Dias Tri Kristanto I0307006 · BAB II TINJAUAN PUSTAKA 2.6 BAB III METODOLOGI PENELITIAN commit to...
Transcript of Dias Tri Kristanto I0307006 · BAB II TINJAUAN PUSTAKA 2.6 BAB III METODOLOGI PENELITIAN commit to...
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
ANALISIS SEGMEN PENGGUNA BAHAN BAKAR MINYAK
(PREMIUM DAN PERTAMAX) SEBAGAI DASAR
PENYUSUNAN STRATEGI PEMASARAN (STUDI KASUS : PEMILIK MOBIL PRIBADI DI WILAYAH KOTA SURAKARTA)
Skripsi
Dias Tri Kristanto
I0307006
JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK
UNIVERSITAS SEBELAS MARET
SURAKARTA
2012
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
ix
DAFTAR ISI
Halaman
HALAMAN JUDUL i
LEMBAR PENGESAHAN ii
SURAT PERNYATAAN iii
KATA PENGANTAR v
ABSTRAK vii
DAFTAR ISI ix
DAFTAR TABEL xi
DAFTAR GAMBAR xiii
DAFTAR PERSAMAAN xiv
DAFTAR LAMPIRAN xv
BAB I PENDAHULUAN
1.1 Latar Belakang Masalah I-1
1.2 Perumusan Masalah I-2
1.3 Tujuan Penelitian I-2
1.4 Manfaat Penelitian I-2
1.5 Asumsi I-3
1.6 Sistematika Penulisan I-3
BAB II TINJAUAN PUSTAKA
2.1 Variabel Produk II-1
2.2 Pembuatan Kuesioner II-4
2.3 Pengukuran II-5
2.4 Penyusunan Skala II-6
2.5 Teknik Sampling II-6
2.6 Analisis Multivariat II-10
2.7 Penelitian Sebelumnya II-25
BAB III METODOLOGI PENELITIAN
3.1 Tahap Pendahuluan III-2
3.2 Tahap Pengumpulan Data III-3
3.3 Tahap Pengolahan Data III-5
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
x
3.4 Interpretasi Hasil III-10
3.5 Strategi Pemasaran III-10
3.6 Kesimpulan dan Saran III-10
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA
4.1 Penetapan Variabel Penelitian IV-1
4.2 Pengumpulan Data IV-2
4.3 Pengolahan Data IV-4
BAB V ANALISIS DAN INTERPRETASI HASIL
5.1 Faktor yang Mempengaruhi Penggunaan BBM V-1
5.2 Cluster Premium V-3
5.3 Cluster Pertamax V-6
5.4 Strategi Pemasaran V-9
BAB VI KESIMPULAN DAN SARAN
6.1 Kesimpulan VI-1
6.2 Saran VI-2
DAFTAR PUSTAKA
LAMPIRAN L-1
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
xi
DAFTAR TABEL
Halaman
Tabel 2.1 Identifikasi Signifikansi Faktor Loading Berdasar Jumlah Sampel II-19
Tabel 2.2 Perbedaan Dengan Penelitian Terdahulu II-26
Tabel 4.1 Daftar Variabel Produk dari Studi Pustaka IV-1
Tabel 4.2 Daftar Variabel Penelitian Setelah Penyesuaian IV-2
Tabel 4.3 Daftar Variabel dan Atributnya IV-2
Tabel 4.4 Daftar Atribut Tambahan dari Responden IV-3
Tabel 4.5 Daftar Atribut Gabungan IV-3
Tabel 4.6 Analisis Deskriptif IV-5
Tabel 4.7 Deteksi Univariat IV-7
Tabel 4.8 Deteksi Multivariat IV-7
Tabel 4.9 Matriks Korelasi IV-8
Tabel 4.10 Hasil KMO and Bartlett’s Test IV-9
Tabel 4.11 Ukuran Kecukupan Sampling (MSA) IV-9
Tabel 4.12 Total Variance Explained IV-10
Tabel 4.13 Matriks Analisis Komponen Faktor Sebelum Dirotasi IV-11
Tabel 4.14 Matriks Analisis Komponen Faktor Setelah Atribut 12 Dihapuskan IV-13
Tabel 4.15 Hasil dari Rotasi Matriks Faktor Varimax IV-15
Tabel 4.16 Hasil dari Validasi Bagian I IV-16
Tabel 4.17 Hasil dari Validasi Bagian II IV-16
Tabel 4.18 Uji Reliabilitas dengan Metode Cronbach’s Alpha IV-17
Tabel 4.19 Descriptive Statistics IV-19
Tabel 4.20 Nilai Dissimilarity IV-19
Tabel 4.21 Hasil Aglomerasi Prosedur Hierarkis IV-20
Tabel 4.22 Proporsi Kenaikan Heterogenitas IV-21
Tabel 4.23 Analisis Cluster Premium IV-23
Tabel 4.24 Profil Cluster Premium IV-24
Tabel 4.25 Descriptive Statistics IV-26
Tabel 4.26 Nilai Dissimilarity IV-26
Tabel 4.27 Hasil Aglomerasi Prosedur Hierarkis IV-27
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
xii
Tabel 4.28 Proporsi Kenaikan Heterogenitas IV-28
Tabel 4.29 Analisis Cluster Pertamax IV-29
Tabel 4.30 Karakteristik Cluster Pertamax IV-30
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
xiii
DAFTAR GAMBAR
Halaman
Gambar 3.1 Metodologi penelitian III-1
Gambar 3.2 Proses Pengolahan Data Analisis Faktor III-6
Gambar 3.3 Proses Pengolahan Data Analisis Cluster III-9
Gambar 4.1 Histogram Atribut 1 IV-6
Gambar 4.2 Boxplot 15 Variabel IV-6
Gambar 4.3 Scree Test Criterion IV-11
Gambar 4.4 Interpolasi IV-18
Gambar 4.5 Persentase Perubahan Heterogenitas IV-22
Gambar 4.6 Persentase Perubahan Heterogenitas IV-28
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
xiv
DAFTAR PERSAMAAN
Halaman
Persamaan 2.1 Kaiser-Meyer-Olkin (KMO) II-13
Persamaan 2.2 Measure of Sampling Adequacy (MSA) II-14
Persamaan 2.3 Principal Component Analysis II-15
Persamaan 2.4 Common Factor II-15
Persamaan 2.5 Eigenvalue II-16
Persamaan 2.6 Komunalitas II-16
Persamaan 2.7 Koefisien Cronbach’s Alpha II-21
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
xv
DAFTAR LAMPIRAN
Halaman
Lampiran 1 Kuesioner I L-1
Lampiran 2 Kuesioner II L-3
Lampiran 3 Pengujian Grafis L-7
Lampiran 4 Analisis Faktor L-11
Lampiran 5 Tabel Nilai r Product Moment L-13
Lampiran 6 Analisis Cluster I L-14
Lampiran 7 Analisis Cluster II L-16
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
vii
ABSTRAK
Dias Tri Kristanto, NIM: I0307006, ANALISIS SEGMEN PENGGUNA
BAHAN BAKAR MINYAK (PREMIUM DAN PERTAMAX) SEBAGAI
DASAR PENYUSUNAN STRATEGI PEMASARAN (STUDI KASUS :
PEMILIK MOBIL PRIBADI DI WILAYAH KOTA SURAKARTA).
Skripsi, Surakarta: Jurusan Teknik Industri Fakultas Teknik, Universitas
Sebelas Maret, Juni 2012.
Indonesia mengalami defisit neraca migas pada tahun 2011. Hal ini memaksa
Indonesia harus mengimpor minyak untuk memenuhi kebutuhan dalam negeri. Ketergantungan Indonesia terhadap impor minyak dunia sangat mempengaruhi
stabilitas perekonomian Indonesia. Untuk melindungi masyarakat yang tidak
mampu maka pemerintah memberikan subsidi khusus untuk bahan bakar minyak
jenis premium. Sistem subsidi ini dinilai tidak tepat sasaran dan tidak mendorong
peran serta masyarakat untuk program-program pemerintah, serta dinilai tidak adil
karena subsidi bisa dinikmati oleh siapa saja. Padahal tujuan utama pemberian
subsidi itu adalah untuk menolong masyarakat yang tidak mampu. Untuk
mencapai tujuan tersebut, maka pengalihan pengguna premium yang dipandang
mampu untuk menggunakan bahan bakar minyak non-subsidi (pertamax) harus
ditingkatkan. Tujuan dari skripsi ini adalah melakukan analisis segmen yang
terbentuk beserta profil dari masing-masing segmen pengguna premium dan
pertamax yang selanjutnya dapat digunakan sebagai dasar penyusunan strategi
pemasaran untuk mengalihkan pengguna premium menjadi pengguna pertamax.
Variabel yang digunakan pada penelitian ini didasarkan pada variabel produk
menurut Kotler dan Keller (2008), Kotler dan Amstrong (2008), Tjiptono (2008),
Santon (2008) serta bauran pemasaran menurut Kotler dan Amstrong (2008).
Analisis yang digunakan dalam penelitian ini adalah analisis faktor dan analisis
cluster. Hasil dari penelitian ini menunjukkan bahwa terdapat empat cluster
pengguna premium dan tiga cluster pengguna pertamax berdasarkan kemiripan
persepsi terhadap enam faktor yang mempengaruhi konsumen dalam penggunaan
bahan bakar minyak. Enam faktor tersebut adalah keiritan bahan bakar minyak,
kesesuaian bahan bakar minyak, prestise, kemudahan dan pelayanan, harga bahan
bakar minyak dan pendekatan persuasif. Berdasarkan persepsinya terhadap bahan
bakar minyak, cluster premium yang paling mudah dialihkan menjadi pengguna
pertamax berturut-turut adalah cluster premium 2, cluster premium 3, cluster
premium 4, cluster premium 1 dan cluster pertamax yang paling berpotensi
beralih menjadi pengguna premium adalah cluster pertamax 3. Untuk jangka
pendek, pemerintah sebaiknya fokus pada cluster premium 2.
Kata Kunci : analisis faktor, analisis cluster, segmen pengguna premium,
segmen pengguna pertamax
xviii + 106 halaman; 9 gambar; 32 tabel; 6 persamaan; 7 lampiran
Daftar pustaka : 19 (1984-2011)
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
viii
ABSTRACT
Dias Tri Kristanto, NIM: I0307006, SEGMENT ANALYSIS OF FUEL OIL
USER (PREMIUM AND PERTAMAX) AS THE BASIS FOR MARKETING
STRATEGY FORMULATION (CASE STUDY: PRIVATE CAR OWNER
IN SURAKARTA REGION). Thesis, Surakarta: Industrial Engineering,
Faculty of Engineering, Sebelas Maret University, June 2012.
Indonesian oil and gas deficit in the balance sheet in 2011. This forced Indonesia
to import oil to meet domestic demand. Indonesia's dependence on imported oil
greatly affects the stability of the Indonesian economy. To protect people who can
not afford, the government provides special subsidies for the premium types of
fuel oil. Subsidy system is judged to be well targeted and does not encourage
community participation to government programs, as well as unfair subsidies
enjoyed by anyone. Though the main purpose is the provision of subsidies to help
people who can not afford. To achieve these objectives, the transfer of premium
users are deemed able to use non-petroleum fuel subsidies (pertamax) should be
increased. The purpose of this paper is to analyze the segment that is formed
along with profiles of each segment premium and pertamax user which then be
used as a basis for the preparation of a marketing strategy to redirect premium
user to the pertamax user. Variables used in this study are based on variable
products according to Kotler and Keller (2008), Kotler and Armstrong (2008),
Tjiptono (2008) and Stanton (2008) and marketing mix according to Kotler and
Amstrong (2008). The analysis used in this study were factor analysis and cluster
analysis. The results of this study indicate that there are four clusters of premium
user and three clusters of pertamax user based on the similarity of the perception
of the six factors that affect consumers in the use of fuel oil. Six factors are fuel
efficiency, fuel oil conformity, prestige, convenience and service, fuel prices and a
persuasive approach. Based on the perceptions of fuel oil, premium cluster with
the most easily transferred to pertamax user, respectively is cluster premium 2,
cluster premium 3, cluster premium 4, cluster premium 1 and cluster pertamax
with the most potential switching to be a premium user is a cluster pertamax 3.
For the short term, the government should focus on cluster premium 2.
Keywords : factor analysis, cluster analysis, premium user segment,
pertamax user segment
xvii + 106 pages; 9 pictures; 32 tables; 6 equations; 7 appendixes
Bibliography : 19 (1984-2011)
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
I-1
BAB I
PENDAHULUAN
1.1 Latar Belakang Masalah
Produksi minyak nasional pada tahun 2011 adalah sebesar 945.000-
950.000 barel per hari masih belum bisa memenuhi kebutuhan minyak dalam
negeri yang sebesar 1,5 juta barel per hari. Tidak terpenuhinya kebutuhan minyak
nasional disebabkan oleh dua hal, yaitu tidak tersedianya kilang untuk
menampung produksi minyak mentah dan tidak tercapainya lifting minyak mentah
nasional. Selain itu, 87% sektor migas Indonesia dikuasai oleh perusahaan asing
yang mengekspor 50% produksi minyak bumi Indonesia semakin menambah
defisit neraca migas nasional. Hal ini memaksa Indonesia harus mengimpor
minyak untuk memenuhi kebutuhan dalam negeri. Badan Pusat Statistik (BPS)
mencatat impor migas meningkat pesat 35,28% pada bulan April 2011 mencapai
US$3,89 miliar dari bulan Maret yang sebesar US$2,88 miliar. Sementara itu,
ekspor migas pada April tercatat US$3,59 miliar atau naik 17,31% dibandingkan
dengan ekspor migas Maret sebesar US$3,06 miliar (Media Indonesia, 2011).
Meningkatnya ekspor migas dan kebutuhan minyak dalam negeri selanjutnya akan
meningkatkan ketergantungan Indonesia terhadap impor minyak dunia.
Ketergantungan Indonesia terhadap impor minyak dunia sangat
mempengaruhi stabilitas perekonomian Indonesia. Untuk melindungi masyarakat
yang tidak mampu maka pemerintah memberikan subsidi khusus untuk bahan
bakar minyak jenis premium. Kenaikan harga minyak dunia telah memaksa
pemerintah untuk menambah subsidi BBM dalam APBN 2011 sebesar Rp 95,9
triliun dibandingkan tahun 2010 yang sebesar Rp 88,9 trilun. (Antara News, 2011)
Sistem subsidi ini dinilai tidak tepat sasaran dan tidak mendorong peran
serta masyarakat untuk program-program pemerintah, serta dinilai tidak adil
karena subsidi bisa dinikmati oleh siapa saja. Padahal tujuan utama pemberian
subsidi itu adalah untuk menolong masyarakat yang tidak mampu. Untuk
mencapai tujuan tersebut, maka pengalihan pengguna premium yang dipandang
mampu untuk menggunakan bahan bakar minyak non-subsidi (pertamax) harus
ditingkatkan.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
I-2
Oleh karena itu, diperlukan penelitian awal untuk mengetahui segmen
pengguna premium yang dianggap mampu dan sudah sepantasnya untuk
menggunakan pertamax sehingga beban subsidi yang harus ditanggung
pemerintah berkurang. Untuk selanjutnya subsidi tersebut dapat dialihkan pada
kebijakan yang lebih tepat sasaran seperti pendidikan dan pembangunan
transportasi massal.
Segmen pengguna premium dan pertamax yang akan diteliti dalam
penelitian ini hanya pengguna mobil pribadi di wilayah Surakarta. Pengguna
mobil pribadi dipilih berdasarkan pertimbangan bahwa potensi pemilik mobil
pribadi yang masih menggunakan premium untuk dapat beralih menggunakan
pertamax lebih besar dan 96% jumlah mobil yang ada di wilayah Surakarta
merupakan mobil pribadi/perorangan (Ditlantas, 2011).
Penelitian ini bertujuan untuk melakukan analisis segmen yang terbentuk
beserta profil dari masing-masing segmen yang selanjutnya dapat digunakan
sebagai dasar penyusunan strategi pemasaran untuk mengalihkan pengguna
premium menjadi pengguna pertamax.
1.2 Perumusan Masalah
Permasalahan dalam penelitian ini adalah atribut-atribut apa yang
dipertimbangkan konsumen dalam penggunaan premium maupun pertamax,
apakah terdapat segmen pengguna premium maupun pertamax dilihat dari
kesamaan persepsi konsumen.
1.3 Tujuan Penelitian
Adapun tujuan yang ingin dicapai dalam penelitian ini, yaitu:
1. Mengetahui atribut yang dipertimbangkan konsumen dalam penggunaan
premium maupun pertamax.
2. Mengetahui profil segmen pengguna premium maupun pertamax.
1.4 Manfaat Penelitian
Pelaksanaan penelitian yang mengambil tema identifikasi target konsumen
pertamax diharapkan dapat diambil manfaatnya sebagai berikut:
1. Sebagai bahan pertimbangan pemerintah dalam mengambil kebijakan
mengenai bahan bakar minyak jenis premium maupun pertamax.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
I-3
2. Sebagai bahan pertimbangan pemerintah dalam menentukan segmen mana
yang potensial untuk didorong untuk berpindah dari premium ke pertamax.
3. Sebagai bahan pertimbangan pemerintah dalam menentukan strategi
pemasaran yang harus dilakukan untuk dapat meningkatkan pengalihan
konsumen dari pengguna premium menjadi pengguna pertamax.
1.5 Asumsi
Asumsi-asumsi yang dipakai dalam penelitian ini, yaitu:
1. Responden memiliki interpretasi yang sama dengan maksud peneliti terhadap
pertanyaan-pertanyaan yang ada dalam kuisioner.
2. Jawaban yang diberikan responden dapat mewakili pendapat mereka sendiri
dan dilakukan atas kemauan sendiri.
1.6 Sistematika Penulisan
Adapun sistematika penulisan yang digunakan penulis dalam penyusunan
tugas akhir ini, sebagai berikut:
BAB I PENDAHULUAN
Bab ini berisi latar belakang penelitian, perumusan masalah, tujuan
penelitian, manfaat penelitian, batasan masalah, asumsi-asumsi dan sistematika
penulisan yang dipergunakan dalam penelitian ini.
BAB II TINJAUAN PUSTAKA
Bab ini memuat uraian konsep, teori, definisi dan teknik sampling yang
digunakan dalam penelitian. Sumber pustaka dapat diambil dari buku, jurnal
ilmiah, seminar, majalah, surat kabar, dan lain-lain.
BAB III METODOLOGI PENELITIAN
Bab ini merupakan gambaran terstruktur tahap demi tahap proses
pelaksanaan penelitian yang digambarkan dalam bentuk flow chart dan tiap
tahapnya dijelaskan secara singkat, padat dan jelas.
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA
Bab ini menjelaskan proses pengumpulan dan validasi data-data, baik data
primer (langsung) atau data sekunder (tidak langsung) dan menjelaskan proses
pengolahan data.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
I-4
BAB V INTERPRETASI HASIL
Bab ini mengintepretasikan hasil-hasil pengolahan data agar dapat
dipahami maksud dari setiap data yang dihasilkan.
BAB VI KESIMPULAN DAN SARAN
Bab ini berisi kesimpulan dari pembahasan yang telah dilakukan serta
saran-saran yang dapat diberikan sebagai hasil dari penelitian ini.
LAMPIRAN
Pada bagian ini terdapat data-data yang penting namun tidak mungkin
diletakkan pada bab yang berkaitan dengan data tersebut mengingat banyaknya
jumlah data sehingga membutuhkan tempat tersendiri.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-1
BAB II
TINJAUAN PUSTAKA
Bab ini membahas konsep, teori, definisi dan teknik sampling yang
digunakan dalam penelitian sebagai landasan dan dasar pemikiran untuk
membahas serta menganalisa permasalahan yang ada.
2.1 Variabel Produk
Untuk membentuk segmen dari pengguna bahan bakar minyak premium
dan pertamax, maka langkah pertama yang harus dilakukan adalah melakukan
diferensiasi terhadap produk itu sendiri. Oleh karena itu, diperlukan variabel
produk untuk membedakan antara premium dan pertamax. Variabel produk
tersebut antara lain bentuk, fitur, penyesuaian, kualitas kinerja, kualitas
kesesuaian, ketahanan, keandalan, kemudahan perbaikan, gaya, desain, merek,
kemasan, jaminan atau garansi, pelayanan, label, warna, harga, tempat dan
promosi.
A. Bentuk
Bentuk merupakan ukuran, bentuk atau struktur fisik produk (Kotler dan
Keller, 2008).
B. Fitur
Sebuah produk dapat ditawarkan dalam beragam fitur. Fitur adalah sarana
kompetitif untuk mendifensiasikan produk perusahaan dari produk pesaing
(Kotler dan Armstrong, 2008).
C. Penyesuaian
Penyesuaian merupakan kemampuan perusahaan untuk memenuhi
kebutuhan setiap pelanggan-untuk menyiapkan produk, jasa, program, dan
komunikasi berbasis massal yang dirancang secara individual (Kotler dan Keller,
2008).
D. Kualitas Kinerja
Kualitas kinerja merupakan kemampuan produk untuk melaksanakan
fungsinya. Kualitas menjadi dimensi yang semakin penting untuk diferensiasi
ketika perusahaan menerapkan sebuah model nilai dan memberikan kualitas yang
tinggi dengan uang yang lebih rendah (Kotler dan Keller, 2008).
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-2
E. Kualitas Kesesuaian
Kualitas kesesuaian merupakan tingkat dimana semua unit yang
diproduksi identik dan memenuhi spesifikasi yang dijanjikan (Kotler dan Keller,
2008).
F. Ketahanan
Ketahanan merupakan ukuran umur operasi harapan produk dalam kondisi
biasa atau penuh tekanan (Kotler dan Keller, 2008).
G. Keandalan
Keandalan merupakan ukuran probabilitas bahwa produk tidak akan
mengalami malfungsi atau gagal dalam periode waktu tertentu (Kotler dan Keller,
2008).
H. Kemudahan Perbaikan
Kemudahan perbaikan merupakan ukuran kemudahan perbaikan produk
ketika produk itu tidak berfungsi atau gagal (Kotler dan Keller, 2008).
I. Gaya
Gaya menggambarkan penampilan dan rasa produk kepada pembeli
(Kotler dan Keller, 2008).
J. Desain
Desain merupakan totalitas fitur yang mempengaruhi tampilan, rasa, dan
fungsi produk berdasarkan kebutuhan pelanggan. Atribut desain berkaitan dengan
totalitas fitur yang mempengaruhi tampilan, rasa dan fungsi produk berdasarkan
kebutuhan pelanggan (Kotler dan Keller, 2008).
K. Merek
Merek adalah suatu nama, istilah, tanda, lambang, atau desain atau
kombinasi semua ini, yang menunjukkan identitas pembuat atau penjual produk
dan jasa tertentu (Kotler dan Armstrong, 2008).
L. Kemasan
Kemasan adalah semua kegiatan merancang dan memproduksi wadah
yang berfungsi untuk menyimpan dan melindungi produk. Kemasan melibatkan
perancangan dan produksi wadah atau pembungkus sebuah produk (Kotler, 2008).
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-3
M. Jaminan atau Garansi
Jaminan atau garansi adalah kesediaan produsen untuk memberikan ganti
rugi atau penggantian produk kepada konsumen apabila dalam jangka waktu
tertentu produk mengalami kerusakan.
N. Pelayanan
Pelayanan pelanggan adalah elemen lain dalam strategi produk. Penawaran
perusahaan biasanya meliputi beberapa pelayanan pendukung, yang bisa menjadi
bagian kecil atau bagian besar dari keseluruhan penawaran (Kotler dan
Armstrong, 2008).
O. Label
Label berkisar dari penanda sederhana yang ditempelkan pada produk
sampai rangkaian huruf rumit yang menjadi bagian kemasan. Label mempunyai
beberapa fungsi. Label dapat menunjukkan produk atau merek, menggambarkan
beberapa hal tentang produk, siapa yang membuatnya, di mana produk itu dibuat,
kapan produk itu dibuat, kandungannya, cara pemakaiannya, dan bagaimana
menggunakan produk itu dengan aman. Selain itu, label bisa membantu
mempromosikan produk dan mendukung positioning-nya (Kotler dan Armstrong,
2008).
P. Warna
Warna sering menjadi faktor yang menentukan diterima atau tidaknya
suatu produk, baik produk tersebut adalah pakaian, meja, atau otomotif. Warna
sendiri tidak memiliki keunggulan penjualan karena pesaing yang lain juga
menawarkan warna yang lain. Keunggulan pemasaran muncul pada saat kita
mengetahui warna yang tepat dan mengetahui kapan harus berubah warna
(Stanton, 1991).
Q. Harga
Dalam arti yang sempit, harga adalah jumlah yang ditagihkan atas suatu
produk atau jasa. Lebih luas lagi, harga adalah semua nilai yang diberikan oleh
pelanggan untuk mendapatkan keuntungan dari memiliki atau menggunakan suatu
produk atau jasa (Kotler dan Armstrong, 2008).
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-4
R. Tempat
Tempat meliputi kegiatan perusahaan yang membuat produk tersedia bagi
pelanggan sasaran (Kotler dan Armstrong, 2008).
S. Promosi
Promosi berati aktivitas yang menyampaikan manfaat produk dan
membujuk pelanggan membelinya (Kotler dan Armstrong, 2008).
2.2 Pembuatan Kuesioner
Dalam penelitian survey, kuesioner merupakan alat untuk mengumpulkan
data. Analisa data kuantitatif didasarkan pada hasil kuesioner tersebut. Sebuah
kuesioner yang baik adalah kuesioner yang mengandung pertanyaan-pertanyaan,
yang diajukan sedemikian rupa sehingga tidak menimbulkan interpretasi yang lain
dari responden. Pertanyaan-pertanyaan kuesioner harus jelas dan mudah
dimengerti untuk mengurangi kesalahan interpretasi responden dalam pengisian
kuesioner.
Berdasarkan jenis pertanyaannya, kuesioner dibedakan menjadi empat
macam (Aaker, 1995), yaitu:
2.2.1 Pertanyaan tertutup
Pertanyaan tertutup adalah pertanyaan yang telah disertai pilihan
jawabannya. Responden tinggal memilih salah satu jawaban yang tersedia, dan
tidak diberi kesempatan memberikan jawaban lain. Pertanyaan tertutup dapat
berupa pertanyaan pilihan berganda atau berupa skala.
2.2.2 Pertanyaan terbuka
Pertanyaan terbuka adalah pertanyaan yang membutuhkan jawaban bebas
dari responden. Responden tidak diberi pilihan jawaban, tetapi responden
menjawab pertanyaan sesuai dengan pendapatnya.
2.2.3 Pertanyaan kombinasi tertutup dan terbuka
Pertanyaan kombinasi tertutup dan terbuka adalah pertanyaan yang telah
disediakan jawabannya tetapi kemudian diberi pertanyaan terbuka, dimana pada
pertanyaan tersebut responden bebas memberikan jawaban.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-5
2.2.4 Pertanyaan semi terbuka
Pertanyaan semi terbuka adalah pertanyaan yang disediakan pilihan
jawabannya tetapi kemudian masih ada kemungkinan bagi responden untuk
memberikan tambahan jawaban.
2.3 Pengukuran
Pengukuran adalah penetapan atau pemberian angka terhadap objek atau
variabel menurut aturan yang telah ditentukan. Pada dasarnya proses pengukuran
dalam penelitian merupakan rangkaian beberapa kegiatan seperti penentuan
dimensi variabel pengukuran, perumusan ukuran untuk masing-masing dimensi,
penentuan tingkat ukuran.
2.3.1 Ukuran nominal
Ukuran nominal adalah pemberian angka-angka yang ditetapkan
berdasarkan proses penggolongan. Ukuran ini merupakan ukuran yang paling
sederhana. Dasar penggolongan hanyalah berdasarkan kategori-kategori dalam
ukuran yang tidak tumpang tindih (mutually excusive) dan tuntas (exhaustive).
Angka yang digunakan dalam suatu kategori tidak merefleksikan bagaimana
kedudukan kategori tersebut terhadap kategori lainnya tetapi hanyalah sekedar
label atau kode yang tidak dapat dibandingkan. Apabila dalam jenis kelamin
diberikan kategori untuk wanita adalah 1 dan kategori untuk pria adalah 2, tidak
berarti bahwa pria lebih rendah daripada wanita.
2.3.2 Ukuran ordinal
Ukuran ordinal adalah pemberian angka-angka terhadap objek yang
mempunyai tingkatan. Ukuran ordinal digunakan untuk mengurutkan objek dari
yang terendah hingga yang tertinggi atau sebaliknya menurut suatu atribut
tertentu.
2.3.3 Ukuran interval
Ukuran interval adalah pemberian angka-angka pada sekumpulan objek
yang nilai-nilainya dapat diurutkan atau dibandingkan dalam pengertian lebih
besar atau lebih kecil dan juga jarak antara dua nilainya dapat diukur/diartikan.
Akan tetapi, ukuran interval memiliki titik nol (zero point) yang sembarang/tidak
tetap.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-6
2.3.4 Ukuran rasio
Ukuran rasio adalah pemberian angka-angka yang paling kuantitatif atau
presisi. Ukuran ini diperoleh apabila di samping informasi tentang urutan dan
interval objek-objek penelitian juga diketahui jumlah absolut atribut yang dimiliki
oleh salah satu objek-objek tersebut. Jadi ukuran rasio adalah suatu bentuk
interval yang jaraknya tidak dinyatakan dalam perbedaan dengan angka rata-rata
suatu kelompok tetapi dengan titik nol (zero point) absolut. Karena titik nol yang
tetap, maka perbedaaan rasio dapat dihitung.
2.4 Penyusunan Skala
Skala adalah suatu ukuran yang disusun sedemikian rupa sehingga dapat
mengurutkan responden dalam ukuran yang lebih tepat berdasarkan variabel
tertentu (Soehartono,1995). Skala disusun atas dasar penunjukan skor pada pola-
pola atribut. Dalam penyusunan skala, perlu diperhatikan intensitas struktur dari
atribut yang hendak diukur.
Skala pengukuran yang sering digunakan dalam penelitian adalah skala
Likert, skala Guttman, skala Thurstone dan skala perbedaan semantik. Pada skala
Likert, jawaban pertanyaan dibuat berjenjang yang berkisar dari sangat positif
sampai sangat negatif atau sebaliknya. Skala Likert yang dikenal dengan nama
Method of Sumatted Ratings sangat sering digunakan dalam mengukur atribut-
atribut objek yang sifatnya kualitatif. Dalam hal ini, item-item yang disenangi
akan diberi bobot yang lebih tinggi daripada item-item yang tidak disenangi. Skor
responden merupakan skor total yang bisa ditafsirkan sebagai posisi responden.
2.5 Teknik Sampling
Dalam suatu penelitian, jumlah keseluruhan unit analisis, yaitu objek yang
akan diteliti, disebut populasi. Secara ideal, sebaiknya kita meneliti seluruh
anggota populasi. Akan tetapi, seringkali populasi penelitian sangat besar
sehingga tidak mungkin untuk diteliti seluruhnya dengan waktu, biaya dan tenaga
yang tersedia (Soehartono, 1995). Dalam keadaan demikian, maka penelitian
dilakukan terhadap sampel, yaitu sebagian dari populasi yang telah memenuhi
kriteria untuk diteliti. Dengan meneliti sampel, diharapkan bahwa hasil yang
diperoleh akan dapat menggambarkan sifat populasi yang bersangkutan.
Pemilihan sampel untuk memperoleh data mengenai populasi merupakan prosedur
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-7
yang mendasar dalam suatu penelitian. Keuntungan dari teknik sampling antara
lain mengurangi biaya, mempercepat waktu penelitian dan dapat memperbesar
ruang lingkup penelitian (Singarimbun, 1989). Akan tetapi, pemilihan sampel
selalu mengakibatkan adanya perbedaan antara nilai yang sebenarnya dalam
populasi dari variabel yang diteliti dengan nilai hasil observasi dalam sampling,
yang disebut eror sampling (Aaker, 1995).
2.5.1 Menentukan Populasi dan Ukuran Sampel
Populasi ialah wilayah generalisasi yang terdiri atas objek/subjek yang
mempunyai kuantitas dan karakteristik tertentu yang ditetapkan oleh peneliti
untuk dipelajari dan kemudian ditarik kesimpulannya. (Sugiyono, 1997). Populasi
dalam setiap penelitian harus disebutkan secara jelas yaitu yang berkenaan dengan
besarnya anggota populasi serta wilayah penelitian yang dicakup. Tujuan
diketahuinya ukuran populasi ialah agar kita dapat menentukan besarnya ukuran
sampel yang diambil dari anggota populasi dan membatasi berlakunya daerah
generalisasi. Terdapat banyak rumus dalam menentukan ukuran sampel
diantaranya, rumus empiris oleh Issac dan Michael (Sukardi, 2004), rumus Slovin
(Umar, 2004) dan Taro Yamane (Rahmat, 2001).
2.5.2 Teknik Pengambilan Sampling
Terdapat banyak cara untuk memperoleh sampel yang diperlukan dalam
penelitian. Pada banyak kasus, beragam pertanyaan diberikan dan banyak variabel
yang perlu diteliti, sehingga sangat penting untuk memperoleh sampel yang
representatif. Sangatlah dimungkinkan, atau bahkan diperlukan, untuk
memperoleh sampel yang representatif hanya dari penilaian dan pengertian
umum. Ada 2 macam metode pengambilan sampel (Aaker, 1995) yaitu
pengambilan sampel secara acak (probability sampling) dan pengambilan sampel
secara tidak acak (nonprobability sampling).
A. Pengambilan Sampel Secara Acak (Probability Sampling)
Pengambilan sampel secara acak (probability sampling) adalah metode
sampling yang setiap anggota populasinya memiliki peluang yang spesifik dan
bukan nol untuk terpilih sebagai sampel. Peluang setiap anggota populasi tersebut
dapat sama, dapat juga tidak. Pengambilan sampel secara acak, terdiri dari:
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-8
1. Pengambilan Sampel Acak Sederhana
Pengambilan sampel acak sederhana adalah suatu teknik pengambilan
sampel dimana setiap anggota populasi memiliki probabilitas terpilih yang sama.
Apabila jumlah sampel yang diinginkan berbeda-beda, maka besarnya peluang
tiap anggota populasi untuk terpilihpun berbeda-beda pula, dengan mengikuti
perbandingan jumlah sampel terhadap jumlah populasi. Dua metode yang dapat
digunakan dalam pengambilan sampel ini adalah metode undian dan metode
menggunakan Tabel Bilangan Random.
2. Pengambilan Sampel Acak Sistematis
Pengambilan sampel acak sistematis adalah suatu teknik pengambilan
sampel dimana titik mula pengambilan sampel dipilih secara random dan
kemudian setiap nomor dengan interval tertentu dari daftar populasi dipilih
sebagai sampel. Pengambilan sampel acak sistematis tidak dapat diterapkan pada
populasi yang tersusun dengan urutan pola tertentu dimana interval sampling
mengikuti urutan pola tersebut.
3. Pengambilan Sampel Acak Terstratifikasi
Pengambilan sampel acak terstratifikasi adalah suatu teknik pengambilan
sampel dimana terlebih dahulu dilakukan pembagian anggota populasi ke dalam
kelompok-kelompok kemudian sampel diambil dari setiap kelompok tersebut
secara acak. Stratifikasi atau pembagian ini dapat dilakukan berdasarkan
ciri/karakteristik tertentu dari populasi yang sesuai dengan tujuan penelitian.
Pengambilan sampel terstratifikasi dapat dibagi menjadi dua, yaitu proporsional
dimana jumlah sampel yang diambil adalah sebanding dengan jumlah anggota
populasi dalam setiap kelompok dan non proporsional dimana jumlah sampel
yang diambil adalah tidak sebanding dengan jumlah anggota populasi dalam
setiap kelompok karena pertimbangan analitis.
4. Pengambilan Sampel Kelompok
Pengambilan sampel kolompok adalah suatu teknik pengambilan sampel
dimana sampling unitnya bukan individual melainkan kelompok individual
(cluster) berdasar ciri/karakteristik tertentu. Selanjutnya dari cluster-cluster yang
ada, dipilih satu cluster secara acak., kemudian diambil sampel secara acak dari
cluster terpilih ini. Hal ini dimungkinkan karena masing-masing cluster dianggap
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-9
homogen sehingga tidak diperlukan dilakukan pengambilan sampel pada semua
cluster.
5. Pengambilan Sampel Secara Bertahap
Pengambilan sampel secara bertahap adalah suatu teknik pengambilan
sampel yang dilakukan secara bertahap. Tahap pertama dilakukan untuk
mendapatkan informasi awal. Tahap selanjutnya dilakukan wawancara ulang
dengan tambahan untuk mendapatkan informasi yang lebih detail.
B. Pengambilan Sampel Secara Tidak Acak (Non Probability Sample)
Pengambilan sampel secara tidak acak (non probability sampling) adalah
metode sampling yang setiap anggota populasinya tidak memiliki peluang yang
sama untuk dipilih sebagai sampel, bahkan probabilitas anggota populasi tertentu
untuk terpilih tidak diketahui. Dalam pengambilan sampel secara tidak acak,
pemilihan unit sampling didasarkan pada pertimbangan atau penilaian subjektif
dan tidak pada penggunaan teori probabilitas. Pengambilan sampel secara tidak
acak terdiri dari accidental sampling, purposive samping, quota sampling dan
snowball sampling.
1. Accidental Sampling (Convenience Sampling),
Accidental Sampling (Convenience Sampling) adalah suatu teknik
pengambilan sampel dimana sampel yang diambil merupakan sampel yang paling
mudah diperoleh atau dijumpai. Dalam hal ini, unit sampel sangat mudah diakses,
diukur, dan sangat bekerja sama sehingga teknik sampling ini sangat mudah,
murah dan cepat dilaksanakan.
2. Purposive Samping/ Judgmental Sampling
Purposive Sampling adalah suatu teknik pengambilan sampel dimana
pemilihan sampel dilakukan dengan pertimbangan subjektif tertentu berdasar
beberapa ciri/karakteristik yang dimiliki sampel tersebut, yang dipandang
berhubungan erat dengan ciri/karakteristik populasi yang sudah diketahui
sebelumnya. Sampel yang purposif adalah sampel yang dipilih dengan cermat
sehingga relevan dengan penelitian.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-10
3. Quota Sampling
Quota Sampling adalah suatu teknik pengambilan sampel dimana sampel
diambil dari suatu sub populasi yang mempunyai karakteristik-karakteristik
tertentu dalam batasan jumlah atau kuota tertentu yang diinginkan.
4. Snowball Sampling
Snowball Sampling adalah suatu teknik pengambilan sampel yang sangat
sesuai digunakan untuk mengetahui populasi dengan ciri-ciri khusus yang sulit
dijangkau. Pemilihan pertama dilakukan secara acak, kemudian setiap responden
yang ditemui diminta untuk memberikan informasi mengenai rekan-rekan lain
yang mempunyai kesamaan karakteristik yang dibutuhkan, sehingga diperoleh
responden tambahan.
2.6 Analisis Multivariat
Dalam melakukan penelitian, tahapan analisis data memiliki peran penting
untuk menggali informasi dari observasi yang telah dilakukan (Sekaran, 1992).
Pada penelitian-penelitian yang melibatkan variabel majemuk salah satu alat
analisis yang sering digunakan adalah teknik analisis multivariat. Untuk
mendapatkan informasi yang tepat dan valid, pemilihan teknik analisis multivariat
harus memperhatikan tujuan penelitian yang dilakukan, asumsi dasar teknik
analisis multivariat yang akan dipilih, dan skala pengukuran yang digunakan pada
saat pengumpulan data.
Analisis multivariat didefinisikan sebagai semua metode statistik yang
menganalisis beberapa pengukuran yang ada pada setiap obyek dalam satu atau
banyak sampel secara simultan (Dillon dan Goldstein, 1984). Berdasarkan definisi
tersebut, setiap teknik analisis yang melibatkan lebih dari dua variabel secara
simultan dapat dianggap sebagai analisis multivariat. Analisis multivariat yang
akan dijelaskan meliputi analisis faktor dan analisis cluster
2.6.1 Analisis Faktor
Analisis faktor merupakan istilah umum yang diberikan pada sebuah kelas
metode statistika multivariat yang tujuan utamanya adalah reduksi dan
penyederhanaan data (Hair, 1998). Dengan kata lain, untuk mengekstrak variabel-
variabel penelitian yang biasanya berjumlah sangat banyak menjadi beberapa
variabel baru sehingga memudahkan pengolahan data selanjutnya dengan tetap
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-11
mempertahankan informasi awal yang terkandung di dalamnya (Dillon dan
Goldstein, 1984). Pada analisis faktor, tidak ada variabel yang didefinisikan
bebas atau tergantung, semua variabel diperhitungkan secara simultan.
Analisis faktor dilakukan dengan dua tujuan, yaitu exporatory dan
confirmatory. Pada analisis eksploratori/deskriptif, analisis dilakukan hanya untuk
merumuskan masalah secara lebih akurat dan mengidentifikasi variabel untuk
keperluan penelitian lebih lanjut, dimana jumlah faktor/dimensi yang akan
dibentuk ditentukan oleh analisis faktor. Sedangkan pada analisis konfirmatori,
analisis dilakukan untuk menguji hipotesis yaitu mengukur tingkat kesesuaian
struktur yang ditentukan/diusulkan oleh peneliti, dimana jumlah faktor/dimensi
(mungkin juga variabel-variabel anggotanya) ditentukan oleh peneliti kemudian
analisis faktor dipakai untuk mengujinya.
Langkah-langkah analisis faktor dapat dibagi dalam enam tahap (Hair,
1998), yaitu penentuan tujuan analisis, penentuan tipe dan desain analisis,
pengujian asumsi, pemilihan metode ekstraksi dan penentuan jumlah faktor,
pemilihan metode rotasi dan interpretasi matriks faktor, Validitas analisis, serta
penggunaan analisis faktor sebagai data mentah analisis multivariat lainnya.
A. Pengujian Data
Pengujian data dilakukan pada data yang terkumpul dari hasil kuesioner II.
Pengujian data yang dilakukan meliputi pengujian grafis dan uji outliers.
Pengujian grafis digunakan untuk memahami karakteristik dasar dari data yang
akan digunakan pada penelitian. Histogram digunakan untuk menggambarkan
karakteristik dasar variabel individu dan hubungan antara variabel secara
sederhana. Selain itu, boxplot digunakan untuk menggambarkan perbedaan antara
pasangan kelompok dan keseluruhan tingkat perbedaan antar kelompok dan
keberadaan outlier yang selanjutnya akan digunakan analisis yang lebih empiris
(uji outliers) untuk mendeteksinya.
Uji outlier digunakan untuk mengetahui jika ada nilai ekstrim pada atribut
tertentu. Langkah dalam pengujian outlier adalah deteksi univariat dan deteksi
multivariat. Deteksi univariat digunakan untuk memeriksa pengamatan pada
masing-masing atribut individual. Sedangkan deteksi multivariat digunakan untuk
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-12
mengukur jarak masing-masing pengamatan dalam ruang multidimensi dari pusat
rata-rata dari semua pengamatan.
B. Penentuan Tujuan
Tujuan Analisis Faktor terbagi menjadi dua data summarization dan data
reduction. Data Summarization dilakukan untuk mengidentifikasi adanya
hubungan di antara variabel atau responden dengan menguji korelasinya. Data
Reduction dilakukan untuk membuat sebuah variabel set baru yang dinamakan
faktor untuk menggantikan sejumlah variabel tertentu, setelah melakukan korelasi.
C. Penyusunan Desain Riset (Pembuatan Matriks Korelasi)
Terdapat dua tipe Analisis Faktor, yaitu tipe R dan tipe Q. Tipe R
dilakukan untuk mengekstrak variabel, sedangkan tipe Q dilakukan untuk
mengekstrak cases/responden. Dalam hal ini, analisis tipe Q dan analisis cluster
mempunyai tujuan yang sama yaitu mengekstrak/mengelompokkan responden ke
dalam beberapa grup, tetapi kriteria pengelompokannya berbeda. Desain riset
analisis faktor meliputi pembuatan matriks korelasi, penentuan tipe dan jumlah
variabel yang akan dianalisis, penentuan jumlah sampel.
Matriks data mentah berukuran n x p (n objek dan p variabel) yang berisi
hasil kuesioner diubah menjadi matriks korelasi. Dalam matriks korelasi, variabel-
variabel yang diukur mempunyai unit dan skala pengukuran yang berbeda.
Penggunaan matriks ini untuk menghilangkan perbedaan yang diakibatkan oleh
mean dan dispersi variabel.
Variabel yang dipilih adalah variabel yang relevan dengan penelitian yang
dilakukan. Data mentah yang diperoleh merupakan hasil pengukuran metrik.
Dalam beberapa kasus, variabel dummy (berkode 0 – 1) yang sekalipun
dikategorikan nonmetrik, dapat digunakan. Jumlah variabel pada setiap faktornya,
diusahakan seminimal mungkin dengan tetap mengandung sebanyak-banyaknya
informasi yang dibutuhkan.
Secara umum, jumlah sampel yang dianjurkan adalah antara 50 sampai
100 sampel (Hair, 1998). Atau bisa digunakan patokan rasio, dimana jumlah
sampel minimum adalah sama dengan 5 kali variabel atau yang lebih acceptable
adalah 10 kali jumlah variabel, yang berarti setiap 1 kolom, terdapat 10 baris data.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-13
D. Pengujian Asumsi
Sebelum masuk pada proses analisis faktor, terdapat asumsi-asumsi dasar
yang harus dipenuhi. Asumsi-asumsi yang harus dipenuhi untuk menilai tepat atau
tidaknya menggunakan analisis faktor tersebut adalah asumsi korelasi dan asumsi
ukuran kecukupan sampling.
Asumsi korelasi meliputi korelasi antar variabel, korelasi parsial dan uji
hipotesis Bartlett’s Test of Sphericity. Besar korelasi antar variabel independen
harus cukup kuat atau di atas 0.3. Besar korelasi parsial yaitu korelasi antar dua
variabel dengan menganggap tetap variabel lain, justru harus kecil atau mendekati
nol. Sedangkan uji hipotesis bahwa matriks korelasi adalah bukan matriks
identitas, dengan menggunakan Bartlett’s Test of Sphericity. Nilai signifikansi
yang diperoleh dari Bartlett’s Test of Sphericity harus lebih kecil dari 0.05
(sig<0.05).
Asumsi ukuran kecukupan sampling diuji dengan Kaiser-Meyer-Olkin
(KMO) dan Measure of Sampling Adequacy (MSA). KMO merupakan indeks
untuk membandingkan besarnya koefisien korelasi amatan dengan koefisien
parsial, yang berarti bahwa besar koefisien korelasi keseluruhan variabel pada
matriks korelasi harus signifikan di antara paling sedikit beberapa variabel. Angka
KMO disyaratkan harus lebih dari 0.5.
22
2
ar
r
ijij
ijKMO untuk i j ........................................ (2.1)
Keterangan:
rij2 = koefisien korelasi antara variabel i dan variabel j
aij2 = koefisien korelasi parsial antara variabel i dan variabel j
Kaiser (1974) menginterpretasikan angka KMO sebagai:
a. Marvelous atau bagus sekali (0.90)
b. Meritorius atau bagus (0.80)
c. Middling atau cukup bagus (0.70)
d. Mediocre atau cukup (0.60)
e. Miserable atau kurang (0.50)
f. Unacceptable atau tidak dapat diterima (< 0.50)
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-14
Sedangkan MSA merupakan indeks untuk mengukur kecukupan sampling
untuk tiap variabel individual.
22
2
ijij
ij
iar
rMSA untuk i j .................................................... (2.2)
Angka MSA diinterpretasikan dengan kriteria:
a. MSA = 1.0, variabel tersebut dapat diprediksi tanpa kesalahan oleh variabel
lain
b. MSA > 0.5, variabel masih bisa diprediksi dan bisa dianalisis lebih lanjut
c. MSA <= 0.5, variabel tidak bisa diprediksi dan tidak bisa dianalisis lebih
lanjut atau harus dikeluarkan
Apabila, dari uji MSA diperoleh hasil bahwa analisis faktor tidak dapat
digunakan maka untuk mengatasinya, dicoba membuang variabel dengan nilai
MSA individu paling kecil, kemudian dilakukan uji MSA baru. Pengujian ulang
ini dilakukan hingga uji MSA menyatakan bahwa analisis faktor dapat digunakan.
E. Ekstraksi Faktor dan Penentuan Jumlah Faktor
Ekstraksi faktor bertujuan untuk menghasilkan sejumlah faktor dari data
yang ada. Terdapat 2 pendekatan dalam mengekstraksi faktor, metode Analisis
Komponen Utama (Principal Component Analysis) dan metode Analisis Faktor
Umum (Common Factor Analysis). Dalam pemilihannya, perlu diketahui lebih
dahulu tipe-tipe variansi data. Total variansi (total variance) terdiri dari tiga
bagian, yaitu variansi umum (common variance), variansi unik atau spesifik
(specific variance), dan variansi eror (error variance). Variansi umum adalah
variansi variabel yang dibagi dengan semua variabel yang ada. Variansi spesifik
adalah variansi yang dimiliki oleh variabel yang bersifat reliabel secara spesifik
dan tidak berhubungan dengan variabel lain. Sedangkan variansi eror adalah
variansi yang berhubungan dengan ketidakreliabelan, yang terjadi dari proses
pengumpulan data, eror pengukuran, dan kesalahan acak.
Principal Component Analysis digunakan untuk meringkas sejumlah besar
variabel yang ada menjadi variabel baru (faktor) dengan jumlah minimum, tetapi
mampu menjelaskan sebagian besar variansi dalam variabel-variabel awal (Hair,
1998). Principal Component mengasumsikan variasi data tidak terbagi (porsi
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-15
specific variance dan error variance adalah sangat kecil dalam total variance).
PC1 (principal component 1) menjelaskan variansi terbanyak, disusul dengan PC2,
dan seterusnya sampai PCn.
Bentuk umum analisis komponen utama (Dillon dan Goldstein, 1984), adalah:
PC(1) = ω(1)1 X1 + ω(1)2 X2 + ... + ω(1)p Xp
PC(2) = ω(2)1 X1 + ω(2)2 X2 + ... + ω(2)p Xp
.
.
.
PC(m) = ω(m)1 X1 + ω(m)2 X2 + ... + ω(m)p Xp .......................... (2.3)
Keterangan:
PC(i) = principal component (faktor) ke i, dimana i = 1, 2, ..., m
ω(i)j = bobot variabel ke j pada PC ke i
Xj = variabel ke j, dimana j = 1, 2, ..., p
Common Factor Analysis digunakan untuk menyederhanakan hubungan
yang beraneka ragam dan kompleks dalam satu set variabel observasi dan
mengidentifikasi faktor atau dimensi umum yang menghubungkan variabel-
variabel (yang sepertinya tidak berhubungan) sehingga struktur data dapat terlihat
(Hair, 1998). Common Factor mengasumsikan variasi data dapat dibedakan
menjadi bagian umum (common) dan bagian unik (specific), tetapi tidak diketahui
sebelumnya tentang porsi specific variance dan error variance dalam total
variance sehingga dimaksudkan untuk menghilangkan kedua jenis variansi
tersebut dan hanya menggunakan common variance saja.
Bentuk umum analisis faktor umum (Dillon dan Goldstein, 1984), adalah:
X1 = λ(1)1 f1 + λ(2)1 f2 + ... + λ (m)1 fm + e1
X2 = λ(1)2 f1 + λ(2)2 f2 + ... + λ (m)2 fm + e2
.
.
.
Xp = λ(1)p f1 + λ(2)p f2 + ... + λ (m)p fm + ep .............................. (2.4)
Keterangan:
fi = faktor ke i, dimana i = 1, 2, ..., m
λ (i)j = bobot variabel ke j pada faktor ke i
Xj = variabel ke j, dimana j = 1, 2, ..., p
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-16
Ej = efek unik (error) pada Xj
Dalam analisis faktor dikenal istilah faktor loading, eigenvalue dan
komunalitas (communality). Bobot λ(i)j disebut sebagai faktor loading variabel j
pada faktor i. Faktor loading juga menyatakan korelasi antar variabel j dan faktor
i, nilainya berkisar antara -1 dan 1. Faktor loading tinggi (mendekati -1 atau 1)
berarti variabel j representatif pada faktor i. Karena λ(i)j menyatakan korelasi (R),
maka kuadrat λ(i)j menyatakan proporsi variansi total variabel j yang mampu
dijelaskan faktor i. Eigenvalue adalah ukuran yang menjelaskan faktor, secara
matematis dinyatakan sebagai:
Eigenvalue faktor i = (λ(i)1)2 + (λ(i)2)
2 + (λ(i)3)
2 + ... + (λ(i)p)
2 ................ (2.5)
Eigenvalue menyatakan besar variansi faktor i, yang berarti seberapa
mampu faktor tersebut mewakili variabel-variabel, semakin tinggi nilai eigenvalue
semakin baik. Nilai maksimumnya sama dengan p (jumlah variabel) karena setiap
variabel memiliki variansi sebesar 1 (semua variabel ditransformasikan menjadi
variabel normal baku yang memiliki mean = 0 dan variansi = 1). Jadi, nilai
eigenvalue berkisar antara 0 sampai p.
Sedangkan komunalitas adalah ukuran yang menjelaskan variabel, secara
matematis dinyatakan sebagai:
Komunalitas variabel j = (λ(1)j)2 + (λ(2)j)
2 + (λ(3)j)
2 + ... + (λ(m)j)
2 ......... (2.6)
Komunalitas menyatakan proporsi variansi total variabel j yang mampu
dijelaskan oleh faktor-faktor yang berhasil diekstrak. Komunalitas berarti pula
rasio common variance terhadap total variance variabel j, dimana nilai
komunalitas berkisar antara 0 sampai 1.
Dalam menentukan jumlah faktor yang diinginkan sebagai hasil ekstrak,
terdapat beberapa kriteria, yaitu:
1. Latent Root Criterion
Hanya faktor-faktor yang memiliki latent root (eigenvalue) minimum 1
yang akan dipertahankan. Ini dapat berarti bahwa sebuah faktor dapat dianggap
sebagai faktor, bila paling sedikit dapat menjelaskan variansi satu variabel
atau setiap variabel menyumbangkan nilai 1 pada total eigenvalues. Maka, hanya
faktor dengan eigenvalue > 1 yang dianggap signifikan.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-17
2. Apriori Criterion
Jumlah faktor ditentukan sendiri oleh peneliti karena peneliti sudah
mempunyai pengalaman sebelumnya tentang beberapa jumlah faktor. Metode ini
digunakan untuk menguji suatu teori yang sudah ada.
3. Percentage of Variance Criterion
Persentase kumulatif total variansi tertentu diekstraksi dari faktor-faktor
terpilih secara berurutan. Tujuannya untuk memastikan signifikansi faktor-faktor
terpilih. Dengan memastikannya terlebih dahulu diketahui dengan pasti bahwa
faktor-faktor tersebut dapat menjelaskan paling sedikit sejumlah variansi.
4. Scree Test Criterion
Meskipun semua faktor mengandung paling sedikit beberapa variansi unik,
tetapi pada dasarnya proporsi variansi unik faktor kedua (dan sesudahnya) lebih
besar dari faktor sebelumnya. Tujuannya untuk mengidentifikasi jumlah maksimal
faktor yang dapat diekstrak sebelum sejumlah variansi unik mulai mendominasi
struktur variansi umum. Pada kurva latent root terhadap jumlah faktor, titik
dimana kurva mulai bergerak lurus merupakan indikasi jumlah faktor maksimum
yang dapat diekstrak.
F. Rotasi Matriks Faktor
Jika faktor loading suatu variabel sama-sama cukup tinggi pada beberapa
faktor maka sulit untuk memutuskan ke faktor mana variabel tersebut harus
dimasukkan, sedangkan sasaran analisis faktor adalah agar setiap variabel hanya
masuk ke satu faktor saja. Untuk itu setelah ekstraksi, faktor-faktor yang terbentuk
perlu dirotasi. Tujuan rotasi adalah untuk mengekstrimkan faktor loading variabel.
Rotasi dilakukan dengan memutar sumbu faktor, dari titik pusatnya menuju titik
yang ingin dituju. Beberapa metode rotasi, yaitu orthogonal rotation dan oblique
rotation.
Orthogonal Rotation dilakukan dengan cara merotasikan sumbu faktor
yang kedudukannya saling tegak lurus satu dengan lainnya, sehingga setiap faktor
saling bebas terhadap faktor lainnya karena sumbunya saling tegak lurus. Rotasi
Orthogonal masih dapat dibedakan menjadi quartimax, varimax dan equimax.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-18
Quartimax dengan merotasi faktor awal hasil ekstraksi sehingga diperoleh
hasil rotasi dimana setiap variabel mempunyai faktor loading yang tinggi di satu
faktor dan sekecil mungkin pada faktor lain.
Varimax merupakan metode yang paling sering digunakan karena sering
terbukti lebih baik dalam menunjukkan perbedaan antar faktor, dengan merotasi
faktor awal hasil ekstraksi sehingga diperoleh hasil rotasi dimana dalam suatu
kolom, nilai yang ada sebanyak mungkin mendekati nol. Ini berarti, di dalam
setiap faktor tercakup sesedikit mungkin variabel. Equimax mengkombinasikan
metode Quartimax dan Varimax.
Oblique Rotation dilakukan dengan merotasikan sumbu faktor yang
kedudukannya saling membentuk sudut, dengan besar sudut rotasi tertentu. Dalam
hal ini, korelasi antara faktor masih diperhitungkan karena sumbu faktor tidak
saling tegak lurus satu dengan lainnya. Rotasi Oblique masih dapat dibedakan
menjadi oblimax, quartimin, covarimin dan oblimin. Oblimax merotasi faktor
sehingga jumlah faktor loading yang tinggi dan rendah meningkat, dengan
menurunkan faktor-faktor loading yang berada di pertengahan. Quartimin,
meminimumkan jumlah produk pada struktur loading. Covarimin, seperti varimax
pada rotasi orthogonal, yaitu dengan merotasi faktor awal hasil ekstraksi sehingga
diperoleh nilai yang ada dalam suatu kolom sebanyak mungkin mendekati nol.
Oblimin, mengkombinasikan metode Quartimin dan Covarimin.
G. Interpretasi Faktor
Interpretasi faktor dilakukan dengan mengelompokkan variabel-variabel
ke dalam faktor-faktor hasil rotasi. Dasar untuk memutuskan apakah suatu
variabel dimasukkan pada faktor 1, faktor 2, atau faktor lainnya adalah faktor
loadingnya.
Sebelum dikelompokkan, faktor loading harus memenuhi kriteria
signifikansi. Kriteria signifikansi faktor loading terbagi menjadi dua, signifikansi
praktis dan signifikansi statistik. Kriteria signifikansi praktis adalah faktor loading
lebih besar dari 0.5, karena semakin besar faktor loading semakin mudah
menginterpretasikan faktor tersebut. Kriteria signifikansi statistik dapat dilihat
pada Tabel 2.1.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-19
Tabel 2.1 Identifikasi Signifikansi Faktor Loading Berdasar Jumlah Sampel
Faktor Loading Jumlah sampel
minimum
0,30
0,35
0,40
0,45
0,50
0,55
0,60
0,65
0,70
0,75
350
250
200
150
120
100
85
70
60
50 Sumber : Studi Pustaka, 2011
Langkah-langkah interpretasi matriks faktor antara lain memeriksa faktor
loading pada matriks faktor, mengidentifikasi faktor loading terbesar untuk setiap
variabel, menggabungkan variabel ke dalam faktor, menghapus variabel dan
memberikan nama atau label pada faktor terbentuk yang mencerminkan arti
gabungan dari variabel-variabel penyusunnya.
H. Validitas
Validitas berasal dari kata validity yang mempunyai arti sejauhmana
ketepatan dan kecermatan suatu instrumen ukur dalam melakukan fungsi ukurnya
(Azwar, 1997). Validitas menunjukkan sejauh mana suatu instrumen ukur itu
dapat mengukur apa yang ingin diukur. Suatu tes atau instrumen ukur dapat
dikatakan mempunyai validitas yang tinggi apabila alat tersebut menjalankan
fungsi alat ukurnya, atau memberikan hasil ukur, yang sesuai dengan maksud
dilakukannya pengukuran tersebut. Tes yang menghasilkan data yang tidak
relevan dengan tujuan pengukuran dikatakan sebagai tes yang memiliki validitas
rendah. Dalam hal ini, faktor yang mempengaruhi validitas adalah pewawancara,
responden (yang diwawancarai), dan instrumen ukur yang digunakan.
I. Reliabilitas
Reliabilitas adalah indeks yang menunjukkan sejauh mana suatu instrumen
ukur dapat dipercaya atau dapat diandalkan (Singarimbun, 1989). Bila suatu
instrumen ukur dipakai dua kali – untuk mengukur konsep yang sama dan hasil
pengukuran yang diperoleh relatif konsisten, maka instrumen ukur tersebut
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-20
reliabel. Dengan kata lain, reliabilitas menunjukkan konsistensi suatu instrumen
ukur di dalam mengukur konsep yang sama.
Reliabilitas diartikan sebagai tingkat kepercayaan hasil suatu pengukuran
(Azwar, 1997). Reliabilitas memberikan gambaran sejauh mana skor hasil
pengukuran terbebas dari galat pengukuran (measurement error). Pengukuran
yang memiliki reliabilitas yang tinggi disebut sebagai pengukuran yang reliabel
(reliable), yaitu dapat dipercaya.
Secara empirik, tinggi rendahnya reliabilitas ditunjukkan oleh suatu angka
yang disebut koefisien reliabilitas. Pada awalnya, tinggi rendahnya reliabilitas
suatu tes dicerminkan oleh koefisien korelasi antara skor pada dua tes yang
dikenakan pada sekelompok individu yang sama. Semakin tinggi koefisien
korelasi berarti konsistensi antara hasil pengenaan dua tes tersebut semakin baik
dan hasil ukur kedua tes tersebut dikatakan semakin reliabel. Begitu juga
sebaliknya. Di samping itu, walaupun koefisien korelasi dapat saja bertanda
negatif (–), koefisien reliabilitas selalu mengacu pada angka positif (+), karena
angka negatif tidak ada artinya bagi interpretasi reliabilitas hasil ukur.
Secara teoritis, besarnya koefisien korelasi/reliabilitas berkisar antara 0.00
– 1.00. Namun pada kenyataannya, koefisien 0.00 dan 1.00 tidak pernah tercapai
dalam pengukuran, karena konsistensi (maupun ketidakkonsistensian) yang
sempurna tidak dapat terjadi dalam pengukuran aspek-aspek psikologis dan sosial
yang menggunakan manusia sebagai subjeknya, dimana dalam diri manusia
terdapat berbagai sumber eror yang sangat mempengaruhi kecermatan hasil
pengukuran.
Langkah-langkah pengujian reliabilitas meliputi (Singarimbun, M., 1989):
1. Melakukan uji coba skala pengukuran tersebut pada responden yang
berjumlah minimal 30 orang. Dengan jumlah minimal 30 orang ini maka
distribusi nilai akan lebih mendekati kurva normal.
2. Mempersiapkan tabel tabulasi jawaban
3. Menghitung koefisien Cronbach’s Alpha dengan menggunakan rumus berikut
ini (Suhartono, I., 1995):
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-21
tv
iv
n
n1
1 ................................................................................. (2.7)
dimana:
n = jumlah variabel/atribut
vi
= varians variabel/atribut
vt = varians nilai total
Nilai r yang diperoleh kemudian dibandingkan dengan nilai r pada tabel r
product moment, seperti pada uji validitas. Hasil pengukuran dikatakan dapat
dipercaya apabila mampu memberikan hasil ukur yang konsisten (reliable), yang
berarti dalam beberapa kali pelaksanaan pengukuran terhadap kelompok subjek
yang sama diperoleh hasil yang relatif sama, selama aspek yang diukur dalam diri
subjek memang belum berubah. Dalam hal ini, relatif sama berarti dengan tetap
menerima adanya toleransi terhadap perbedaan-perbedaan kecil di antara hasil
beberapa kali pengukuran tersebut.
2.6.2 Analisis Cluster
Analisis cluster merupakan teknik multivariat yang tujuan utamanya
adalah untuk mengelompokkan objek-objek berdasarkan kesamaan karakteristik
yang dimiliki masing-masing objek (Hair, 1998). Berdasar kriteria tertentu,
analisis cluster mengklasifikasikan objek (dapat berupa responden, produk, atau
entiti), sehingga setiap objek yang berada dalam satu grup akan bersifat saling
memiliki kemiripan (homogen/similar) sedangkan objek-objek antar grup akan
bersifat heterogen. Berdasarkan hal ini, analisis cluster akan berusaha
meminimumkan variansi di dalam cluster (within-cluster) dan memaksimumkan
variansi antar grup (between-cluster). Seperti halnya analisis faktor, pada analisis
cluster tidak ada variabel yang didefinisikan bebas atau tergantung, semua
variabel diperhitungkan secara simultan.
Satu hal yang patut dijadikan catatan dalam melakukan analisa cluster
adalah sifatnya yang ‘more an art than a science’ (Hair, 1998) sehingga dapat
dengan mudah mengalami salah terap (misapplied). Ukuran kesamaan atau
algoritma yang berbeda dapat mempengaruhi hasil. Untuk mengatasi hal ini, harus
dilakukan analisis cluster berulang-ulang dengan menggunakan metode yang
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-22
berbeda-beda sehingga dapat menemukan pola tersembunyi dalam
pengelompokan objek-objek yang ada.
Langkah-langkah analisis cluster dapat dibagi dalam enam tahap, yaitu
penentuan tujuan analisis, penyusunan desain riset, pengujian asumsi,
pembentukan cluster (partisi) dan penilaian overall fit, interpretasi cluster, serta
profiling cluster.
A. Penentuan Tujuan
Tujuan analisis cluster terbagi menjadi tiga, yaitu taxonomy description
(analisis cluster dilakukan dengan tujuan untuk mengklasifikasikan objek-objek
ke dalam beberapa grup), data simplification (analisis cluster dilakukan untuk
menyederhanakan data, relationship identification (analisis cluster dilakukan
untuk mengidentifikasi hubungan kemiripan dan perbedaan).
Selanjutnya adalah pemilihan variabel-variabel yang akan digunakan
untuk mengkarakterisasikan objek-objek yang akan dicluster. Pemilihan variabel-
variabel ini perlu dilakukan berdasarkan pertimbangan teoritis/konseptual dan
pertimbangan kepraktisan serta harus ada dasar pemikirannya.
B. Penyusunan Desain Riset
Penyusunan desain riset analisis cluster meliputi pendeteksian outlier,
pengukuran kemiripan objek, penstandarisasian data. Outlier dapat mengubah
struktur asli dan menghasilkan cluster yang tidak representatif terhadap struktur
populasi yang sesungguhnya, oleh karena itu pendeteksian terhadap outlier sangat
diperlukan. Outlier dapat dideteksi dengan menggunakan grafik, dimana dari
grafik tersebut dapat diketahui adanya objek-objek yang mempunyai profil yang
berbeda, yang ditunjukkan dari nilai yang sangat ekstrim pada satu atau beberapa
variabel.
Pada analisis cluster, konsep kemiripan adalah sangat mendasar.
Kemiripan interobjek adalah pengukuran kesesuaian atau kemiripan antara objek
yang akan dikelompokkan. Kemiripan interobjek dapat dilihat dari tiga ukuran,
yaitu korelasi dan jarak untuk data metrik, serta asosiasi untuk data nonmetrik.
Korelasi digunakan untuk mengetahui kemiripan dapat dilihat dari
koefisien korelasi antara pasangan objek. Korelasi yang tinggi mengindikasikan
kemiripan, dan sebaliknya korelasi yang rendah mengindikasikan perbedaan.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-23
Tetapi, pengukuran korelasi ini sangat jarang digunakan karena penekanan
aplikasi analisis cluster adalah pada jarak objek, bukan pola nilainya.
Pengukuran jarak berdasar kemiripan yang mewakili kemiripan sebagai
kedekatan observasi dengan yang lain. Pengukuran jarak sesungguhnya adalah
pengukuran terhadap perbedaan, dimana semakin besar nilainya menunjukkan
semakin kurang kemiripannya. Jarak dikonversikan sebagai pengukuran
kemiripan dengan menggunakan hubungan kebalikan.
Pengukuran asosiasi berdasar kemiripan digunakan untuk membandingkan
objek yang termasuk data nonmetrik (nominal dan ordinal). Pengukuran ini dapat
menilai tingkat kepercayaan atau kesesuaian antara pasangan responden.
Sebelum proses dimulai, perlu ditentukan lebih dahulu apakah data perlu
distandarisasi atau tidak. Pertimbangannya adalah kebanyakan pengukuran jarak
sangat peka terhadap perbedaan skala atau besarnya variabel, variabel dengan
standar deviasi yang besar mempunyai pengaruh yang lebih terhadap nilai akhir
kemiripan, bila dilihat melalui grafik, tidak akan terlihat adanya perbedaan pada
dimensi sehubungan dengan letaknya.
Proses standarisasi dapat terbagi menjadi dua, yaitu standarisasi variabel
dan standarisasi observasi/objek. Standarisasi variabel adalah perubahan dari
setiap variabel menjadi skor standar (Z Scores) dengan mengurangi mean dan
membaginya dengan standar deviasi setiap variabel. Standarisasi observasi
dilakukan terhadap responden atau objek. Standarisasi ini sangat diperlukan, jika
clustering dilakukan dengan tujuan mengidentifikasi kepentingan relatif suatu
variabel terhadap variabel lainnya.
C. Pembentukan cluster
Proses pembentukan cluster dimulai setelah variabel-variabel yang
digunakan dipilih dan matriks korelasi dibentuk. Sebelum proses dimulai, harus
dilakukan pemilihan algoritma pembentukan cluster yang akan digunakan, dan
penentuan berapa jumlah cluster yang akan dibentuk. Algoritma pembentukan
cluster terdiri dari prosedur hierarki dan nonhierarki.
Teknik hirarki adalah teknik clustering yang membentuk konstruksi hirarki
atau berdasarkan tingkatan tertentu seperti struktur pohon. Jadi proses
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-24
pengelompokan dilakukan secara bertingkat atau bertahap. Teknik hirarki terbagi
menjadi dua, yaitu metode agglomeratif dan divisif.
Metode agglomeratif dimulai dengan pernyataan bahwa setiap objek
membentuk clusternya masing-masing. Dua objek dengan jarak terdekat
bergabung, selanjutnya objek ketiga akan bergabung dengan cluster yang ada atau
bersama objek yang lain membentuk cluster baru. Hal ini dilakukan dengan tetap
memperhitungkan jarak kedekatan antar objek. Proses akan terus berlanjut hingga
akhirnya terbentuk satu cluster yang terdiri dari keseluruhan objek. Metode
agglomeratif terbagi atas single linkage (nearest neighbor approach), complete
linkage (furthest neighbor approach), average linkage (between-groups
approach), ward’s error sum of squares method (ward’s method), dan centroid
method.
Metode divisif berlawanan dengan metode agglomeratif. Metode dimulai
dengan satu cluster besar yang mencakup semua observasi (objek), kemudian
objek yang memiliki ketidakmiripan besar dipisahkan sehingga membentuk
cluster yang lebih kecil, dan seterusnya untuk objek-objek yang tidak mirip
lainnya. Proses pemisahan terus berlanjut hingga setiap observasi adalah cluster
bagi dirinya sendiri. Berbeda dengan metode agglomeratif, yang bergerak dari kiri
ke kanan, metode divisif bergerak dari kanan ke kiri.
Berbeda dengan prosedur hirarki, prosedur nonhirarki tidak melibatkan
proses pembentukan konstruksi struktur pohon. Dimulai dengan memilih
sejumlah nilai cluster awal sesuai dengan jumlah yang diinginkan kemudian objek
digabungkan ke dalam cluster-cluster tersebut. Metode nonhirarki yang digunakan
adalah K-Means clustering, yang terbagi atas sequential treshold method, parallel
treshold method dan optimizing.
D. Interpretasi Cluster
Pada tahap ini yang perlu diperhatikan adalah karakteristik apa yang
membedakan masing-masing cluster kemudian sesuai dengan tujuan, pemberian
nama dilakukan berdasar apa yang dapat diberikan oleh objek pembentuk kepada
masing-masing cluster tersebut. Tentunya terlebih dahulu perlu ditentukan
spesifikasi/kreteria yang mendasari cluster-cluster yang telah terbentuk. Di
samping itu, interpretasi dari hasil clustering dapat dilakukan terhadap grafik
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-25
dendogram maupun analisis nilai koefisien agglomeratif. Jarak antar
pengelompokan sebenarnya merupakan interpretasi dari beberapa nilai kedekatan
dalam menggabungkan objek dalam cluster.
Interpretasi cluster menghasilkan lebih dari hanya suatu deskripsi.
Interpretasi cluster memberikan penilaian kesesuaian cluster yang terbentuk
berdasar teori prioritas atau pengalaman praktek. Dalam konfirmatori, analisis
cluster memberikan pengertian secara langsung terhadap penilaian kesesuaian.
Cluster juga memberikan langkah-langkah untuk membuat suatu penilaian dari
segi signifikansi prakteknya.
E. Profiling Cluster
Tahap profiling meliputi penggambaran karakteristik dari setiap cluster
untuk menjelaskan bahwa masing-masing cluster adalah berbeda berdasar
dimensi-dimensi tertentu. Analisis profil tidak memfokuskan pada apa yang
secara langsung menentukan cluster tapi karakteristik cluster setelah proses
identifikasi. Lebih lanjut, adanya penegasan bahwa karakteristik adalah berbeda
secara signifikan terhadap cluster dan dapat memprediksikan anggota-anggota
cluster secara lebih spesifik.
2.7 Penelitian Sebelumnya
Penelitian yang digunakan sebagai acuan atau landasan dalam teori ini
adalah penelitian yang dilakukan oleh Wahyudi (2010) yang berjudul “Analisis
Konsumsi Dan Perilaku Konsumen Dalam Penggunaan Energi Bahan Bakar
Minyak Untuk Kendaraan Bermotor Di Surakarta”. Penelitian ini mengambil studi
kasus bahan bakar minyak di kotamadya Surakarta dengan memakai model
faktor-faktor yang mempengaruhi perilaku pembelian konsumen. Penelitian ini
menggunakan metode pengolahan data yang sama yaitu analisis cluster dalam
menentukan karakteristik konsumen, namun berbeda dalam pengambilan studi
kasus serta model yang diterapkan. Secara detail perbedaan penelitian tersebut
disajikan pada tabel 2.2.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-26
Tabel 2.2 Perbedaan dengan Penelitian Terdahulu
Dias Tri Kristanto Sukma Hendra Wahyudi S
Studi Kasus
Merancang Strategi Pemasaran Untuk
Mengalihkan Pengguna Premium
Menjadi Pengguna Pertamax
Analisis Konsumsi Dan Perilaku Konsumen
Dalam Penggunaan Energi Bahan Bakar
Minyak Untuk Kendaraan Bermotor Di
Surakarta
Model Penelitian
Model faktor yang dipengaruhi oleh
bauran pemasaran 4P (Product, Price,
Promotion, Place )
Model faktor yang dipengaruhi perilaku
konsumen (Kotler) dan dikembangkan
dengan model tingkat konsumsi konsumen.
Menggunakan faktor dan
variabel penelitian yang
berbeda.
Pengolahan Data Analisis faktor dan analisis cluster
Analisis cluster dan analisis perhitungan
tingkat konsumsi BBM
PerbedaanBagian Keterangan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
III-1
BAB III
METODOLOGI PENELITIAN
Pada bab ini diuraikan secara sistematis mengenai tahapan yang dilakukan
dalam penelitian mengenai ”Analisis Segmen Pengguna Bahan Bakar Minyak
(Premium dan Pertamax) Sebagai Dasar Penyusunan Strategi Pemasaran” yang
digambarkan dalam diagram alir (flow chart) pada gambar 3.1.
Gambar 3.1. Metodologi penelitian
Mulai
Studi Pustaka
Penyusunan Atribut :
1. Penyusunan Kuesioner I
2. Penyebaran Kuesioner I
Studi Lapangan
Pengambilan Data Tingkat
Kepentingan :
1. Penyusunan Kuesioner II
2. Penyebaran Kuesioner II
Tahap Pendahuluan
Tahap Pengumpulan Data
Penentuan Desain
Sampling & Riset
Penetapan Variabel Penelitian
Analisis Faktor
Selesai
Interpretasi Hasil
Kesimpulan dan Saran
Analisis Cluster
Tahap Pengolahan Data
Tahap Kesimpulan dan Saran Strategi Pemasaran
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
III-2
Bab ini membahas model penelitian dan kerangka pikir/metodologi yang
digunakan dalam penelitian beserta penjelasan singkat setiap tahapannya.
Metodologi penelitian terdiri dari tahap pendahuluan, studi lapangan dan studi
pustaka, penyusunan dan penyebaran kuesioner awal, identifikasi variabel
penelitian, pengumpulan data, pengolahan data, interpretasi hasil dan kesimpulan
dan saran.
3.1 Tahap Pendahuluan
Tahap pendahuluan terdiri dari studi lapangan dan studi pustaka,
menentukan dasar-dasar penelitian, penentuan desain sampling dan riset,
penetapan variabel penelitian dan penyusunan kuesioner awal. Adapun penjelasan
dari tiap langkah yang ada pada tahap pendahuluan, sebagai berikut:
3.1.1 Studi Lapangan dan Studi Pustaka
Studi lapangan dilakukan untuk mengetahui secara realistik karakteristik
obyek penelitian, perbuatan, kejadian atau peristiwa dan waktu sehingga dapat
mengetahui hambatan dan kendala yang mungkin terjadi saat melakukan
pengamatan. Studi lapangan yang dilakukan adalah melakukan wawancara ke
masyarakat Surakarta mengenai bahan bakar minyak jenis premium maupun
pertamax. Wawancara ini dilakukan untuk mengetahui informasi mengenai
atribut-atribut yang dipertimbangkan dalam penggunaan bahan bakar minyak jenis
premium dan pertamax.
Setelah melakukan studi lapangan, langkah selanjutnya adalah merangkum
konsep, teori dan literatur yang mendukung serta relevan dengan penelitian yang
akan dilakukan. Referensi-referensi ini diperoleh melalui buku literatur, web,
artikel dan teori-teori yang berhubungan dengan penelitian.
Data studi lapangan dan studi pustaka ini digunakan sebagai dasar dan
referensi untuk membangun kerangka konseptual serta karakterisasi sistem nyata
ke dalam model penelitian.
3.1.2 Penentuan Desain Sampling & Riset
Responden dalam penelitian ini adalah pemilik mobil pribadi dan
menggunakan bahan bakar minyak premium maupun pertamax. Responden dipilih
berdasarkan pertimbangan bahwa potensi pemilik mobil pribadi yang masih
menggunakan premium untuk dapat beralih menggunakan pertamax lebih besar.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
III-3
Berdasarkan analisis multivariat, jumlah responden yang dibutuhkan pada
penelitian adalah sedikitnya lima kali pengamatan untuk setiap variabel yang
dianalisis.
3.1.3 Penetapan Variabel Penelitian
Varibel penelitian yang digunakan pada penelitian ini didasarkan pada
variabel produk. Dengan dipilihnya variabel produk sebagai variabel penelitian,
hasil yang diharapkan adalah segmentasi persepsi dari pengguna bahan bakar
minyak premium dan pertamax terhadap premium dan pertamax itu sendiri.
Identifikasi variabel penelitian dilakukan dengan didasarkan pada studi pustaka
dan dilanjutkan dengan penetapan atribut penelitian yang sesuai dengan penelitian
yang akan dilakukan. Variabel yang digunakan pada penelitian ini didasarkan
pada variabel produk menurut Kotler dan Keller (2008), Kotler dan Amstrong
(2008), Tjiptono (2008) dan Santon (2008) serta bauran pemasaran menurut
Kotler dan Amstrong (2008).
3.2 Tahap Pengumpulan Data
Tahap pengumpulan data terdiri dari penyusunan atribut (penyusunan
kuesioner I dan penyebaran kuesioner I) dan pengambilan data tingkat
kepentingan (penyusunan kuesioner II dan penyebaran kuesioner II). Adapun
penjelasan dari tiap langkah pada tahap pengumpulan data, sebagai berikut:
3.2.1 Penyusunan Kuesioner I
Penyusunan kuesioner I dilakukan untuk mengetahui hal-hal penting yang
relevan dengan penelitian untuk dijadikan sebagai masukan. Kuesioner I
digunakan untuk mendapatkan data mengenai variabel yang dianggap penting
bagi konsumen dalam memilih dan menggunakan bahan bakar minyak yang
mungkin terlewatkan dalam identifikasi variabel dari studi pustaka. Atribut awal
yang didapat dari variabel produk menurut Kotler dan Keller (2008), Kotler dan
Amstrong (2008), Tjiptono (2008), Santon (2008) serta bauran pemasaran
menurut Kotler dan Amstrong (2008) yang telah disesuaikan dengan objek
penelitian, selanjutnya digunakan sebagai dasar dalam penyusunan kuesioner I.
Daftar atribut yang disertakan dalam penyusunan kuesioner I dapat dilihat pada
Tabel 4.3 halaman IV-2.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
III-4
Kuesioner I disusun dengan pertanyaan semi terbuka. Hal ini dilakukan
untuk memberikan ruang kepada konsumen apabila memiliki jawaban atau
variabel yang dianggap penting dalam memilih dan menggunakan bahan bakar
minyak premium dan pertamax, akan tetapi jawaban atau variabel tersebut belum
tersedia pada pilihan jawaban. Bentuk kuesioner I dapat dilihat pada Lampiran 1
pada halaman L-1.
3.2.2 Penyebaran Kuesioner I
Penyebaran kuesioner dilakukan berdasar hasil desain pengambilan sampel
pada tahap sebelumnya. Kuesioner diberikan dengan mengambil responden
pemilik mobil pribadi yang ada di wilayah Surakarta. Jumlah kuesioner yang
disebar adalah 30 kuesioner, hal ini dikarenakan 30 sampel merupakan ukuran
minimal yang diperlukan untuk populasi homogen (Kerlinger dan Lee, 2000) dan
pertimbangan bahwa kuesioner I hanya digunakan sebagai masukan variabel yang
mungkin terlewatkan dalam proses identifikasi variabel studi pustaka. Kuesioner I
disebar di SPBU di wilayah Kota Surakarta dengan responden pengguna mobil
yang kebetulan sedang mengisi bahan bakar di SPBU tersebut. Kuesioner I
disebar dengan menggunakan metode accidental sampling.
3.2.3 Penyusunan Kuesioner II
Seluruh variabel yang didapatkan dari identifikasi variabel dan penyebaran
kuesioner I kemudian digunakan sebagai dasar dalam menyusun kuesioner II.
Kuesioner ini bersifat tertutup dimana terdapat beberapa alternatif jawaban
pertanyaan dan responden tidak diberi kesempatan untuk memberikan jawaban
lain, kecuali diperlukan. Kuesioner II terdiri dari dua bagian. Bagian I terdiri dari
15 pertanyaan mengenai informasi yang dimiliki responden terhadap perbedaan
premium dan pertamax serta pandangan responden terhadap kebijakan yang akan
diambil pemerintah terkait pembatasan premium. Bagian II merupakan penilaian
responden terhadap tingkat kepentingan atribut bahan bakar minyak yang menjadi
dasar pertimbangan dalam memilih dan menggunakan bahan bakar minyak.
Pilihan jawaban bagian II tersedia dalam bentuk skala 1 untuk sangat penting
sampai skala 5 untuk sangat tidak penting. Bentuk kuesioner II dapat dilihat pada
Lampiran 2 pada halaman L-3.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
III-5
3.2.4 Penyebaran Kuesioner II
Setelah kuesioner II selesai disusun maka tahap selanjutnya adalah
penyebaran kuesioner II. Kuesioner diberikan pada sampel responden yang
relevan terhadap penelitian. Dalam hal ini, responden penelitian adalah pemilik
mobil pribadi yang menggunakan bahan bakar minyak premium maupun
pertamax. Sampel diambil secara accidental sampling dari pemilik mobil pribadi
yang menggunakan bahan bakar minyak premium maupun pertamax. Jumlah
kuesioner yang disebar adalah 150 kuesioner, hal ini untuk mengantisipasi jika
ada kuesioner yang rusak atau tidak diisi. Jumlah tersebut sudah sangat memenuhi
jumlah minimum sampel yang harus diambil yaitu sebesar minimum rasio 1 : 5
untuk jumlah variabel : jumlah pengamatan sehingga untuk 15 variabel yang akan
dianalisis dibutuhkan minimum 75 pengamatan (Hair, 2010). Kuesioner II
disebar di dua pencucian mobil dan motor dengan pertimbangan keleluasaan
waktu untuk wawancara dan pengisian kuesioner (Oktober 2011). Responden
diminta untuk menjawab semua pertanyaan dengan memberikan tanda silang pada
pilihan jawaban yang sudah tersedia. Hasil dari penyebaran kuesioner selanjutnya
akan dijadikan sebagai dasar pada tahap pengolahan data.
3.3 Tahap Pengolahan Data
Data dari kuesioner II yang telah terkumpul kemudian digunakan pada
analisis faktor untuk menyederhanakan atribut yang terbentuk dan analisis cluster
untuk menggambarkan segmen pengguna bahan bakar minyak premium dan
pertamax. Metode Pengolahan Data yang digunakan dalam penelitian ini adalah
analisis faktor dan analisis cluster yang dilakukan dengan bantuan paket program
Statistical Package for Social Science (SPSS) 16.0.
3.3.1 Analisis Faktor
Proses analisis faktor dilakukan untuk mengekstrak variabel-variabel
penelitian yang biasanya berjumlah sangat banyak menjadi beberapa variabel baru
(faktor) sehingga memudahkan pengolahan data selanjutnya dengan tetap
mempertahankan informasi awal yang terkandung di dalamnya. Data yang akan
akan digunakan pada analisis faktor adalah data yang berasal dari kuesioner II
bagian II. Kuesioner II bagian II merupakan bagian kuesioner yang
mengumpulkan data mengenai tingkat kepentingan masing-masing variabel
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
III-6
penelitian berdasarkan persepsi responden. Data tersebut menggunakan skala
likert yang berkisar dari 1 (sangat penting) sampai 5 (sangat tidak penting). Proses
pengolahan data analisis faktor dapat dilihat pada Gambar 3.2.
A. Pengujian Data
Pengujian data yang dilakukan meliputi pengujian grafis dan uji outlier.
Pengujian grafis digunakan untuk memahami karakteristik dasar dari data yang
akan digunakan pada penelitian. Histogram digunakan untuk menggambarkan
karakteristik dasar variabel individu dan hubungan antara variabel secara
sederhana. Sedangkan boxplot digunakan untuk menggambarkan perbedaan
antara pasangan kelompok dan keseluruhan tingkat perbedaan antar kelompok dan
keberadaan outlier yang selanjutnya akan digunakan analisis yang lebih empiris
(uji outlier) untuk mendeteksinya.
Uji outlier digunakan untuk mengetahui jika ada nilai ekstrim pada atribut
tertentu. Langkah dalam pengujian outlier adalah deteksi univariat dan deteksi
multivariat. Deteksi univariat digunakan untuk memeriksa pengamatan pada
masing-masing atribut individual. Sedangkan deteksi multivariat digunakan untuk
mengukur jarak masing-masing pengamatan dalam ruang multidimensi dari pusat
rata-rata dari semua pengamatan.
Gambar 3.2 Proses Pengolahan Data Analisis Faktor Sumber: Hair, 2010.
Penentuan Tujuan
Pengujian Asumsi
Ekstraksi Faktor dan
Penentuan Jumlah Faktor
Rotasi Matriks Faktor
Interpretasi Faktor
Validitas
Reliabilitas
Pengujian Data
Penyusunan Desain Riset
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
III-7
B. Penentuan Tujuan
Tujuan Analisis faktor adalah untuk mereduksi atribut awal menjadi suatu
set variabel baru yang jumlahnya lebih kecil, yang dinamakan faktor untuk
menggantikan atribut-atribut awal.
C. Penyusunan Desain Riset
Pada penelitian ini analisis faktor yang akan digunakan adalah analisis
faktor jenis-R. Analisis faktor jenis-R digunakan karena tujuan dari analisis faktor
pada penelitian ini adalah untuk melihat korelasi atau hubungan antar atribut.
Ukuran sampel yang akan digunakan pada penelitian ini adalah sebesar 150
sampel. Ukuran sampel yang lebih dari 100 memberikan dasar yang memadai
untuk perhitungan korelasi antara atribut.
D. Pengujian Asumsi
Asumsi-asumsi yang harus dipenuhi untuk menilai tepat atau tidaknya
menggunakan analisis faktor tersebut adalah asumsi korelasi, KMO and Bartlett’s
Test, dan asumsi ukuran kecukupan sampling (Measure of Sampling Adequacy).
E. Ekstraksi Faktor dan Penentuan Jumlah Faktor
Ekstraksi faktor bertujuan untuk menghasilkan sejumlah faktor dari data
yang ada. Ekstraksi faktor diperoleh dengan menggunakan metode Principal
Component Analysis (PCA). Dalam ekstraksi faktor ini, digunakan nilai
eigenvalue untuk menyatakan nilai variansi variabel. Kriteria yang akan
digunakan dalam menentukan jumlah faktor yang harus dipertahankan untuk
interpretasi adalah latent root criterion dan scree test.
F. Rotasi Matriks Faktor
Pendekatan yang akan dilakukan dalam rotasi matriks faktor dalam
penelitian ini adalah Varimax. Varimax berpusat pada kriteria menyederhanakan
kolom dari matriks faktor. Dengan pendekatan rotasi varimax, penyederhanaan
maksimum akan tercapai jika hanya ada 1 dan 0 dalam kolom. Interpretasi yang
paling mudah bila korelasi faktor-atribut adalah dekat dengan +1 atau -1, sehingga
menunjukkan hubungan positif atau negatif yang jelas antara faktor dan atribut,
atau mendekati 0 yang menunjukkan dengan jelas kurangnya asosiasi. Ini akan
lebih memperjelas distribusi variabel pada faktor-faktor yang ada secara lebih
signifikan dan nyata.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
III-8
G. Interpretasi Faktor
Interpretasi faktor dilakukan dengan mengelompokkan variabel-variabel
ke dalam faktor-faktor hasil rotasi berdasar faktor loadingnya. Kemudian faktor-
faktor tersebut diberi nama yang dianggap bisa mewakili variabel-variabel
anggota faktor tersebut. Factor scores dari faktor-faktor yang telah dapat
diekstrak pada analisis faktor akan digunakan sebagai data input pada analisis
cluster.
H. Validitas
Validitas digunakan untuk memastikan analisis faktor dapat diterapkan
pada seluruh populasi. Validitas dilakukan dengan cara membagi sampel menjadi
dua bagian lalu melakukan rotasi faktor matriks.
I. Reliabilitas
Uji reliabilitas dilakukan untuk mengetahui konsistensi suatu instrumen ukur
di dalam mengukur konsep yang sama. Adapun hipotesa untuk pengujian
reliabilitas adalah bahwa skor masing-masing atribut berkorelasi positif dengan
komposit set atributnya. Uji reliabilitas dilakukan dengan metode konsistensi inter
item, yang dilakukan dengan menghitung koefisien Cronbach’s Alpha
menggunakan persamaan (2.7). Skor-skor tersebut kemudian dibandingkan
dengan angka korelasi (r) product moment yang dapat dilihat pada Lampiran 5
pada halaman L-13. Apabila angka hasil perhitungan Cronbach’s Alpha lebih
besar dari nilai tabel, maka hipotesa dapat diterima, serta disimpulkan bahwa nilai
masing-masing atribut berkorelasi positif dengan komposit set variabelnya.
3.3.2 Analisis Cluster
Proses analisis cluster dilakukan untuk mengelompokkan objek-objek
berdasar kesamaan karakteristik di antara objek-objek tersebut, sehingga objek-
objek yang berada dalam satu cluster akan mempunyai kedekatan hubungan satu
sama lain. Data yang akan diolah dengan menggunakan analisis cluster adalah
factor scores yang merupakan output dari analisis faktor. Proses pengolahan data
analisis cluster dapat dilihat pada Gambar 3.3.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
III-9
Gambar 3.3 Proses Pengolahan Data Analisis Cluster Sumber: Hair, 2010.
A. Penentuan Tujuan
Analisis cluster dilakukan dengan tujuan eksplorasi (exploratory
purpose), yaitu untuk mengklasifikasikan semua responden dalam sampel ke
dalam beberapa grup yang disebut cluster. Cluster yang terbentuk merupakan
gambaran segmen-segmen pasar yang terdapat dalam populasi pengguna premium
maupun pertamax di wilayah Surakarta.
B. Penyusunan Desain Riset
Penyusunan desain riset analisis cluster meliputi deteksi outlier,
pengukuran kemiripan objek dan penstandarisasian data jika data sangat bervariasi
dalam satuan. Deteksi outlier dilakukan untuk mengamati adanya outlier yang
muncul sebelum dilakukan pengukuran kemiripan objek. Deteksi outlier
dilakukan dengan menghitung nilai mean dari masing-masing faktor yang
selanjutnya akan digunakan untuk menghitung nilai dissimilarity yang
menunjukkan perbedaan masing-masing observasi dari observasi lainnya.
Pengukuran kemiripan objek dilakukan dengan menghitung jarak euclidean
kuadrat karena keenam atribut merupakan data metric. Sedangkan
penstandarisasian data tidak perlu dilakukan karena semua atribut dicatat dari
skala yang sama (1 sampai 5).
C. Pembentukan Cluster
Pembentukan cluster dilakukan dengan menggunakan prosedur hierarkis
untuk menggambarkan seluruh solusi cluster yang memungkinkan yang
selanjutnya akan digunakan untuk menetapkan jumlah cluster akan dibentuk.
Kumpulan solusi awal ini selanjutnya akan dianalisis menggunakan prosedur
Penentuan Tujuan
Penyusunan Desain Riset
Pembentukan Cluster
Interpretasi Cluster
Profiling Cluster
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
III-10
nonhierarkis untuk menentukan solusi cluster akhir. Algoritma cluster yang akan
digunakan dalam analisis ini adalah ukuran kemiripan (squared euclidean
distances) dengan metode ward. Metode ward digunakan karena kecenderungan
untuk menghasilkan cluster yang homogen dan relatif memiliki ukuran yang
sama.
D. Interpretasi Cluster
Pada tahap ini, interpretasi cluster dilakukan pada solusi akhir hasil dari
analisis cluster dengan menggunakan prosedur nonhierarkis. Interpretasi cluster
menekankan pada karakteristik yang membedakan masing-masing cluster dengan
cluster yang lain.
E. Profiling Cluster
Tahap ini dilakukan untuk menentukan profil masing-masing cluster yang
terbentuk sebagai dasar penyusunan strategi pemasaran yang tepat untuk masing-
masing cluster. Cluster yang telah terbentuk selanjutnya akan ditentukan profilnya
untuk memudahkan dalam menentukan strategi pemasaran yang tepat.
3.4 Interpretasi Hasil
Output pengolahan data dari tiap bagian diinterpretasikan. Dari hasil
analisis dan interpretasi didapatkan informasi yang diharapkan dapat bermanfaat
sebagai dasar penyusunan strategi pemasaran.
3.5 Strategi Pemasaran
Cluster premium yang terbentuk dibandingkan dengan cluster pertamax
untuk mencari kemiripan yang muncul dan dari kemiripan tersebut diusulkan
strategi pemasaran yang tepat untuk masing-masing cluster premium untuk dapat
beralih menjadi pengguna pertamax.
3.6 Kesimpulan dan Saran
Pada langkah kesimpulan dan saran ditarik kesimpulan dimana kesimpulan
ini dibuat berdasarkan analisis pengolahan data dan juga memberikan saran-saran
dimana saran berisi masukan untuk pemerintah maupun penelitian-penelitian
berikutnya agar dapat lebih baik lagi.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-1
BAB IV
PENGUMPULAN DAN PENGOLAHAN DATA
Bab ini membahas tentang proses pengumpulan data berikut data
responden serta proses pengolahan data yang terdiri dari pengujian data, analisis
multivariat yang relevan terhadap penelitian yaitu analisis faktor dan analisis
cluster, serta strategi pemasaran untuk masing-masing segmen.
4.1 Penetapan Variabel Penelitian
Dari studi pustaka didapatkan 19 variabel awal yang mempengaruhi
konsumen dalam memilih bahan bakar minyak jenis premium dan pertamax.
Seluruh variabel awal tersebut digunakan sebagai dasar dalam penyusunan
kuesioner awal. Daftar lengkap variabel tersebut, sumber dan keterangannya dapat
dilihat pada tabel 4.1.
Tabel 4.1 Daftar Variabel Produk dari Studi Pustaka
Variabel yang didapat dari studi pustaka harus disesuaikan dengan produk
yang akan diteliti. Oleh karena itu, diperlukan penyesuaian untuk beberapa
variabel yang akan disertakan dalam penyusunan kuesioner I. Hal ini
dimaksudkan untuk memudahkan responden dalam memilih variabel yang
dianggap penting dalam menggunakan bahan bakar jenis premium dan pertamax.
Daftar variabel penelitian setelah dilakukan penyesuain dapat dilihat pada tabel
4.2.
1 Bentuk P. Kotler dan Kevin Lane Keller Ukuran, bentuk atau struktur fisik produk.
2 Fitur P. Kotler dan Kevin Lane Keller Fungsi tambahan yang melengkapi fungsi dasar suatu pproduk.
3 Penyesuaian P. Kotler dan Kevin Lane Keller Diferensiasi produk sesuai keinginan konsumen.
4 Kualitas Kinerja P. Kotler dan Kevin Lane Keller Kemampuan produk untuk melaksanakan fungsinya.
5 Kualitas Kesesuaian P. Kotler dan Kevin Lane Keller Produk diproduksi identik dan memenuhi spesifikasi yang dijanjikan
6 Ketahanan P. Kotler dan Kevin Lane Keller Ukuran umur operasi harapan produk
7 Keandalan P. Kotler dan Kevin Lane Keller Ukuran probabilitas bahwa produk tidak akan gagal/rusak dalam periode waktu tertentu
8 Kemudahan Perbaikan P. Kotler dan Kevin Lane Keller Ukuran kemudahan perbaikan produk
9 Gaya P. Kotler dan Kevin Lane Keller Penampilan dan rasa produk kepada pembeli
10 Desain P. Kotler dan Kevin Lane Keller Totalitas fitur yang mempengaruhi tampilan, rasa, dan fungsi produk
11 Merek P. Kotler dan Gary Amstrong Suatu nama atau lambang yang menunjukkan identitas pembuat produk
12 Kemasan P. Kotler dan Gary Amstrong Semua kegiatan merancang dan memproduksi wadah untuk produk
13 Pelayanan P. Kotler dan Gary Amstrong Kegiatan yang terjadi dalam interaksi langsung dengan pembeli.
14 Label P. Kotler dan Gary Amstrong Penanda sederhana yang ditempelkan pada produk
15 Jaminan/Garansi Fandy Tjiptono Komitmen produsen untuk memberikan ganti rugi atas produk yang gagal.
16 Warna William J. Stanton Karakteristik atau ciri suatu produk dilihat dari pandangan mata.
17 Harga Bauran Pemasaran Jumlah yang ditagihkan atas suatu produk atau jasa.
18 Tempat Bauran Pemasaran Kegiatan perusahaan yang membuat produk tersedia bagi pelanggan sasaran
19 Promosi Bauran Pemasaran Aktivitas yang menyampaikan manfaat produk dan membujuk pelanggan membelinya
No. Variabel Sumber Keterangan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-2
Tabel 4.2 Daftar Variabel Penelitian Setelah Penyesuaian
Setelah dilakukan penyesuaian terhadap variabel awal yang didapat dari
studi pustaka, maka daftar variabel yang akan ditetapkan dalam kuesioner I adalah
kualitas kesesuaian, irit, prestise, merek, pelayanan, harga, ketersediaan dan iklan.
Dari delapan variabel yang didapat dari studi pustaka, maka langkah
selanjutnya adalah menetapkan atribut yang lebih terperinci dari variabel tersebut.
Daftar variabel dan atribut yang telah ditetapkan dan akan disertakan dalam
kuesioner awal dapat dilihat pada tabel 4.3.
Tabel 4.3 Daftar Variabel dan Atributnya
4.2 Tahap Pengumpulan Data
Tahap pengumpulan data terdiri dari penyusunan kuesioner I, penyebaran
kuesioner I, penyusunan kuesioner II dan penyebaran kuesioner II.
1 Bentuk Dihapuskan Premium & Pertamax memiliki bentuk yang sama
2 Fitur Dihapuskan Premium & Pertamax tidak memiliki fungsi tambahan
3 Penyesuaian Dihapuskan Premium & Pertamax tidak memiliki differensiasi produk
4 Kualitas Kinerja Dihapuskan Premium & Pertamax memiliki fungsi yang sama
5 Kualitas Kesesuaian Dipertahankan Premium & Pertamax memiliki spesifikasi yang berbeda
6 Ketahanan Dipertahankan Diganti dengan "Irit"
7 Keandalan Dihapuskan Premium & Pertamax berwujud bahan bakar yang langsung habis setelah digunakan
8 Kemudahan Perbaikan Dihapuskan Premium & Pertamax berwujud bahan bakar yang langsung habis setelah digunakan
9 Gaya Dihapuskan Premium & Pertamax memiliki penampilan/wujud yang sama.
10 Desain Dipertahankan Diganti dengan "Prestise"
11 Merek Dipertahankan Premium & Pertamax memiliki merek yang berbeda
12 Kemasan Dihapuskan Premium & Pertamax tidak memiliki kemasan
13 Pelayanan Dipertahankan Premium & Pertamax dimungkinkan memiliki pelayanan yang berbeda
14 Label Dihapuskan Premium & Pertammax tidak memiliki label pada produk
15 Jaminan/Garansi Dihapuskan Premium & Pertamax tidak memiliki garansi produk
16 Warna Dihapuskan Premium & Pertamax memiliki warna yang sama
17 Harga Dipertahankan Premium & Pertamax memiliki harga yang berbeda
18 Tempat Dipertahankan Diganti dengan "Ketersediaan"
19 Promosi Dipertahankan Diganti dengan "Iklan"
No. Variabel Penetapan Keterangan
1 Ketahanan Keiritan
2 Kualitas Kesesuaian Kesesuaian takaran (volume yang sesuai)
Kesesuaian nilai oktan
3 Desain Nilai prestise
4 Merek Perusahaan yang memproduksi
5 Pelayanan Pelayanan operator
Kemudahan melakukan pembayaran
6 Harga Harga
7 Ketersediaan Ketersediaan
8 Iklan Pengaruh iklan
No. Variabel Atribut
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-3
4.2.1 Penyusunan Kuesioner I
Setelah didapatkan daftar variabel dan atribut dari studi pustaka maka
dilakukan penyusunan kuesioner I. Daftar variabel dan atribut dalam kuesioner I
dapat dilihat pada Lampiran 1 pada halaman L-1.
4.2.2 Penyebaran Kuesioner I
Setelah dilakukan penyusunan kuesioner I maka langkah selanjutnya
adalah penyebaran kuesioner I. Kuesioner I disebar di SPBU yang terletak di Jalan
Bhayangkara Kelurahan Panularan Kota Surakarta (sebelah utara SMA Negeri 7
Surakarta) dengan responden berupa pengguna mobil yang kebetulan sedang
mengisi bahan bakar di SPBU tersebut. Hasil kuesioner I ini digunakan sebagai
dasar dalam penyusunan kuesioner II terutama dalam penyusunan pertanyaan
tingkat kepentingan variabel-variabel penelitian. Dari penyebaran kuesioner I
didapat masukan atribut dari responden sebanyak lima atribut. Kelima atribut
yang menjadi masukan tersebut dapat dilihat pada tabel 4.4.
Tabel 4.4 Daftar Atribut Tambahan dari Responden
Kelima atribut tersebut kemudian digabungkan dengan sepuluh atribut
sebelumnya. Dari penggabungan tersebut didapat lima belas atribut.
Penggabungan atribut digunakan sebagai dasar dalam penyusunan kuesioner II.
Untuk lebih lengkapnya dapat dilihat pada tabel 4.5.
Tabel 4.5 Daftar Atribut Gabungan
1 Pelayanan Sistem antrian
Jaminan ketepatan pengembalian
2 Harga Stabilitas harga
3 Pendekatan persuasif Fatwa pemuka agama
Himbauan pemerintah
No. Variabel Atribut
1 Ketahanan Keiritan
2 Kualitas Kesesuaian Kesesuaian takaran (volume yang sesuai)
Kesesuaian nilai oktan
3 Desain Nilai prestise
4 Merek Peusahaan yang memproduksi
5 Pelayanan Pelayanan operator
Kemudahan pembayaran
Sistem antrian
Jaminan ketepatan pengembalian
6 Harga Harga
Stabilitas harga
7 Ketersediaan Ketersediaan
8 Iklan Pengaruh iklan
9 Pendekatan persuasif Fatwa pemuka agama
Himbauan pemerintah
No. Variabel Atribut
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-4
Setelah didapat atribut yang menjadi pertimbangan responden dalam
menggunakan bahan bakar jenis premium maupun pertamax, maka langkah
selanjutnya adalah menentukan jumlah minimal pengamatan yang diperlukan.
Berdasarkan analisis multivariat, jumlah pengamatan yang diperlukan sedikitnya
5x pengamatan untuk setiap atribut yang akan dianalisis. Jumlah atribut yang akan
dianalisis pada penelitian ini adalah 15 atribut sehingga jumlah pengamatan yang
dilakukan harus lebih besar dari 75 pengamatan (Hair, 2010). Pada penelitian ini
jumlah pengamatan yang dilakukan adalah sebesar 150 pengamatan. Langkah
selanjutnya adalah menyusun dan menyebarkan kuesioner II berdasarkan 15
atribut di atas.
4.2.3 Penyusunan Kuesioner II
Bentuk kuesioner II dapat dilihat pada Lampiran 2 pada halaman L-3.
Kuesioner II bagian I merupakan kumpulan pertanyaan yang menggambarkan
seberapa jauh informasi yang dimiliki responden terhadap perbedaan premium
dan pertamax serta pandangan responden terhadap kebijakan yang akan diambil
pemerintah terkait pembatasan premium. Bagian ini berguna untuk menentukan
bauran pemasaran yang sesuai untuk menjangkau cluster premium yang dianggap
potensial. Kuesioner II bagian II merupakan kumpulan pertanyaan yang bertujuan
untuk mengetahui tingkat kepentingan masing-masing atribut penelitian terhadap
masing-masing responden. Bagian ini berguna untuk mengelompokkan responden
terhadap masing-masing atribut yang dianggap penting oleh responden.
4.2.4 Penyebaran Kuesioner II
Kuesioner II disebar di dua pencucian mobil dan motor yang berada di
Jalan Bhayangkara Kelurahan Panularan Kota Surakarta selama tiga minggu (22
Agustus – 2 Oktober 2011). Jumlah kuesioner yang disebar adalah 150 kuesioner
dan jumlah kuesioner yang dapat diolah adalah 147 kuesioner. Tiga kuesioner
tidak dapat diolah karena menggunakan bahan bakar minyak selain premium dan
pertamax.
4.3 Tahap Pengolahan Data
Pengolahan data meliputi analisis faktor dan analisis cluster. Data diolah
dengan bantuan software excel dan program Statistical Package for Social
Science (SPSS) 16.0.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-5
4.3.1 Analisis Faktor
Analisis faktor dilakukan untuk mengekstrak atribut-atribut penelitian
yang berjumlah 15 atribut menjadi beberapa variabel baru (faktor) sehingga
memudahkan pengolahan data selanjutnya dengan tetap mempertahankan
informasi awal yang terkandung di dalamnya.
A. Pengujian Data
Pengujian data dilakukan untuk memahami karakteristik data dan
memastikan bahwa data mempunyai syarat yang cukup untuk dilakukan analisis
multivariat. Pengujian data dilakukan dengan menggunakan data seluruh
responden yaitu sebanyak 147 responden. Pertanyaan yang diuji adalah
pertanyaan bagian II, karena pertanyaan tersebut berskala likert sedang pertanyaan
yang lain berskala nominal dan interval. Pengujian data dimulai dengan pengujian
grafis dan dilanjutkan dengan uji outliers.
Pengujian grafis dilakukan untuk memperoleh pemahaman yang lengkap
tentang distribusi data, menggambarkan karakteristik dasar dari setiap atribut dan
hubungan antara atribut dalam gambar yang sederhana. Pengujian grafis ini
meliputi histogram, scatterplot dan boxplot.
Histogram digunakan untuk memperoleh gambaran karakteristik distribusi
dari atribut penelitian. Histogram untuk atribut 1 dapat dilihat pada gambar 4.1.
Untuk histogram variabel lainnya akan di tampilkan pada Lampiran 3 pada
halaman L-7.
Tabel 4.6 Analisis Deskriptif
Sumber: Output SPSS, 2011.
Tabel 4.6 menunjukkan hasil analisis deskriptif untuk atribut 1. Dari hasil
analisis deskriptif dapat dilihat bahwa tidak ada responden yang beranggapan
bahwa atribut ini merupakan variable yang “sangat tidak penting”. Nilai rata-rata
atribut sebesar 4,4490 mengindikasikan bahwa sebagian besar responden
mengganggap atribut ini merupakan atribut yang penting dalam penggunaan
bahan bakar minyak.
Descriptive Statistics
147 2,00 5,00 4,4490 ,65359 -,928 ,200 ,442 ,397
147
Irit
Valid N (l istwise)
Statistic Statistic Statistic Statistic Statistic Statistic Std. Error Statistic Std. Error
N Minimum Maximum Mean Std.
DeviationSkewness Kurtosis
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-6
Nilai -0,928 pada skewness mengindikasikan bahwa tingginya frekuensi
nilai yang ada di sebelah kanan puncak distribusi normal. Selain itu, Nilai 0,442
pada kurtosis menunjukkan bahwa distribusi data cenderung memuncak.
Distribusi data yang memuncak mengindikasikan bahwa ada satu nilai yang
mendominasi dan nilai tersebut berada di sebelah kanan puncak distribusi normal.
Hal ini dapat dilihat pada gambar histogram di bawah ini.
Gambar 4.1 Histogram Atribut 1
Sumber: Output SPSS, 2011.
Boxplot digunakan untuk mengetahui ada tidaknya nilai outlier dan nilai
ekstrim dari data pengamatan.
Gambar 4.2 Boxplot 15 Variabel
Sumber: Output SPSS, 2011.
Dari hasil boxplot dapat dilihat bahwa ada beberapa nilai outliers pada
atribut 1, 3, 6, 8, 9, 10, 11, dan 12. Untuk mengatasi adanya nilai outliers ini maka
dilakukan uji outliers. Uji outliers digunakan dalam mendeteksi outliers dalam
analisis univariat dan multivariat. Uji outliers dibagi menjadi dua bagian yaitu
deteksi univariat dan multivariat.
Deteksi univariat digunakan untuk memeriksa pengamatan pada masing-
masing atribut individual. Tabel 4.16 berisi pengamatan dengan nilai-nilai atribut
terpenstandarisasian melebihi ± 4 pada masing-masing atribut. Dari perspektif
6.005.004.003.002.001.00
Var_1
100
80
60
40
20
0
Fre
qu
en
cy
Mean = 4.449Std. Dev. = 0.65359N = 147
Var_15Var_14Var_13Var_12Var_11Var_10Var_9Var_8Var_7Var_6Var_5Var_4Var_3Var_2Var_1
5
4
3
2
1
37108
125
88171718
16
16116
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-7
univariat, hanya observasi 37 dan 128 melebihi ambang batas pada sebuah atribut
tunggal. Observasi 37 muncul sebagai outliers pada atribut 12 yaitu atribut
ketersediaan dan observasi 128 muncul sebagai outliers pada atribut 11 yaitu
atribut harga.
Tabel 4.7 Deteksi Univariat
Deteksi multivariat digunakan untuk mengukur jarak masing-masing
pengamatan dalam ruang multidimensi dari pusat rata-rata dari semua
pengamatan. nilai D2 (jarak mahalanobis) mewakili pengamatan yang jauh dari
distribusi umum pengamatan dalam ruang multidimensi. Karena sampel memiliki
lebih dari 100 pengamatan maka nilai ambang 4 akan digunakan sebagai batas.
Hasil dari deteksi multivariat dapat dilihat pada Tabel 4.8.
Dari Tabel 4.8 dapat dilihat bahwa tidak ada observasi yang memiliki nilai
D2
melebihi nilai ambang batas sebesar 4. Dari hasil ini dapat diambil kesimpulan
bahwa tidak ada observasi yang terindikasi sebagai outliers dalam interaksinya
dengan atribut lain dalam perspektif multivariat.
Tabel 4.8 Deteksi Multivariat
Dari hasil deteksi univariat ditemukan dua observasi yang diidentifikasi
sebagai outliers yaitu observasi ke 37 (pada atribut 12) dan observasi ke 128 (pada
atribut 11). Karena kedua observasi tersebut mewakili segmen dari populasi maka
keduanya akan tetap dipertahankan dalam analisis berikutnya untuk memastikan
Atribut Univariate Outliers Atribut Univariate Outliers
Atribut 1 Tidak Ada Atribut 9 Tidak Ada
Atribut 2 Tidak Ada Atribut 10 Tidak Ada
Atribut 3 Tidak Ada Atribut 11 128
Atribut 4 Tidak Ada Atribut 12 37
Atribut 5 Tidak Ada Atribut 13 Tidak Ada
Atribut 6 Tidak Ada Atribut 14 Tidak Ada
Atribut 7 Tidak Ada Atribut 15 Tidak Ada
Atribut 8 Tidak Ada
Observasi Dkuadrat/df Observasi Dkuadrat/df Observasi Dkuadrat/df Observasi Dkuadrat/df Observasi Dkuadrat/df Observasi Dkuadrat/df Observasi
1 1,02 21 0,77 41 0,78 64 1,66 84 0,87 104 0,85 124
2 1,02 22 1,02 42 1,05 65 0,68 85 0,55 105 0,78 125
3 0,85 23 1,36 43 1,85 66 0,71 86 1,28 106 0,37 126
4 0,61 24 1,04 44 0,82 67 1,01 87 1,47 107 0,47 127
5 1,07 25 1,86 45 0,37 68 1,21 88 1,07 108 0,47 128
6 0,64 26 0,84 47 1,17 69 0,77 89 0,85 109 0,96 129
7 0,93 27 1,40 48 0,53 70 0,51 90 0,98 110 0,89 130
8 0,72 28 1,20 49 0,78 71 0,91 91 1,89 111 1,51 131
9 1,22 29 0,55 50 0,50 72 2,39 92 0,84 112 0,68 132
10 0,51 30 1,28 51 0,44 73 1,83 93 0,62 113 0,56 133
11 0,44 31 0,93 52 1,29 74 2,59 94 1,17 114 0,58 134
12 1,53 32 0,58 53 1,13 75 0,49 95 1,72 115 0,44 135
13 1,17 33 0,50 54 1,42 76 1,14 96 1,06 116 0,41 136
14 0,85 34 2,91 55 0,92 77 0,86 97 1,09 117 0,37 137
15 1,67 35 1,02 56 0,85 78 0,85 98 0,34 118 1,00 138
16 1,74 36 0,86 57 1,64 79 0,44 99 0,68 119 2,16 139
17 1,26 37 2,47 59 1,09 80 1,18 100 0,39 120 0,58 140
18 1,22 38 0,86 60 1,19 81 0,37 101 1,05 121 1,19 141
19 0,76 39 1,10 61 1,31 82 0,96 102 0,77 122 1,46 142
20 1,17 40 0,96 62 0,33 83 1,06 103 0,96 123 0,64 143
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-8
tingkat generalisasi ke suluruh populasi. Selain itu, kedua observasi tersebut tidak
muncul dalam deteksi multivariat sebagai outliers. Hal ini berarti bahwa kedua
observasi tersebut tergolong pengamatan yang normal dalam hubungannya
dengan atribut yang lain.
B. Penentuan Tujuan
Dalam penelitian ini, analisis faktor dilakukan dengan tujuan untuk
memahami apakah atribut penelitian bisa dikelompokkan yang dinamakan faktor
untuk menggantikan atribut awal sehingga mempermudah dalam memahami
gambaran besar menggenai apa yang pelanggan pikirkan dalam menggunakan
bahan bakar minyak jenis premium dan pertamax.
C. Penyusunan Desain Riset
Untuk memahami struktur atribut dibutuhkan analisis faktor jenis-R dan
matriks korelasi antara atribut. Semua atribut dalam penelitian yang akan
dianalisis dengan analisis faktor merupakan data metrik. Ukuran sampel dalam
penelitian ini adalah sebesar 147 dengan rasio mendekati 10:1 (jumlah
pengamatan : jumlah atribut). Ukuran sampel yang lebih dari 100 memberikan
dasar yang memadai untuk perhitungan korelasi antara atribut.
D. Pengujian Asumsi
Asumsi statistik dasar dianggap mempengaruhi analisis faktor apabila
asumsi tersebut mempengeruhi korelasi antara atribut. Langkah pertama adalah
pemeriksaan visual dari korelasi untuk mengidentifikasi apakah korelasi antar
atribut signifikan secara statistik.
Tabel 4.9 Matriks Korelasi
Tabel 4.9 menunjukkan matriks korelasi untuk 15 atribut penelitian.
Inspeksi dari matriks korelasi mengungkapkan bahwa 70 dari 105 korelasi (67%)
yang signifikan pada tingkat 0,01, yang memberikan dasar yang memadai untuk
melanjutkan ke tahap selanjutnya karena korelasi antar atribut telah mencukupi.
Atribut Korelasi Atribut Korelasi
Atribut 1 0 Atribut 9 8
Atribut 2 5 Atribut 10 1
Atribut 3 6 Atribut 11 5
Atribut 4 5 Atribut 12 4
Atribut 5 6 Atribut 13 6
Atribut 6 6 Atribut 14 3
Atribut 7 6 Atribut 15 3
Atribut 8 6 Total 70
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-9
Tabulasi jumlah korelasi signifikan per variabel menemukan kisaran dari 0
(atribut 1) sampai 8 (atribut 9). Atribut yang tidak memiliki korelasi yang
signifikan mungkin tidak menjadi bagian dari faktor apapun, dan jika atribut
memiliki sejumlah besar korelasi, mungkin menjadi bagian dari beberapa faktor.
Tabel 4.10 Hasil KMO and Bartlett’s Test
Sumber: Output SPSS, 2011.
Untuk dapat menilai signifikansi keseluruhan dari matriks korelasi
dilakukan dengan uji Bartlett dan faktorability dari himpunan keseluruhan atribut
dan atribut individu menggunakan ukuran kecukupan sampling (MSA). Hal ini
bertujuan untuk memastikan tingkat dasar korelasi statistik dalam set atribut,
sehingga struktur yang dihasilkan memiliki beberapa faktor dasar yang obyektif.
Tabel 4.11 Ukuran Kecukupan Sampling (MSA)
Sumber: Output SPSS, 2011.
Uji Bartlett menemukan bahwa korelasi, ketika diambil secara kolektif,
adalah signifikan pada tingkat 0,0001 (Tabel 4.10). Ukuran kecukupan sampling
(MSA) dapat dilihat pada tabel 4.11. Ukuran kecukupan sampling terlihat tidak
hanya pada korelasi, tetapi juga pada pola antara atribut. Nilai MSA keseluruhan
jatuh dalam rentang yang dapat diterima (di atas 0,50) dengan nilai 0,707.
Pemeriksaan nilai untuk setiap atribut, mengidentifikasi tidak ada atribut yang
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-10
memiliki nilai MSA di bawah 0,50 sehingga tidak ada atribut yang akan
dihilangkan.
E. Ekstraksi Faktor dan Penentuan Jumlah Faktor
Ekstraksi faktor diperoleh dengan menggunakan metode Principal
Component Analysis (PCA). Dalam ekstraksi faktor ini, digunakan nilai
eigenvalue untuk menyatakan nilai variansi variabel. Setelah ekstraksi faktor
selesai dilakukan, langkah selanjutnya adalah memilih jumlah komponen yang
akan disimpan untuk analisis selanjutnya. Latent root criterion dan scree test akan
digunakan untuk menentukan jumlah faktor yang akan dipertahankan untuk
analisis selanjutnya. Tabel 4.12 berisi informasi mengenai 15 atribut beserta nilai
eigenvalue. Nilai eigenvalue dapat digunakan untuk membantu dalam memilih
sejumlah faktor.
Tabel 4.12 Total Variance Explained
Sumber: Output SPSS, 2011.
Dengan menerapkan kriteria laten akar untuk mempertahankan faktor
dengan nilai eigenvalue lebih besar dari 1,0 maka lima faktor akan dipertahankan.
Scree test (Gambar 4.3) menunjukkan bahwa enam faktor akan sesuai ketika
mempertimbangkan perubahan dalam nilai eigenvalue (mengidentifikasi "siku"
pada eigenvalue). Nilai eigenvalue faktor keenam sebesar 0,876 (yang lebih
rendah dari 1,0) menghalangi dimasukkannya faktor keenam dalam latent root
criterion. Karena nilai eigenvalue faktor keenam sebesar 0,876 telah cukup dekat
dengan 1,0 dan dengan dimasukkannya faktor keenam akan menambah 5,84%
cumulative varians maka faktor keenam akan dimasukkan dalam analisis
berikutnya. Keenam faktor yang dipertahankan (mewakili 71,044%) sudah
dianggap cukup dalam menjelaskan varians 15 atribut sebelumnya.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-11
Menggabungkan kriteria latent root criterion dan scree test mengarah pada
kesimpulan untuk mempertahankan enam faktor untuk analisis lebih lanjut.
Gambar 4.3 Scree Test Criterion
Langkah selanjutnya adalah menafsirkan keenam faktor yang didapat dari
langkah sebelumnya berdasarkan karakteristik atribut yang membentuknya.
Factor loadings mewakili derajat asosiasi (korelasi) antara setiap atribut dengan
setiap faktor. Tujuan analisis faktor adalah untuk memaksimalkan hubungan dari
setiap atribut dengan faktor tunggal melalui rotasi faktor matriks.
Tabel 4.13 Matriks Analisis Komponen Faktor Sebelum Dirotasi
Tabel 4.13 menyajikan matriks analisis komponen faktor sebelum dirotasi.
Baris pertama dari angka di bagian bawah setiap kolom adalah jumlah kolom dari
faktor loadings kuadrat (nilai eigenvalue) dan menunjukkan kepentingan relatif
dari setiap faktor dalam variansi yang berhubungan dengan set atribut dalam
urutan yang sesuai dengan kepentingannya. Di ujung kanan baris adalah jumlah
10,657, yang merupakan total dari empat nilai eigenvalue (3,466 + 2,453 + 1,444
1 2 3 4 5 6
Var_1 0,165 -0,119 0,468 0,440 -0,078 0,658 0,893
Var_2 0,476 -0,377 0,108 0,138 -0,601 -0,023 0,762
Var_3 0,541 -0,082 0,040 0,469 -0,216 -0,328 0,675
Var_4 0,400 0,537 0,151 0,289 0,109 -0,378 0,709
Var_5 0,518 0,186 -0,194 0,541 0,099 0,065 0,647
Var_6 0,657 -0,080 -0,259 0,103 0,382 0,190 0,698
Var_7 0,600 -0,068 -0,422 -0,161 0,324 0,162 0,700
Var_8 0,614 -0,346 -0,285 -0,345 -0,088 0,057 0,708
Var_9 0,764 -0,177 -0,197 -0,152 -0,222 -0,120 0,742
Var_10 0,196 -0,500 0,502 0,059 0,467 -0,159 0,788
Var_11 0,359 -0,412 0,559 -0,245 0,216 -0,208 0,761
Var_12 0,356 -0,311 0,268 -0,330 -0,159 0,137 0,448
Var_13 0,465 0,613 0,183 -0,102 0,155 0,085 0,667
Var_14 0,264 0,701 0,238 -0,248 -0,118 0,010 0,693
Var_15 0,400 0,649 0,243 -0,307 -0,136 0,118 0,766
Sum of Squre (eigenvalue) 3,466 2,453 1,444 1,327 1,091 0,876 10,657
Percentage of Trace 23,104 16,355 9,628 8,845 7,273 5,839 71,044
Extraction Method: Principal Component Analysis.
a. 6 components extracted.
Variabel CommunalityFaktor
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-12
+ 1,327 + 1,091 + 0,876). Total nilai-nilai eigenvalue merupakan jumlah total
varians diekstraksi oleh solusi faktor.
Jumlah total varians yang dijelaskan oleh salah satu faktor tunggal atau
faktor solusi secara keseluruhan dapat dibandingkan dengan variasi total dalam set
atribut yang diwakili oleh trace dari matriks faktor. Trace adalah varians total
yang akan dijelaskan dan sama dengan jumlah dari nilai-nilai eigenvalue dari
himpunan variabel. Dengan menambahkan persentase trace untuk masing-masing
faktor, maka diperoleh persentase total trace diekstraksi untuk solusi faktor.
Jumlah ini digunakan sebagai indeks untuk menentukan seberapa baik solusi
faktor mewakili apa yang digambarkan oleh semua atribut. Jika atribut sangat
berbeda satu sama lain, indeks ini akan rendah. Jika atribut jatuh ke satu atau lebih
kelompok yang sangat terkait, indeks akan mendekati 100 persen.
Persentase dari “trace” dijelaskan oleh masing-masing dari empat faktor
(23,104%, 16,355%, 9,628%, 8,845%, 7,273%, dan 5,839%) akan ditampilkan
sebagai baris terakhir dari nilai-nilai dari tabel 4.13. Indeks untuk solusi secara
keseluruhan menunjukkan bahwa 71,044 persen dari keseluruhan varians diwakili
oleh informasi yang terkandung dalam matriks faktor dari solusi enam faktor
tersebut. Oleh karena itu, indeks untuk solusi ini adalah tinggi, dan atribut pada
kenyataannya sangat terkait satu sama lain.
Setelah mendefinisikan berbagai elemen dari matriks faktor yang belum
dirotasi, langkah selanjutnya adalah meneliti pola faktor loading. Faktor loadings
memungkinkan untuk deskripsi dari masing-masing faktor dan struktur dalam set
atribut. Faktor pertama memiliki 8 atribut yang memiliki nilai loading tinggi
(loading tinggi didefinisikan sebagai lebih besar dari 0,45). Faktor kedua memiliki
4 atribut yang memiliki loading tinggi. Faktor ketiga memiliki 3 atribut yang
memiliki loading tinggi. Faktor keempat memiliki 2 atribut yang memiliki loading
tinggi, sedangkan faktor kelima dan keenam hanya memiliki 1 atribut yang
memiliki loading tinggi. Berdasarkan pola faktor loading dengan jumlah yang
relatif besar terletak pada faktor pertama dan hanya satu loading tinggi pada faktor
kelima dan keenam, interpretasi akan sulit dan secara teoritis kurang bermakna.
Oleh karena itu, langkah yang harus dilakukan adalah memutar matriks faktor
untuk mendistribusikan varians dari faktor-faktor sebelumnya. Rotasi harus
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-13
menghasilkan pola faktor sederhana dan secara teoritis lebih bermakna. Sebelum
melanjutkan dengan proses rotasi, hal yang harus dilakukan adalah memeriksa
communalities untuk melihat apakah ada atribut yang memiliki communalities
sangat rendah sehingga harus dihilangkan.
Communalities menunjukkan jumlah varians dalam variabel yang dicatat
oleh dua faktor secara bersama-sama. Nilai communalities berguna untuk menilai
berapa banyak varians dalam atribut tertentu dicatat oleh solusi faktor. Nilai
communalities yang lebih tinggi menunjukkan bahwa sejumlah besar dari varians
dalam atribut telah diekstraksi oleh solusi faktor. Nilai communalities kecil
menunjukkan bahwa sebagian besar varians variabel ini tidak diperhitungkan oleh
faktor-faktor. Meskipun tidak ada pedoman statistik yang membedakan secara
tepat nilai yang besar maupun kecil, pertimbangan praktis nilai yang lebih rendah
dari 0,50 merupakan nilai yang kecil untuk communalities. Nilai communalities
dalam tabel 4.13 ditampilkan di sisi paling kanan dari tabel. Nilai communalities
0,448 untuk atribut 12 menunjukkan bahwa atribut tersebut memiliki sedikit
kesamaan dengan atribut lain yang termasuk dalam analisis daripada atribut
pertama, yang memiliki nilai communalities dari 0,893. Karena nilai
communalities dari atribut 12 lebih kecil dari 0,50 maka atribut 12 akan
dihapuskan dalam rotasi matriks faktor.
Tabel 4.14 menyajikan matriks analisis komponen faktor sebelum dirotasi
setelah atribut 12 dihapuskan. Dapat dilihat bahwa jumlah total varians yang
diekstraksi naik dari 71,044 persen menjadi 74,290 persen setelah atribut 12
dihapuskan.
Tabel 4.14 Matriks Analisis Komponen Faktor Setelah Atribut 12 Dihapuskan
1 2 3 4 5 6
Var_1 0,157 -0,132 0,582 -0,275 -0,067 0,686 0,932
Var_2 0,441 -0,404 0,145 -0,139 -0,604 -0,007 0,763
Var_3 0,545 -0,144 0,184 -0,424 -0,184 -0,334 0,678
Var_4 0,448 0,492 0,227 -0,219 0,125 -0,383 0,704
Var_5 0,546 0,115 -0,032 -0,572 0,190 0,028 0,677
Var_6 0,657 -0,147 -0,199 -0,113 0,415 0,159 0,703
Var_7 0,605 -0,136 -0,422 0,116 0,313 0,162 0,700
Var_8 0,588 -0,395 -0,340 0,315 -0,155 0,111 0,754
Var_9 0,752 -0,241 -0,209 0,129 -0,266 -0,080 0,761
Var_10 0,155 -0,507 0,542 0,212 0,397 -0,133 0,795
Var_11 0,311 -0,406 0,499 0,477 0,113 -0,176 0,782
Var_13 0,498 0,596 0,128 0,116 0,164 0,052 0,663
Var_14 0,310 0,695 0,146 0,286 -0,172 0,050 0,714
Var_15 0,433 0,644 0,128 0,323 -0,180 0,139 0,775
Sum of Squre (eigenvalue) 3,377 2,386 1,420 1,265 1,079 0,873 10,401
Percentage of Trace 24,120 17,042 10,143 9,039 7,709 6,237 74,290
Extraction Method: Principal Component Analysis.
a. 6 components extracted.
FaktorCommunalityVariabel
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-14
F. Rotasi Matriks Faktor
Pendekatan yang akan dilakukan dalam rotasi matriks faktor dalam
penelitian ini adalah Varimax. Pendekatan Varimax dipilih karena memiliki
sejumlah kelebihan daripada pendekatan Quartimax. Tujuan utama dari rotasi
Quartimax adalah untuk menyederhanakan baris dari matriks faktor. Quartimax
berfokus pada memutar faktor awal sehingga beban variabel akan tinggi pada satu
faktor dan serendah mungkin pada semua faktor lainnya. Dalam rotasi, banyak
variabel dapat memiliki nilai loading tinggi pada faktor yang sama karena teknik
yang berpusat pada menyederhanakan baris. Metode Quartimax tidak terbukti
sukses dalam menghasilkan struktur sederhana. Kelemahan metode Quartimax
adalah metode ini cenderung menghasilkan faktor umum sebagai faktor pertama
yang sebagian besar dari atribut yang memiliki loadings tinggi. Metode ini yang
cenderung menciptakan faktor umum tidak sejalan dengan tujuan rotasi.
Berbeda dengan Quartimax, Varimax berpusat pada kriteria
menyederhanakan kolom dari matriks faktor. Dengan pendekatan rotasi varimax,
penyederhanaan maksimum akan tercapai jika hanya ada 1 dan 0 dalam kolom.
Artinya, metode varimax memaksimalkan jumlah varians dari beban yang
dibutuhkan dari matriks faktor. Dalam pendekatan Quartimax, banyak atribut
dapat memiliki loadings tinggi pada faktor yang sama karena teknik yang berpusat
pada menyederhanakan baris. Dengan pendekatan rotasi Varimax, beberapa
loadings tinggi (dekat dengan -1 atau +1) yang mungkin, seperti juga beberapa
loadings mendekati 0 dalam setiap kolom dari matriks. Logikanya adalah
interpretasi yang paling mudah bila korelasi faktor-atribut adalah dekat dengan +1
atau -1, sehingga menunjukkan hubungan positif atau negatif yang jelas antara
faktor dan atribut, atau mendekati 0 yang menunjukkan dengan jelas kurangnya
asosiasi. Struktur ini pada dasarnya sederhana. Meskipun solusi analitis
Quartimax tampak lebih sederhana daripada solusi varimax, varimax tampaknya
memberikan pemisahan yang lebih jelas tentang faktor. Metode varimax telah
terbukti berhasil sebagai pendekatan analitis untuk memperoleh rotasi ortogonal
faktor.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-15
Tabel 4.15 Hasil dari Rotasi Matriks Faktor Varimax
Hasil dari rotasi matriks faktor Varimax dapat dilihat pada Tabel 4.15.
Dapat dilihat bahwa jumlah total varians diekstraksi pada solusi faktor yang telah
dirotasi adalah sama seperti solusi faktor yang belum dirotasi sebesar 74,290
persen. Nilai communalities untuk setiap atribut juga tidak berubah ketika sebuah
teknik rotasi diterapkan. Namun, dua perbedaan yang muncul. Pertama, varians
didistribusikan sehingga pola faktor-loadings dan persentase varians untuk
masing-masing faktor sedikit berbeda. Secara khusus, dalam solusi faktor
varimax, total varians untuk faktor pertama adalah 16,424 persen, dibandingkan
dengan 24,120 persen dalam matriks faktor sebelum dirotasi.
Demikian juga, faktor-faktor lain juga berubah, perubahan terbesar terjadi
pada faktor pertama yang turun sebesar 7,696 persen dan didistribusikan kepada
faktor yang lainnya. Sedangkan peningkatan varians total terbesar terjadi pada
faktor kelima sebesar 3,358 persen. Dengan demikian, distribusi faktor akan lebih
merata pada keenam faktor.
G. Interpretasi Faktor
Langkah selanjutnya adalah memberi nama untuk masing-masing faktor
yang mampu mewakili semua atribut yang terkandung di dalamnya (terutama
atribut yang memiliki nilai loading tinggi). Setiap faktor dapat dinamai
berdasarkan atribut dengan beban yang signifikan:
1. Faktor 1 Keiritan Bahan Bakar Minyak : keiritan.
2. Faktor 2 Kesesuaian Bahan Bakar Minyak : kesesuaian takaran dan nilai oktan.
3. Faktor 3 Prestise : Perusahaan yang memproduksi dan nilai prestise.
1 2 3 4 5 6
Var_1 0,040 -0,027 0,088 0,052 0,129 0,950 0,932
Var_2 -0,081 -0,011 0,830 0,143 0,076 0,203 0,763
Var_3 -0,026 0,049 0,467 0,666 0,111 0,025 0,678
Var_4 0,475 -0,016 -0,055 0,672 0,064 -0,138 0,704
Var_5 0,056 0,373 0,041 0,676 -0,167 0,217 0,677
Var_6 0,032 0,768 0,026 0,297 0,108 0,112 0,703
Var_7 0,079 0,823 0,092 0,044 0,020 -0,072 0,700
Var_8 0,023 0,613 0,562 -0,195 0,121 -0,098 0,754
Var_9 0,160 0,490 0,674 0,127 0,098 -0,123 0,761
Var_10 -0,195 0,084 -0,043 0,078 0,850 0,138 0,795
Var_11 0,078 0,066 0,231 -0,071 0,845 0,006 0,782
Var_13 0,725 0,225 -0,126 0,264 0,022 0,041 0,663
Var_14 0,838 -0,060 0,018 0,022 -0,081 -0,019 0,714
Var_15 0,870 0,063 0,096 -0,006 -0,057 0,044 0,775
Sum of Squre (eigenvalue) 2,299 2,095 1,779 1,601 1,549 1,076 10,401
Percentage of Trace 16,424 14,966 12,705 11,439 11,067 7,689 74,290
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 8 iterations.
CommunalityVariabelFaktor
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-16
4. Faktor 4 Kemudahan & Pelayanan : Pelayanan operator, kemudahan
pembayaran, sistem antrian yang menjamin kecepatan pelayanan dan jaminan
ketepatan pengembalian.
5. Faktor 5 Harga Bahan Bakar Minyak : harga dan stabilitas harga.
6. Faktor 6 Pendekatan Persuasif : pengaruh iklan, fatwa pemuka agama dan
himbauan pemerintah.
H. Validitas
Validitas digunakan untuk memastikan analisis faktor dapat diterapkan
pada seluruh populasi. Validitas dilakukan dengan cara membagi sampel menjadi
dua bagian lalu melakukan rotasi faktor matriks. Sampel akan dibagi menjadi dua
bagian yang hampir sama yaitu 74 dan 73 responden dari 147 responden dan
melakukan rotasi faktor matriks untuk melihat perbandingannya.
Tabel 4.16 Hasil dari Validitas Bagian I
Tabel 4.17 Hasil dari Validitas Bagian II.
1 2 3 4 5 6
Var_1 0,026 0,037 0,173 0,073 0,041 0,92 0,885
Var_2 -0,057 0,17 0,849 -0,022 -0,012 0,233 0,808
Var_3 0,214 -0,069 0,678 0,269 0,325 0,127 0,704
Var_4 0,578 -0,062 0,187 0,049 0,606 0,056 0,746
Var_5 0,126 0,228 0,099 -0,093 0,856 -0,006 0,819
Var_6 0,05 0,689 -0,042 0,194 0,466 0,258 0,800
Var_7 0,103 0,808 0,008 0,093 0,129 0,11 0,701
Var_8 0,002 0,759 0,378 0,085 -0,108 -0,217 0,785
Var_9 0,214 0,529 0,621 0,05 0,09 -0,273 0,796
Var_10 -0,108 0,085 -0,049 0,871 0,099 0,008 0,790
Var_11 0,045 0,161 0,221 0,817 -0,16 0,08 0,776
Var_13 0,859 0,099 -0,106 -0,021 0,135 0,024 0,778
Var_14 0,847 0,091 0,047 -0,046 0,17 -0,084 0,766
Var_15 0,863 0,029 0,194 -0,018 -0,044 0,072 0,791
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 15 iterations.
CommunalityFactor
Variable
1 2 3 4 5 6
Var_1 -0,137 0,085 0,23 0,231 0,005 0,839 0,836
Var_2 0,076 -0,114 0,202 0,15 0,84 0,093 0,796
Var_3 0,241 -0,273 0,659 -0,08 0,214 0,012 0,619
Var_4 -0,127 0,281 0,524 0,215 -0,285 -0,566 0,817
Var_5 0,158 0,067 0,781 -0,08 0,127 0,166 0,689
Var_6 0,652 0,073 0,36 0,024 0,057 -0,003 0,564
Var_7 0,882 0,052 0,088 -0,071 -0,182 -0,045 0,829
Var_8 0,69 -0,001 -0,087 0,178 0,431 -0,021 0,702
Var_9 0,672 0,033 0,224 0,159 0,481 -0,061 0,763
Var_10 0,045 -0,331 0,043 0,794 -0,03 0,255 0,810
Var_11 0,081 0,102 -0,133 0,847 0,258 -0,036 0,820
Var_13 0,184 0,698 0,393 0,128 -0,097 0,017 0,702
Var_14 -0,251 0,764 -0,245 -0,203 0,107 -0,027 0,760
Var_15 0,205 0,836 -0,063 -0,082 -0,142 0,007 0,772
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 17 iterations.
CommunalityVariableFactor
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-17
Tabel 4.16 dan 4.17 berisi rotasi varimax untuk dua bagian sampel,
bersama dengan nilai communalities. Seperti dapat dilihat, dua rotasi varimax
memiliki pola yang hampir sama. Perbedaan yang muncul hanya pada atribut 3
(kesesuaian nilai oktan) yang muncul pada faktor prestise pada hasil Validitas
bagian ii. Hal ini dimungkinkan karena atribut 3 (kesesuaian nilai oktan) memiliki
nilai cross loading pada hasil rotasi varimax untuk 147 sampel yaitu pada faktor
kesesuaian dan prestise. Akan tetapi karena variabel 3 (kesesuaian nilai oktan)
erat kaitannya dengan variabel kesesuaian takaran bahan bakar minyak maka
variabel 3 (kesesuaian nilai oktan) akan tetap dimasukkan pada faktor kesesuaian
bahan bakar minyak bersama atribut kesesuaian takaran bahan bakar minyak.
I. Reliabilitas
Uji reliabilitas dilakukan untuk mengetahui konsistensi suatu instrumen
ukur di dalam mengukur konsep yang sama. Dengan kata lain, bila suatu
instrumen ukur dipakai dua kali, untuk mengukur konsep yang sama dan hasil
pengukuran yang diperoleh relatif konsisten, maka instrumen ukur tersebut
dianggap reliabel. Adapun hipotesa untuk pengujian reliabilitas adalah bahwa skor
masing-masing atribut berkorelasi positif dengan komposit set atributnya.
Uji reliabilitas dilakukan dengan metode konsistensi inter item, yang
dilakukan dengan menghitung koefisien Cronbach’s Alpha menggunakan
persamaan (2.7). Dari perhitungan didapat rekapitulasi perhitungan uji reliabilitas
seperti pada tabel 4.18.
Tabel 4.18 Uji Reliabilitas dengan Metode Cronbach’s Alpha
Sumber: Output SPSS, 2011.
Skor-skor tersebut kemudian dibandingkan dengan angka korelasi (r)
product moment yang dapat dilihat pada Lampiran 5 pada halaman L-13. Dalam
hal ini angka korelasi tabel untuk 125 responden adalah 0,230 dan angka korelasi
untuk 150 responden adalah 0,210. Untuk mencari nilai angka korelasi tabel untuk
147 responden dengan cara interpolasi diantara dua nilai tersebut.
Reliability Statistics
,736 15
Cronbach's
Alpha N of Items
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-18
Gambar 4.4 Interpolasi
Dari hasil interpolasi diatas di dapat angka korelasi (nilai tabel) untuk 147
responden adalah 0,2124. Nilai ini selanjutnya akan dibandingkana dengan nilai
Cronbach’s Alpha yang sudah dihitung sebelumnya. Diperoleh hasil bahwa angka
Cronbach’s Alpha sebesar 0,736 yang jauh lebih besar dari nilai tabel, maka
hipotesa dapat diterima, serta disimpulkan bahwa nilai masing-masing atribut
berkorelasi positif dengan komposit set variabelnya. Ini berarti data dapat
dikatakan telah reliabel yaitu bahwa dapat dikatakan konsisten dalam mengukur
jawaban responden.
4.3.2 Analisis Cluster Premium
Analisis cluster adalah salah satu teknik multivariat yang bertujuan untuk
mengelompokkan (klasifikasi) objek-objek ke dalam beberapa grup berdasarkan
karakteristik yang dimiliki. Analisis cluster premium digunakan untuk
menentukan segmen dari pengguna bahan bakar minyak jenis premium sehingga
data yang digunakan adalah data pengguna bahan bakar minyak premium sebesar
96 pengamatan. Hal ini sudah mencukupi syarat minimal rasio 5 : 1 (jumlah
pengamatan : jumlah faktor) karena jumlah faktor yang akan diolah pada analisis
cluster sebanyak 6 faktor hasil dari analisis faktor sehingga jumlah pengamatan
minimal adalah sebesar 30 pengamatan.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-19
A. Penentuan Tujuan
Dalam penelitian ini, analisis cluster premium dilakukan dengan tujuan
utama adalah untuk mengelompokkan konsumen pengguna bahan bakar minyak
jenis premium berdasarkan persepsinya. Variabel yang dipakai dalam analisis
cluster premium adalah 6 faktor hasil dari analisis faktor.
1. Faktor pertama (keiritan bahan bakar minyak).
2. Faktor kedua (kesesuaian bahan bakar minyak).
3. Faktor ketiga (prestise).
4. Faktor keempat (kemudahan & pelayanan).
5. Faktor kelima (harga bahan bakar minyak).
6. Faktor keenam (pendekatan persuasif).
B. Penyusunan Desain Riset
Penyusunan desain riset analisis cluster meliputi deteksi outliers,
pengukuran kemiripan objek dan penstandarisasian data jika data sangat bervariasi
dalam satuan. Tabel 4.19 menunjukkan analisis deskritif dari keenam faktor yang
akan dipakai dalam analisis cluster premium. Nilai mean dari masing-masing
faktor akan digunakan untuk menghitung dissimilarity atau nilai yang
menunjukkan perbedaan masing-masing observasi dari observasi lainnya.
Tabel 4.19 Descriptive Statistics
Sumber: Output SPSS, 2011.
Tabel 4.20 Nilai dissimilarity
1 2 3 4 5 6 1 2 3 4 5 6
95 0,531 0,635 1,979 -2,438 0,479 -1,823 0,282 0,404 3,917 5,941 0,230 3,323 14,097 3,755
34 0,531 0,635 -2,021 -1,438 -1,521 2,177 0,282 0,404 4,084 2,066 2,313 4,740 13,889 3,727
74 0,531 0,635 0,979 -2,438 0,479 2,177 0,282 0,404 0,959 5,941 0,230 4,740 12,555 3,543
16 0,531 -1,365 -2,021 -2,438 0,479 0,177 0,282 1,862 4,084 5,941 0,230 0,031 12,430 3,526
44 0,531 0,635 1,979 1,563 -0,521 2,177 0,282 0,404 3,917 2,441 0,271 4,740 12,055 3,472
3 0,531 0,635 1,979 1,563 0,479 2,177 0,282 0,404 3,917 2,441 0,230 4,740 12,014 3,466
14 0,531 0,635 1,979 1,563 0,479 2,177 0,282 0,404 3,917 2,441 0,230 4,740 12,014 3,466
131 0,531 0,635 1,979 1,563 0,479 2,177 0,282 0,404 3,917 2,441 0,230 4,740 12,014 3,466
24 0,531 0,635 -2,021 1,563 0,479 -1,823 0,282 0,404 4,084 2,441 0,230 3,323 10,764 3,281
25 0,531 0,635 -2,021 1,563 0,479 -1,823 0,282 0,404 4,084 2,441 0,230 3,323 10,764 3,281
83 0,531 0,635 -2,021 1,563 0,479 -1,823 0,282 0,404 4,084 2,441 0,230 3,323 10,764 3,281
12 -0,469 0,635 -2,021 -1,438 0,479 -1,823 0,220 0,404 4,084 2,066 0,230 3,323 10,326 3,213
53 -0,469 -1,365 -2,021 0,562 0,479 -1,823 0,220 1,862 4,084 0,316 0,230 3,323 10,035 3,168
138 0,531 0,635 -1,021 1,563 0,479 2,177 0,282 0,404 1,042 2,441 0,230 4,740 9,139 3,023
43 0,531 -1,365 0,979 -1,438 0,479 -1,823 0,282 1,862 0,959 2,066 0,230 3,323 8,722 2,953
ObservationDifferent from Mean Squared Different from Mean
Total Dissimilarity
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-20
Penilaian tidak didasarkan pada besarnya nilai dissimilarity melainkan
pada perbedaan nilai dissimilarity yang jauh lebih besar dari nilai dissimilarity
yang lainnya. Tabel 4.20 menunjukkan 15 nilai dissimilarity yang paling besar
dari 96 pengamatan. Dari tabel di atas dapat dilihat bahwa nilai dissimilarity pada
masing-masing observasi memiliki perbedaan yang kecil bahkan cenderung sama
pada pengamatan 3, 14 dan 131 serta 24, 25 dan 83. Dari hasil ini dapat
disimpulkan bahwa tidak ditemukan outliers pada 96 pengamatan.
Langkah selanjutnya adalah menentukan pengukuran kemiripan objek
yang akan digunakan dalam analisis cluster. Karena keenam atribut merupakan
data metric, jarak Euclidean kuadrat yang akan dipakai. Keenam atribut yang
mewakili masing-masing faktor dari analisis faktor dapat mencegah munculnya
multicollinearity pada data pengamatan. Karena semua atribut dicatat dari skala
yang sama (1 sampai 5) maka tidak diperlukan penstandarisasian data.
C. Pembentukan Cluster Premium
Tahap selanjutnya adalah menggunakan prosedur hierarkis untuk
menggambarkan seluruh solusi cluster yang memungkinkan yang selanjutnya
akan digunakan untuk menetapkan jumlah cluster akan dibentuk. Kumpulan
solusi awal ini selanjutnya akan dianalisis menggunakan prosedur nonhierarkis
untuk menentukan solusi cluster akhir.
Algoritma cluster merupakan alat untuk melihat kemiripan/kesamaan
antara cluster dengan anggotanya. Algoritma cluster yang akan digunakan dalam
analisis ini adalah ukuran kemiripan (squared euclidean distances) dengan metode
ward. Metode ward digunakan karena kecenderungan untuk menghasilkan cluster
yang homogen dan relatif memiliki ukuran yang sama.
Tabel 4.21 Hasil Aglomerasi Prosedur Hierarkis
Cluster 1 Cluster 2 Cluster 1 Cluster 2
1 93 96 0,00 0 0 2
2 90 93 0,00 0 1 4
3 91 92 0,00 0 0 4
4 90 91 0,00 2 3 67
5 37 89 0,00 0 0 48
…
90 3 8 243,39 53 88 92
91 6 18 265,32 89 85 93
92 3 4 296,35 90 83 95
93 5 6 343,43 87 91 94
94 1 5 414,40 86 93 95
95 1 3 521,68 94 92 0
Cluster Combined
Stage Coefficients Next Stage
Stage Cluster First
Appears
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-21
Tabel 4.21 menunjukkan sebagian dari hasil aglomerasi yang dihasilkan
oleh prosedur hierarkis. Hasil aglomerasi menyediakan informasi untuk setiap
tahap dari proses clustering. Sebuah tahapan adalah ketika satu atau lebih
pengamatan individu bergabung dengan observasi yang lain untuk membentuk
cluster. Proses hirarkis berakhir (tahap 95) ketika pengamatan yang membentuk
cluster 1 bergabung dengan pengamatan dari cluster 3 sehingga membentuk
cluster besar tunggal yang terdiri dari 96 pengamatan. Pada tahap 95, cluster 1
dan 3 bergabung. Hasilnya adalah bahwa semua 147 pengamatan sekarang dalam
cluster tunggal yang besar dan tahap ini memiliki koefisien aglomerasi 521,68.
Karena data melibatkan profil pengguna bahan bakar minyak jenis
premium dan tujuan dari penelitian ini adalah untuk mengidentifikasi jenis
pelanggan atau profil yang dapat membentuk dasar untuk strategi yang berbeda,
sejumlah segmen yang mudah dikelola akan berada pada kisaran lebih dari dua
tetapi tidak lebih dari enam atau tujuh cluster.
Aturan berhenti pada tahap aglomerasi yang akan digunakan adalah
berdasarkan pada perubahan heterogenitas diantara cluster yang terbentuk. Ketika
kenaikan yang besar terjadi pada nilai heterogenitas saat berpindah ke tahap
berikutnya, tahap aglomerasi akan dihentikan dan memilih solusi cluster yang
sudah terbentuk sebelumnya karena tahap selanjutnya akan menggabungkan dua
cluster yang berbeda.
Tabel 4.22 Proporsi Kenaikan Heterogenitas
Koefisien aglomerasi yang kecil berarti bahwa cluster yang homogen telah
terbentuk, sebaliknya menggabungkan dua cluster yang berbeda akan
menghasilkan nilai koefisien aglomerasi yang besar. Karena setiap penggabungan
cluster selalu meningkatkan nilai koefisien aglomerasi, maka aturan perhentian
tahap aglomerasi akan difokuskan pada persentase perubahan yang besar pada
koefisien aglomerasi.
Cluster Cluster
88 8 29 207,87 8 14,058 7,25%
89 6 13 222,94 7 15,065 7,25%
90 3 8 243,39 6 20,455 9,18%
91 6 18 265,32 5 21,930 9,01%
92 3 4 296,35 4 31,029 11,69%
93 5 6 343,43 3 47,077 15,89%
94 1 5 414,40 2 70,976 20,67%
95 1 3 521,68 1 107,273 25,89%
TahapPenggabungan
Koefisien Jumlah Cluster yang Terbentuk Perbedaan Proporsi Kenaikan Heterogenitas
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-22
Dari Tabel 4.22 dapat dilihat bahwa terdapat penambahan yang besar pada
koefisien aglomerasi terutama pada tahap 91 ke 92 (11,69%), 92 ke 93 (15,89%),
93 ke 94 (20,67%) dan 94 ke 95 (25,89%). Pada tahap 95 terlihat bahwa terjadi
peningkatan yang besar (25,89%) dalam koefisien aglomerasi. Hal ini disebabkan
karena menggabungkan dua cluster menjadi satu cluster yang terdiri dari 96
pengamatan. Karena terjadi penambahan yang besar pada koefisien aglomerasi,
solusi dua cluster bukan merupakan pilihan yang tepat. Selain itu, solusi dua
cluster akan membatasi tujuan penelitian dalam menentukan strategi yang tepat
untuk masing-masing cluster yang memiliki nilai heterogenitas yang tinggi. Dari
nilai proporsi kenaikan heterogenitas diatas, terjadi kenaikan yang cukup besar
pada tahap 93 yaitu sebesar 15,89% yang sebelumnya sebesar 11,69% pada tahap
92.
Gambar 4.5 Persentase Perubahan Heterogenitas
Hal ini dapat dilihat pada scree plot untuk persentase perubahan
heterogenitas pada Gambar 4.5. Dari scree plot, dapat dilihat dengan jelas bahwa
terjadi penambahan proporsi kenaikan nilai heterogenitas yang cukup besar saat
bergerak dari solusi empat cluster menjadi tiga cluster. Hal ini berarti bahwa
solusi empat cluster memiliki nilai koefisien heterogenitas yang jauh lebih kecil
daripada solusi tiga cluster. Cluster yang lebih homogen merupakan karakteristik
cluster yang baik. Oleh karena itu, solusi yang akan dipakai adalah solusi empat
cluster.
D. Interpretasi Cluster Premium
Langkah selanjutnya adalah melakukan interpretasi cluster dengan
menggunakan jumlah cluster yang merupakan hasil dari proses hierarkis yang
sudah dilakukan sebelumnya. Analisis cluster nonhierarkis selanjutnya akan
0,00%
5,00%
10,00%
15,00%
20,00%
25,00%
30,00%
8 7 6 5 4 3 2 1
Pro
po
rsi K
en
aika
n
Jumlah Cluster
Persentase Perubahan Heterogenitas
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-23
menghasilkan solusi cluster yang paling optimal. Hasil dari analisis cluster
nonhierarki 4 cluster dapat dilihat pada tabel 4.23.
Tabel 4.23 Analisis Cluster Premium
Cluster premium 1 terdiri dari 28 pengamatan dan cluster ini menganggap
bahwa faktor 2 (kesesuaian bahan bakar minyak) merupakan faktor paling penting
dalam penggunaan bahan bakar minyak. Cluster premium 2 terdiri dari 27
pengamatan dan cluster ini menganggap bahwa faktor 5 (harga bahan bakar
minyak) merupakan faktor yang paling penting dalam penggunaan bahan bakar
minyak. Cluster premium 3 terdiri dari 23 pengamatan dan cluster ini
menganggap bahwa faktor 1 (keiritan bahan bakar minyak) merupakan faktor
yang paling penting dalam penggunaan bahan bakar minyak. Cluster premium 4
terdiri dari 18 pengamatan dan cluster ini menganggap bahwa faktor 5 (harga
bahan bakar minyak) merupakan faktor yang paling penting dalam penggunaan
bahan bakar minyak. Perbedaan antara cluster premium 2 dan cluster premium 4
terletak pada faktor 4 (kemudahan dan pelayanan). Cluster premium 2
menganggap faktor 4 (kemudahan dan pelayanann) merupakan faktor penting
dalam penggunaan bahan bakar minyak. Sedangkan cluster premium 4
menganggap faktor 4 (kemudahan dan pelayanan) bukan merupakan faktor
penting dalam penggunaan bahan bakar minyak.
E. Profiling Cluster Premium
Tujuan dari penelitian ini adalah untuk menentukan profil masing-masing
cluster yang terbentuk sebagai dasar penyusunan strategi pemasaran yang tepat
untuk masing-masing cluster. Cluster yang telah terbentuk selanjutnya akan
ditentukan profilnya untuk memudahkan dalam menentukan strategi pemasaran
yang tepat. Tabel 4.24 menunjukkan profil masing-masing cluster.
1 2 3 4
Faktor_1 4.36 4.33 4.70 4.56
Faktor_2 4.54 4.11 4.61 4.17
Faktor_3 2.11 2.41 4.22 3.83
Faktor_4 2.46 4.33 4.35 2.44
Faktor_5 4.46 4.56 4.39 4.72
Faktor_6 3.32 2.26 3.87 1.56
Jumlah Pengamatan 28 27 23 18
Cluster
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-25
4.3.3 Analisis Cluster Pertamax
Analisis cluster pertamax digunakan untuk menggambarkan segmen yang
terbentuk dari pengguna bahan bakar minyak jenis pertamax sehingga data yang
digunakan adalah data pengguna bahan bakar minyak pertamax sebesar 51
pengamatan. Hal ini sudah mencukupi syarat minimal rasio 5 : 1 (jumlah
pengamatan : jumlah faktor) karena jumlah faktor yang akan diolah pada analisis
cluster sebanyak 6 faktor hasil dari analisis faktor sehingga jumlah pengamatan
minimal adalah sebesar 30 pengamatan.
A. Penentuan Tujuan
Dalam penelitian ini, analisis cluster pertamax dilakukan dengan tujuan
utama adalah untuk mengelompokkan konsumen pengguna bahan bakar minyak
jenis pertamax berdasarkan persepsinya. Setelah kelompok teridentifikasi, cluster
yang terbentuk dari pengguna premium akan dibandingkan dengan cluster yang
terbentuk dari pengguna pertamax untuk melihat kemiripannya. Cluster pengguna
premium yang memiliki kemiripan dengan cluster pengguna pertamax selanjutnya
akan dianalisis untuk dapat didorong manjadi cluster pengguna pertamax melalui
strategi pemasaran yang tepat berdasarkan karakteristik yang dimiliki. Variabel
yang dipakai dalam analisis cluster pertamax adalah enam faktor hasil dari
analisis faktor.
1. Faktor pertama (keiritan bahan bakar minyak).
2. Faktor kedua (kesesuaian bahan bakar minyak).
3. Faktor ketiga (prestise).
4. Faktor keempat (kemudahan & pelayanan).
5. Faktor kelima (harga bahan bakar minyak).
6. Faktor keenam (pendekatan persuasif).
B. Penyusunan Desain Riset
Penyusunan desain riset analisis cluster meliputi deteksi outliers,
pengukuran kemiripan objek dan penstandarisasian data jika data sangat bervariasi
dalam satuan. Tabel 4.25 menunjukkan analisis deskritif dari keenam faktor yang
akan dipakai dalam analisis cluster. Nilai mean dari masing-masing faktor akan
digunakan untuk menghitung dissimilarity atau nilai yang menunjukkan
perbedaan masing-masing observasi dari observasi lainnya.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-26
Tabel 4.25 Descriptive Statistics
Sumber: Output SPSS, 2011.
Penilaian tidak didasarkan pada besarnya nilai dissimilarity melainkan
pada perbedaan nilai dissimilarity yang jauh lebih besar dari nilai dissimilarity
yang lainnya. Tabel 4.26 menunjukkan 15 nilai dissimilarity yang paling besar
dari 51 pengamatan. Dari tabel di atas dapat dilihat bahwa nilai dissimilarity pada
masing-masing observasi memiliki perbedaan yang kecil bahkan cenderung sama
pada pengamatan 56 dan 121 serta 54 dan 133. Dari hasil ini dapat disimpulkan
bahwa tidak ditemukan outliers pada 51 pengamatan.
Tabel 4.26 Nilai Dissimilarity
Langkah selanjutnya adalah menentukan pengukuran kemiripan objek
yang akan digunakan dalam analisis cluster. Karena keenam atribut merupakan
data metric, squared euclidean distances yang akan dipakai. Keenam atribut yang
mewakili masing-masing faktor dari analisis faktor dapat mencegah munculnya
multicollinearity pada data pengamatan. Karena semua atribut dicatat dari skala
yang sama (1 sampai 5) maka tidak diperlukan penstandarisasian data.
C. Pembentukan Cluster Pertamax
Tahap selanjutnya adalah menggunakan prosedur hierarkis untuk
menggambarkan seluruh solusi cluster yang memungkinkan yang selanjutnya
akan digunakan untuk mengidentifikasi jumlah solusi yang akan dipertahankan.
Jumlah solusi ini selanjutnya akan digunakan pada analisis menggunakan
prosedur nonhierarkis untuk menentukan solusi cluster akhir.
1 2 3 4 5 6 1 2 3 4 5 6
80 -1,412 0,608 -2,726 0,941 0,451 -1,588 1,993 0,369 7,428 0,886 0,203 2,522 13,403
91 -1,412 -0,392 -1,726 0,941 -2,549 0,412 1,993 0,154 2,977 0,886 6,497 0,170 12,677
31 0,588 0,608 -2,726 -1,059 0,451 1,412 0,346 0,369 7,428 1,121 0,203 1,993 11,461
73 0,588 0,608 1,275 -2,059 0,451 -1,588 0,346 0,369 1,624 4,239 0,203 2,522 9,304
56 0,588 0,608 1,275 0,941 0,451 2,412 0,346 0,369 1,624 0,886 0,203 5,817 9,246
121 0,588 0,608 1,275 0,941 0,451 2,412 0,346 0,369 1,624 0,886 0,203 5,817 9,246
37 0,588 -1,392 -1,726 -0,059 0,451 -1,588 0,346 1,938 2,977 0,003 0,203 2,522 7,991
52 -1,412 0,608 -0,726 -0,059 -1,549 -1,588 1,993 0,369 0,526 0,003 2,399 2,522 7,814
68 0,588 0,608 0,275 0,941 0,451 2,412 0,346 0,369 0,075 0,886 0,203 5,817 7,697
30 -0,412 0,608 0,275 -2,059 0,451 -1,588 0,170 0,369 0,075 4,239 0,203 2,522 7,579
90 -0,412 -0,392 0,275 -2,059 0,451 -1,588 0,170 0,154 0,075 4,239 0,203 2,522 7,363
41 -0,412 -0,392 0,275 0,941 0,451 2,412 0,170 0,154 0,075 0,886 0,203 5,817 7,305
89 0,588 -0,392 -1,726 -1,059 0,451 1,412 0,346 0,154 2,977 1,121 0,203 1,993 6,795
54 0,588 0,608 0,275 0,941 -1,549 -1,588 0,346 0,369 0,075 0,886 2,399 2,522 6,598
133 -0,412 -0,392 -1,726 0,941 0,451 1,412 0,170 0,154 2,977 0,886 0,203 1,993 6,383
ObservationDifferent from Mean Squared Different from Mean
Total
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-27
Algoritma cluster merupakan alat untuk melihat kemiripan/kesamaan
antara cluster dengan anggotanya. Algoritma cluster yang akan digunakan dalam
analisis ini adalah kombinasi dari ukuran kemiripan (squared euclidean distances)
dan metode ward. Metode ward digunakan karena kecenderungan untuk
menghasilkan cluster yang homogen dan relatif memiliki ukuran yang sama.
Tabel 4.27 Hasil Aglomerasi Prosedur Hierarkis
Tabel 4.27 menunjukkan sebagian dari hasil aglomerasi yang dihasilkan
oleh prosedur hierarkis. Pada tahap 1, cluster 50 dan 51 adalah yang pertama kali
bergabung dengan koefisien aglomerasi, yang merupakan jumlah kuadrat
pengamatan ketika menggunakan algoritma ward, hanya 0,000. Pada tahap 50,
cluster 1 dan 3 bergabung. Hasilnya adalah bahwa semua 51 pengamatan
sekarang dalam cluster tunggal yang besar dan tahap ini memiliki koefisien
aglomerasi 254,47. Hal ini jauh lebih besar daripada koefisien dalam tahap 1.
Karena data melibatkan profil pengguna bahan bakar minyak dan tujuan dari
penelitian ini adalah untuk mengidentifikasi jenis pelanggan atau profil yang
dapat membentuk dasar untuk strategi yang berbeda, sejumlah segmen yang
mudah dikelola akan berada pada kisaran lebih dari dua tetapi tidak lebih dari
enam atau tujuh cluster.
Aturan berhenti pada tahap aglomerasi yang akan digunakan adalah
berdasarkan pada perubahan heterogenitas diantara cluster yang terbentuk. Ketika
kenaikan yang besar terjadi pada nilai heterogenitas saat berpindah ke tahap
berikutnya, tahap aglomerasi akan dihentikan dan memilih solusi cluster yang
sudah terbentuk sebelumnya karena tahap selanjutnya akan menggabungkan dua
cluster yang berbeda.
Cluster 1 Cluster 2 Cluster 1 Cluster 2
1 50 51 0,00 0 0 2
2 49 50 0,00 0 1 30
3 19 45 0,00 0 0 13
4 13 30 0,00 0 0 38
5 34 48 0,50 0 0 26
…
46 7 8 119,65 42 39 48
47 3 6 140,13 44 43 50
48 7 9 161,99 46 45 49
49 1 7 201,47 37 48 50
50 1 3 254,47 49 47 0
StageCluster Combined
CoefficientsStage Cluster First Appears
Next Stage
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-28
Tabel 4.28 Proporsi Kenaikan Heterogenitas
Koefisien aglomerasi yang kecil berarti bahwa cluster yang homogen telah
terbentuk, sebaliknya menggabungkan dua cluster yang berbeda akan
menghasilkan nilai koefisien aglomerasi yang besar. Karena setiap penggabungan
cluster selalu meningkatkan nilai koefisien aglomerasi, maka aturan perhentian
tahap aglomerasi akan difokuskan pada persentase perubahan yang besar pada
koefisien aglomerasi.
Dari Tabel 4.28 dapat dilihat bahwa terdapat penambahan yang besar pada
koefisien aglomerasi terutama pada tahap 46 ke 47 (17,12%) dan 48 ke 49
(24,38%). Pada tahap 50 terlihat bahwa terjadi peningkatan yang besar (26,31%)
dalam koefisien aglomerasi. Hal ini disebabkan karena menggabungkan dua
cluster menjadi satu cluster yang terdiri dari 51 pengamatan. Dari nilai proporsi
kenaikan heterogenitas diatas, terjadi kenaikan yang cukup besar pada tahap 49
yaitu sebesar 24,38% yang sebelumnya sebesar 15,59% pada tahap 48. Hal ini
berarti bahwa solusi tiga cluster memiliki nilai koefisien heterogenitas yang jauh
lebih kecil daripada solusi dua cluster.
Hal ini dapat dilihat pada scree plot untuk persentase perubahan
heterogenitas pada Gambar 4.6. Dari scree plot, dapat dilihat dengan jelas bahwa
terjadi penambahan proporsi kenaikan yang cukup besar saat bergerak dari solusi
tiga cluster menjadi dua cluster sehingga solusi yang akan digunakan adalah
solusi tiga cluster.
Gambar 4.6 Persentase Perubahan Heterogenitas
Cluster Cluster
43 6 10 87,30 8 8,833 11,26%
44 3 4 96,33 7 9,034 10,35%
45 9 38 105,94 6 9,607 9,97%
46 7 8 119,65 5 13,708 12,94%
47 3 6 140,13 4 20,488 17,12%
48 7 9 161,99 3 21,853 15,59%
49 1 7 201,47 2 39,485 24,38%
50 1 3 254,47 1 52,999 26,31%
TahapPenggabungan
Koefisien Jumlah Cluster yang Terbentuk Perbedaan Proporsi Kenaikan Heterogenitas
0,00%
5,00%
10,00%
15,00%
20,00%
25,00%
30,00%
8 7 6 5 4 3 2 1
Pe
rse
nta
se K
en
aika
n
Jumlah Klaster
Persentase Kenaikan Heterogenitas
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-29
D. Interpretasi Cluster Pertamax
Langkah selanjutnya adalah melakukan interpretasi cluster dengan
menggunakan jumlah cluster yang merupakan hasil dari proses hierarkis yang
sudah dilakukan sebelumnya. Analisis cluster nonhierarkis selanjutnya akan
menghasilkan solusi cluster yang paling optimal. Hasil dari analisis cluster
nonhierarki 3 cluster dapat dilihat pada Tabel 4.29.
Tabel 4.29 Analisis Cluster Pertamax
Cluster pertamax 1 terdiri dari 20 pengamatan dan cluster ini menganggap
bahwa faktor 1 (keiritan bahan bakar minyak) merupakan faktor paling penting
dalam penggunaan bahan bakar minyak. Cluster pertamax 2 terdiri dari 20
pengamatan dan cluster ini menganggap bahwa faktor 2 (kesesuaian bahan bakar
minyak) dan faktor 5 (harga bahan bakar minyak) merupakan faktor yang paling
penting dalam penggunaan bahan bakar minyak. Cluster pertamax 3 terdiri dari 11
pengamatan dan cluster ini menganggap bahwa faktor 5 (harga bahan bakar
minyak) merupakan faktor yang paling penting dalam penggunaan bahan bakar
minyak. Perbedaan antara cluster pertamax 2 dan cluster pertamax 3 terletak pada
faktor 3 (prestise). Cluster pertamax 2 menganggap bahwa faktor 3 (prestise)
merupakan faktor yang penting dalam penggunaan bahan bakar minyak.
Sedangkan cluster pertamax 3 menganggap bahwa faktor 3 (prestise) bukan
merupakan faktor yang penting dalam penggunaan bahan bakar minyak.
E. Profiling Cluster Pertamax
Tujuan dari penelitian ini adalah untuk menentukan profil masing-masing
cluster yang terbentuk sebagai dasar penyusunan strategi pemasaran yang tepat
berdasarkan kemiripan cluster yang terbentuk. Oleh karena itu, cluster yang telah
terbentuk selanjutnya dijabarkan berdasarkan profil yang dimiliki. Tabel 4.30
menunjukkan profil masing-masing cluster yang terbentuk.
1 2 3
Faktor_1 4.55 4.40 4.18
Faktor_2 4.30 4.70 4.00
Faktor_3 4.20 4.15 2.09
Faktor_4 4.25 3.85 4.09
Faktor_5 4.30 4.70 4.73
Faktor_6 3.65 1.35 2.91
Jumlah Pengamatan 20 20 11
Klaster
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
V-1
BAB V
INTERPRETASI HASIL
Bab ini membahas interpretasi pengolahan data pada bab sebelumnya
sehingga hasil dari analisis faktor dan analisis cluster dapat diuraikan secara
kualitatif. Bab interpretasi hasil terdiri dari pembahasan mengenai faktor yang
mempengaruhi penggunaan bahan bakar minyak, pembahasan cluster premium,
pembahasan cluster pertamax dan implementasi strategi pemasaran terhadap
masing-masing cluster premium.
5.1 Faktor yang Mempengaruhi Penggunaan Bahan Bakar Minyak
Dalam analisis faktor dilakukan proses pengelompokan atribut-atribut
awal ke dalam atribut-atribut baru hasil ekstraksi yang disebut faktor. Tidak
semua atribut awal masuk dalam faktor-faktor yang terbentuk karena setelah
diolah dengan analisis faktor, terjadi reduksi atribut awal.
Sebelum analisis faktor, terdapat lima belas atribut sebagai atribut yang
dikelompokkan dalam sembilan set variabel. Setelah pengolahan data, atribut
awal tersebut tereduksi menjadi 14 atribut yang terkelompok dalam enam faktor.
Atribut yang tereduksi adalah atribut ketersediaan bahan bakar minyak. Atribut
ketersediaan bahan bakar minyak dihapuskan dari daftar atribut karena bukan
merupakan anggota salah satu faktor.
Dari proses ekstraksi faktor, keenam faktor yang terbentuk dapat
menjelaskan 74,290% total variansi data. Ini berarti penelitian ini memperlihatkan
bahwa pemilihan bahan bakar minyak yang digunakan responden dapat dijelaskan
dengan baik oleh keenam faktor yang terbentuk. Sedangkan sisanya 25,71%
mungkin dibentuk oleh atribut-atribut lain yang belum terdeteksi oleh penelitian
ini. Faktor yang muncul sebagai hasil dari analisis faktor adalah keiritan bahan
bakar minyak, kesesuaian bahan bakar minyak, prestise, kemudahan & pelayanan,
harga bahan bakar minyak dan pendekatan persuasif.
5.1.1 Keiritan Bahan Bakar Minyak
Menurut hasil penelitian, keiritan bahan bakar minyak mempunyai nilai
persentase variansi 7,689%, yang berarti keiritan bahan bakar minyak mampu
menjelaskan 7,689% dari total varians seluruh atribut. Keiritan bahan bakar
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
V-2
minyak hanya mencakup satu atribut yaitu keiritan bahan bakar minyak.
Berdasarkan bobot faktornya, keiritan bahan bakar minyak merupakan faktor yang
penting bagi konsumen (0,950).
5.1.2 Kesesuaian Bahan Bakar Minyak
Menurut hasil penelitian, kesesuaian bahan bakar minyak mempunyai nilai
persentase variansi 12,705%, yang berarti kesesuaian bahan bakar minyak mampu
menjelaskan 12,705% dari total varians seluruh atribut. Kesesuaian bahan bakar
minyak mencakup dua atribut yaitu kesesuaian takaran bahan bakar minyak dan
kesesuaian nilai oktan bahan bakar minyak. Berdasarkan bobot faktor yang paling
besar berturut-turut adalah kesesuaian takaran (0,830) dan kesesuaian nilai oktan
(0,467). Dari hasil ini, dapat dilihat bahwa atribut kesesuaian takaran lebih
dianggap penting oleh responden daripada kesesuaian nilai oktan. Nilai yang
rendah pada kesesuaian nilai oktan, disebabkan karena responden tidak mungkin
melakukan pengecekan kesesuaian nilai oktan tanpa bantuan pihak yang
kompeten. Hal ini seharusnya dilakukan oleh pemerintah maupun lembaga
independen lain untuk memastikan kesesuaian nilai oktan yang diterima
konsumen.
5.1.3 Prestise
Menurut hasil penelitian, prestise mempunyai nilai persentase variansi
11,439%, yang berarti prestise mampu menjelaskan 11,439% dari total varians
seluruh atribut. Prestise mencakup dua atribut yaitu perusahaan yang
memproduksi bahan bakar minyak dan nilai prestise. Berdasarkan bobot faktor
yang paling besar berturut-turut adalah perusahaan yang memproduksi bahan
bakar minyak (0,676) dan nilai prestise (0,672). Perusahaan yang memproduksi
bahan bakar minyak dan nilai prestise merupakan atribut yang dianggap cukup
penting oleh responden.
5.1.4 Kemudahan & Pelayanan
Menurut hasil penelitian, kemudahan & pelayanan mempunyai nilai
persentase variansi 14,966%, yang berarti faktor kemudahan & pelayanan mampu
menjelaskan 14,966% dari total varians seluruh atribut. Kemudahan & pelayanan
mencakup empat atribut yaitu pelayanan operator, kemudahan pembayaran,
sistem antrian dan jaminan ketepatan pengembalian. Berdasarkan bobot faktor
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
V-3
yang paling besar berturut-turut adalah kemudahan pembayaran (0,823),
pelayanan operator (0,768), sistem antrian (0,613) dan jaminan ketepatan
pengembalian (0,490). Dari keempat atribut tersebut, kemudahan pembayaran
merupakan atribut yang paling dianggap penting oleh responden. Sedangkan
jaminan ketepatan pengembalian merupakan atribut yang berada pada urutan
terakhir dari segi kepentingannya menurut responden.
5.1.5 Harga Bahan Bakar Minyak
Menurut hasil penelitian, harga bahan bakar minyak mempunyai nilai
persentase variansi 11,067%, yang berarti harga bahan bakar minyak mampu
menjelaskan 11,067% dari total varians seluruh atribut. Harga mencakup dua
atribut yaitu harga bahan bakar minyak dan stabilitas harga bahan bakar minyak.
Berdasarkan bobot faktor yang paling besar berturut-turut adalah harga bahan
bakar minyak (0,850) dan stabilitas harga bahan bakar minyak (0,845). Dari bobot
faktornya, dapat dilihat bahwa harga dan stabilitas bahan bakar minyak
merupakan atribut yang penting bagi responden.
5.1.6 Pendekatan Persuasif
Menurut hasil penelitian, pendekatan persuasif mempunyai nilai persentase
variansi 16,424%, yang berarti faktor kemudahan & pelayanan mampu
menjelaskan 16,424% dari total varians seluruh atribut. Pendekatan persuasif
mencakup tiga atribut yaitu pengaruh iklan, fatwa pemuka agama dan himbauan
pemerintah. Berdasarkan bobot faktor yang paling besar berturut-turut adalah
himbauan pemerintah (0,870), fatwa pemuka agama (0,838) dan pengaruh iklan
(0,725). Dari ketiga atribut tersebut, himbauan pemerintah merupakan atribut
yang paling dianggap penting oleh responden. Sedangkan pengaruh iklan
merupakan atribut yang berada pada urutan terakhir dari segi kepentingannya
menurut responden.
5.2 Cluster Premium
Cluster premium merupakan segmen yang terbentuk dari analisis cluster
terhadap data pengguna bahan bakar minyak premium. Segmen yang telah
terbentuk selanjutnya akan digunakan untuk menentukan karakteristik masing-
masing cluster sebagai dasar penyusunan strategi pemasaran yang tepat untuk
masing-masing cluster.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
V-4
5.2.1 Cluster Premium 1
Cluster premium 1 mewakili 29% dari seluruh responden pengguna
premium dan cluster ini menganggap bahwa kesesuaian bahan bakar minyak
merupakan faktor paling penting dalam penggunaan bahan bakar minyak.
Karakteristik dari cluster ini antara lain ; sebagian besar responden
merupakan pengguna mobil Toyota, sebagian besar responden tidak tahu
mengenai bahan bakar minyak yang sesuai berdasarkan buku manualnya,
sebagian besar responden menganggap bahwa perbedaan premium dan pertamax
terletak pada nilai oktan yang berbeda, sebagian besar responden merupakan
mahasiswa/pelajar, sebagian besar responden menghabiskan antara Rp 100.000 –
Rp 500.000 untuk mengisi bahan bakar setiap bulan, sebagian besar responden
menghabiskan kurang dari dua jam untuk menonton televisi setiap hari, sebagian
besar responden menghabiskan kurang lebih lima belas menit untuk membaca
koran setiap hari, sebagian besar responden memilih Kompas sebagai surat kabar
yang sering dibaca, sebagian besar responden menyukai acara televisi olahraga
dan berita, sebagian besar responden setuju dengan kebijakan menaikkan harga
premium menjadi Rp 5.000/liter, sebagian besar responden mempunyai
pendapatan diantara Rp 1.000.000 – Rp 5.000.000 setiap bulan.
5.2.2 Cluster Premium 2
Cluster premium 2 mewakili 28% dari seluruh responden pengguna
premium dan cluster ini menganggap bahwa harga bahan bakar minyak
merupakan faktor yang paling penting dalam penggunaan bahan bakar minyak.
Selain itu, cluster premium 2 menganggap kemudahan dan pelayanan merupakan
faktor penting dalam penggunaan bahan bakar minyak.
Karakteristik dari cluster ini antara lain ; sebagian besar responden
merupakan pengguna mobil Honda, sebagian besar responden menyatakan
premium sebagai bahan bakar minyak yang sesuai berdasarkan buku manualnya,
sebagian besar responden menganggap bahwa perbedaan premium dan pertamax
terletak pada nilai oktan yang berbeda, sebagian besar responden merupakan
pegawai swasta, sebagian besar responden menghabiskan antara Rp 100.000 – Rp
500.000 untuk mengisi bahan bakar setiap bulan, sebagian besar responden
menghabiskan kurang dari dua jam untuk menonton televisi setiap hari, sebagian
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
V-5
besar responden menghabiskan kurang lebih lima belas menit untuk membaca
koran setiap hari, sebagian besar responden memilih Kompas dan Solopos sebagai
surat kabar yang sering dibaca, sebagian besar responden menyukai acara televisi
komedi, sebagian besar responden setuju dengan kebijakan larangan penggunaan
premium untuk mobil keluaran tahun 2005 ke atas, sebagian besar responden
mempunyai pendapatan diantara Rp 1.000.000 – Rp 5.000.000 setiap bulan.
5.2.3 Cluster Premium 3
Cluster premium 3 mewakili 24% dari seluruh responden pengguna
premium dan cluster ini menganggap bahwa keiritan bahan bakar minyak
merupakan faktor yang paling penting dalam penggunaan bahan bakar minyak.
Karakteristik dari cluster ini antara lain ; sebagian besar responden
merupakan pengguna mobil Honda, sebagian besar responden menyatakan tidak
tahu mengenai bahan bakar minyak yang sesuai berdasarkan buku manualnya,
sebagian besar responden menganggap bahwa perbedaan premium dan pertamax
terletak pada nilai oktan yang berbeda, sebagian besar responden merupakan
pegawai swasta, sebagian besar responden menghabiskan antara Rp 100.000 – Rp
500.000 untuk mengisi bahan bakar setiap bulan, sebagian besar responden
menghabiskan antara tiga sampai empat jam untuk menonton televisi setiap hari,
sebagian besar responden menghabiskan kurang lebih lima belas menit untuk
membaca koran setiap hari, sebagian besar responden memilih Solopos sebagai
surat kabar yang sering dibaca, sebagian besar responden menyukai acara televisi
otomotif, sebagian besar responden setuju dengan kebijakan larangan penggunaan
premium untuk mobil keluaran tahun 2005 ke atas, sebagian besar responden
mempunyai pendapatan diantara Rp 1.000.000 – Rp 5.000.000 setiap bulan.
5.2.4 Cluster Premium 4
Cluster premium 4 mewakili 19% dari seluruh responden pengguna
premium dan cluster ini menganggap bahwa harga bahan bakar minyak
merupakan faktor yang paling penting dalam penggunaan bahan bakar minyak.
Selain itu, cluster premium 4 menganggap kemudahan dan pelayanan bukan
merupakan faktor penting dalam penggunaan bahan bakar minyak.
Karakteristik dari cluster ini antara lain ; sebagian besar responden
merupakan pengguna mobil Honda dan Toyota, sebagian besar responden
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
V-6
menyatakan premium sebagai bahan bakar minyak yang sesuai berdasarkan buku
manualnya, sebagian besar responden menganggap bahwa perbedaan premium
dan pertamax terletak pada nilai oktan yang berbeda, sebagian besar responden
merupakan mahasiswa/pelajar, sebagian besar responden menghabiskan antara Rp
500.000 – Rp 1.000.000 untuk mengisi bahan bakar setiap bulan, sebagian besar
responden menghabiskan kurang dari dua jam untuk menonton televisi setiap hari,
sebagian besar responden menghabiskan kurang lebih tiga puluh menit untuk
membaca koran setiap hari, sebagian besar responden memilih Kompas sebagai
surat kabar yang sering dibaca, sebagian besar responden menyukai acara televisi
berita, sebagian besar responden setuju dengan kebijakan larangan penggunaan
premium untuk mobil plat merah maupun penghapusan subsidi premium,
sebagian besar responden mempunyai pendapatan diantara Rp 1.000.000 – Rp
5.000.000 setiap bulan.
5.3 Cluster Pertamax
Cluster pertamax merupakan segmen yang terbentuk dari analisis cluster
terhadap data pengguna bahan bakar minyak pertamax. Segmen yang telah
terbentuk selanjutnya akan digunakan untuk dibandingkan dengan segmen yang
terbentuk dari analisis cluster premium untuk melihat apakah terdapat kemiripan
antara segmen pengguna premium dengan segmen pengguna pertamax dan
melihat potensi beralihnya pengguna pertamax kembali ke premium. Berdasarkan
kemiripan yang diperoleh selanjutnya akan digunakan sebagai dasar penyusunan
strategi pemasaran yang tepat untuk masing-masing cluster pengguna premium
dan menentukan cluster pertamax yang paling berpotensi untuk beralih menjadi
pengguna premium.
5.3.1 Cluster Pertamax 1
Cluster pertamax 1 mewakili 39% dari seluruh responden pengguna
pertamax dan cluster ini menganggap bahwa keiritan bahan bakar minyak
merupakan faktor paling penting dalam penggunaan bahan bakar minyak.
Karakteristik dari cluster ini antara lain ; sebagian besar responden
merupakan pengguna mobil Honda, sebagian besar responden menyatakan
pertamax merupakan bahan bakar minyak yang sesuai berdasarkan buku
manualnya, sebagian besar responden menganggap bahwa perbedaan premium
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
V-7
dan pertamax terletak pada nilai oktan yang berbeda, sebagian besar responden
merupakan pegawai swasta, sebagian besar responden menghabiskan antara Rp
1.000.000 – Rp 1.500.000 untuk mengisi bahan bakar setiap bulan, sebagian besar
responden menghabiskan antara tiga sampai empat jam untuk menonton televisi
setiap hari, sebagian besar responden menghabiskan kurang lebih tiga puluh menit
untuk membaca koran setiap hari, sebagian besar responden memilih Kompas
sebagai surat kabar yang sering dibaca, sebagian besar responden menyukai acara
televisi berita, sebagian besar responden setuju dengan kebijakan larangan
penggunaan premium untuk mobil pribadi keluaran tahun 2005 ke atas, sebagian
besar responden mempunyai pendapatan diantara Rp 1.000.000 – Rp 5.000.000
setiap bulan.
Cluster ini merupakan cluster yang tergolong sulit untuk berpindah dari
pertamax ke premium apabila dilihat dari persepsi terhadap masing-masing faktor
dan profil yang terbentuk. Cluster ini menganggap bahwa keiritan bahan bakar
minyak merupakan faktor yang paling penting dalam penggunaan bahan bakar
minyak dan sebagian besar anggota cluster ini mengetahui bahwa pertamax
merupakan bahan bakar minyak yang sesuai dengan spesifikasi mesin
kendaraannya. Dari profil yang terbentuk, dilihat dari pekerjaan responden,
terlihat bahwa sebagian besar anggota cluster ini merupakan pegawai swasta
dengan pendapatan antara Rp 10.000.000 - Rp 15.000.000 dan konsumsi bahan
bakar minyak antara Rp 1.000.000 - Rp 1.500.000. Apabila dilihat dari kebijakan
yang sesuai dengan harapan responden, sebagian besar anggota cluster ini
memilih larangan penggunaan premium untuk mobil pribadi keluaran tahun 2005
ke atas yang menggambarkan bahwa anggota cluster ini enggan beralih menjadi
pengguna premium.
5.3.2 Cluster Pertamax 2
Cluster pertamax 2 mewakili 39% dari seluruh pengguna pertamax dan
cluster ini menganggap bahwa kesesuaian bahan bakar minyak dan harga bahan
bakar minyak merupakan faktor yang paling penting dalam penggunaan bahan
bakar minyak. Selain itu, cluster pertamax 2 menganggap bahwa prestise
merupakan faktor yang penting dalam penggunaan bahan bakar minyak.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
V-8
Karakteristik dari cluster ini antara lain ; sebagian besar responden
merupakan pengguna mobil Nissan, sebagian besar responden menyatakan
pertamax sebagai bahan bakar minyak yang sesuai berdasarkan buku manualnya,
sebagian besar responden menganggap bahwa perbedaan premium dan pertamax
terletak pada nilai oktan yang berbeda, sebagian besar responden merupakan
pegawai swasta, sebagian besar responden menghabiskan antara Rp 500.000 – Rp
1.000.000 untuk mengisi bahan bakar setiap bulan, sebagian besar responden
menghabiskan kurang dari dua jam untuk menonton televisi setiap hari, sebagian
besar responden menghabiskan kurang lebih lima belas menit untuk membaca
koran setiap hari, sebagian besar responden memilih Kompas sebagai surat kabar
yang sering dibaca, sebagian besar responden menyukai acara televisi otomotif,
sebagian besar responden setuju dengan kebijakan penghapusan subsidi premium,
sebagian besar responden mempunyai pendapatan antara Rp 1.000.000 – Rp
5.000.000 setiap bulan.
Cluster ini merupakan cluster yang paling sulit untuk berpindah dari
pertamax ke premium apabila dilihat dari persepsi terhadap masing-masing faktor
dan profil yang terbentuk. Cluster ini menganggap bahwa kesesuaian dan
stabilitas harga bahan bakar minyak merupakan faktor yang paling penting dalam
penggunaan bahan bakar minyak. Selain itu, cluster ini menganggap bahwa
prestise merupakan faktor yang penting dalam penggunaan bahan bakar minyak
sehingga cluster ini sulit untuk beralih menjadi pengguna premium. Dari profil
yang terbentuk, dilihat dari pekerjaan responden, terlihat bahwa sebagian besar
anggota cluster ini merupakan wiraswasta/pengusaha dengan pendapatan > Rp
15.000.000 dan konsumsi bahan bakar minyak antara Rp 1.000.000 - Rp
1.500.000. Apabila dilihat dari kebijakan yang sesuai dengan harapan responden,
sebagian besar anggota cluster ini memilih larangan penggunaan premium untuk
mobil pribadi keluaran tahun 2005 ke atas yang menggambarkan bahwa anggota
cluster ini enggan beralih menjadi pengguna premium.
5.3.3 Cluster Pertamax 3
Cluster pertamax 3 mmewakili 32% dari seluruh responden pengguna
pertamax dan cluster ini menganggap harga bahan bakar minyak merupakan
faktor yang paling penting dalam penggunaan bahan bakar minyak. Selain itu,
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
V-9
cluster pertamax 3 menganggap bahwa prestise bukan merupakan faktor yang
penting dalam penggunaan bahan bakar minyak
Karakteristik dari cluster ini antara lain ; sebagian besar responden
merupakan pengguna mobil Honda, sebagian besar responden menyatakan
pertamax sebagai bahan bakar minyak yang sesuai berdasarkan buku manualnya,
sebagian besar responden menganggap bahwa perbedaan premium dan pertamax
terletak pada nilai oktan yang berbeda, sebagian besar responden merupakan
pegawai swasta, sebagian besar responden menghabiskan antara Rp 100.000 – Rp
500.000 untuk mengisi bahan bakar setiap bulan, sebagian besar responden
menghabiskan kurang dari dua jam untuk menonton televisi setiap hari, sebagian
besar responden menghabiskan kurang lebih tiga puluh menit untuk membaca
koran setiap hari, sebagian besar responden memilih Kompas sebagai surat kabar
yang sering dibaca, sebagian besar responden menyukai acara televisi berupa
acara musik, sebagian besar responden setuju dengan kebijakan larangan
penggunaan premium untuk mobil pribadi keluaran tahun 2005 ke atas, sebagian
besar responden mempunyai pendapatan antara Rp 1.000.000 – Rp 5.000.000
setiap bulan.
Dari ketiga cluster pertamax yang terbentuk, cluster ini merupakan satu-
satunya cluster yang paling berpotensi untuk beralih menjadi pengguna premium.
Hal ini dapat dilihat pada persepsi anggota cluster ini terhadap masing-masing
faktor. Faktor yang dianggap paling penting oleh cluster ini adalah faktor harga
bahan bakar dan faktor prestise dianggap bukan merupakan faktor penting dalam
penggunaan bahan bakar minyak. Selain itu sebagian besar anggota cluster ini
merupakan pelajar/mahasiswa dengan pendapatan < Rp 1.000.000 setiap bulan
dan menghendaki kebijakan menaikkan harga premium menjadi Rp 5.000/liter
menegaskan bahwa anggota cluster ini sangat berpotensi untuk beralih menjadi
pengguna premium.
5.4 Strategi Pemasaran
Langkah selanjutnya adalah menemukan kemiripan antara cluster
pengguna premium dengan cluster pengguna pertamax. Berdasarkan kemiripan
tersebut akan disusun strategi pemasaran yang tepat untuk cluster pengguna
premium untuk dapat beralih menjadi pengguna pertamax.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
V-10
5.4.1 Cluster Premium 1
Cluster premium 1 memiliki kemiripan dengan cluster pertamax 2. Hal ini
didasarkan pada kesesuaian bahan bakar minyak yang dianggap faktor yang
paling penting pada kedua cluster. Perbedaan kedua cluster ini terletak pada
prestise, kemudahan dan pelayanan. Pada cluster premium 1, prestise dan
kemudahan dan pelayanan bukan merupakan faktor yang penting dalam
penggunaan bahan bakar minyak. Berbeda dengan cluster pertamax 2, yang
menganggap prestise, kemudahan dan pelayanan merupakan faktor yang penting.
Untuk dapat mengalihkan cluster premium 1 menjadi pengguna pertamax
maka hal pertama yang harus dilakukan adalah melakukan pendekatan pada faktor
yang dianggap penting oleh cluster premium 1 (selain harga bahan bakar minyak)
yaitu keiritan bahan bakar minyak dan kesesuaian bahan bakar minyak.
Peningkatan kualitas/layanan maupun informasi yang berkaitan dengan
keiritan dan kesesuaian bahan bakar minyak akan sangat berpengaruh pada
penggunaan bahan bakar minyak oleh responden cluster premium 1. Oleh karena
itu, penyampaian keterangan mengenai berapa km jarak yang dapat ditempuh
dengan menggunakan pertamax dibandingkan jarak yang dapat ditempuh dengan
menggunakan premium akan sangat membantu cluster ini untuk beralih menjadi
pengguna pertamax. Selain itu, kesesuaian takaran bahan bakar minyak dapat
ditingkatkan dengan program “Pasti Pas” yang sudah dijalankan Pertamina.
Dengan bertambah luasnya jaringan SPBU Pasti Pas, akan semakin
menggerakkan responden cluster ini untuk berpindah dari premium ke pertamax.
Dari data profil cluster didapatkan bahwa sebagian besar anggota cluster
ini tidak mengetahui bahan bakar yang sesuai dengan mesin kendaraannya. Selain
itu, sebagian besar cluster ini telah mengetahui perbedaan premium dan pertamax
terletak pada nilai oktan yang berbeda. Yang mungkin belum mereka ketahui
adalah kebutuhan mesin kendaraan yang dimiliki terhadap nilai oktan tertentu.
Dengan adanya informasi mengenai nilai oktan dan spesifikasi mesin kendaraan
yang dipakai, diharapkan dapat meningkatkan pengalihan pengguna premium
pada cluster ini menjadi pengguna pertamax.
Sebagian besar anggota cluster premium 1 merupakan mahasiswa/pelajar
dengan konsumsi bahan bakar antara Rp 100.000 – Rp 500.000 setiap bulan.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
V-11
Dengan pendapatan kurang dari Rp 1.000.000 setiap bulan. Profil ini menjelaskan
mengapa anggota cluster ini mengetahui perbedaan antara premium dan pertamax
terletak pada nilai oktan yang berbeda tetapi tidak mengetahui bahan bakar
minyak sesuai buku manualnya. Hal ini disebabkan karena mobil yang digunakan
bukan merupakan kepemilikan pribadi tetapi masih merupakan milik dari orang
tua mahasiswa/pelajar tersebut. Untuk mendekati anggota cluster ini dapat
ditempuh dengan kunjungan ke beberapa sekolah/universitas yang dianggap
representatif untuk memberikan informasi mengenai kebutuhan mesin dengan
nilai oktan bahan bakarnya dan efeknya terhadap keawetan mesin. Hal ini
dianggap efektif karena sebagai pelajar/mahasiswa seharusnya lebih bisa
menyadari dan mengetahui manfaat menggunakan pertamax bagi keawetan mesin
dari segi teknis. Selain itu, penempatan billboard maupun spanduk pada beberapa
sudut sekolah/universitas akan lebih efektif untuk menjangkau anggota cluster ini.
Sebagian besar anggota cluster ini menghabiskan kurang dari 2 jam setiap
hari untuk menonton televisi dan kurang lebih 15 menit setiap hari untuk
membaca surat kabar. Surat kabar yang sering dibaca adalah Kompas dan acara
televisi yang paling disukai adalah olahraga. Data ini dapat digunakan untuk
melakukan pendekatan yang tepat dalam usaha untuk memberikan informasi
mengenai kebutuhan mesin kendaraan yang dimiliki terhadap nilai oktan tertentu
seperti menyelipkan iklan pada acara televisi olahraga maupun melalui surat kabar
Kompas yang merupakan surat kabar yang sering dibaca oleh anggota cluster ini.
Selain itu, sebagian besar cluster ini setuju dengan kebijakan menaikkan harga
premium menjadi Rp 5.000/liter saat ditanya mengenai kebijakan yang tepat yang
seharusnya diambil pemerintah. Hal ini semakin memperjelas bahwa cluster ini
terkesan enggan untuk berpindah dari premium menuju pertamax.
5.4.2 Cluster Premium 2
Cluster premium 2 memiliki kemiripan dengan cluster pertamax 3. Hal ini
didasarkan pada penilaian seluruh faktor yang hampir sama antara cluster
premium 2 dengan cluster pertamax 3. Baik cluster premium 2 dan cluster
pertamax 3 mengganggap bahwa keiritan bahan bakar minyak, kesesuaian bahan
bakar minyak, kemudahan dan pelayanan dan harga bahan bakar minyak
merupakan faktor penting dalam penggunaan bahan bakar minyak. Selain itu,
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
V-12
kedua cluster juga mengganggap bahwa prestise dan pendekatan persuasif bukan
merupakan faktor penting dalam penggunaan bahan bakar minyak.
Karena kemiripan yang muncul pada semua faktor, cluster premium 2
merupakan cluster yang potensial untuk dapat dialihkan menjadi pengguna
pertamax. Untuk dapat menjangkau cluster ini agar dapat beralih dari cluster
pengguna premium menjadi pengguna pertamax, faktor yang perlu dibenahi
adalah kemudahan dan pelayanan. Kemudahan dalam melakukan pembayaran
baik itu dengan menggunakan kartu kredit maupun debit dengan disertai dengan
voucher potongan harga maupun hadiah menarik lainnya akan sangat membantu
untuk mengalihkan cluster ini menjadi pengguna pertamax. Hal lain yang harus
diperhatikan adalah pelayanan yang diberikan dan sistem antrian. Pelayanan
operator saat mengisi bahan bakar minyak dan sistem antrian yang menjamin
kecepatan pelayanan merupakan faktor penting yang akan sangat berpengaruh
pada cluster ini. Harga bahan bakar minyak yang termasuk dalam faktor penting
dalam penggunaan bahan bakar minyak oleh cluster ini lebih mengarah pada
stabilitas harga bahan bakar minyak. Dengan kata lain, anggota cluster ini lebih
mementingkan stabilitas harga bahan bakar minyak daripada tinggi rendahnya
harga bahan bakar minyak.
Dari data profil cluster didapatkan bahwa sebagian besar anggota cluster
ini menganggap bahwa premium merupakan bahan bakar yang sesuai dengan
spesifikasi mesin kendaraannya dan sebagian lainnya tidak mengetahui bahan
bakar yang sesuai dengan spesifikasi mesin kendaraannya. Oleh karena itu,
anggota cluster ini perlu diberikan pengetahuan mengenai spesifikasi mesin
kendaraan dan nilai oktan yang dibutuhkan. Sebagian besar anggota cluster ini
menganggap bahwa perbedaan premium dan pertamax terletak pada nilai oktan
yang berbeda sehingga memudahkan penyampaian informasi bahwa semakin
tinggi spesifikasi mesin akan semakin membutuhkan nilai oktan yang lebih tinggi.
Data bahwa sebagian cluster ini mempunyai pekerjaan sebagai pegawai swasta
dan pengusaha/wiraswasta dengan pendapatan antara Rp 5.000.000 – Rp
10.000.000 setiap bulan semakin memperkuat potensi cluster ini untuk dijadikan
prioritas pengalihan pengguna premium menuju pengguna pertamax. Untuk dapat
melakukan pendekatan dengan cluster ini dapat dilakukan melalui media surat
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
V-13
kabar Solopos, yang merupakan surat kabar yang paling sering dibaca oleh
anggota cluster ini dan melalui media iklan televisi terutama melalui iklan pada
acara ber-genre komedi. Selain itu, sebagian besar anggota cluster ini mendukung
kebijakan larangan penggunaan premium untuk mobil pribadi keluaran tahun
2005 ke atas. Dilihat dari kebijakan yang dipilih dapat dilihat bahwa anggota
cluster ini sebenarnya bersedia untuk beralih menggunakan pertamax apabila
mengetahui hubungan antara spesifikasi mesin dengan nilai oktan bahan bakar
minyak yang dibutuhkan.
5.4.3 Cluster Premium 3
Cluster premium 3 memiliki kemiripan dengan cluster pertamax 1.
Kemiripan ini muncul pada penilaian pada semua faktor. Cluster premium 3 dan
cluster pertamax 1 menganggap keiritan bahan bakar minyak, kesesuaian bahan
bakar minyak, prestise, kemudahan dan pelayanan dan harga bahan bakar minyak
merupakan faktor yang penting dalam penggunaan bahan bakar minyak. Selain
itu, kedua faktor tersebut juga menganggap bahwa pendekatan persuasif bukan
merupakan faktor yang penting.
Untuk dapat mengalihkan cluster premium 3 menjadi pengguna pertamax,
hal yang harus dilakukan adalah meningkatkan kualitas pada kelima faktor yang
dianggap penting oleh cluster premium 3. Langkah pertama yang dapat dilakukan
adalah menyampaikan informasi mengenai manfaat yang didapat saat beralih
menggunakan pertamax. Manfaat tersebut dapat berupa informasi mengenai jarak
yang mampu ditempuh dengan menggunakan pertamax, kecepatan motor saat
dikendarai maupun efek dari penggunaan pertamax terhadap keawetan mesin
kendaraan. Kesesuaian nilai oktan bahan bakar minyak terutama pertamax, brand
image yang kuat tentang pertamax, kemudahan dan pelayanan ekstra yang didapat
dengan menggunakan pertamax akan dapat mempengaruhi cluster ini untuk dapat
beralih menjadi pengguna pertamax.
Dari data profil cluster didapatkan bahwa sebagian besar anggota cluster
ini tidak mengetahui bahan bakar yang sesuai dengan spesifikasi mesin
kendaraannya. Selain itu, sebagian besar cluster ini mengetahui perbedaan
premium dan pertamax terletak pada nilai oktan yang berbeda. Sehingga
informasi mengenai hubungan spesifikasi mesin dengan nilai oktan bahan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
V-14
bakarnya akan sangat mempengaruhi keputusan anggota cluster ini dalam
penggunaan bahan bakar minyak. Sebagian besar anggota cluster ini merupakan
pegawai swasta dan menghabiskan antara Rp 100.000 – Rp 500.000 setiap bulan
dan mempunyai pendapatan antara Rp 1.000.000 – Rp 5.000.000 setiap bulan.
Sebagian besar anggota cluster ini menghabiskan antara 3 – 4 jam setiap hari
untuk menonton televisi dan menghabiskan kurang lebih 15 menit untuk membaca
koran setiap hari. Koran yang paling sering dibaca adalah Solopos dan acara
televisi yang paling disukai oleh anggota cluster ini adalah acara otomotif.
Apabila dilihat dari profilnya maka iklan melalui media televisi terutama pada
acara otomotif merupakan media yang tepat untuk memberikan informasi
mengenai spesifikasi mesin kendaraan dengan nilai oktan bahan bakar yang
dibutuhkan. Data bahwa sebagian besar anggota menyukai acara otomotif lebih
memudahkan anggota cluster ini untuk menerima informasi mengenai keunggulan
pertamax daripada premium terhadap keawetan dan kinerja mesin kendaraan.
Sebagian besar anggota cluster ini menyatakan setuju dengan kebijakan larangan
penggunaan premium untuk mobil pribadi keluaran tahun 2005 ke atas. Dilihat
dari kemiripan yang muncul pada semua faktor dan profil dari cluster ini, dapat
disimpulkan bahwa cluster ini merupakan cluster yang potensial untuk dialihkan
menjadi pengguna pertamax.
5.4.4 Cluster Premium 4
Cluster premium 4 memiliki kemiripan dengan cluster pertamax 3. Kedua
cluster menganggap bahwa harga bahan bakar minyak merupakan faktor yang
paling penting. Perbedaannya terletak pada kemudahan dan pelayanan. Cluster
premium 4 menganggap bahwa kemudahan dan pelayanan bukan merupakan
faktor yang penting dalam penggunaan bahan bakar minyak. Sedangkan pada
cluster pertamax 3, kemudahan dan pelayanan merupakan faktor yang penting.
Dari data profil cluster, didapatkan bahwa sebagian besar anggota cluster
ini menganggap premium sebagai bahan bakar minyak sesuai spesifikasi mesin
kendaraan dan sebagian besar anggota cluster ini setuju bahwa perbedaan
premium dan pertamax terletak pada nilai oktan yang berbeda. Sebagian besar
anggota cluster ini merupakan mahasiswa/pelajar dan pegawai swasta,
menghabiskan Rp 500.000 – Rp 1.000.000 untuk konsumsi bahan bakar minyak
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
V-15
setiap bulan dan mempunyai pendapatan antara Rp 1.000.000 – Rp 5.000.000
setiap bulan. Untuk dapat mengalihkan cluster ini menjadi pengguna pertamax,
faktor yang perlu ditingkatkan adalah faktor harga bahan bakar minyak, terutama
tinggi rendahnya harga bahan bakar minyak. Atribut tinggi rendahnya harga
bahan bakar minyak dipilih karena pekerjaan responden yang sebagian besar
merupakan pelajar/mahasiswa.
Sebagian besar anggota cluster ini menghabiskan kurang dari dua jam
untuk menonton televisi setiap hari dan kurang lebih 30 menit untuk membaca
surat kabar setiap hari. Selain itu, sebagian besar anggota cluster ini sering
membaca Kompas dan menyatakan acara berita sebagai acara televisi yang paling
digemari. Sehingga pendekatan melalui iklan di surat kabar terutama Kompas dan
iklan melalui media televisi terutama dalam acara berita akan sangat efektif untuk
menjangkau cluster ini. Sebagian besar cluster ini setuju dengan kebijakan
penghapusan subsidi premium sebagai tindakan yang harus diambil oleh
pemerintah.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
VI-1
BAB VI
KESIMPULAN DAN SARAN
Bab ini membahas kesimpulan dari analisis dan interpretasi hasil
penelitian yang mengacu pada tujuan penelitian yang telah dilakukan serta saran-
saran untuk mengimplementasikan manfaat yang dapat diberikan sebagai hasil
dari penelitian ini.
6. 1 Kesimpulan
Kesimpulan yang diperoleh dari hasil penelitian yang telah dilakukan
adalah sebagai berikut:
1. Faktor-faktor yang mempengaruhi konsumen dalam penggunaan bahan bakar
minyak premium dan pertamax berturut-turut adalah keiritan bahan bakar
minyak, kesesuaian bahan bakar minyak, prestise, kemudahan dan pelayanan,
harga bahan bakar minyak dan pendekatan persuasif.
2. Terdapat 4 cluster pengguna bahan bakar minyak premium. Cluster premium
1 merupakan segmen yang lebih mementingkan kesesuaian bahan bakar
minyak. Cluster premium 2 merupakan segmen yang lebih mementingkan
harga bahan bakar minyak, kemudahan dan pelayanan. Cluster premium 3
merupakan segmen yang lebih mementingkan keiritan bahan bakar minyak.
Cluster premium 4 merupakan segmen yang lebih mementingkan harga bahan
bakar minyak, tetapi menganggap kemudahan dan pelayanan bukan
merupakan faktor yang penting.
3. Terdapat 3 cluster pengguna bahan bakar minyak pertamax. Cluster pertamax
1 merupakan segmen yang lebih mementingkan keiritan bahan bakar minyak.
Cluster pertamax 2 merupakan segmen yang lebih mementingkan kesesuaian,
harga bahan bakar minyak dan prestise. Cluster pertamax 3 merupakan
segmen yang lebih mementingkan harga bahan bakar minyak, tetapi
menganggap bahwa prestise bukan merupakan faktor yang penting dalam
penggunaan bahan bakar minyak.
4. Berdasarkan persepsinya terhadap bahan bakar minyak, cluster premium yang
paling mudah dialihkan menjadi pengguna pertamax berturut-turut adalah
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
VI-2
cluster premium 2, cluster premium 3, cluster premium 4 dan cluster premium
1.
5. Berdasarkan persepsinya terhadap bahan bakar minyak dan profil cluster yang
terbentuk, cluster pertamax yang paling berpotensi beralih menjadi pengguna
premium adalah cluster pertamax 3.
6. 2 Saran
Untuk perbaikan selanjutnya, ada bebarapa saran yang dapat dijadikan
pertimbangan bagi pemerintah dan penelitian selanjutnya. Saran-saran yang dapat
diberikan antara lain sebagai berikut:
1. Untuk jangka pendek, sebaiknya pemerintah fokus pada cluster premium yang
paling mudah dialihkan menjadi pengguna pertamax berdasarkan persepsi dan
profil cluster-nya yaitu cluster premium 2.
2. Penggunaan metode sampling pada penelitian selanjutnya sebaiknya
menggunakan pengambilan sampel acak terstratifikasi (stratified random
sampling) berdasarkan kapasitas mesin mobil.
3. Pada penelitian selanjutnya, proses identifikasi dan penetapan variabel perlu
mendapat perhatian lebih. Hal ini dikarenakan tidak semua variabel yang
muncul sesuai dengan tujuan dan arah penelitian.