan dimana X terjadi
dan yang lainnya (X2) mewakili keadaan ketika X tidak terjadi. Jika ada
ketidakpastian baik tentang masukan dan hasil, maka dapat digambarkan dengan
tumpukan jalur-jalur (Tabel 1) dimana satu jalur mewakili setiap kombinasi dari
masukan. Tabel 1 Tumpukan Jalur-Jalur [2]
A1 B1 C1 X1, X2
A1 B1 C2 X1, X2
A1 B2 C1 X1, X2
A1 B2 C2 X1, X2
A2 B1 C1 X1, X2
A2 B1 C2 X1, X2
A2 B2 C1 X1, X2
A2 B2 C2 X1, X2
6
Tumpukan jalur-jalur pada Tabel 1 dapat dibayangkan sebagai sebuah peta
yang menunjukkan cara-cara untuk berangkat dari masukan-masukan perilaku
kepada keluarannya. Sebuah peta menunjukkan berbagai cara untuk berangkat dari
suatu tempat ke tempat lain. Karena setiap cara bersifat independen satu sama
lainnya, maka setiap jalur pada peta dapat memiliki logikanya masing-masing,
sehingga dapat dilewati lokasi yang berbeda dan digunakan kendaraan yang berbeda
untuk dapat sampai ke tujuan. Tetapi model harus menemukan atau menentukan
sejumlah logika yang mendasari, hanya satu jika mungkin. Dengan demikian model
tidak sesuai, ketika ada beberapa logika yang mendasari dan faktor-faktor yang
beragam dari suatu hal ke hal yang lainnya, seperti halnya ketika perilaku muncul
dari beragam kombinasi alasan. Peta sederhana menunjukkan apa yang ada di suatu
lokasi. Pada intinya model tidak memiliki kebebasan seperti halnya peta. Model pada
umumnya tidak mencari kebebasan karena model mencari logika-logika penyatu
yang dapat mencakup sebanyak mungkin. Dengan menggunakan sebuah peta, maka
tugas analisis adalah untuk menjawab pertanyaan-pertanyaan dengan mencari
berbagai jalur yang relevan, mengukurnya dan menjumlahkan efek jalur-jalur
tersebut. Sedangkan ketika menggunakan model maka tugas analisis adalah untuk
menunjukkan dinamika kunci, dan memberikan alasan berdasarkan informasi
tersebut.
Kategori dan Bukan Kontinuitas
Sebuah peta adalah representasi logis dari pada representasi matematika, dan
berdasarkan pada proposisi dari pada fungsi, demikian juga sebuah peta berurusan
dengan kategori dan bukan kontinuitas. Hal ini khususnya tepat untuk digunakan
pada data yang mewakili informasi yang direspon oleh manusia, sebagaimana
kontinuitas cenderung untuk diterjemahkan dalam bahasa kategorial seperti:
pendapatan kelas menengah yang mengacu pada suatu kisaran, dan kelas miskin
pada kirasan yang berbeda, dan sebagainya. Penggunaan kategori dapat menambah
informasi yang dihasilkan, dengan menjelaskan bagaimana data dipisahkan ke dalam
kategori-kategori.
Variabel dan Informasi yang Hilang
Variable-variabel DM terdiri dari kondisi-kondisi yang menjelaskan semua
kemungkinan keadaan (state), dimana dalam suatu keadaan yang dipertanyakan salah
satu dari kondisi-kondisi tersebut akan terjadi. Walaupun terkadang dimungkinkan
untuk mendefinisikan semua kondisi dengan kategori-kategori spesifik, namun
seringkali pada beberapa kasus tidak tersedia informasi atau tidak ada kategori yang
sesuai yang dapat digunakan. Keadaan tersebut seringkali dikategorikan sebagai
Tidak Digunakan, Lainnya, atau dibiarkan kosong (Tidak Diketahui). Penggunaan
kategori-kategori tersebut memungkinkan analisis untuk menjelajahi berapa banyak
dari probabilitas suatu hasil dapat muncul dari kondisi-kondisi yang tidak diketahui.
Kesamaan Bukan Sebagai Dasar dari Penjelasan
Disjungsi tidak menuntut kesamaan untuk menghasilkan keluaran yang pasti.
Namun DM mengukur efek kesamaan ketika kesamaan itu ada, dan ukuran ini akan
cenderung lebih informatif dari pada statistik konvensional, yang mengatributkan
efek dari disjungsi lengkap kepada kesamaannya. Pengetahuan akan kesamaan dapat
memberikan kegunaan praktis yang penting sebagai prediktor, dan dapat
merepresentasikan pengungkit yang efektif pada keseluruhan sistem disjungtif.
7
Lebih Kepada Kerjasama dari pada Kompetisi Ide
Probabilitas dari suatu keluaran adalah jumlah dari probabilitas jalur-jalur yang
menuju ke keluaran tersebut, dan setiap jalur adalah satu penjelasan dari satu cara
keluaran tersebut dapat terjadi. Penjelasan yang berbeda dapat berkerjasama untuk
menjelaskan keluaran tersebut. Suatu kompetisi untuk menemukan penjelasan terbaik
hanya akan mengidentifikasi jalur yang saat ini merupakan cara yang paling mungkin
untuk dapat mencapai suatu keluaran.
Parsimoni Bukan Merupakan Analisis yang Ideal
Karena penjelasan disjungtif bekerja melalui penyebaran cara-cara suatu hal
dapat terjadi, maka mempertahankan parsimoni sebagai sesuatu yang ideal adalah
suatu ajakan kepada representasi yang salah. Hal ini bukan hanya masalah
penyederhanaan berlebihan, tetapi masalah mengganggu mekanisme kausal pusat,
yang timbul dari penyebaran tersebut.
Menyelidiki Hasil dan Bukan Hubungan
Fenomena perilaku manusia bukan satu hal tetapi banyak hal, yang terdiri dari
beragam cara suatu hasil dapat terjadi dan kasus-kasus yang berbeda dari suatu
fenomena cenderung mengandung kondisi yang berbeda dan hubungan yang
berbeda. Jadi untuk mendapatkan target yang jelas guna investigasi, maka yang harus
dijadikan target adalah hasil itu sendiri.
Interpretasi Kondisi dan Jalur
Statistik bekerja dengan ukuran dari keadaan (state) dan perihal, dan jika
keadaan dan perihal yang diukur tidak sama pada dimensi yang relevan, maka artinya
tertekan keluar dari analisis. Dalam bahasa umum, konteks dan pengubah
mengijinkan nuansa makna, tetapi analisis kuantitatif konvensional harus berjuang
demi variabel-variabel yang berdiri sendiri, interaksi dan kontinjensi konflik dengan
parsimoni dan universalitas, dan program untuk mengidentifikasi kekuatan dasar
yang koheren. DM tanpa ketertarikan pada parsimoni atau universalitas menyediakan
suatu konteks khusus untuk setiap kondisi. Dengan demikian jalur, bukan kondisi,
dapat dianggap sebagai unit terkecil yang terdefinisi dengan baik.
Memahami Kondisi Melalui Efeknya Terhadap Jalur
Karena kondisi dipahami berdasarkan konteks jalurnya masing-masing, maka
pengukuran efek kondisi harus diukur dalam konteks tersebut, dan diharapkan suatu
kondisi untuk memiliki efek yang berbeda pada jalur yang berbeda. Ukuran efek dari
suatu kondisi adalah perbedaan probabilitas keluaran antara jalur-jalur dimana suatu
kondisi atau kombinasi dari kondisi-kondisi terjadi dan dengan jalur dimana kondisi
atau kombinasi tersebut tidak terjadi.
Probabilitas Sebagai Ukuran Besarnya Efek
Ketika bekerja dengan variabel kategorial maka pertanyaan praktis yang utama
adalah kemungkinan, yaitu apakah suatu hal akan terjadi. Di bawah ketidakpastian
pertanyaan tersebut menjadi seberapa mungkin hal tersebut dapat terjadi. Probabilitas
menjawab pertanyaan ini dengan angka yang dengan mudah dihitung dan dapat
dipahami dalam bentuk persentase.
Perangkat Lunak JMP
JMP adalah perangkat lunak visualisasi data dan analisis statistik yang dapat
digunakan untuk mempelajari data dengan melakukan analisis dan interaksi dengan
data menggunakan tabel data, grafik, diagram, dan report [7]. Tabel data dalam
8
perangkat lunak JMP adalah suatu tempat yang berisi kumpulan data yang diatur
berdasarkan baris dan kolom [7]. Setiap kolom dalam tabel data memiliki beberapa
atribut antara lain nama kolom dan tipe data. Salah satu fitur penting dari JMP adalah
JMP scripting language atau JSL, dimana JSL dapat digunakan untuk
mengembangkan kemampuan dasar JMP [3]. Dalam penelitian ini data perilaku
konsumen akan diatur ke dalam tabel data, sedangkan JSL akan digunakan untuk
mengimplementasikan teori Disjunctive Mapping (DM).
3. Metode Penelitian
Secara umum penelitian terbagi ke dalam 6 (enam) tahap, yaitu: (1) tahap
identifikasi kondisi-kondisi atau variabel-variabel, (2) tahap perancangan kuesioner
dan pengumpulan data, (3) tahap perancangan tabel data, (4) tahap perancangan
program Disjunctive Mapping (DM), (5) tahap implementasi dan analisis hasil, (6)
membuat laporan hasil penelitian. Gambar 2 menunjukkan flowchart tahapan
penelitian.
Identifikasi Kondisi
Identifikasi kondisi-kondisi menyangkut perilaku
konsumen dalam membeli telepon mobile
Perancangan Kuesioner dan Pengumpulan Data
Perancangan pertanyaan-pertanyaan kuesioner,
penyebaran kuesioner
Perancangan Tabel Data
Perancangan Program Disjunctive Mapping
Membentuk jalur, frekuensi jalur, tiga statistik dasar,
analisis pengaruh
Laporan Hasil Penelitian
Implementasi dan Analisis Hasil
Implementasi program DM, analisis pengaruh
Gambar 2 Flowchart Tahapan Penelitian
Identifikasi Kondisi
Peta disjungtif merupakan representasi dari kombinasi berbagai macam cara
atau kondisi suatu hal atau tujuan dapat terjadi. Dalam konteks penelitian
sebelumnya kondisi-kondisi yang diketahui antara lain kualitas sekolah, jenis
kurikulum yang digunakan, dukungan administratif terhadap kurikulum, jenis
kelamin siswa, kelas dan nilai ujian siswa dimana dalam penelitian tersebut nilai
ujian siswa dijadikan sebagai tujuan. Oleh karena itu dalam penelitian ini perlu untuk
diketahui kondisi-kondisi yang menyangkut perilaku konsumen dalam membeli
telepon mobile agar perancangan kuesioner dapat benar-benar menghasilkan
pertanyaan-pertanyaan yang akan menghasilkan data yang dibutuhkan. Penentuan
kondisi-kondisi tersebut dilakukan berdasarkan hasil wawancara pra penelitian
terhadap beberapa responden yang menunjukkan beberapa hal yang dipertimbangkan
9
pada saat konsumen melakukan pembelian telepon mobile. Tabel 2 menunjukkan
kondisi-kondisi yang dianggap penting dimana kondisi-kondisi tersebut
dikelompokkan ke dalam kondisi-kondisi yang menyangkut telepon mobile, kondisi-
kondisi yang menyangkut pembelian suatu telepon mobile oleh konsumen, dan
kondisi-kondisi yang menyangkut individual konsumen. Kondisi-kondisi tersebut
dijelaskan sebagai berikut. Kondisi-Kondisi Menyangkut Telepon Mobile adalah
sebagai berikut:
- Brand, merupakan kondisi yang menyatakan merek dari telepon mobile yang
dimiliki oleh konsumen.
- Model, merupakan kondisi yang menyatakan model atau tipe dari telepon
mobile yang dimiliki oleh konsumen.
- Platform, merupakan kondisi yang menyatakan jenis platform atau sistem
operasi dari telepon mobile yang dimiliki konsumen. Penggunaan kondisi
Brand dan Model ditujukan guna membantu konfirmasi atau identifikasi jenis
platform dari suatu telepon mobile ketika data yang diberikan tentang jenis
platform dari telepon mobile tersebut diragukan atau tidak diketahui. Seperti
yang telah dijelaskan pada batasan masalah, nilai yang mungkin dari jenis
platform dibatasi pada platform Android, iOS, Symbian, dan RIM BlackBerry.
Untuk telepon mobile dengan platform yang berbeda dari keempat platform
yang telah disebutkan, digunakan kategori Other.
- Price, merupakan kondisi yang menyatakan harga beli dari telepon mobile
yang dimiliki konsumen. Nilai yang mungkin dari harga beli dikelompokkan
ke dalam tiga kategori kisaran harga, yaitu kategori High untuk kisaran harga
beli lebih dari Rp. 3,000,000 (tiga juta rupiah), kategori Medium untuk kisaran
harga beli antara Rp. 1,500,000 (satu juta lima ratus ribu rupiah) dan Rp.
3,000,000 (tiga juta rupiah), dan kategori Low untuk kisaran harga beli kurang
dari Rp. 1,500,000 (satu juta lima ratus ribu rupiah).
- Condition, merupakan kondisi yang menyatakan kondisi telepon mobile yang
dimiliki konsumen ketika dibeli. Terdapat dua kemungkinan kategori yang
diberikan terhadap kondisi telepon mobile, yaitu kategori New untuk telepon
mobile yang dibeli dalam kondisi baru, dan kategori Used untuk telepon mobile
yang dibeli dalam kondisi bekas.
- Overall Quality, merupakan kondisi yang menyatakan opini konsumen
terhadap kualitas telepon mobile yang dimiliki secara keseluruhan. Terdapat
tiga kemungkinan kategori yang diberikan untuk kualitas telepon mobile secara
keseluruhan, yaitu kategori Good untuk opini bahwa kualitas telepon mobile
baik, kategori Average untuk opini bahwa kualitas telepon mobile rata-rata, dan
kategori Poor untuk opini bahwa kualitas telepon mobile buruk.
Kondisi-Kondisi Menyangkut Pembelian Telepon Mobile adalah sebagai berikut:
- Internet Shop, merupakan kondisi yang menyatakan bahwa pembelian telepon
mobile dilakukan melalui media internet seperti toko online bhineka.com,
amazon.com, dan sebagainya. Terdapat dua nilai yang mungkin dalam kondisi
ini, yaitu Yes untuk keadaan dimana pembelian telepon mobile dilakukan
melalui internet, dan No untuk keadaan dimana pembelian telepon mobile tidak
dilakukan melalui internet.
10
- Pay Method, merupakan kondisi yang menyatakan metode pembayaran yang
digunakan konsumen ketika melakukan pembelian telepon mobile. Terdapat
tiga kemungkinan kategori dalam metode pembayaran yang digunakan, yaitu
kategori Cash untuk pembayaran yang dilunasi dengan uang tunai, kategori
Credit untuk pembayaran yang dilakukan dengan cara angsuran, dan kategori
Electronic Payment untuk pembayaran yang dilakukan melalui media
elektronik seperti transfer ke rekening, kartu kredit, pay pal, dan sebagainya.
- Extra Features, merupakan kondisi yang menyatakan pembelian telepon
mobile karena alasan fitur tambahan selain telepon dan SMS yang dimiliki
telepon mobile tersebut.
- Price Factor, merupakan kondisi yang menyatakan pembelian telepon mobile
karena faktor harga.
- Other Reasons, merupakan kondisi yang menyatakan alasan-alasan lain yang
mungkin mempengaruhi pembelian telepon mobile.
- Terdapat dua nilai yang mungkin untuk setiap kondisi yang menyatakan alasan
pembelian telepon mobile, yaitu Yes untuk keadaan dimana alasan tersebut
berlaku, dan No untuk keadaan dimana alasan tersebut tidak berlaku.
Kondisi-Kondisi Menyangkut Individu Konsumen adalah sebagai berikut:
- Gender, merupakan kondisi yang menyatakan jenis kelamin konsumen.
Terdapat dua nilai yang mungkin untuk jenis kelamin konsumen, yaitu Female
untuk konsumen dengan jenis kelamin perempuan, dan Male untuk kosumen
dengan jenis kelamin laki-laki.
- Monthly Income, merupakan kondisi yang menyatakan penghasilan konsumen
setiap bulannya. Nilai yang mungkin dari penghasilan per bulan
dikelompokkan ke dalam tiga kategori kisaran penghasilan, yaitu kategori High
untuk kisaran penghasilan per bulan lebih dari Rp. 3,000,000 (tiga juta rupiah),
kategori Medium untuk kisaran penghasilan per bulan antara Rp. 1,500,000
(satu juta lima ratus ribu rupiah) dan Rp. 3,000,000 (tiga juta rupiah), dan
kategori Low untuk kisaran penghasilan per bulan kurang dari Rp. 1,500,000
(satu juta lima ratus ribu rupiah).
- Income Type, merupakan kondisi yang menyatakan jenis sumber penghasilan
yang dimiliki konsumen. Terdapat tiga kemungkinan kategori dalam jenis
sumber penghasilan yang dimiliki, yaitu kategori Personal untuk konsumen
yang memiliki sumber penghasilan pribadi atau mandiri, kategori Sponsored
untuk konsumen yang tidak memiliki sumber penghasilan pribadi atau
disponsori, dan kategori Both untuk konsumen yang memiliki sumber
penghasilan pribadi maupun disponsori.
Penentuan nilai yang mungkin dari setiap kondisi pada Tabel 2, tentunya
mengacu pada konsep dasar DM yang telah dijelaskan sebelumnya. Hal ini dapat
dilihat pada harga (Price) telepon mobile dan penghasilan bulanan (Monthly Income)
dari konsumen dimana nilai-nilai yang mungkin dari kedua kondisi tersebut
diterjemahkan ke dalam kategori-kategori yaitu High, Medium dan Low, dimana
setiap kategori mewakili suatu kisaran nilai. Selain itu konsep DM juga menjelaskan
tentang ketidakpastian dimana suatu masukan dapat atau tidak terjadi. Konsep ini
diterapkan pada kondisi menyangkut alasan konsumen ketika memutuskan untuk
membeli suatu telepon mobile karena tentunya alasan setiap konsumen dalam
11
melakukan pembelian dapat bereda-beda dan seringkali merupakan kombinasi dari
beberapa alasan [2]. Pada Tabel 2 dapat dilihat beberapa alasan konsumen
melakukan pembelian antara lain karena fitur tambahan selain fitur dasar (telepon
dan SMS) yang ditawarkan oleh suatu telepon, karena harga beli telepon yang dapat
dijangkau oleh konsumen, dan karena alasan lainnya. Penggunaan alasan lainnya
juga merupakan salah satu dari konsep DM dimana kategori lainnya dapat digunakan
untuk mewakili alasan-alasan lain yang belum teridentifikasi. Tabel 2 Identifikasi Kondisi-Kondisi
Kondisi Nilai yang Mungkin Keterangan
Telepon Mobile
Brand
Model
Platform Android
Symbian
RIM BlackBerry
Other
Price High > Rp 3,000,000
Medium Rp 1,500,000 – Rp 3,000,000
Low < Rp 1,500,000
Condition New
Used
Overall Quality Good
Average
Poor
Pembelian Telepon
Internet Shop Yes
No
Pay Method Cash
Credit
Electronic Payment
Extra Features Yes
No
Price Factor Yes
No
Other Reasons Yes
No
Individu Konsumen
Gender Female
Male
Income High > Rp 3,000,000
Medium Rp 1,500,000 – Rp 3,000,000
Low < Rp 1,500,000
Income Type Personal
Sponsored
Both
Perancangan Kuesioner dan Pengumpulan Data
Perancangan pertanyaan-pertanyaan kuesioner dilakukan berdasarkan kondisi-
kondisi pada Tabel 2 dimana kondisi-kondisi tersebut diterjemahkan ke dalam
kalimat pertanyaan yang mudah dimengerti oleh responden. Tabel 3 menampilkan
rancangan pertanyaan-pertanyaan yang akan diberikan dalam kuesioner. Langkah
selanjutnya adalah melakukan pengumpulan data dengan menyebarkan kuesioner
kepada responden-responden. Penyebaran kuesioner akan dilakukan dengan dua cara
12
pengumpulan data [8] yaitu survei diambil, dan survei yang dikirimkan lewat
komputer.
Tabel 3 Rancangan Pertanyaan-Pertanyaan Kuesioner
No. Pertanyaan Pilihan Jawaban
Telepon Mobile
1 Apa merek telepon mobile yang Anda
miliki?
2 Apa model atau tipe dari telepon mobile
tersebut?
3 Pilih jenis platform dari telepon mobile
tersebut.
a) Android
b) Apple iOS
c) RIM BlackBerry
d) Symbian
e) Lainnya
f) Tidak Tahu
4 Pilih kisaran harga telepon mobile
tersebut pada saat Anda membelinya.
a) Lebih dari Rp 3 juta
b) Antara Rp 1,5 juta – Rp 3 juta
c) Kurang dari Rp 1,5 juta
5 Pilih kondisi telepon mobile tersebut
pada saat Anda membelinya.
a) Baru
b) Bekas
6 Apa pendapat Anda tentang kualitas
telepon mobile tersebut secara
keseluruhan?
a) Baik
b) Rata-rata
c) Buruk
Pembelian Telepon
7 Apakah Anda membeli telepon mobile
tersebut melalui internet?
a) Ya
b) Tidak
8 Bagaimana cara Anda melakukan
pembayaran ketika Anda membeli
telepon mobile Anda?
a) Kredit
b) Tunai
c) Pembayaran Elektronik
9 Apakah Anda membeli telepon mobile
tersebut karena faktor harga?
a) Ya
b) Tidak
10 Apakah Anda membeli telepon mobile
tersebut karena telepon tersebut
memiliki fitur ekstra selain telepon dan
SMS?
a) Ya
b) Tidak
11 Apakah Anda memiliki alasan-alasan
lain selain alasan-alasan di atas ketika
Anda memutuskan untuk membeli
telepon mobile tersebut?
a) Ya
b) Tidak
Individu Konsumen
12 Jenis kelamin Anda? a) Laki-Laki
b) Perempuan
13 Pilih kisaran pemasukan atau
pendapatan Anda perbulannya.
a) Lebih dari Rp 3 juta
b) Antara Rp 1,5 juta – Rp 3 juta
c) Kurang dari Rp 1,5 juta
14 Pilih jenis pemasukan atau pendapatan
Anda.
a) Sponsor
b) Pemasukan Pribadi
c) Keduanya benar
Perancangan Tabel Data
Data yang nantinya diperoleh dari jawaban-jawaban responden akan diatur ke
dalam tabel data dalam perangkat lunak JMP. Rancangan tabel data dibuat
berdasarkan kondisi-kondisi yang telah teridentifikasi pada Tabel 3. Rancangan tabel
13
data yang terdiri dari nama-nama kolom, tipe data setiap kolom dan nilai-nilai yang
mungkin dari setiap kolom dapat dilihat pada Tabel 4.
Tabel 4 Rancangan Tabel Data
Nama Kolom Tipe Data Nilai yang Mungkin
Platform Character Android, iOS, Symbian, RIM BlackBerry
Price Character High, Medium, Low
Condition Character New, Used
Quality Character Good, Average, Poor
Internet Shop Character Yes, No
Pay method Character Cash, Credit, Electronic Payment
Extra Features Character Yes, No
Price Factor Character Yes, No
Other Reasons Character Yes, No
Gender Character Female, Male
Monthly Income Character High, Medium, Low
Income Type Character Personal, Sponsored, Both
Perancangan Program Disjunctive Mapping
Perancangan program Disjunctive Mapping (DM) dilakukan berdasarkan
program DM yang telah dikembangkan pada penelitian terdahulu dengan
menggunakan JMP Scripting Language (JSL) [2]. Program DM dapat dibagi ke
dalam dua bagian, yaitu program DM untuk membangun peta disjungtif, dan
program DM untuk melakukan analisis terhadap peta disjungtif [2]. Program DM
untuk membangun peta disjungtif merupakan bagian program DM yang membentuk
peta disjungtif berdasarkan data yang telah diatur ke dalam tabel data. Pembentukan
peta disjungtif sendiri dapat dibagi lagi ke dalam beberapa bagian, yaitu membentuk
jalur-jalur dari data yang ada, menghitung frekuensi setiap jalur yang terjadi, dan
menerapkan tiga statistik dasar pada setiap jalur yang terjadi. Setelah peta dijungtif
terbentuk, maka analisis terhadap peta disjungtif dapat dilakukan. Program DM
untuk melakukan analisis terhadap peta disjungtif merupakan bagian program DM
yang melakukan analisis dengan menggunakan metode analisis pengaruh. Dalam
metode analisis pengaruh akan dilakukan analisis pengaruh pada semua jalur dalam
peta disjungtif. Gambar 3 menunjukkan flowchart penggunaan program DM dalam
penelitian. Penggunaan program DM dimulai dengan menjalankan program DM
untuk membentuk jalur-jalur dari data yang telah dimasukkan ke dalam tabel data.
Setelah jalur-jalur terbentuk, maka tahap selanjutnya adalah menjalankan program
DM untuk menghitung frekuensi dari setiap jalur yang terbentuk pada tahap
sebelumnya. Hasil dari tahap ini adalah berupa sebuah tabel data baru dimana setiap
baris pada tabel data tersebut menunjukkan satu jalur yang terjadi pada tabel data
sebelumnya dan berapa kali jalur tersebut terjadi (frekuensi jalur). Seperti yang telah
dikemukakan sebelumnya bahwa DM menggunakan tiga statistik dasar, yaitu
probabilitas jalur, potensi jalur, dan kontribusi jalur (diukur dalam dua cara), guna
memperoleh informasi yang diinginkan dari peta disjungtif tanpa meruntuhkan
keragaman jalur. Tahap selanjutnya adalah menjalankan program DM untuk
menghitung tiga statistik dasar. Hasil yang diperoleh dari tahap ini adalah kolom-
kolom baru pada tabel data yang mewakili ketiga statistik dasar. Tahap selanjutnya
adalah proses perolehan informasi dari peta disjungtif yang telah terbentuk dengan
menggunakan metode analisis pengaruh. Pada tahap ini dijalankan program DM
14
untuk melakukan analisis pengaruh pada semua jalur. Hasil yang diperoleh dari tahap
ini adalah grafik-grafik yang menunjukkan pengaruh dari semua kondisi dalam peta
terhadap kondisi tujuan. Tugas selanjutnya adalah melakukan analisis terhadap
grafik-grafik tersebut dan menuliskan hasil analisis.
Mulai
Program Disjunctive Mapping
Untuk Membentuk Jalur-Jalur
Program Disjunctive Mapping
Untuk Menghitung Frekuensi Jalur
Program Disjunctive Mapping
Untuk Menghitung Tiga Statistik Dasar
Program Disjunctive Mapping
Untuk Analisis Pengaruh
Pada Semua Jalur
Grafik Hasil
Analisis Pengaruh
Selesai
Tabel data baru dengan
frekuensi jalur
Tabel data dengan
jalur-jalur
Tabel data dengan
tiga statistik dasar
Gambar 3 Flowchart Penggunaan Program Disjunctive Mapping
4. Hasil dan Pembahasan
Pembuatan Tabel Data
Setelah perancangan tabel data serta pengumpulan data menggunakan
kuesioner telah dilakukan, maka langkah selanjutnya adalah pembuatan tabel data.
Kode Program 1 menunjukkan script JSL untuk membuat tabel data. Baris 1 (satu)
pada Kode Program 1 merupakan instruksi untuk membuat sebuah tabel baru
dengan nama tabel Data. Baris 2 (dua) merupakan instruksi untuk membuat sebuah
kolom baru dengan nama path dengan tipe data Character. Baris 3 (tiga) sampai
dengan baris 14 (empat belas) merupakan instruksi untuk membuat kolom-kolom
lainnya. Kode Program 1 Script JSL Pembuatan Tabel Data
01
02
03
04
05
06
New Table ("Data",
New Column("path", Character),
New Column("price", Character),
New Column("condition", Character),
New Column("quality", Character),
New Column("internet shop", Character),
15
07
08
09
10
11
12
13
14
15
New Column("pay method", Character),
New Column("price factor", Character),
New Column("extra features", Character),
New Column("other reasons", Character),
New Column("gender", Character),
New Column("income", Character),
New Column("income type", Character),
New Column("platform", Character)
);
Hasil Pengumpulan Data
Berdasarkan kedua metode pengumpulan data yang digunakan, yaitu metode
survei diambil, dan metode survei yang dikirimkan lewat komputer, diperoleh 170
(seratus tujuh puluh) responden, dimana 77 (tujuh puluh tujuh) responden diperoleh
melalui metode survei diambil, dan 93 (sembilan puluh tiga) responden lainnya
diperoleh melalui metode survei yang dikirimkan lewat komputer.
Gambar 4 menunjukkan grafik jumlah responden yang diperoleh berdasarkan
setiap jenis platform, dimana responden dengan telepon mobile platform Symbian
berjumlah 67 (enam puluh tujuh), RIM BlackBerry berjumlah 44 (empat puluh
empat) responden, Android berjumlah 31 (tiga puluh satu) responden, dan platform
lainnya (Other) berjumlah 28 responden.
Gambar 4 Jumlah Responden Berdasarkan Jenis Platform
Input Data
Pengaturan jawaban-jawaban kuesioner ke dalam tabel data dilakukan dengan
beberapa cara, tergantung metode pengumpulan data yang digunakan. Untuk
jawaban-jawaban yang diperoleh dengan metode survei diambil, jawaban-jawaban
dimasukkan satu per satu secara langsung ke dalam tabel data. Sedangkan untuk
jawaban-jawaban yang diperoleh dengan metode survei dikirimkan lewat komputer,
semua jawaban disalin ke dalam tabel data.
Pembentukan Jalur
Pembentukan jalur dilakukan dengan menggunakan JSL. Kode Program 2
menunjukkan script JSL untuk membentuk jalur-jalur dari seluruh baris data yang
ada. Baris 1 (satu) pada Kode Program 2 merupakan instruksi untuk melakukan
iterasi pada setiap baris dalam tabel data. Baris 2 (dua) sampai dengan baris 6 (enam)
merupakan instruksi yang dijalankan pada setiap iterasi. Pada iterasi di setiap baris
dilakukan operasi penggabungan nilai dari kolom-kolom kondisi pada baris tersebut,
dimana hasil dari operasi penggabungan tersebut disimpan pada kolom path dari
baris yang sama.
16
Kode Program 2 Script JSL Pembentukan Jalur
01
02
03
04
05
06
07
For Each Row(
:path = :price || :condition || :quality
|| :internet shop || :pay method
|| :price factor || :extra features
|| :other reasons || :gender
|| :income || :income type;
);
Menghitung Frekuensi Jalur
Penghitungan frekunsi jalur bertujuan untuk mengetahui berapa kali suatu jalur
terjadi pada suatu kondisi yang dituju, serta berapa kali suatu jalur terjadi terlepas
dari kondisi yang dituju. Dalam hal ini kondisi yang dijadikan sebagai tujuan adalah
kondisi platform yang memiliki empat kategori nilai, yaitu Symbian, RIM
BlackBerry, Android, dan Other. Kode Program 3 menunjukkan script JSL untuk
menghitung frekuensi jalur. Baris 1 (satu) pada Kode Program 3 menunjukkan
instruksi untuk membuat tabel statistik deskriptif melalui pengelompokkan kolom-
kolom, analisis kolom, dan kata kunci statistik [3]. Baris 2 (dua) merupakan instruksi
untuk mengurutkan baris data pada tabel yang akan dihasilkan berdasarkan frekuensi
kolom kelompok. Baris 3 (tiga) merupakan instruksi untuk membuat tabel baru.
Baris 4 (empat) merupakan instruksi untuk membuat tabel kolom berdasarkan nilai-
nilai dari kondisi platform. Baris 5 (lima) merupakan instruksi untuk membuat tabel
kolom berdasarkan kata kunci statistik N. Baris 6 (enam) hingga baris 19 (Sembilan
belas) merupakan instruksi-instruksi untuk membuat tabel baris berdasarkan nilai
dari kondisi-kondisi lainnya. Kode Program 3 Script JSL Untuk Menghitung Frekuensi Jalur
01
02
03
04
05
06
07
08
09
10
11
12
13
14
15
16
17
18
19
20
21
22
23
Tabulate(
Order by count of grouping columns( 1 ),
Add Table(
Column Table( Grouping Columns( :platform ) ),
Column Table( Statistics( N ) ),
Row Table(
Grouping Columns(
:path,
:price,
:condition,
:quality,
:internet shop,
:pay method,
:price factor,
:extra features,
:other reasons,
:gender,
:income,
:income type
)
)
)
);
Menghitung Tiga Statistik Dasar
Penghitungan tiga statistik dasar bertujuan untuk membantu dalam
mengekstrak informasi dari dalam jalur-jalur atau peta yang telah terbentuk [2].
Kode Program 4 menunjukkan script JSL untuk menghitung tiga statistik dasar.
Baris 1 (satu) hingga baris 6 (enam) merupakan instruksi untuk membuat kolom
17
baru, dimana pada setiap baris dalam kolom tersebut akan diisi dengan hasil
perhitungan probabilitas jalur. Baris 9 (sembilan) hingga baris 29 (dua puluh
sembilan) merupakan instruksi untuk membuat kolom-kolom yang akan diisi dengan
hasil perhitungan potensi jalur, kontribusi jalur, dan kontribusi jalur dalam persen,
untuk platform Symbian. Kode Program 4 Script JSL Untuk Menghitung Tiga Statistik Dasar
01
02
03
04
05
06
07
08
09
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
New Column( "path probability",
Numeric,
Continuous,
Format( "Fixed Dec", 10, 3 ),
Formula( :N / Col Sum( :N ),
Evalformula)
);
//Symbian
New Column( "Symbian path potential",
Numeric,
Continuous,
Format( "Fixed Dec", 10, 3 ),
Formula( :Symbian / :N ),
Evalformula
);
New Column( "Symbian path contribution",
Numeric,
Continuous,
Format( "Fixed Dec", 10, 3 ),
Formula( :path probability * :Symbian path potential ),
Evalformula
);
New Column( "%Symbian path contribution",
Numeric,
Continuous,
Format( "Fixed Dec", 10, 3 ),
Formula( (:path probability * :Symbian path potential *
100 ), Evalformula)
);
Analisis Pengaruh Pada Semua Jalur
Analisis pengaruh pada semua jalur dilakukan untuk memahami perilaku
konsumen dalam pembelian telepon mobile berdasarkan jenis platform telepon
mobile tersebut. Kode Program 5 menunjukkan script JSL untuk melakukan analisis
pengaruh harga (price) pada semua jalur dari platform Symbian. Hasil dari Kode
Program 5 adalah grafik yang menunjukkan pengaruh dari harga (price) terhadap
pembelian telepon mobile platform Symbian. Baris 1 (satu) pada Kode Program 5
merupakan instruksi untuk melakukan analisis pengaruh dengan menggunakan
metode Oneway. Baris 2 (dua) merupakan instruksi untuk menentukan kolom yang
akan digunakan sebagai sumbu Y dalam grafik yang akan dihasilkan. Baris 3 (tiga)
merupakan instruksi untuk menentukan kolom yang akan digunakan sebagai sumbu
X dalam grafik yang akan dihasilkan. Baris 4 (empat) merupakan instruksi untuk
menentukan kolom frekuensi yang akan digunakan dalam perhitungan metode
Oneway guna mencari mean (rata-rata). Baris 5 (lima) dan baris 6 (enam) merupakan
instruksi-instruksi untuk menampilkan grafik dalam bentuk mean diamond dan
menampilkan data yang ada ke dalam grafik dalam bentuk titik-titik yang tersebar. Kode Program 5 Script JSL Untuk Analisis Pengaruh Pada Semua Jalur Platform Symbian
01
02
03
04
05
Oneway(
Y( :Symbian path potential ),
X( :price ),
Freq( :N ),
Mean Diamonds( 1 ),
18
06
07
Points Jittered( 1 )
);
Analisis Hasil
Analisis pengaruh yang dilakukan menghasilkan grafik-grafik (Gambar 5,
Gambar 6, Gambar 7, Gambar 8) yang menunjukkan pengaruh dari setiap kondisi
terhadap pembelian telepon mobile menurut jenis platform. Penjelasan grafik-grafik
yang dihasilkan dapat dilihat pada Tabel 5.
Gambar 5 Grafik-Grafik Pengaruh Berbagai Kondisi
Terhadap Pembelian Telepon Mobile Platform Symbian
Gambar 6 Grafik-Grafik Pengaruh Berbagai Kondisi
Terhadap Pembelian Telepon Mobile Platform RIM BlackBerry
Gambar 7 Grafik-Grafik Pengaruh Berbagai Kondisi
Terhadap Pembelian Telepon Mobile Platform Android
19
Gambar 8 Grafik-Grafik Pengaruh Berbagai Kondisi
Terhadap Pembelian Telepon Mobile Platform Lainnya (Other)
Tabel 5 Penjelasan Grafik-Grafik Hasil Analisis Pengaruh
Platform Grafik Kondisi Nilai Jum Prob Lwr Upr Keterangan
Symbian Gambar 5 Price Low 72 0.51 0.43 0.60 Low, Medium > High
Medium 61 0.39 0.30 0.48
High 37 0.16 0.04 0.28
Condition New 147 0.35 0.29 0.41 Used > New
Used 23 0.69 0.54 0.85
Quality Poor 2 0.5 -0.03 1.03 Average = Good
Average 37 0.49 0.36 0.61
Good 131 0.37 0.30 0.43
Internet Shop No 163 0.40 0.34 0.46 No
Yes 7 0.14 -0.14 0.43
Pay method Cash 163 0.40 0.34 0.46 Cash
Credit 3 0 -0.43 0.43
Electronic 4 0.25 -0.13 0.63
Extra Features No 16 0.62 0.44 0.81 No = Yes
Yes 154 0.37 0.31 0.43
Price Factor No 87 0.36 0.27 0.44 No = Yes
Yes 83 0.43 0.35 0.52
Other Reasons No 29 0.52 0.38 0.66 No = Yes
Yes 141 0.37 0.30 0.43
Gender Female 73 0.40 0.30 0.49 Female = Male
Male 97 0.39 0.31 0.47
Monthly Income Low 106 0.46 0.39 0.53 Low=Medium=High
Medium 39 0.30 0.19 0.43
High 25 0.24 0.09 0.39
Income Type Both 29 0.41 0.27 0.55 Both = Personal =
Sponsored Personal 53 0.36 0.25 0.46
Sponsored 88 0.41 0.33 0.49
RIM
BlackBerry Gambar 6 Price Low 72 0.05 -0.01 0.12 High > Medium
Medium 61 0.28 0.20 0.35
High 37 0.62 0.52 0.72
Condition New 147 0.29 0.23 0.35 New
Used 23 0.04 -0.10 0.19
Quality Poor 2 0.5 0 1.00 Good
Average 37 0.08 -0.03 0.20
Good 131 0.30 0.24 0.37
Internet Shop No 163 0.26 0.20 0.32 No
Yes 7 0.14 -0.13 0.42
Pay method Cash 163 0.26 0.20 0.31 Cash
Credit 3 0.33 -0.09 0.75
Electronic 4 0.25 -0.11 0.61
20
Extra Features No 16 0 -0.18 0.18 No = Yes
Yes 154 0.28 0.23 0.34
Price Factor No 87 0.34 0.27 0.42 No > Yes
Yes 83 0.17 0.09 0.24
Other Reasons No 29 0.17 0.04 0.31 No = Yes
Yes 141 0.28 0.21 0.34
Gender Female 73 0.26 0.17 0.34 Female = Male
Male 97 0.26 0.18 0.33
Monthly Income Low 106 0.13 0.07 0.19 High, Medium > Low
Medium 39 0.41 0.31 0.51
High 25 0.56 0.43 0.69
Income Type Both 29 0.24 0.11 0.37 Personal >Sponsored
Personal 53 0.40 0.30 0.49
Sponsored 88 0.18 0.11 0.26
Android Gambar 7 Price Low 72 0.11 0.04 0.18 Low=Medium=High
Medium 61 0.26 0.18 0.34
High 37 0.19 0.08 0.29
Condition New 147 0.19 0.14 0.24 New = Used
Used 23 0.13 0 0.26
Quality Poor 2 0 -0.45 0.45 Average = Good
Average 37 0.22 0.11 0.32
Good 131 0.17 0.12 0.23
Internet Shop No 163 0.17 0.12 0.22 No
Yes 7 0.43 0.19 0.67
Pay method Cash 163 0.18 0.13 0.23 Cash
Credit 3 0 -0.36 0.36
Electronic 4 0.5 0.18 0.82
Extra Features No 16 0.12 -0.03 0.28 No = Yes
Yes 154 0.19 0.14 0.24
Price Factor No 87 0.17 0.10 0.24 No = Yes
Yes 83 0.19 0.12 0.26
Other Reasons No 29 0.10 -0.01 0.22 No = Yes
Yes 141 0.20 0.14 0.25
Gender Female 73 0.10 0.04 0.18 Female = Male
Male 97 0.24 0.17 0.30
Monthly Income Low 106 0.16 0.10 0.22 Low=Medium=High
Medium 39 0.23 0.13 0.33
High 25 0.20 0.07 0.33
Income Type Both 29 0.24 0.12 0.36 Both = Personal =
Sponsored Personal 53 0.17 0.08 0.26
Sponsored 88 0.17 0.10 0.24
Other Gambar 8 Price Low 72 0.32 0.25 0.38 Low
Medium 61 0.06 0 0.14
High 37 0.03 -0.06 0.12
Condition New 147 0.17 0.12 0.22 New = Used
Used 23 0.13 0 0.26
Quality Poor 2 0 -0.43 0.43 Average = Good
Average 37 0.22 0.11 0.32
Good 131 0.15 0.10 0.21
Internet Shop No 163 0.16 0.11 0.21 No
Yes 7 0.28 0.05 0.52
Pay method Cash 163 0.16 0.11 0.21 Cash
Credit 3 0.67 0.32 1.01
Electronic 4 0 -0.30 0.30
Extra Features No 16 0.25 0.10 0.40 No = Yes
Yes 154 0.15 0.11 0.20
Price Factor No 87 0.13 0.06 0.19 No = Yes
Yes 83 0.20 0.14 0.27
Other Reasons No 29 0.20 0.09 0.32 No = Yes
21
Yes 141 0.16 0.10 0.21
Gender Female 73 0.23 0.16 0.30 Female = Male
Male 97 0.11 0.05 0.17
Monthly Income Low 106 0.24 0.19 0.30 Low > Medium, High
Medium 39 0.05 -0.04 0.14
High 25 0 -0.12 0.12
Income Type Both 29 0.10 0 0.21 Both = Personal =
Sponsored Personal 53 0.07 -0.01 0.16
Sponsored 88 0.24 0.17 0.30
Berdasarkan penjelasan pada Tabel 5 menyangkut perilaku konsumen dalam
pembelian telepon mobile menurut jenis platform, diberikan beberapa analisis
sebagai berikut.
Platform Symbian: (1) Potensi untung dapat diperoleh pada harga jual (price)
mulai dari harga rendah (Low) hingga harga menengah (Medium). Untuk mengetahui
kisaran harga yang tepat bagi setiap kondisi telepon mobile, baru (New) dan bekas
(Used), dapat dilakukan analisis pengaruh baik pada jalur-jalur dengan kondisi baru
maupun pada jalur-jalur dengan kondisi bekas; (2) Pasar telepon mobile bekas (Used)
mempunyai potensi menguntungkan; dan (3) Pendapat konsumen menyatakan bahwa
kualitas (quality) telepon mobile dengan platform Symbian adalah rata-rata
(Average) atau baik (Good).
Platform RIM BlackBerry: (1) Potensi untung dapat diperoleh pada harga
jual (price) mulai dari harga menengah (Medium) hingga harga tinggi (High); (2)
Potensi untung dapat diperoleh melalui konsumen dengan tingkat penghasilan
(monthly income) menengah (Medium) hingga tingkat penghasilan tinggi (High),
dimana konsumen dengan jenis penghasilan (income type) pribadi (Personal)
memiliki pengaruh lebih besar dari pada konsumen yang belum memiliki sumber
penghasilan pribadi; dan (3) Pendapat konsumen menyatakan bahwa kualitas
(quality) telepon mobile dengan platform RIM BlackBerry adalah baik (Good).
Platform Android: (1) Potensi untung dapat diperoleh pada harga jual (price)
mulai dari harga rendah (Low) hingga harga tinggi (High). Untuk mengetahui kisaran
harga yang tepat bagi setiap kondisi telepon mobile, baru (New) dan bekas (Used),
dapat dilakukan analisis pengaruh baik pada jalur-jalur dengan kondisi baru maupun
pada jalur-jalur dengan kondisi bekas; (2) Potensi untung dapat diperoleh melalui
konsumen dengan tingkat penghasilan (monthly income) rendah (Low) hingga tingkat
penghasilan tinggi (High). Oleh karena itu, dapat dikatakan bahwa telepon mobile
dengan platform Android mempunyai peluang pasar yang besar; (3) Pasar telepon
mobile bekas (Used) mempunyai potensi (menguntungkan) yang sama dengan pasar
telepon mobile baru (New); dan (4) Pendapat konsumen menyatakan bahwa kualitas
(quality) telepon mobile dengan platform Android adalah (Average) atau baik
(Good).
Platform Lainnya (Other): (1) Potensi untung dapat diperoleh pada harga jual
(price) rendah (Low). Untuk mengetahui kisaran harga yang tepat bagi setiap kondisi
telepon mobile, baru (New) dan bekas (Used), dapat dilakukan analisis pengaruh baik
pada jalur-jalur dengan kondisi baru maupun pada jalur-jalur dengan kondisi bekas;
(2) Potensi untung dapat diperoleh melalui konsumen dengan tingkat penghasilan
(monthly income) rendah (Low); (3) Pasar telepon mobile bekas (Used) mempunyai
potensi (menguntungkan) yang sama dengan pasar telepon mobile baru (New); dan
22
(4) Pendapat konsumen menyatakan bahwa kualitas (quality) telepon mobile dengan
platform lain (Other) adalah (Average) atau baik (Good).
5. Simpulan
Berdasarkan hasil analisis perilaku konsumen dalam membeli telepon mobile
dengan menggunakan Disjunctive Mapping (DM), maka dapat disimpulkan bahwa
kondisi-kondisi seperti kondisi telepon mobile (baru atau bekas), harga beli, dan
pendapatan per bulan konsumen menunjukkan pengaruh yang signifikan terhadap
keputusan konsumen dalam membeli telepon mobile. Pengembangan yang dapat
dilakukan penelitian ini di kemudian hari adalah melakukan analisis yang lebih
mendalam dengan melakukan analisis pengaruh pada jalur pilihan guna lebih
memahami efek atau pengaruh dari kondisi-kondisi yang ada, melakukan evaluasi
terhadap perancangan kuesioner, melakukan perbandingan antara teori DM dengan
teori atau metode analisis lain, dan mengembangkan perangkat lunak dengan
interface yang dirancang secara khusus untuk memudahkan proses penerapan teori
DM.
6. Daftar Pustaka
[1] Raskin, Michael, & Lieberman, Warren. 2011. Disjunctive Mapping: Advances
in understanding consumer behavior. ORMS Today Journal, Vol. 38, No. 6,
December 2011, pp. 22-27.
[2] Raskin, Michael. 2011. The Arithmetic of Human Behavior. California: Veritec
Solutions.
[3] SAS 2. 2012. JMP® 10 Scripting Guide. North Carolina: SAS Institute Inc,
http://support.sas.com/documentation/onlinedoc/jmp/10/Scripting_Guide.pdf.
Diakses tanggal 16 Juli 2012.
[4] PBDEPDIKNAS (Pusat Bahasa Departemen Pendidikan Nasional). 2008.
KBBI Daring: Kamus Besar Bahasa Indonesia.
http://bahasa.kemdiknas.go.id/kbbi/. Diakses tanggal 27 Maret 2012.
[5] Kardes, F. R., Cronley, M. L., & Cline, T. W. 2011. Consumer Behavior. Ohio:
South-Western Cengage Learning.
http://books.google.co.id/books?id=nwew7nJ6000C&lpg=PP1&hl=id&pg=P
P1#v=onepage&q&f=false. Diakses tanggal 27 Maret 2012.
[6] Hoyer, W. D., & Macinnis, D. J. 2010. Consumer Behavior, Fifth Edition.
Ohio: South-Western Cengage Learning.
http://books.google.co.id/books?id=fk1rTxRYtY0C&lpg=PP1&hl=id&pg=PP
1#v=onepage&q&f=false. Diakses tanggal 27 Maret 2012.
[7] SAS 1. 2012. JMP® 10 Discovering JMP. North Carolina: SAS Institute Inc,
http://support.sas.com/documentation/onlinedoc/jmp/10/Discovering_JMP.pdf.
Diakses tanggal 16 Juli 2012.
[8] Jogiyanto, H.M. 2008. Pedoman Survei Kuesioner: Mengembangkan
Kuesioner, Mengatasi Bias dan Meningkatkan Respon. Yogyakarta: BPFE-
YOGYAKARTA.