OPTIMISASI HARGA DENGAN MODEL MULTINOMIAL LOGIT ...
Transcript of OPTIMISASI HARGA DENGAN MODEL MULTINOMIAL LOGIT ...
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
OPTIMISASI HARGA
DENGAN MODEL MULTINOMIAL LOGIT
(Studi Kasus Produk Flash Disk dengan Kapasitas Penyimpanan
4 GB dan 8 GB)
Skripsi
OLEH:
DIAN SETYA ARINI
I0307038
JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK
UNIVERSITAS SEBELAS MARET
SURAKARTA
2011
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
i
OPTIMISASI HARGA DENGAN MODEL MULTINOMIAL
LOGIT
(Studi Kasus Produk Flash Disk Menurut Persepsi
Mahasiswa Universitas Sebelas Maret)
SkripsiSebagai Persyaratan Untuk Memperoleh Gelar Sarjana Teknik
OLEH:
DIAN SETYA ARINI
I0307038
JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK
UNIVERSITAS SEBELAS MARET
SURAKARTA
2011
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user vi
KATA PENGANTAR
Assalamu’alaikum wr. wb
Segala puji hanya bagi Allah SWT atas segala bentuk rahmat dan
hidayahNya serta karuniaNya sehingga penulis bisa menyelesaikan skripsi ini
sebagai syarat untuk mendapatkan gelar Sarjana Teknik di Jurusan Teknik
Industri Fakultas Teknik Universitas Sebelas Maret Surakarta.
Dalam proses penyelesaian skripsi ini, tentu saja peneliti mengalami
berbagai hambatan dan kesulitan. Namun, berkat bantuan, bimbingan dan
pengarahan dari berbagai pihak, akhirnya kesulitan-kesulitan yang timbul dapat
teratasi. Oleh karena itu, atas segala bentuk bantuannya, peneliti sampaikan terima
kasih kepada:
1. Dr. Cucuk Nur Rosyidi, ST. MT., selaku Ketua Jurusan Teknik Industri dan
Pembimbing I yang telah memberikan pengarahan, bimbingan dan dukungan
kepada peneliti selama pelaksanaan penelitian dan penyusunan skripsi ini.
2. Fakhrina Fahma, STP. MT., selaku Pembimbing II yang telah memberikan
pengarahan, bimbingan dan dukungan kepada peneliti selama pelaksanaan
penelitian dan penyusunan skripsi ini.
3. Bapak dan Ibu dosen Teknik Industri atas bimbingan dan segala ilmu yang
telah diajarkan selama ini.
4. Bapak dan Ibuku, sebagai rasa bakti dan hormatku atas motivasi, semangat,
harapan dan doa-doa yang selalu mengalir untukku sepanjang waktu dan
sepanjang masa.
5. Masku Manda yang telah banyak sekali membantu dalam menyelesaikan
skripsiku ini.
6. Budhe Hartini, budhe Wardini, terima kasih buat dukungannya, matur nuwun
sanget.
7. Sahabat-sahabatku asisten Laboratorium Sistem Kualitas, Mega, Mita, Wiwin,
Dias, Mamet, terima kasih atas dukungannya selama ini.
8. Semua sahabat-sahabatku TI 07 semua. Terima kasih untuk doa dan
dukungannya.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user vii
9. Semua pihak yang tidak dapat peneliti sebut satu persatu yang membantu
dalam penyelesaian skripsi ini.
Peneliti menyadari bahwa masih banyak kekurangan dalam skripsi ini.
Oleh karena itu, saran dan kritik sangat peneliti harapkan guna kesempurnaan
skripsi ini. Semoga skripsi ini dapat bermanfaat bagi peneliti khususnya dan
pembaca pada umumnya. Amin.
Wassalamu’alaikum wr. wb.
Surakarta, Agustus 2011
Peneliti
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
viii
ABSTRAK
Dian Setya Arini, NIM : I 0307038. OPTIMISASI HARGA DENGAN
MODEL MULTINOMIAL LOGIT (STUDI KASUS PRODUK FLASH
DISK DENGAN KAPASITAS PENYIMPANAN 4 GB DAN 8 GB). Skripsi.
Surakarta: Jurusan Teknik Industri, Fakultas Teknik, Universitas Sebelas
Maret, Agustus 2011.
Penentuan harga telah menjadi masalah yang paling penting bagi perusahaan.
Harga adalah satu-satunya elemen dalam bauran pemasaran yang menghasilkan
pendapatan. Harga akan mempengaruhi kesediaan konsumen dalam membeli
suatu produk. Kesediaan konsumen untuk membeli biasanya berbanding terbalik
dengan harga produk. Oleh karena itu diperlukan model optimisasi untuk
menentukan harga optimal untuk memaksimumkan pendapatan perusahaan.
Pendapatan perusahaan pada penelitian ini ditentukan dari kemungkinan
konsumen untuk membeli produk dikalikan dengan harga. Model Multinomial
Logit digunakan untuk memprediksi kemungkinan atau probabilitas konsumen
memilih alternatif produk yang ditawarkan.
Studi kasus dalam penelitian ini yaitu flash disk 4 GB dan 8 GB. Perusahaan
harus menentukan kombinasi harga yang optimum dalam menawarkan dua produk
tersebut, untuk memaksimumkan pendapatan dengan mempertimbangkan satu
tipe konsumen. Pada kasus ini hanya atribut kapasitas penyimpanan dan harga
pada flash disk yang dipertimbangkan, sedangkan atribut yang lain tidak
dipertimbangkan.
Berdasarkan hasil optimisasi harga dengan excel solver, didapatkan nilai
optimal untuk harga flash disk 4 GB yaitu Rp 68.184 dan harga flash disk 8 GB
yaitu Rp 107.024. Pada kombinasi harga tersebut kemungkinan konsumen untuk
membeli flash disk 4 GB adalah sebesar 0,218 dengan nilai utilitas sebesar 0.
Kemungkinan untuk membeli flash disk 8 GB pada kombinasi harga tersebut
adalah sebesar 0,565 dengan nilai utilitas sebesar 0,954. Kemungkinan untuk
tidak membeli adalah sebesar 0,218 dengan nilai utilitas 0. Ekspektasi pendapatan
yang didapat pada kombinasi harga tersebut yaitu 75.825.
Kata kunci : optimisasi harga, model multinomial logit.
xiv + 57 halaman; 16 tabel; 7 gambar; 4 lampiran
Daftar pustaka: 15 (1975-2010)
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
ix
ABSTRACT
Dian Setya Arini, NIM: I 0307038. PRICE OPTIMIZATION USING
MULTINOMIAL LOGIT MODEL (CASE STUDY : FLASH DISK WITH 4
Engineering Department, Faculty of Engineering, Sebelas Maret University,
August 2011.
Pricing has become the most important issue for company. Price is the only
element in the marketing mix that generates revenue. The price of a product will
affect the consumer consideration to buy. Consumer willingness to buy is
inversely proportional to the product price. Therefore an optimization model is
required to determine optimal prices to maximize revenues. Revenue in this study
are determined from purchase likelihood multiplied by price. The purchase
likelihood is derived using multinomial logit model.
Flash disks with 4 GB and 8 GB storage capacity are used as case study in
this research. The company must determine the optimum price combination in
offering those products in order to maximize revenues by considering one type of
consumer. The attributes considered in this case are the storage capacity and the
prices of the flash disk, while other attributes are not considered.
Based on the results of price optimization using Excel Solver, the optimal
value obtained for the price of 4 GB flash disk is Rp 68,184 and Rp 107,024 for
the price of 8 GB flash disk. On that price combination, the purchase likelihood of
4 GB flash disk is 0.218, with 0 utility value. The purchase likelihood of 8 GB
flash disk is 0.565 with 0.954 utility value. The likelihood of choosing not to buy
is 0.218 with 0 utility value. The Expected revenue generated on that price
combination is 75,825.
Key words: price optimization, multinomial logit model.
xiv + 57 pages, 16 tables, 7 drawings, 4 attachments
Bibliography: 15 (1975-2010).
GB AND 8 GB STORAGE CAPACITY). Thesis. Surakarta: Industrial
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
x
DAFTAR ISI
HALAMAN JUDUL i
LEMBAR PENGESAHAN ii
LEMBAR VALIDASI iii
SURAT PERNYATAAN ORISINALITAS KARYA ILMIAH iv
SURAT PERNYATAAN PUBLIKASI KARYA ILMIAH v
KATA PENGANTAR vi
ABSTRAK viii
ABSTRACT ix
DAFTAR ISI x
DAFTAR TABEL xiii
DAFTAR GAMBAR xiv
BAB I PENDAHULUAN I-1
1.1 Latar Belakang I-1
1.2 Perumusan Masalah I-3
1.3 Tujuan Penelitian I-3
1.4 Manfaat Penelitian I-3
1.5 Batasan Masalah I-3
1.6 Asumsi I-4
1.7 Sistematika Penulisan I-4
BAB II TINJAUAN PUSTAKA II-1
2.1 Pengertian Harga II-1
2.2 Strategi Penentuan Harga II-1
2.3 Penetapan Harga Optimum II-4
2.4 Proses Pengambilan Keputusan Pembelian II-5
2.5 Qualitative Choice Model (QCM) II-6
2.6 Revealed Choice Survey vs Stated Choice Survey II-7
2.7 Model Multinomial Logit (MNL) II-8
2.8 Multikolinieritas II-12
2.8.1 Konsekuensi Praktis dari Multikolinieritas II-13
2.8.2 Deteksi Multikolinieritas II-13
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
xi
2.9 Evaluasi Model II-14
2.9.1 Uji Kebaikan Model (Goodness of Fit) II-14
2.9.2 Uji Signifikansi Variabel Independen Secara Serentak
(Overall Model Fit) II-15
2.9.3 Uji Signifikansi Variabel Independen Secara Individual
(Significance Test) II-16
2.10 Penelitian Terdahulu II-17
2.10.1 Reibstein dan Gatignon (1984) II-17
2.10.2 Correa (2008) II-19
BAB III METODOLOGI PENELITIAN III-1
3.1 Tahap Identifikasi Masalah III-2
3.2 Tahap Pengumpulan dan Pengolahan Data III-3
3.2.1 Pengumpulan Data III-3
3.2.2 Pengolahan Data III-5
3.3 Tahap Analisis III-10
3.4 Tahap Kesimpulan dan Saran III-11
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA IV-1
4.1 Pengumpulan Data IV-1
4.2 Pengolahan Data IV-2
4.2.1 Karakterisasi Data IV-2
4.2.2 Model Multinomial Logit IV-4
4.2.2.1 Uji Asumsi Klasik IV-4
4.2.2.2 Estimasi Parameter IV-4
4.2.2.3 Evaluasi Model IV-6
4.2.2.4 Validasi Model IV-8
4.2.3 Optimisasi Harga IV-9
BAB V ANALISIS DAN INTERPRETASI HASIL V-1
5.1 Analisis Pengaruh Harga Terhadap Perilaku Responden
Dalam Pemilihan Alternatif V-1
5.2 Analisis Model Multinomial Logit V-1
5.2.1 Analisis Uji Prasyarat Model V-2
5.2.2 Analisis Parameter Model Multinomial Logit V-2
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
xii
5.2.3 Analisis Probabilitas Pemilihan Alternatif
(Purchase Likelihood) V-3
5.2.4 Analisis Uji Evaluasi Model V-5
5.2.5 Analisis Validasi Model V-6
5.3 Analisis Grafik Purchase Likelihood V-7
5.4 Analisis Optimisasi Harga V-8
BAB VI KESIMPULAN DAN SARAN VI-1
6.1 Kesimpulan VI-1
6.2 Saran VI-1
DAFTAR PUSTAKA
LAMPIRAN
Lampiran 1 : Kuesioner L-1
Lampiran 2 : Hasil Pengumpulan Data L-2
Lampiran 3 : Output SPSS L-4
Lampiran 4 : Tabel Chi Square L-6
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
xiii
DAFTAR TABEL
Hal
Tabel 2.1 Pengaruh harga terhadap kesediaan membeli II-4
Tabel 2.2 Analisis Marginal II-5
Tabel 2.3 Model penjualan terhadap harga II-17
Tabel 3.1 Contoh kuesioner III-4
Tabel 4.1 Contoh hasil pengumpulan data IV-1
Tabel 4.2 Tabel Jumlah data IV-2
Tabel 4.3 Tabel prosentase pilihan responden
pada tiap kombinasi harga flash disk IV-3
Tabel 4.4 Uji Multikolinieritas IV-4
Tabel 4.5 Estimasi Parameter IV-4
Tabel 4.6 Tabel Pseudo R-Square IV-6
Tabel 4.7 Tabel Uji Overall Model Fit IV-6
Tabel 4.8 Likelihood Ratio Test IV-7
Tabel 4.9 Uji Wald IV-8
Tabel 4.10 Classification IV-9
Tabel 4.11 Output Hasil Excel Solver IV-11
Tabel 5.1 Tabel Harga dan Puchase Likelihood (P2=175) V-7
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
xiv
DAFTAR GAMBAR
Hal
Gambar 2.1 Hal-hal yang dipertimbangkan dalam penetapan harga II-1
Gambar 2.2 Penetapan harga berdasarkan nilai vs
penetapan harga berdasarkan biaya II-3
Gambar 2.3 Proses keputusan pembelian II-6
Gambar 2.5 Ilustrasi model II-18
Gambar 2.6 Metodologi Penelitian Correa, 2008 II-20
Gambar 3.1 Metodologi Penelitian III-1
Gambar 5.1 Grafik Purchase Likelihood untuk Harga 2=175 IV-11
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
I-1
BAB I
PENDAHULUAN
Bab ini membahas mengenai latar belakang, perumusan masalah, tujuan
penelitian, manfaat penelitian, batasan masalah, asumsi dan sistematika penulisan.
1.1 Latar Belakang
Era perdagangan bebas seperti saat ini menyebabkan semakin banyak barang
yang beredar di pasaran, sehingga persaingan harga menjadi semakin ketat. Harga
yang diajukan oleh perusahaan akan gagal bila terlalu tinggi untuk dapat
menghasilkan permintaan dan akan gagal pula bila terlalu rendah untuk dapat
menghasilkan keuntungan (Kottler, 2008). Oleh karena itu, harga merupakan
keputusan kritis yang perlu ditentukan perusahaan.
Terdapat bermacam-macam metode yang dilakukan perusahaan dalam
penetapan harga, diantaranya yaitu penetapan harga berdasarkan biaya, penetapan
harga berdasarkan nilai, penetapan harga berdasarkan permintaan pasar, dan
penetapan harga berdasarkan harga pesaing (Kottler, 2008). Pada penetapan harga
berdasarkan nilai, perusahaan menetapkan harga target berdasarkan pada persepsi
pelanggan atas nilai produk (Kottler, 2008). Nilai dan harga yang ditargetkan
kemudian mendorong keputusan mengenai desain produk dan biaya apa yang
dapat ditanggung.
Salah satu cara yang dapat dilakukan dalam penetapan harga berdasarkan
nilai ini yaitu penetapan harga dengan model multinomial logit. Model logit
merupakan suatu model regresi yang variabel dependennya berupa variabel
kualitatif, misalnya pilihan merek (merek A, merek B, atau merek C), pilihan
moda transportasi (bus, kereta, atau taksi), dan keputusan pembelian (membeli
atau tidak membeli) (Nachrowi, 2002). Model multinomial logit merupakan
model logit dengan alternatif pilihan lebih dari dua. Output dari model ini yaitu
prediksi probabilitas pilihan responden.
Model multinomial logit dapat memprediksi probabilitas keputusan
pembelian responden pada tingkat harga yang berbeda-beda. Keputusan
pembelian konsumen dijadikan variabel dependen dan harga dijadikan variabel
independen yang mempengaruhi keputusan pembelian konsumen tersebut.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
I-2
Harga dipilih berdasarkan yang menghasilkan harga dikalikan dengan
probabilitas keputusan membeli, yang paling tinggi. Harga dan kemungkinan
konsumen untuk membeli biasanya berbanding terbalik (Winardi, 1992). Oleh
karena itu, diperlukan model optimisasi untuk menentukan harga optimal untuk
memaksimumkan harga dikalikan kemungkinan konsumen untuk membeli atau
dalam penelitian ini disebut dengan ekspektasi pendapatan.
Model Multinomial Logit dapat memprediksi kemungkinan atau probabilitas
konsumen memilih alternatif produk yang ditawarkan atau purchase likelihood.
Harga dan purchase likelihood tersebutlah yang akan dioptimumkan untuk
mencapai pendapatan yang maksimum. Model logit akan memprediksi
probabilitas pilihan konsumen berdasarkan pertimbangan kombinasi harga pada
alternatif pilihan. Model Multinomial Logit dipilih karena struktur model logit
mencerminkan perilaku pemilihan yang sebenarnya (Lilien, 2007).
Kasus yang akan dibahas dalam penelitian ini yaitu penjual harus menentukan
kombinasi harga terbaik dalam menawarkan dua produknya, dengan
mempertimbangkan satu tipe konsumen. Satu tipe konsumen maksudnya Produk
yang diangkat dalam penelitian ini yaitu flash disk. Menurut Cook & Wissman
(2007) bentuk umum dari survey yang mempertimbangkan pilihan konsumen,
produk yang dipilih hanya memiliki satu atribut yang membedakan antara
alternatif satu dengan alternatif yang lain. Flash disk di pasaran biasanya, pada
satu merek dan bentuk yang sama, dibedakan oleh atribut kapasitas penyimpanan.
Pada penelitian ini akan ditentukan kombinasi harga yang optimal untuk flash disk
yang merek dan bentuknya sama tetapi kapasitasnya berbeda.
Penelitian ini mengacu pada penelitian yang dilakukan oleh Correa (2008).
Pada penelitian tersebut dimodelkan optimisasi harga dengan tiga alternatif
pendekatan yaitu Multinomial Logit, Binary Logit dan Logit-Logit untuk
menyelesaikan masalah penentuan harga dua alternatif produk. Dari ketiga
alternatif pendekatan tersebut, terpilih model multinomial logit yang paling baik
dalam mengoptimumkan harga.
Penelitian ini menggunakan model optimisasi harga dengan pendekatan
multinomial logit yang disebutkan dalam penelitian tersebut. Akan tetapi,
penelitian ini lebih fokus pada studi kasus model tersebut untuk optimisasi harga
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
I-3
pada pemilihan flash disk. Selain itu pada penelitian ini digunakan survey atau
kuesioner untuk mengetahui pernyataan pilihan konsumen diantara beberapa
alternatif pilihan, sedangkan pada Correa (2008), tidak menggunakan kuesioner
tetapi menggunakan data yang di-generate menggunakan Random Number
Generator pada Software C++. Metode pengumpulan data dengan kuesioner
dipilih karena penelitian ini merupakan studi kasus sehingga diperlukan metode
pengumpulan data yang lebih mencerminkan data pembelian sebenarnya
dibandingkan dengan data yang di-generate menggunakan Random Number
Generator.
1.2 Perumusan Masalah
Berdasarkan latar belakang yang telah diuraikan, maka dapat dirumuskan
pokok permasalahan dari penelitian ini yaitu bagaimana menentukan harga yang
optimum dari dua alternatif produk flash disk 4 GB dan 8 GB untuk
memaksimumkan ekspektasi pendapatan dengan menggunakan Model
Multinomial Logit.
1.3 Tujuan Penelitian
Tujuan yang ingin dicapai dalam penelitian ini adalah menentukan harga
optimum dari dua alternatif produk flash disk 4 GB dan 8 GB untuk
memaksimumkan ekspektasi pendapatan dengan menggunakan Model
Multinomial Logit.
1.4 Manfaat Penelitian
Manfaat dari penelitian ini yaitu diharapkan dapat memberikan masukan
dalam pengambilan keputusan yang menyangkut penentuan harga yang optimum
bagi perusahaan.
1.5 Batasan Masalah
Batasan masalah dari penelitian ini adalah :
1. Atribut produk yang dipertimbangkan dalam model hanya harga.
2. Flash disk kapasitas 4 GB dan 8 GB dipilih sebagai alternatif produk.
Flash disk dengan kapasitas tersebut dipilih karena paling umum di
pasaran saat ini.
3. Responden adalah Mahasiswa Universitas Sebelas Maret pengguna flash
disk.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
I-4
1.6 Asumsi
Asumsi yang digunakan dalam penelitian ini yaitu :
1. Alternatif bersifat mutually exclusive. Responden hanya dapat memilih
salah satu diantara alternatif pilihan.
2. Perbedaan antara flash disk kapasitas 4 GB dan 8 GB hanya pada kapasitas
penyimpanannya saja. Fungsi, bentuk, ukuran dan fitur lainnya dianggap
sama sehingga dapat diperbandingkan.
3. Persepsi konsumen terhadap harga flash disk tidak mengalami perubahan
selama penelitian dilakukan.
4. Populasi dianggap homogen atau hanya mempertimbangkan satu tipe
konsumen. Satu tipe konsumen maksudnya seluruh populasi dalam
penelitian ini yaitu, mahasiswa UNS pengguna flash disk, dianggap berada
dalam satu segmen pasar yang sama.
1.7 Sistematika Penulisan
Penulisan penelitian dalam laporan tugas akhir ini mengikuti uraian yang
diberikan pada setiap bab yang berurutan untuk mempermudah pembahasannya.
Sistematika penulisan penelitian optimisasi harga dengan Model Multinomial
Logit adalah sebagai berikut:
BAB I PENDAHULUAN
Bab ini berisi mengenai alasan atau latar belakang perlunya diadakan
penelitian mengenai optimisasi harga dengan Model Multinomial Logit disertai
pula dengan perumusan masalah, tujuan penelitian, manfaat penelitian, batasan
masalah, asumsi, dan sistematika penulisan dari penelitian.
BAB II TINJAUAN PUSTAKA
Bab ini berisi mengenai dasar-dasar teori dan hasil-hasil penelitian
sebelumnya yang menunjang pembahasan masalah yaitu mengenai harga,
pengambilan keputusan pembelian, Qualitative Choice Model, Stated-choice
Survey, Model Multinomial Logit, dan penelitian terdahulu.
BAB III METODOLOGI PENELITIAN
Bab ini berisi mengenai kerangka pemikiran dari penelitian yang memuat
tahap-tahap penelitian mulai dari tahap identifikasi permasalahan awal, tahap
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
I-5
pengumpulan dan pengolahan data, analisis dan interpretasi hasil serta penarikan
kesimpulan.
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA
Bab ini berisi mengenai data penelitian diperlukan dalam menganalisis
permasalahan yang ada. Data berkenaan dengan hasil kuesioner stated-choice
yang disebarkan kepada pengguna flash disk. Pada bab ini dijelaskan pula cara
pengolahan data-data tersebut.
BAB V ANALISIS HASIL PENELITIAN
Bab ini berisi interpretasi dari hasil pengolahan data, baik data primer
maupun data sekunder serta membandingkan terhadap tujuan penelitian yang telah
ditetapkan.
BAB VI KESIMPULAN DAN SARAN
Bab ini berisi mengenai kesimpulan dari hasil pengolahan data penelitian,
dan saran untuk penelitian mengenai optimisasi harga dengan Model Multinomial
Logit.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-1
BAB II
TINJAUAN PUSTAKA
Bab ini membahas mengenai konsep dan teori yang digunakan dalam
penelitian, sebagai landasan dan dasar pemikiran untuk membahas serta
menganalisa permasalahan yang ada.
2.1 Pengertian Harga
Pada teori ekonomi, harga, nilai dan utilitas adalah konsep yang saling
berhubungan (Stanton, 1975). Utilitas adalah atribut dari sebuah benda yang
membuatnya mampu memuaskan konsumen. Nilai adalah ekspresi kualitatif dari
kekuatan produk yang membuatnya menarik untuk dipertukarkan dengan produk
lain. Harga adalah nilai yang diekspresikan dalam bentuk uang.
Harga adalah jumlah uang atau barang yang harus dibayar oleh pembeli
sebagai pengganti barang atau jasa atau harga adalah rasio antara jumlah uang,
barang atau jasa yang diterima penjual dengan jumlah barang atau jasa yang
diterima pembeli (Monroe, 1990). Sedangkan menurut Kottler (2008), harga
dalam arti sempit adalah jumlah yang ditagihkan atas suatu produk atau jasa, arti
luasnya yaitu jumlah semua nilai yang diberikan oleh pelanggan untuk
mendapatkan keuntungan dari memiliki atau menggunakan produk atau jasa.
2.2 Strategi Penentuan Harga
Harga yang diajukan oleh perusahaan akan gagal bila berada terlalu tinggi
untuk dapat menghasilkan permintaan dan bila terlalu rendah untuk menghasilkan
keuntungan. Gambar 2.1 berikut ini menunjukkan pertimbangan-pertimbangan
utama perusahaan dalam penetapan harga menurut Kottler (2008).
Gambar 2.1 Hal-hal yang dipertimbangkan dalam penetapan hargaSumber: Kottler, 2008
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-2
Persepsi pelanggan terhadap nilai-nilai dari produk menjadi batas atas dari
harga. Pelanggan tidak akan membeli produk jika menganggap harga yang
ditawarkan lebih tinggi dari nilai produk. Biaya produksi menetapkan batas bawah
bagi harga. Perusahaan akan mengalami kerugian bila menetapkan harga yang
lebih rendah dari biaya produksi. Dalam penetapan harga diantara dua keadaan
ekstrem ini, perusahaan harus mempertimbangkan faktor internal dan eksternal
lainnya termasuk strategi dan bauran pemasaran secara keseluruhan, kondisi pasar
dan permintaan, dan strategi serta harga dari pesaing.
Apapun yang menjadi pertimbangan penjual dalam penentuan harga, pada
akhirnya konsumen yang akan menentukan apakah harga produk tepat atau tidak,
sehingga sewaktu menetukan harga perusahaan harus mempertimbangkan
persepsi konsumen tentang harga dan bagaimana persepsi tersebut mempengaruhi
keputusan membeli para konsumen.
Konsumen dalam membeli suatu produk, mempertukarkan sesuatu yang
memiliki nilai (harga) untuk mencapai sesuatu yang bernilai (keuntungan atau
manfaat memiliki atau menggunakan produk). Penetapan harga yang berorientasi
pada pembeli secara efektif, meliputi pemahaman tentang nilai apa yang diberikan
para konsumen atas keuntungan yang diterima dari produk yang bersangkutan dan
menetapkan suatu harga yang cocok dengan nilai tersebut.
Pandangan atau persepsi konsumen tentang kepantasan suatu harga produk
yang mempengaruhi konsumen dalam mengevaluasi produk yang akan dibeli
disebut dengan persepsi penerimaan harga. Untuk itu perusahaan harus mampu
menciptakan strategi harga secara bijaksana untuk mendapatkan persepsi
konsumen yang tepat berkaitan dengan harga suatu produk. Harga produk yang
terlalu tinggi, akan berpengaruh negatif terhadap persepsi nilai konsumen pada
suatu produk. Apabila harga terlalu tinggi, konsumen akan membandingkan
dengan produk lain yang memiliki harga lebih terjangkau berdasarkan referensi
(reference price) yang dimilikinya.
Makin banyak perusahaan, dewasa ini menetapkan harga atas apa yang
dinamakan perceived value (nilai produk menurut persepsi para pembeli). Kunci
penetapan harga ini yaitu berdasarkan persepsi nilai para pembeli dan bukanlah
biaya-biaya penjual. Pada perceived value pricing digunakan variabel-variabel
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-3
untuk menimbulkan nilai yang dipersepsikan dalam pikiran konsumen. Harga
ditetapkan untuk mendapatkan nilai yang dipersepsikan (Winardi, 1992).
Gambar 2.2 Penetapan harga berdasarkan nilai vs
penetapan harga berdasarkan biayaSumber: Kottler, 2008
Gambar 2.2 membandingkan penetapan harga berdasarkan nilai dengan
penetapan harga berdasarkan biaya menurut Kottler (2008). Penetapan harga
berdasarkan biaya digerakkan oleh produk. Perusahaan mendesain sesuatu yang
dianggap merupakan produk yang bagus, menjumlahkan biaya untuk membuat
produk tersebut, dan kemudian menetapkan harga yang dapat menutupi biaya dan
ditambahkan dengan target laba. Bagian pemasaran kemudian harus meyakinkan
pembeli nilai suatu produk pada harga tersebut dapat membenarkan pembelian
tersebut. Bila ternyata harganya terlalu tinggi, perusahaan harus menerima
keuntungan yang rendah atau penjualan yang lebih rendah, keduanya
menghasilkan laba yang mengecewakan.
Penetapan harga berdasarkan nilai membalik proses ini. Perusahaan
menetapkan harga target berdasarkan pada persepsi pelanggan atas nilai produk.
Nilai dan harga yang ditargetkan kemudian mendorong keputusan mengenai
desain produk dan biaya apa yang dapat ditanggung. Sebagai hasilnya penetapan
harga dimulai dengan menganalisis kebutuhan konsumen dan persepsi nilai
mereka, harga kemudian ditetapkan untuk menyamai nilai anggapan (percieved
value) konsumen.
Penentuan harga memiliki berbagai macam strategi sesuai dengan tahap yang
dilalui oleh sebuah produk atau jasa. Kotler dan Armstrong (2008) diantaranya
mengelompokkan strategi penentuan harga menjadi empat. Pertama, strategi
penetapan harga produk baru, yakni penetapan harga untuk meraup pasar dan
penetapan harga untuk penetrasi pasar. Kedua, strategi penetapan harga bauran
produk, yakni penetapan harga lini produk, penetapan harga produk pilihan,
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-4
penetapan harga produk terkait, penetapan harga produk sampingan, dan
penetapan harga paket produk. Ketiga, strategi penyesuaian harga, yang terdiri
dari penetapan harga diskon dan pengurangan harga, penetapan harga
tersegmentasi, penetapan harga psikologis, penetapan harga untuk promosi,
penetapan harga murah dan penetapan harga berdasarkan geografik. Keempat,
strategi menghadapai perubahan harga, yaitu memelopori perubahan harga,
bagaimana bereaksi terhadap perubahan harga.
Perusahaan biasanya mengembangkan lini produk. Dalam penetapan harga
lini produk (produk line pricing), manajemen harus memutuskan jenjang harga
yang ditetapkan antara berbagai produk dalam lini. Menurut Kottler (2008),
Jenjang harga harus memperhatikan memperhatikan perbedaan biaya antara
produk dalam lini, evaluasi pelanggan tentang berbagai fitur yang berbeda, dan
harga pesaing. Tugas penjual adalah untuk menetapkan perbedaan fitur atau
kualitas anggapan yang mendukung perbedaan harga tersebut. Menurut Winardi
(1992), jika perbedaan harga antara dua buah produk dalam lini kecil, pembeli
cenderung membeli produk yang lebih unggul. Sedangkan jika perbedaan harga
besar, pembeli cenderung membeli produk yang lebih inferior.
2.3 Penetapan Harga Optimum
Harga akan mempengaruhi kesediaan konsumen untuk membeli. Apabila
harga penjualan diubah, maka akan terjadi pergeseran pada titik keseimbangan.
Apabila harga dinaikkan, maka kesediaan konsumen untuk membeli menjadi
turun. Sedangkan apabila harga diturunkan maka kesediaan konsumen untuk
membeli jadi naik (Winardi, 1992). Pengaruh harga terhadap kesediaan konsumen
dijelaskan pada Tabel 2.1 berikut ini.
Tabel 2.1 Pengaruh harga terhadap kesediaan membeli
Harga Kesediaan membeli
Harga dinaikkan menurun
Harga diturunkan meningkat
Sumber: Winardi, 1992
Penentuan harga optimal dapat dilakukan dengan pendekatan lain yaitu,
analisis marjinal (Winardi, 1992). Analisis marjinal merupakan metode untuk
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-5
mencari harga yang menghasilkan laba maksimum. Analisis marjinal meliputi
tindakan mempelajari apa yang akan terjadi apabila produksi diubah dengan satu
kesatuan. Hasil analisis marjinal adalah perubahan dalam hasil total yang timbul
apabila perusahaan menjual tambahan sebuah produk. Contoh hasil optimisasi
harga dengan analisis marjinal ditunjukkan pada Tabel 2.2 berikut ini. Hasilnya
yaitu harga 3750 terpilih sebagai harga terbaik karena menghasilkan laba
maksimum yaitu 6000.
Tabel 2.2 Analisis Marginal1 2 3 4 5 6 7
Harga Jumlah
yang
dijual
Hasil
Total
(1x2)
Hasil
Marjinal
Biaya
Marjinal
Biaya
Total
Laba
(3-6)
5700 1 5700 5700 6000 -300
5500 2 11000 5300 1000 7000 4000
4000 3 12000 1000 500 7500 4500
3750a
4 15000 1500 1500 9000 6000b
3240 5 16200 1200 2000 11000 5200
2780 6 16700 500 3000 14000 3700
2340 7 16400 300 4000 18000 2400
a=harga terbaik b= laba maksimum
Sumber: Winardi, 1992
2.4 Proses Pengambilan Keputusan Pembelian
Menurut Monroe (1990), konsumen membuat keputusan pembelian dalam
dua proses. Pertama pembeli menksir nilai dari produk yang ditawarkan,
kemudian pembeli memutuskan untuk membeli atau tidak.
Sedangkan menurut Kottler (2008), perilaku konsumen adalah salah satu
faktor yang mempengaruhi proses pengambilan keputusan pembelian oleh
seseorang. Model proses pengambilan keputusan pembelian digambarkan pada
Gambar 2.3 berikut ini.
Gambar 2.3 Proses Keputusan PembelianSumber: Kotler, 2008
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-6
Proses pembelian yang dilakukan konsumen ada beberapa tahap (Kotler,
2008), yaitu:
1. Pengenalan Kebutuhan
Proses pembelian muncul ketika pembeli mengenal suatu masalah atau
kebutuhan. Munculnya pengenalan kebutuhan dipengaruhi oleh rangsangan
internal ataupun eksternal.
2. Pencarian Informasi
Seorang konsumen akan mulai mencari informasi sebanyak-banyaknya
tentang suatu produk yang akan dibelinya.
3. Evaluasi Alternatif
Setelah tahap pengenalan dan pencarian informasi tahap selanjutnya adalah
evaluasi alternatif. Konsumen melihat suatu produk dengan karakteristik dan
kemampuan yang berbeda-beda. Konsumen akan mencari alternatif-alternatif
yang ada tetapi dengan harga yang lebih murah dan kualitas yang sebanding.
4. Keputusan Pembelian
Dalam tahap evaluasi, konsumen membentuk preferensi antara merek
merek yang ada. Terdapat dua faktor yang menjadi pengaruh utama dalam
keputusan pembelian. Faktor pertama adalah situasi, yaitu dimana pembelian yang
dilakukan bersifat spontanitas. Faktor kedua adalah sikap orang lain, pembelian
dilakukan karena terpengaruh sikap pihak lain terhadap suatu produk.
2.5 Qualitative Choice Model (QCM)
Qualitative Choice adalah situasi dimana pengambil keputusan menghadapi
beberapa alternative pilihan berbeda dan harus memilih salah satu dari pilihan
tersebut. Pilihan apa yang terpilih tergantung pada permasalahan yang dihadapi
pengambil keputusan. Konsumen selalu memaksimalkan utilitasnya. Konsumen
akan memilih produk yang mempunyai utilitas paling tinggi diantara semua
alternatif pilihan.
Konsumen selalu memaksimumkan utilitas produk yang dibelinya.
Konsumen memilih produk yang menurutnya memiliki utilitas yang paling tinggi
diantara alternatif yang ditawarkan. Alternatif yang terpilih tergantung dari
karakteristik individu, yang dipengruhi oleh pengalaman, opini, keterbatasan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-7
lingkungan, perilaku, dll. Terkait dengan tiap alternatif terpilih terdapat
probabilitas terpilih yang dapat digambarkan dalam fungsi parametrik sebagai
berikut:
…..(2.1)
dimana,
xin = vektor karakteristik dari alternatif i yang diamati oleh pengambil
keputusan n,
Jn = kumpulan dari alternatif
Sn = karakteristik yang diobservasi oleh pengambil keputusan n, misalnya
pendapatan, umur, dll.
= vektor dari parameter.
QCM misalnya logit diperoleh dengan fungsi f yang spesifik. Multinomial
Logit merupakan sebuah pilihan model logit yang jumlah pilihannya lebih dari
dua. QCM dapat digunakan dalam beberapa situasi misalnya pemilihan rute pergi
ke kantor, pemilihan moda transportasi dan keputusan pembelian produk tertentu.
Alternatif yang dihadapi pengambil keputusan biasanya harus memenuhi beberapa
batasan yaitu:
1. Jumlah pilihan terbatas
2. Alternatif bersifat mutually exclusive.
2.6 Revealed Choice Survey vs Stated Choice Survey
Qualitative Choice Model telah digunakan oleh periset marketing untuk
membuat fungsi nilai untuk membuat model deskriptif perilaku konsumen.
(Correa, 2008). Parameter pada model tersebut dapat diestimasi dengan Revealed
Choice atau Stated Choice.
Revealed Choice menggunakan data historis pembelian untuk mengestimasi
parameter. Salah satu cara revealed choice survey adalah dengan bertanya pada
responden mengenai merek dan harga mobil yang baru dibelinya. Dengan
menggunakan revealed choice survey, data mempunyai validitas eksternal yang
baik, karena data berasal dari data pembelian yang sebenarnya. Tetapi ada
beberapa kekurangan metode revealed choice misalnya harga pada dunia nyata
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-8
bervariasi pada kisaran yang sempit. Karena itu hasil dari revealed choice tidak
baik digunakan untuk memprediksi perilaku konsumen untuk harga diluar kisaran
harga yang ada di pasaran (Correa, 2008). Revealed choice model juga tidak bisa
digunakan untuk mengestimasi parameter dari atribut produk yang belum ada di
pasaran.
Stated choice menggunakan survey untuk bertanya pada responden mengenai
pilihan yang mungkin dipilih dari beberapa alternatif. Responden akan ditanya
mengenai pilihan apa yang mereka inginkan untuk melakukan sesuatu atau
bagaimana membuat rangking atau pilihan tertentu dalam satu atau berbagai
situasi dugaan. Teknik stated choice didasari oleh konsep bahwa individu akan
memilih alternatif yang memaksimumkan utilitasnya. Kelebihan metode stated
choice yaitu peneliti bebas melakukan desain pertanyaan untuk berbagai situasi
sesuai dengan kebutuhan penelitian. Selain itu metode stated choice bisa
digunakan sebagai instrumen pengumpulan data untuk membangun model
perilaku konsumen dengan kisaran harga yang lebih luas dan atribut produk yang
lebih inovatif (Wissmann & Cook, 2007).
2.7 Model Multinomial Logit (MNL)
Variabel dependen maupun variabel independen dalam model regresi tidak
selalu bersifat kuntitatif, tetapi dapat pula bersifat kualitatif. Variabel kualitatif ini
sering disebut sebagai variabel buatan atau variabel dummy. Dalam beberapa
literature disebut pula variabel indikator, variabel biner, variabel dikotomi, dan
variabel kategori. Variabel kualitatif biasanya menunjukkan ada tidaknya kualitas
suatu atribut, seperti laki-laki atau perempuan, hitam atau putih, dll. Salah satu
metode mengkuantifikasi atribut-atribut tersebut adalah dengan membentuk
variabel-variabel artifisial yang memperhitungkan nilai-nilai 0 atau 1, 0
menunjukkan ketiadaan sebuah atribut dan 1 menunjukkan keberadaan atribut itu.
Pada kasus-kasus penelitian dengan tujuan untuk mengetahui hubungan
antara suatu variabel dimana variabel terikatnya berupa data kategorik, maka
analisis regresi linear standar tidak bisa dilakukan, oleh karena itu salah satu
pendekatan yang dapat dilakukan adalah regresi logistik.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-9
Model logistik dengan empat kategori, terdapat tiga fungsi logit sebagai
berikut.
Fungsi logit untuk Y=1 relatif terhadap fungsi logit untuk Y=0
Fungsi logit untuk Y=2 relatif terhadap fungsi logit untuk Y=0
Fungsi logit untuk Y=3 relatif terhadap fungsi logit untuk Y=0
Kategori Y=0 disebut sebagai kategori rujukan atau pembanding (reference
group).
Secara umum, bila akan menganalisis model dengan n variabel bebas, maka
tiga fungsi logitnya dinotasikan sebagai berikut:
nn xxxxY
xYxz 1212111101 ...
0Pr(
1Pr(ln)( ……..(2.2)
nn xxxxY
xYxz 2222121202 ...
0Pr(
2Pr(ln)( ……..(2.3)
nn xxxxY
xYxz 3232131303 ...
0Pr(
3Pr(ln)( ……..(2.4)
Dalam regresi logistik variabel respon (Y), didefinisikan sebagai log dari odds
dimana odds didefinisikan sebagai rasio probabilitas dari dua alternatif (Garrow,
2010). Pada model binary logit fungsi logitnya dinotasikan sebagai berikut.
nn xxxxY
xYxz ...
0Pr(
1Pr(ln)( 221103 ……..(2.5)
zxY
xY
0Pr(
1Pr(ln ……..(2.6)
zp
p
1ln ……..(2.7)
)exp(1
zp
p……..(2.8)
)exp()exp( zpzp ……..(2.9)
)exp())exp(1( zzp …....(2.10)
))exp(1(
)exp(
z
zp ……..(2.11)
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-10
z
z
e
ep
1……..(2.12)
Persamaan 2.7 menunjukkan log odds, sedangkan odds ditunjukkan pada
Persamaan 2.8. Analog dengan pembahasan model binary logit, untuk model
regresi logistik dengan empat kategori, probabilitas untuk masing-masing kategori
adalah:
3211
1)0Pr(0 zzz eee
xYp
……..(2.13)
321
1
1)1Pr(1 zzz
z
eee
exYp ……..(2.14)
321
2
1)2Pr(2 zzz
z
eee
exYp ……..(2.15)
321
3
1)3Pr(3 zzz
z
eee
exYp ……..(2.16)
Tujuan dari Model Multinomial Logit dalam pemasaran adalah untuk
memprediksi probabilitas bahwa pelanggan akan memilih masing-masing dari
beberapa alternatif yang tersedia pada kesempatan pilihan. Model MNL berdasar
pada beberapa konsep antara lain:
1. Pelanggan memiliki preferensi atau utilitas untuk setiap alternatif pilihan yang
tidak teramati.
2. Utilitas setiap alternatif pilihan terdiri dari dua komponen, yaitu komponen
deterministik (nilai intrinsik atau daya tarik alternatif pilihan), dan komponen
acak yang bervariasi secara acak di seluruh alternatif pilihan, pelanggan, dan
pembelian.
3. Distribusi komponen random bisa ditentukan.
4. Pada setiap kesempatan pilihan, pelanggan memilih alternatif yang
memberikan utilitas tertinggi baginya.
Berikut ini akan dijelaskan mengenai uraian konsep-konsep utama pada
model MNL. Pada setiap kesempatan pilihan, yang utilitasnya tidak teramati
pelanggan i mendapat pilihan alternatif k yang diberikan oleh Persamaan (2.17).
i
k
i
k
i
k AU ....(2.17)
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-11
Dimanaik adalah komponen random dari utilitas pelanggan, diasumsikan
bahwaik berdistribusi Gumbel.
Perlu diperhatikan bahwa utilitas (Uik) merupakan jumlah dari komponen
diamati (Aik) dan komponen yang tidak teramati (
ik), sehingga tidak dapat
diobservasi, atau laten.
Aik adalah keseluruhan “daya tarik” (disimpulkan sebagai preferensi atau nilai
utilitas) alternatif k untuk pelanggan i
j
ijkj
i
k XA ........(2.18)
Xijk adalah nilai yang diamati atau diukur dari variabel kontekstual j (misalnya
warna produk dan harga produk) untuk alternatif produk k.
j adalah bobot kepentingan variabel j (diestimasi dalam model dan mirip dengan
koefisien regresi). Diasumsikan bahwa pelanggan i memilih produk yang
menawarkan padanya utilitas tertinggi. Kemudian, probabilitas bahwa pelanggan i
akan memilih alternatif k adalah sebagi berikut.
}{ i
m
i
kik UUPP ........(2.19)
Pada kondisi tersebut , probabilitas atau purchase likelihood (PL) dimana
individu i akan memilih alternatif j dituliskan sebagai berikut.
k
A
A
ik ik
i
e
eP
1
……..(2.20)
Pada model multinomial logit , e merupakan dasar dari logaritma natural. Bila
diterapkan untuk masalah khas "pilihan merek", model komponen memiliki
interpretasi sebagai berikut:
Xijk = Evaluasi pelanggan i pada merek j pada atribut produk k (misal harga),
dimana penjumlahan disini merupakan penjumlahan semua merek yang
dipertimbangkan individu i untuk membeli;
j = Bobot kepentingan menunjukkan sejauh mana atribut j mempengaruhi
preferensi merek (berlaku untuk semua merek). Bobot kepentingan dapat
diestimasi dengan banyak cara, sama seperti koefisien regresi;
j
ijkj X = Keseluruhan daya tarik (utilitas) merek k bagi pelanggan i
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-12
Model multinomial logit penting dalam bidang pemasaran karena model logit
mencerminkan perilaku pemilihan yang sebenarnya. Misalnya pada Persamaan
(2.20), eksponensial dalam persamaan tersebut menjamin bahwa probabilitas
selalu positif, karena eksponensial dari setiap bilangan real selalu positif.
Karakteristik penting dari logit adalah menghasilkan kurva berbentuk S yang
dapat menunjukkan ekspektasi hubungan antara utilitas dan pilihan. Hal ini dapat
ditunjukkan dengan mengeplotkan Persamaan (2.20) dalam bentuk grafik. Grafik
Persamaan (2.20) merupakan fungsi Aik, menghasilkan kurva berbentuk S yang
asimtot ke nol (tidak ada kesempatan untuk dipilih) untuk merek sangat tidak
menarik menuju ke merek yang sangat menarik (hampir pasti akan dipilih). Dalam
sebagian besar aplikasi model logit, daya tarik dari sebuah merek (atau alternatif
pilihan) diasumsikan sebagai fungsi dari karakteristiknya. Fungsi daya tarik ini
biasanya linear seperti pada Persamaan (2.19).
2.8 Multikolinieritas
Uji asumsi klasik diperlukan agar model regresi yang disusun memberikan
hasil yang tidak bias, maka perlu dilakukan uji asumsi klasik (Gujarati, 2007).
Logit model mempunyai kelebihan seperti tidak memerlukan asumsi normalitas
atas variabel - variabel bebas yang digunakan dalam model, sehingga asumsi
klasik yang diuji hanya ada tidaknya multikolinearitas antar variabel bebas.
Multikolinearitas berarti ada hubungan linear yang sempurna atau pasti diantara
atau semua variabel independen pada model (Gujarati, 2007).
Dalam kasus hubungan linier sempurna atau multikolinieritas sempurna
diantara variabel-variabel penjelas, kita tidak bisa mendapatkan estimasi unik dari
dari semua parameter. Dan karena kita tidak bisa mendapatkan estimasi uniknya,
kita tidak bisa menarik kesimpulan statistik apa pun tentang hasil tersebut dari
sample yang ada. Dengan kata lain, dalam kasus multikoinieritas sempurna,
estimasi dan pengujian hipotesis tentang koefisien regresi individual dalam regresi
berganda adalah mustahil.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-13
2.8.1 Konsekuensi Praktis dari Mutikolinieritas
Dalam kasus multikolinieritas dekat atau tinggi, terdapat konsekuensi praktis
sebagai berikut:
1. Varians besar dan kesalahan standar estimator OLS. Karena kolinieritas tinggi
antarvariabel independen, ketika variabel tersebut dimasukkan dalam regresi,
kesalahan standar koefisien variabel dependen naik secara dramatis.
2. Selang kepercayaan menjadi lebih lebar. Karena kesalahan standar yang besar,
selang kepercayaan untuk parameter populasi cenderung besar.
3. Rasio t tidak signifikan. Kasus kolinieritas tinggi, kesalahan standar yang
diestimasi naik secara dramatis, sehingga membuat nilai t lebih kecil.
4. Nilai R2
yang tinggi tapi sedikit rasio t yang signifikan.
5. Estimator OLS dan kesalahan standarnya menjadi sangat sensitive terhadap
perubahan kecil dalam data; yakni cenderung tak stabil. Perubahan data
variable independent yang amat kecil akan menyebabkan hasil regresi berubah
amat besar.
6. Tanda yang salah untuk koefisien regresi.
7. kesulitan dalam menilai kontribusi individual dari variable-variabel penjelas
terhadap jumlah kuadrat yang dijelaskan (ESS) atau R2.
Konsekuensi dari adanya multikolinearitas adalah apabila ada kolinearitas
sempurna diantara variabel independen, koefisien regresinya tak tertentu dan
kesalahan standarnya tak terhingga. Jika kolinearitas tinggi tetapi tidak
sempurna, penaksiran koefisien regresi adalah mungkin, tetapi kesalahan
standarnya cenderung besar. Hal ini mengakibatkan nilai populasi dari
koefisien tidak dapat ditaksir dengan tepat. Adanya multikolinearitas di antara
variabel-variabel independen secara statistik tidak signifikan, mengakibatkan
tidak diketahui adanya variabel independen yang mempengaruhi variabel
dependen.
2.8.2 Deteksi Mutikolinieritas
Beberapa indikator mutikolinieritas antara lain:
1. R2
tinggi tetapi sedikit rasio t yang signifikan.
2. Korelasi berpasangan yang tinggi di antara variable-variabel penjelas.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-14
3. Pengujian korelasi parsial.
4. Regresi subsider atau tambahan. Mengingat multikolinieritas muncul karena
salah satu atau lebih variabel penjelas adalah kombinasi pasti linier atau
hampir pasti dari linier dari variabel-variabel penjelas lainnya, salah satu cara
untuk mengetahui variabel X mana yang sangat kolinier dengan variabel-
variabel X lain dalam model adalah meregresikan masing-masing variabel X
terhadap variabel-variabel X yang lain dan menghitung R2
terkait (Gujarati,
2007).
5. Gejala mutikolinieritas dapat dideteksi dengan nilai Tolerance dan nilai
Variance Inflation Factor (VIF) yang dirumuskan sebagai berikut.
21
1
RVIF
.....(2.1)
21 RTolerance .....(2.2)
dimana R2merupakan koefisien determinasi yang diperoleh dari regresi
auxilary. Regresi auxilary dilakukan dengan melakukan regresi setiap variabel
independen dengan variabel-variabel independen yang lain. Nilai Tolerance
rendah sama dengan nilai VIF tinggi (VIF = 1/Tolerance). Nilai cutoff atau
batas yang umum dipakai untuk menunjukkan adanya multikolinieritas adalah
nilai Tolerance < 0,10 atau sama dengan nilai VIF > 10.
Dari gejala multikolinieritas di atas, berikut ini merupakan langkah-langkah
yang dapat dilakukan untuk perbaikan, diantaranya:
1. Mengeluarkan variabel dari model.
2. Menambah data atau sample baru.
3. Mengkaji ulang modelnya.
4. Transformasi variabel.
5. Analisis faktor.
2.9 Evaluasi Model
Hasil regresi logistik memerlukan sebuah evaluasi untuk mengetahui
seberapa baik hasil regresi logistik tersebut. Evaluasi hasil regresi logistik
meliputi:
2.9.1 Uji Kebaikan Model (Goodness of fit)
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-15
Uji kebaikan model digunakan untuk mengetahui kebaikan model dengan
menggunakan ukuran koefisien determinasi. Koefisien determinasi (R2) mengukur
proporsi varian di dalam variabel independen yang dijelaskan oleh variabel
dependen. Ukuran kebaikan regresi dalam model regresi logistik disebut Pseudo
R2.
Ada tiga ukuran Pseudo R2
yang dapat digunakan untuk mengukur
kebaikan model regresi multinomial logistik, yaitu:
1. Pseudo R2
Cox and Snell dengan rumus sebagai berikut:
n
CSBL
LR
/2
2
)(
)0(1
......(2.21)
2. Pseudo R2
Nagelkerke dengan rumus sebagai berikut:
n
CS
NL
RR
/2
22
)0(1 ......(2.22)
3. Pseudo R2
McFadden dengan rumus sebagai berikut:
)0(
)(12
L
BLRM
......(2.23)
dimana L(0) adalah likelihood model hanya dengan konstanta dan L(B) adalah
model yang diestimasi serta n adalah jumlah observasi.
2.9.2 Uji Signifikansi Variabel Independen Secara Serentak (Overall Model
Fit)
Uji Overall Model Fit digunakan untuk mengetahui apakah semua variabel
independen dalam regresi logistik secara serentak mempengaruhi variabel
dependen. Uji ini dilakukan dengan uji likelihood ratio, yaitu dengan menghitung
perbedaan nilai -2 log likelihood (-2LL) antara model yang hanya terdiri dari
konstanta dengan model yang terdiri dari konstanta dan variabel independen. Uji
likelihood ratio ini mengikuti distribusi chi square. Jika nilai chi square hitung
lebih besar dari pada nilai chi square tabel maka kita menolak hipotesis nol yang
berarti semua variabel penjelas secara bersama-sama mempengaruhi variabel
dependen. Sedangkan jika nilai chi square hitung lebih kecil dari pada nilai chi
square tabel maka kita dapat menerima hipotesis nol yang berarti semua variabel
penjelas secara bersama-sama tidak mempengaruhi variabel dependen.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-16
2.9.3 Uji Signifikansi Variabel Independen Secara Individual (Significance
Test)
Uji Signifikansi digunakan untuk mengetahui apakah variabel independen
secara individu berpengaruh pada variabel dependen. Uji signifikansi variabel
independen dapat dilakukan dengan dua cara yaitu Uji Likelihood Ratio dan Uji
Wald.
1. Uji Likelihood Ratio
Uji Likelihood Ratio didasarkan pada perbedaan -2 log likelihood (-2LL) antara
model yang diestimasi (final model) dengan model tanpa variabel yang diamati
(reduce model) dengan derajat bebas sebanyak variabel independen yang tidak
dimasukkan dalam model. Uji likelihood ratio ini mengikuti distribusi chi square.
Jika nilai chi square hitung lebih besar dari pada nilai chi square tabel maka kita
menolak hipotesis nol yang berarti variabel penjelas secara individual
mempengaruhi variabel dependen. Sedangkan jika nilai chi square hitung lebih
kecil daripada nilai chi square tabel maka kita dapat menerima hipotesis nol yang
berarti variabel penjelas secara individual tidak mempengaruhi variabel dependen.
2. Uji Wald
Uji Wald dapat digunakan untuk mengetahui apakah variabel independen
mempengaruhi variabel dependen atau tidak. Nilai statistika Wald dapat dihitung
dengan menggunakan nilai statistika berdasarkan distribusi normal Z seperti pada
Persamaan (2.24) berikut.
ˆ
ˆ
seZ
.....(2.24)
dimana ˆ merupakan nilai koefisien estimasi pada model sedangkan se ˆ
merupakan standar error dari koefisien tersebut.
Nilai Z pada Persamaan (2.24) diatas bila dikuadratkan akan menghasilkan
nilai statistika Wald. Nilai Statistika Wald ini mengikuti distribusi chi square. Jika
nilai statistik Wald lebih besar dari pada nilai chi square tabel maka kita menolak
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-17
hipotesis nol yang berarti variabel penjelas berpengaruh pada variabel dependen.
Sedangkan jika nilai statistik Wald lebih kecil daripada nilai chi square tabel
maka kita menerima hipotesis nol yang berarti variabel penjelas tidak berpengaruh
pada variabel dependen.
2.10 Penelitian Terdahulu
Penelitian yang terkait dengan optimisasi harga telah dilakukan antara lain
oleh Reibstein dan Gatignon (1984) dan Correa (2008)
2.10.1 Reibstein dan Gatignon (1984)
Penelitian lain yang terkait dengan penentuan harga optimal dilakukan
oleh Reibstein dan Gatignon (1984). Pada penelitian tersebut diusulkan tiga model
untuk menentukan penjualan berdasarkan harga. Tabel 2.3 berikut ini
menunjukkan ketiga model tersebut.
Tabel 2.3 Model penjualan terhadap harga
Struktur Error Term
Model 1ttii u
ttti ePeS ,1,0,
,,
2
,, ),( ttti uuE untuk semua i
0),( ',, tjti uuE untuk semua i, j, t, t’
Model 2tiit u
titi ePeS ,1,0,
,,
2
,,, ),( jitjti uuE untuk semua i
2
,, ),( ititt uuE
0),( ',, tjti uuE untuk semua i, j
Model 3n
j
u
tjtitijit ePeS
1
,,,,0,
Sama dengan model 2
Dimana ui,t adalah error term pada bentuk log-linier model.
Sumber: Reibstein dan Gatignon, 1984
dimana,
Sit = penjualan pada waktu t merek i
Pit = harga pada waktu t merek i
e = bilangan logaritma natural
= parameter yang diestimasi
Model 1 menunjukkan hubungan logaritmik antara harga dan penjualan yang
diestimasikan secara terpisah untuk setiap merk yang berbeda. Model 2
mempertimbangkan korelasi antar merk dalam product line. Model 3
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-18
mempertimbangkan perubahan penjualan yang disebabkan oleh harga produk itu
sendiri dan harga produk lain dalam satu line atau mempertimbangkan cross-
elasticities antar merk.
Gambar 2.5 berikut ini menunjukkan ilustrasi dari ketiga model tersebut.
Gambar 2.5 Ilustrasi modelSumber: Reibstein dan Gatignon, 1984
Dari model penjualan tersebut kemudian diturunkan untuk membentuk
model maksimasi profit sebagai berikut.
0)(])1[(][ 2/
,,,
1
,,
2/
,,,,
1
,,
,
2,,0,
2,,0, ijijiiijijii eCPPPeeCPPPe
P
E
ik
tktk
ij
tjtiiktiiitiiiti
n
ij
tj
ti ..(2.25)
dimana Cit merupakan biaya produk merek i pada waktu t.
Dari Persamaan (2.25) tersebut dapat dicari harga optimal yang
memaksimumkan profit sebagai berikut.
)(][
][
11
*
*
*
,
,
,
,*
kk
i
k
ik ii
ik
i
ji
ji
i CPSE
SECP …..(2.26)
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-19
Data yang digunakan dalam penelitian tersebut adalah data penjualan dan
harga telur dalam berbagai macam ukuran di supermarket. Kemudian dari data
tersebut dimodelkan penjualan telur dengan prediktor harga. Estimasi parameter
pada model menggunakan metode Ordinary Least Square.
Hasil dari penelitian tersebut yaitu model ketiga, yaitu model yang
mempertimbangkan crosselasticities paling baik dalam merekomendasikan harga
optimal karena paling mendekati urutan harga yang sebenarnya.
2.10.2 Correa (2008)
Penelitian ini mengacu pada penelitian yang dilakukan oleh Correa (2008).
Pada penelitian tersebut peneliti menggunakan tiga alternatif pendekatan yaitu
Multinomial Logit, Binary Logit dan Logit-Logit. Dari ketiga alternatif pendekatan
tersebut, dipilih model mana yang paling baik dalam mengoptimumkan harga.
Terdapat 3 fase analisis permasalahan yang digunakan dalam penelitian tersebut,
yaitu simulasi data penjualan, estimasi parameter dan optimasi harga.
Pada penelitian tersebut peneliti memodelkan optimasi harga sebagai berikut:
a. Fungsi tujuan: Memaksimum ekspektasi pendapatan (Expected Revenue)
Max E(revenue) = Price1* PL1 + Price2* PL2 ……..(2.27)
b. Fungsi pembatas: probabilitas konsumen memilih produk i (Purchase
Likelihood)
)2()1()0(
)1(
1 UUU
U
eee
ePL ……..(2.28)
)2()1()0(
)2(
2 UUU
U
eee
ePL ……..(2.29)
upperower ppricep
Dimana U(i) adalah estimasi utilitas produk i yang dimodelkan pada
bagian sebelumnya.
plower dan pupper merupakan batas atas dan batas bawah harga dari tiap produk
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-20
Gambar 2.6 berikut ini merupakan metodologi penelitian Correa (2008).
Gambar 2.6 Metodologi Penelitian Correa, 2008Sumber: Correa, 2008
Hasil dari penelitian tersebut yaitu Multinomial Logit Model merupakan
pendekatan yang paling baik dibanding kedua alternatif pendekatan lainnya
karena hasilnya paling mendekati nilai optimum teoritis dan akurasinya semakin
baik dengan bertambahnya jumlah observasi. Menurut penelitian tersebut, bahwa
untuk penentuan harga optimum, Discret Choice Model dapat diimplementasikan
dengan teknik regresi logistik multinomial untuk membentuk koefisien dan
persentase likelihood untuk mengestimasi probabilitas pilihan. Output dari model
adalah nilai utilitas yang dapat digunakan untuk menentukan harga optimum.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
III-1
BAB III
METODOLOGI PENELITIAN
Pada bab ini diuraikan secara sistematis mengenai langkah-langkah yang
dilakukan dalam penelitian. Adapun langkah-langkah yang dilakukan dalam
penelitian ditujukan pada Gambar. 3.1 di bawah ini
Gambar 3.1 Metodologi Penelitian
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
III-2
3.1 Tahap Identifikasi Masalah
Tahap ini diawali dengan studi pustaka, studi lapangan, perumusan masalah,
penentuan tujuan penelitian dan menentukan manfaat penelitian. Langkah-langkah
yang ada pada tahap identifikasi masalah tersebut dijelaskan pada sub bab berikut
ini.
1. Studi Pustaka
Studi pustaka dilakukan untuk mendukung proses identifikasi masalah. Studi
pustaka dilakukan dengan mencari informasi yang berkaitan dengan permasalahan
yang dibahas dalam penelitian ini. Pencarian informasi ini dilakukan dengan
melalui internet, perpustakaan, sehingga diperoleh referensi yang dapat digunakan
untuk mendukung pembahasan penelitian ini. Referensi yang terkait terutama
mengenai masalah penentuan harga dan model multinomial logit.
2. Studi Lapangan
Studi lapangan dilakukan untuk mendapatkan informasi terkait dengan
produk yang yang akan diangkat dalam penelitian ini. Produk yang dicari yaitu
produk yang atributnya tidak terlalu banyak dan hanya memiliki satu atribut
pembeda. Di antara banyak alternatif produk, dipilih produk flash disk. Produk
flash disk di pasaran biasanya pada satu merek dan bentuk yang sama, terdapat
satu pembeda yaitu kapasitas penyimpanannya. Pada penelitian ini akan
ditentukan kombinasi harga yang optimal untuk flash disk yang merek dan
bentuknya sama tetapi kapasitasnya berbeda.
3. Perumusan Masalah
Berdasarkan identifikasi masalah yang telah dilakukan, kemudian disusun
sebuah rumusan masalah. Adapun permasalahan yang akan dibahas lebih lanjut
adalah bagaimana menentukan harga yang optimum dari dua alternatif produk
flash disk 4 GB dan 8 GB untuk memaksimumkan ekspektasi pendapatan dengan
menggunakan Model Multinomial Logit.
4. Tujuan Penelitian
Tujuan penelitian ditetapkan agar penelitian yang dilakukan dapat menjawab
dan menyelesaikan rumusan masalah yang dihadapi. Adapun tujuan penelitian
yang ditetapkan dari hasil perumusan masalah yaitu menentukan harga optimum
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
III-3
dari dua alternatif produk flash disk 4 GB dan 8 GB untuk memaksimumkan
ekspektasi pendapatan dengan menggunakan Model Multinomial Logit.
5. Manfaat Penelitian
Suatu permasalahan akan diteliti apabila di dalamnya mengandung unsur
manfaat. Adapun manfaat yang diharapkan dari penelitian ini yaitu dapat
memberikan masukan dalam pengambilan keputusan yang menyangkut penentuan
harga yang optimum bagi perusahaan.
3.2 Tahap Pengumpulan dan Pengolahan Data
Pada tahap ini dilakukan pengumpulan dan pengolahan data yang digunakan
untuk penelitian ini.
3.2.1 Pengumpulan Data
Pengumpulan data dilakukan dengan kuesioner yang disebarkan kepada
Mahasiswa Universitas Sebelas Maret Surakarta. Pengumpulan data dilakukan
dengan kuesioner maka perlu untuk merancang kuesioner terlebih dahulu.
1. Merancang Kuesioner
Perancangan kuesioner dilakukan dengan mengidentifikasi data apa saja yang
diperlukan dalam penelitian, kemudian merancang kuesioner yang dapat
digunakan sebagai instrumen untuk pengumpulan data tersebut. Data yang
diperlukan dalam pembentukan model multinomial logit untuk penentuan harga
yaitu data pilihan pembelian pada harga yang berbeda-beda. Alternatif pilihan
yang diberikan yaitu membeli flash disk 4 GB dengan harga tertentu, membeli
flash disk 8 GB dengan harga tertentu atau tidak membeli. Dari pilihan konsumen
tersebut dapat diketahui kemungkinan konsumen untuk membeli pada harga
tertentu.
Rancangan kuesioner mengacu pada Cook & Wissman (2007) yaitu kuesioner
untuk multinomial stated-choice survey. Stated-choice survey digunakan karena
dapat digunakan sebagai instrumen pengumpulan data untuk membuat model
perilaku konsumen dengan kisaran harga yang lebih lebar , sehingga cocok untuk
membuat model penentuan harga. Pada multinomial stated-choice survey,
responden diminta untuk memilih satu dari tiga atau lebih alternatif pilihan. Tabel
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
III-4
3.1 berikut ini menunjukkan contoh kuesioner hasil perancangan. Kuesioner
selengkapnya ditunjukkan pada Lampiran 2.
Tabel 3.1 Contoh Kuesioner
Flash disk 4 Gb Flash disk 8 Gb Tidak Membeli
Rp50.000 Rp175.000
Rp75.000 Rp175.000
Rp100.000 Rp175.000
Rp125.000 Rp175.000
Rp150.000 Rp175.000
4 pilih salah satu
pilih salah satu5
1 pilih salah satu
2 pilih salah satu
3 pilih salah satu
Harga Flashdisk
Pada kuesioner ini responden diminta untuk memisalkan ingin membeli flash
disk. Di toko terdapat dua pilihan yaitu flash disk 4 GB dan 8 GB dengan
kombinasi harga tertentu. Terdapat tiga alternatif yang dapat dipilih oleh
responden, yaitu membeli flash disk 4 GB, membeli flash disk 8 GB, atau tidak
membeli. Responden diminta untuk memilih salah satu dari ketiga alternatif
tersebut dengan memberi tanda centang.
2. Pengumpulan Data dengan Kuesioner
Populasi dalam penelitian ini adalah mahasiswa UNS yang merupakan
pengguna flash disk. Responden sebagai sampel berjumlah 50 orang mahasiswa
UNS pengguna flash disk. Tidak terdapat metode khusus dalam pemilihan
rsponden. Responden dipilih yang mudah ditemui atau convinient sampling. Hal
ini karena penelitian ini hanya mempertimbangkan satu tipe konsumen sehingga
responden dianggap homogen. Satu tipe konsumen maksudnya seluruh populasi
dalam penelitian ini yaitu mahasiswa UNS pengguna flash disk dianggap berada
dalam satu segmen pasar yang sama.
Pengumpulan data dilakukan untuk mengetahui pilihan responden pada tiap
kombinasi harga flash disk 4 GB dan 8 GB. Responden diminta untuk memilih
antara flash disk 4 GB dengan harga tertentu, flash disk 8 GB dengan harga
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
III-5
tertentu, atau tidak membeli. Dari hasil pengumpulan data dengan kuesioner
berupa pilihan konsumen pada harga tertentu tersebut, dapat diketahui
kemungkinan konsumen untuk membeli pada harga tertentu.
3.2.2 Pengolahan Data
Pengolahan data yang dilakukan meliputi karakteristik data, model
multinomial logit, dan optimasi harga.
1. Karakteristik Data
Karakteristik data dilakukan dengan menyajikan hasil pengumpulan data
dalam bentuk grafik. Karakteristik data digunakan untuk mengetahui tren
perilaku pembelian flash disk pada tingkat harga yang berbeda-beda.
Data hasil pengumpulan data berupa data pilihan pembelian responden pada
kombinasi harga yang berbeda-beda, diolah menjadi data probabilitas pilihan
responden. Pada tiap kombinasi harga, jumlah responden yang memilih membeli
flash disk 4 GB dijumlahkan, kemudian dibagi dengan jumlah seluruh responden,
sehinggga didapat probabilitas responden memilih membeli flash disk 4 GB. Hal
yang sama dilakukan pula pada alternatif pilihan yang lain. Data probabilitas
pilihan responden pada tiap kombinasi harga tersebut kemudian disajikan dalam
bentuk grafik. Probabilitas pilihan responden pada sumbu y dan kombinasi harga
pada sumbu x.
2. Model Multinomial Logit
Pada penelitian ini, model multinomial logit digunakan untuk memodelkan
keputusan pemilihan alternatif pembelian. Pada kasus ini, yang menjadi variabel
dependen adalah keputusan pemilihan alternatif pembelian flash disk oleh
responden. Keputusan diklasifikasikan menjadi tiga yaitu membeli flash disk 4
GB, membeli flash disk 8 GB dan tidak membeli. Harga flash disk 4 GB dan flash
disk 8 GB digunakan sebagai variabel independen pada model, yang
mempengaruhi keputusan pemilihan alternatif. Harga sebagai variabel independen
merupakan variabel kuantitatif, sedangkan keputusan pemilihan alternatif
pembelian merupakan variabel kualitatif.
Pengolahan data pada model multinomial logit terdiri dari empat tahap, yaitu
uji asumsi klasik, estimasi parameter pada model, uji evaluasi model, dan validasi
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
III-6
model. Semua pengolahan data pada model multinomial logit ini dilakukan
dengan menggunakan software SPSS 13.0 for Windows, dengan data pilihan
responden sebagai variabel dependen dan harga flash disk sebagai variabel
independen.
a. Uji Asumsi Klasik (Uji Multikolinieritas)
Data yang digunakan dalam uji multikolinieritas yaitu data variabel
independen, karena uji multikolinieritas menguji ada atau tidaknya hubungan
linier antar variabel independen. Uji multikolinieritas dilakukan dengan
menghitung nilai VIF dan Tolerance dengan rumus sebagai berikut.
21
1
RVIF
.....(3.1)
21 RTolerance
.....(3.2)
dimana R2merupakan koefisien determinasi yang diperoleh dari regresi auxilary.
Regresi auxilary dilakukan dengan melakukan regresi setiap variabel independen
dengan variabel-variabel independen yang lain.
Pengujian multikolinieritas dilakukan dengan bantuan software SPSS. Pada
output SPSS yaitu pada tabel collinierity statistics terdapat nilai VIF dan
Tolerance. Jika nilai VIF kurang dari 10 atau nilai Tolerance mendekati 1, maka
dapat diduga bahwa tidak ada multikolinieritas antar variabel indendependen.
b. Estimasi Parameter
Estimasi parameter dilakukan dengan menggunakan metode maximum
likelihood, yaitu dengan mencari koefisien regresi sehingga probabilitas kejadian
variabel dependen bisa semaksimum mungkin. Nilai estimasi parameter dapat
dilihat pada tabel Parameter Estimates output SPSS pada kolom B. Berikut ini
merupakan spesifikasi model multinomial logit yang akan dibuat.
)2()1()0(
)1(
1 UUU
U
eee
ePL
.....(3.3)
)2()1()0(
)2(
2 UUU
U
eee
ePL
......(3.4)
)2()1()0(
)0(
0 UUU
U
eee
ePL
......(3.5)
dimana,
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
III-7
12
1
21
1
111 PPU ......(3.6)
22
2
21
2
122 PPU ......(3.7)
00U
dimana,
PL1 = kemungkinan responden memilih flash disk 4 GB
PL2 = kemungkinan responden memilih flash disk 8 GB
PL0 = kemungkinan responden memilih tidak membeli
P1= harga flash disk 4 GB
P2= harga flash disk 8 GB
dan merupakan parameter yang diestimasi pada model. Nilai dan
dapat dilihat pada tabel Parameter Estimates, kolom B pada output SPSS.
c. Uji Evaluasi Model
Hasil regresi logistik memerlukan sebuah evaluasi untuk mengetahui seberapa
baik hasil regresi logistik tersebut. Evaluasi hasil regresi logistik meliputi:
1) Uji Kebaikan Model (Goodness of fit)
Pada penelitian ini digunakan koefisien determinasi (Pseudo R2) untuk
menilai kebaikan model. Uji kebaikan model dilakukan dengan menghitung nilai
Pseudo R2
dengan rumus sebagai berikut.
a. Pseudo R2
Cox and Snell dengan rumus sebagai berikut:
n
CSBL
LR
/2
2
)(
)0(1
......(3.8)
b. Pseudo R2
Nagelkerke dengan rumus sebagai berikut:
n
CSN
L
RR
/2
22
)0(1 ......(3.9)
c. Pseudo R2
McFadden dengan rumus sebagai berikut:
)0(
)(12
L
BLRM
......(3.10)
dimana L(0) adalah log-likelihood model hanya dengan konstanta dan L(B)
adalah log-likelihood model yang diestimasi serta n adalah jumlah observasi. Nilai
log-likelihood dicari dengan rumus sebagai berikut.
ni
N
n i
ni PyLL ln)(1 ......(3.11)
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
III-8
dimana, yni = 1 jika responden memilih membeli flash disk 4 GB, yni = 2 jika
responden memilih membeli flash disk 8 GB dan yni = 0 jika responden memilih
tidak membeli. Pni probabilitas responden n memilih alternatif i.
Pada penelitian ini uji kebaikan model dilakukan dengan bantuan software
SPSS. Hasil uji kebaikan model dapat dilihat pada tabel Pseudo R2
output SPSS.
2) Uji Signifikansi Variabel Independen Secara Serentak (Overall Model Fit)
Uji overall model fit dilakukan dengan uji likelihood ratio, yaitu dengan
menghitung perbedaan nilai -2 log likelihood (-2LL) antara model yang hanya
terdiri dari konstanta dengan model yang terdiri dari konstanta dan variabel
independen. Nilai log likelihood dicari dengan menggunakan rumus pada
Persamaan (3.11 ). Uji likelihood ratio ini mengikuti distribusi chi square.
Hasil uji Overall Model Fit diketahui dengan membandingkan nilai chi square
hitung dengan nilai chi square tabel. Jika nilai chi square hitung lebih besar dari
pada nilai chi square tabel maka kita menolak hipotesis nol yang berarti semua
variabel penjelas secara bersama-sama mempengaruhi variabel dependen.
Sedangkan jika nilai chi square hitung lebih kecil dari pada nilai chi square tabel
maka kita dapat menerima hipotesis nol yang berarti semua variabel penjelas
secara bersama-sama tidak mempengaruhi variabel dependen.
Nilai chi square hitung untuk uji Overall Model Fit ini dapat dilihat pada tabel
Model Fitting Observation pada output SPSS. Sedangkan nilai chi square tabel
dapat dilihat pada tabel chi square (Lampiran 4).
3) Uji Signifikansi Variabel Independen Secara Individual (Significance Test)
Uji signifikansi variabel independen dilakukan dengan dua cara yaitu Uji
Likelihood Ratio dan Uji Wald. Uji Likelihood Ratio dilakukan dengan menguji
perbedaan -2 log likelihood (-2LL) antara model yang diestimasi (final model)
dengan model tanpa variabel yang diamati (reduce model) dengan derajat bebas
sebanyak variabel independen yang tidak dimasukkan dalam model. Uji likelihood
ratio ini mengikuti distribusi chi square.
Hasil uji Likelihood Ratio dapat diketahui dengan membandingkan nilai chi
square hitung dengan nilai chi square tabel. Jika nilai chi square hitung lebih
besar daripada nilai chi square tabel maka kita menolak hipotesis nol yang berarti
variabel penjelas secara individual mempengaruhi variabel dependen. Sedangkan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
III-9
jika nilai chi square hitung lebih kecil daripada nilai chi square tabel maka kita
dapat menerima hipotesis nol yang berarti variabel penjelas secara individual
tidak mempengaruhi variabel dependen.
Nilai chi square hitung untuk uji Likelihood Ratio ini dapat dilihat pada tabel
Likelihood Ratio Test pada output SPSS. Sedangkan nilai chi square tabel dapat
dilihat pada tabel chi square (Lampiran 4).
Sedangkan Uji Wald dilakukan dengan menghitung nilai statistika Wald yang
dihitung dengan menggunakan nilai statistika berdasarkan distribusi normal Z
seperti pada Persamaan (3.12) berikut.
ˆ
ˆ
seZ
.....(3.12)
dimana ˆ merupakan nilai koefisien estimasi pada model sedangkan se ˆ
merupakan standar error dari koefisien tersebut.
Nilai Z pada Persamaan (3.12) dikuadratkan maka akan menghasilkan nilai
statistika Wald. Nilai Statistika Wald ini mengikuti distribusi chi square. Jika nilai
statistik Wald lebih besar dari pada nilai chi square tabel maka hipotesis nol
ditolak yang berarti variabel penjelas berpengaruh pada variabel dependen.
Sedangkan jika nilai statistik Wald lebih kecil daripada nilai chi square tabel
maka hipotesis nol diterima yang berarti variabel penjelas tidak berpengaruh pada
variabel dependen.
Nilai statistik Wald dapat dilihat pada tabel Parameter Estimates, kolom Wald
pada output SPSS. Sedangkan nilai chi square tabel dapat dilihat pada tabel chi
square (Lampiran 4).
d. Validasi Model
Validasi model dilakukan dengan membandingkan antara data observasi
dengan data hasil prediksi model dan menghitung seberapa besar model dapat
memprediksi data observasi dengan benar. Hasil dari validasi model ini yaitu
prosentase data yang dapat diprediksi model dengan benar. Validasi model dapat
dilihat pada tabel Classification pada output SPSS.
3. Optimisasi Harga
Optimisasi dilakukan dengan mencari nilai harga flash disk 4 GB dan 8 GB
yang akan memaksimukan nilai ekspektasi pendapatan. Optimisasi dilakukan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
III-10
dengan bantuan Excel Solver. Problem statement untuk optimisasi harga adalah
sebagai berikut:
a. Fungsi tujuan: Memaksimum ekspektasi pendapatan (Expected Revenue)
Max ER= P1* PL1 + P2* PL2 …..(3.6)
dimana,
ER= Ekspektasi pendapatan (Expected Revenue)
Pi= Harga produk i (Price)
PLi= Probabilitas konsumen memilih produk i (Purchase Likelihood)
b. Fungsi pembatas: probabilitas konsumen memilih produk i (Purchase
Likelihood)
)2()1()0(
)1(
1 UUU
U
eee
ePL
.....(3.7)
)2()1()0(
)2(
2 UUU
U
eee
ePL
......(3.8)
dimana,
2
1
21
1
111 PPU ......(3.9)
2
2
21
2
122 PPU .....(3.10)
00U
10 iU
upperower pPip
U(i) adalah estimasi utilitas produk i yang dimodelkan pada bagian
sebelumnya. dan merupakan parameter yang diestimasi pada model.
plower dan pupper merupakan batas atas dan batas bawah harga dari tiap produk.
Batas bawah dan batas bawah harga ditentukan dengan mencari kisaran harga
flash disk yang ada di pasaran.
3.3 Tahap Analisis
Pada tahap ini dilakukan analisis dan interpretasi hasil terhadap pengumpulan
dan pengolahan data sebelumnya. Analisis yang dilakukan antara lain analisis
responden, analisis karakteristik data, analisis model multinomial logit, analisis
grafik purchase likelihood dan analisis optimisasi harga.
Analisis pengaruh harga terhadap perilaku responden dalam pemilihan
alternatif dilakukan dilakukan dengan membaca tren pemilihan flash disk oleh
responden pada grafik karakteristik data. Analisis model multinomial logit
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
III-11
dilakukan dengan menginterpretasikan hasil uji-uji statistik yang dilakukan pada
model. Selain itu dilakukan interpretasi parameter-parameter yang terdapat pada
model. Analisis Grafik Purchase Likelihood digunakan untuk mengecek apakah
dengan parameter yang telah diestimasi, kemungkinan konsumen untuk membeli
(Purchase Likelihood) masuk akal jika harga dibuat berubah-ubah. Analisis
optimisasi harga dilakukan dengan menginterpretasikan hasil optimisasi harga
dengan Excel Solver dan dilakukan analisis mengenai harga optimal yang
dihasilkan.
3.4 Tahap Kesimpulan dan Saran
Pada tahap ini akan membahas kesimpulan dari hasi pengolahan data dengan
memperhatikan tujuan yang ingin dicapai dari penelitian dan kemudian
memberikan saran perbaikan yang mungkin dilakukan untuk penelitian
selanjutnya.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-1
BAB IV
PENGUMPULAN DAN PENGOLAHAN DATA
Bab ini berisi mengenai data penelitian diperlukan dalam menganalisis
permasalahan yang ada serta dijelaskan pula cara pengolahan data tersebut.
4.1 Pengumpulan Data
Populasi dalam penelitian ini adalah mahasiswa UNS yang merupakan
pengguna flash disk. Responden sebagai sampel berjumlah 50 orang mahasiswa
UNS pengguna flash disk. Teknik pengumpulan data dilakukan dengan menyebar
kuesioner kepada 50 responden yang merupakan pengguna flash disk. Hasil
rancangan kuesioner dapat dilihat pada Lampiran 1.
Dalam kuesioner tersebut, responden diminta untuk memilih salah satu dari
tiga alternatif, yaitu membeli flash disk 4 GB, membeli flash disk 8 GB atau tidak
membeli. Responden hanya boleh memilih salah satu dari ketiga alternatif. Satu
kuesioner menghasilkan 20 data pilihan kemungkinan pembelian flash disk pada
20 kombinasi harga flash disk, sehingga 50 kuesioner akan menghasilkan 1000
data. Pilihan bersifat mutually ekslusif.
Tabel 4.1 berikut ini menunjukkan contoh hasil pengumpulan data yang juga
menjadi input data untuk pengolahan data dengan SPSS. Data selengkapnya
terdapat dapat pada Lampiran 2.
Tabel 4.1 Contoh hasil pengumpulan data
harga 1 harga 2 pilihan
50 200 1
75 200 1
100 200 1
125 200 0
150 200 0
50 175 1
75 175 1
100 175 1
125 175 0
150 175 0
50 150 1
75 150 1
100 150 0
125 150 0
50 125 2
75 125 2
100 125 2
50 100 2
75 100 2
50 75 2
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-2
Kolom pertama merupakan kolom harga produk 1 yaitu flash disk 4 GB,
dimana 50 yang dimaksud adalah Rp 50.000. Kolom kedua merupakan kolom
harga produk 2 yaitu flash disk 8 GB. Kolom ketiga adalah kolom pilihan
responden. Angka 1 berarti responden memilih flash disk 4 GB. Angka 2 berarti
responden memilih flash disk 8 GB. Sedangkan angka 0 berarti responden
memilih untuk tidak membeli.
Tabel 4.2 dibawah ini menunjukan informasi statistik mengenai data yang
akan diolah. Dari tabel tersebut didapatkan pilihan 0 atau tidak membeli muncul
sebanyak 371 kali atau sebanyak 37,1%, pilihan 1 atau flash disk 4 GB muncul
sebanyak 360 kali atau sebanyak 36%, sedangkan pilihan 2 atau flash disk 8 GB
muncul sebanyak 269 kali atau 26,9% dari total data yaitu sebanyak 1000 data.
Tabel 4.2 Tabel Jumlah Data
371 37,1%
360 36,0%
269 26,9%
1000 100,0%
0
1000
20
,00
1,00
2,00
pilihan
Valid
Missing
Total
Subpopulation
N
Marginal
Percentage
4.2 Pengolahan Data
Pengolahan data terdiri dari karakteristik data, model multinomial logit dan
optimisasi harga
4.2.1 Karakteristik Data
Tabel 4.3 menunjukkan prosentase pilihan responden pada kombinasi harga
flash disk. Harga 1 merupakan harga flash disk 4 GB. Harga 2 merupakan harga
flask disk 8 GB. Memilih 1 berarti memilih untuk membeli flash disk 4 GB.
Memilih 2 berarti memilih untuk membeli flash disk 8 GB. Memilih 0 berarti
memilih untuk tidak membeli.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-3
Tabel 4.3 Tabel prosentase pilihan responden
pada kombinasi tiap harga flash disk
harg a1 harg a 2pros entas e
memilih 1
pros entas e
memilih 2
pros entas e
memilih 0
50 200 0,94 0 0,06
75 200 0,76 0,04 0,2
100 200 0,22 0,16 0,62
125 200 0,04 0,18 0,78
150 200 0,02 0,26 0,72
50 175 0,88 0,02 0,1
75 175 0,7 0,02 0,28
100 175 0,26 0,12 0,62
125 175 0,02 0,26 0,72
150 175 0,02 0,36 0,62
50 150 0,86 0,04 0,1
75 150 0,48 0,18 0,34
100 150 0,08 0,34 0,58
125 150 0 0,5 0,5
50 125 0,8 0,12 0,08
75 125 0,42 0,3 0,28
100 125 0 0,5 0,5
50 100 0,56 0,32 0,12
75 100 0,08 0,74 0,18
50 75 0,06 0,92 0,02
Berikut ini merupakan gambaran dari data yang didapatkan dari
pengumpulan data dengan kuesioner. Dari Gambar 4.1 dibawah ini dapat
diketahui pola kecenderungan pilihan responden terhadap harga flash disk.
Gambar 4.1 Grafik Karakteristik Data
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-4
4.2.2 Model Multinomial Logit
Model Multinomial Logit berguna untuk memodelkan keputusan pembelian
konsumen. Pada kasus ini, yang menjadi variabel dependen adalah keputusan
pembelian flash disk oleh responden. Keputusan diklasifikasikan menjadi tiga
yaitu membeli flash disk 4 GB, membeli flash disk 8 GB dan tidak membeli.
Kombinasi harga antara flash disk 4 GB dengan flash disk 8 GB menjadi variabel
independen pada model yang mempengaruhi keputusan pembelian.
Pengolahan data pada model multinomial logit terdiri dari empat tahap, yaitu
uji prasyarat model, estimasi parameter pada model, uji evaluasi model, dan
validasi model.
4.2.2.1 Uji Asumsi Klasik
Tabel 4.4 berikut ini menunjukkan hasil Uji Multikolinieritas dengan
SPSS. Pada tabel tersebut dapat dilihat nilai Tolerance sebesar 0,8 dan VIF
sebesar 1,25. VIF kurang dari 10 dan nilai Toleance mendekati 1 sehingga diduga
tidak ada multikolinieritas.
Tabel 4.4 Uji Multikolinieritas
Variable T olerance VIF
harga1 0,8 1,25
harga2 0,8 1,25
Dependent V ariable: pilihan
C ollinearity S tatistics
4.2.2.2 Estimasi Parameter
Estimasi parameter dilakukan untuk mendapatkan nilai konstanta dan
koefisien pada model. Pada Tabel 4.5 berikut ditunjukkan hasil estimasi parameter
yang didapat dari output SPSS.
Tabel 4.5 Estimasi Parameter
3,207 ,464 47,751 1 ,000
-,077 ,005 213,739 1 ,000 ,926 ,916 ,935
,019 ,003 34,680 1 ,000 1,020 1,013 1,026
4,142 ,411 101,511 1 ,000
,012 ,004 8,648 1 ,003 1,012 1,004 1,021
-,038 ,004 96,975 1 ,000 ,963 ,956 ,970
Intercept
harga1
harga2
Intercept
harga1
harga2
pilihana
1,00
2,00
B Std. Error Wald df Sig. Exp(B) Lower Bound Upper Bound
95% Confidence Interval for
Exp(B)
The reference category is: ,00.a.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-5
Dari kolom B didapatkan nilai konstanta dan koefisien pada model,
sehingga modelnya dapat dituliskan sebagai berikut:
)2()1()0(
)1(
1 UUU
U
eee
ePL
.....(4.1)
)2()1()0(
)2(
2 UUU
U
eee
ePL
......(4.2)
)2()1()0(
)0(
0 UUU
U
eee
ePL
......(4.3)
dimana,
211 019,0077,0207,3 PPU ......(4.4)
212 038,0012,0142,4 PPU ......(4.5)
00U
atau dapat pula ditulis sebagai berikut:
)038,0012,0142,4019,0077,0207,3
019,0077,0207,3
12121
21
1PPPP
PP
ee
ePL
.....(4.6)
)038,0012,0142,4019,0077,0207,3
038,0012,0142,4
22121
21
1PPPP
PP
ee
ePL
......(4.7)
)038,0012,0142,4019,0077,0207,3021211
1PPPP
eePL
......(4.8)
dimana,
PL1 = kemungkinan responden memilih produk 1
PL2 = kemungkinan responden memilih produk 2
PL0 = kemungkinan responden memilih tidak membeli
P1= harga produk 1
P2= harga produk 2
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-6
4.2.2.3 Uji Evaluasi Model
Hasil regresi logistik memerlukan sebuah evaluasi untuk mengetahui
seberapa baik hasil regresi logistik tersebut. Evaluasi hasil regresi logistik
meliputi:
1. Uji Kebaikan Model (Goodness of fit)
Ukuran kebaikan regresi logistik disebut Pseudo R2
yang ditunjukkan pada
Tabel 4.6. Dari tabel tersebut diketahui nilai Cox and Snell R2
sebesar 0,512, nilai
Negelkerke R2
sebesar 0,577, dan nilai McFadden R2
sebesar 0,329.
Tabel 4.6 Tabel Pseudo R-Square
,512
,577
,329
Cox and Snell
Nagelkerke
McFadden
2. Uji Signifikansi Variabel Independen Secara Serentak (Overall Model Fit)
Hasil uji Overall Model Fit dengan menggunakan SPSS ditunjukkan pada
Tabel 4.7 berikut ini.
Tabel 4.7 Tabel Uji Overall Model Fit
800.590 810.305 796.590
168.358 197.503 156.358 640.232 4 .000
Model
Intercept Only
Final
AIC BIC
-2 Log
Likelihood
Model Fitting Criteria
Chi-Square df Sig.
Likelihood Ratio Tests
Dari Tabel 4.7 diatas dapat dilihat nilai chi square hitung sebesar 717,484.
Nilai chi square tabel dapat dilihat dari tabel chi square, dengan derajat bebas
atau degree of freedom (df) sebe
sehingga didapat nilai chi square tabel sebesar 9,488. Nilai chi square hitung
lebih besar daripada nilai chi square tabel maka dapat disimpulkan bahwa semua
variabel penjelas secara bersama-sama mempengaruhi variabel dependen.
3. Uji Signifikansi Variabel Independen Secara Individual (Significance Test)
Uji Signifikansi digunakan untuk mengetahui apakah variabel independen
secara individu berpengaruh pada variabel dependen. Uji signifikansi variabel
independen dapat dilakukan dengan dua cara yaitu Uji Likelihood Ratio dan Uji
Wald.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-7
a. Uji Likelihood Ratio
Hasil uji likelihood ratio dengan menggunakan SPSS ditunjukkan pada
Tabel 4.8 berikut ini.
Tabel 4.8 Likelihood Ratio Test
245.190 264.620 237.190 80.832 2 .000
723.420 742.850 715.420 559.062 2 .000
341.222 360.652 333.222 176.864 2 .000
Effect
Intercept
p1
p2
AIC of
Reduced
Model
BIC of
Reduced
Model
-2 Log
Likelihood of
Reduced
Model
Model Fitting Criteria
Chi-Square df Sig.
Likelihood Ratio Tests
The chi-square statistic is the difference in -2 log-likelihoods between the final model and a
reduced model. The reduced model is formed by omitting an effect from the final model. The
null hypothesis is that all parameters of that effect are 0.
Dari Tabel 4.8 diatas dapat dilihat nilai chi square hitung untuk intercept
atau koefisien sebesar 132,289. Nilai chi square tabel dengan derajat bebas (df)
2 yaitu sebesar 0,103. Nilai chi square hitung
lebih besar daripada nilai chi square tabel maka dapat disimpulkan bahwa
konstanta mempengaruhi variabel dependen.
Nilai chi square hitung untuk harga 1 sebesar 556,423. Nilai chi square
tabel sebesar 0,103. Nilai chi square hitung lebih besar daripada nilai chi
square tabel maka dapat disimpulkan bahwa variabel harga 1 mempengaruhi
variabel dependen.
Nilai chi square hitung untuk harga 2 sebesar 307,246. Nilai chi square
tabel sebesar 0,103. Nilai chi square hitung lebih besar daripada nilai chi
square tabel maka dapat disimpulkan bahwa variabel harga 2 mempengaruhi
variabel dependen
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-8
b. Uji Wald
Hasil uji Wald dengan menggunakan SPSS ditunjukkan pada Tabel 4.9
berikut ini.
Tabel 4.9 Uji Wald
3,207 ,464 47,751 1 ,000
-,077 ,005 213,739 1 ,000 ,926 ,916 ,935
,019 ,003 34,680 1 ,000 1,020 1,013 1,026
4,142 ,411 101,511 1 ,000
,012 ,004 8,648 1 ,003 1,012 1,004 1,021
-,038 ,004 96,975 1 ,000 ,963 ,956 ,970
Intercept
harga1
harga2
Intercept
harga1
harga2
pilihana
1,00
2,00
B Std. Error Wald df Sig. Exp(B) Lower Bound Upper Bound
95% Confidence Interval for
Exp(B)
The reference category is: ,00.a.
Dari Tabel 4.9 diatas dapat dilihat nilai statistik Wald untuk intercept atau
koefisien sebesar 47,751. Nilai chi square tabel dengan derajat bebas (df) 1 dan
Nilai statistik Wald lebih
besar daripada nilai chi square tabel maka dapat disimpulkan bahwa konstanta
mempengaruhi variabel dependen.
Nilai statistik Wald untuk harga 1 sebesar 556,423. Nilai chi square tabel
sebesar 3,841. Nilai statistik Wald lebih besar daripada nilai chi square tabel
maka dapat disimpulkan bahwa variabel harga 1 mempengaruhi variabel
dependen.
Nilai statistik Wald untuk harga 2 sebesar 307,246. Nilai chi square tabel
sebesar 3,841. Nilai statistik Wald lebih besar daripada nilai chi square tabel
maka dapat disimpulkan bahwa variabel harga 2 mempengaruhi variabel
dependen.
4.2.2.4 Validasi Model
Validitas dari probabilitas yang diprediksi dapat dilihat dari Classification
Table pada output SPSS (Tabel 4.10). Tabel tersebut menunjukkan seberapa
besar model dapat memprediksi data yang diobservasi dengan benar. Kolom
pertama pada Tabel 4.10 menunjukkan jika data yang diobservasi pilihan 0, maka
model akan dengan benar memprediksi pilihan 0 sebanyak 233, memprediksi
salah menjadi pilihan 1 sebanyak 64, dan memprediksi salah menjadi pilihan 2
sebanyak 74. Percent Correct menunjukkan seberapa besar model memprediksi
pilihan dengan benar (misalnya pilihan 0 diprediksi 0). Pilihan 0 diprediksi
dengan benar (pilihan 0 diprediksi 0) sebesar 62,8%. Pilihan 1 diprediksi dengan
benar (pilihan 1 diprediksi 1) sebesar 83,1%. Pilihan 2 diprediksi dengan benar
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-9
(pilihan 2 diprediksi 2) sebesar 55%. Overall Percentage menunjukkan prosentase
pilihan dari keseluruhan pilihan yang muncul. Pilihan 0 diprediksi muncul sebesar
35% dari keseluruhan pilihan yang prediksi. Pilihan 1 diprediksi muncul sebesar
40% dari keseluruhan pilihan yang prediksi. Pilihan 2 diprediksi muncul sebesar
25% dari keseluruhan pilihan yang prediksi.
Tabel 4.10 Classification
233 64 74 62,8%
33 299 28 83,1%
84 37 148 55,0%
35,0% 40,0% 25,0% 68,0%
Observed
,00
1,00
2,00
Overall Percentage
,00 1,00 2,00
Percent
Correct
Predicted
4.2.3 Optimisasi Harga
Optimisasi dilakukan dengan menggunakan Excel Solver. Problem
statement untuk optimisasi harga adalah sebagai berikut:
a. Fungsi tujuan: Memaksimum ekspektasi pendapatan (Expected Revenue)
Max ER= P1* PL1 + P2* PL2 …..(4.9)
dimana,
ER= Ekspektasi pendapatan (Expected Revenue)
Pi= Harga produk i (Price)
PLi= Probabilitas konsumen memilih produk i (Purchase Likelihood)
b. Fungsi pembatas: probabilitas konsumen memilih produk i (Purchase
Likelihood)
)2()1()0(
)1(
1 UUU
U
eee
ePL
.....(4.10)
)2()1()0(
)2(
2 UUU
U
eee
ePL
......( 4.11)
dimana,
211 019,0077,0207,3 PPU ......(4.12)
212 038,0012,0142,4 PPU ......(4.13)
00U
10 iU
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-10
upperower pPip
U(i) adalah estimasi utilitas produk i yang dimodelkan pada bagian
sebelumnya. U(0) merupakan utilitas untuk pilihan tidak membeli biasanya
digunakan sebagai referensi dan nilainya ditentukan 0. plower dan pupper
merupakan batas atas dan batas bawah harga dari tiap produk.
Berikut ini merupakan contoh perhitungan manual optimisasi harga.
Misalnya, P1 = 50 dan P2 = 100.
Utilitas produk pertama dapat dicari dengan rumus sebagai berikut,
211 019,0077,0207,3 PPU
)100(019,0)50(077,0207,31U
271,11U
Utilitas produk kedua dapat dicari dengan rumus sebagai berikut,
212 038,0012,0142,4 PPU
)100(038,0)50(012,0142,42U
995,02U
Utilitas tidak membeli adalah 0.
00U
Purchase likelihood produk pertama dapat dicari dengan rumus sebagai berikut
)2()1()0(
)1(
1 UUU
U
eee
ePL
995,0271,10
271,1
1eee
ePL
490,01PL
Purchase likelihood produk kedua dapat dicari dengan rumus sebagai berikut
)2()1()0(
)2(
2 UUU
U
eee
ePL
995,0271,10
995,0
2eee
ePL
372,02PL
Sehingga dapat dicari ekspektasi pendapatan dengan rumus sebagai berikut
ER= P1* PL1 + P2* PL2
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-11
ER= 50(0,490) + 100(0,372)
=61,726
Harga merupakan parameter yang diubah-ubah sampai didapat ekspektasi
pendapatan yang optimal. Untuk mempermudah perhitungan optimal maka
digunakanlah Excel Solver. Tabel 4.11 berikut ini merupakan hasil output Excel
Solver, untuk permasalahan diatas.
Tabel 4.11 Output Hasil Excel Solver
1 Intercept 3,207
harga1 -0,077
harga2 0,019
2 Intercept 4,142
harga1 0,012
harga2 -0,038
es timated parameters
harga1= 68,184
harga2= 107,024
changing cell
P L 1= 0,218
P L 2= 0,565
P L 0= 0,218
U1= 0,000
U2= 0,954
U0= 0,000
constraint
f(x)= 75,285
target cell is to max f(x) value
Estimated Parameter merupakan hasil dari estimasi parameter yang didapat
dari output SPSS. Changing Cell merupakan nilai yang diubah-ubah untuk
mencapai fungsi tujuan. Nilai yang diubah-ubah yaitu harga produk 1 dan harga
produk 2. Target Cell merupakan fungsi tujuan, yaitu untuk memaksimumkan
Expected Revenue. Constraint merupakan fungsi pembatas. Dari hasil excel
solver, didapat hasil kombinasi harga yang optimal untuk memaksimumkan
revenue adalah Rp 68.184 untuk flash disk 4 GB dan Rp 107.024 untuk flash disk
8 GB.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
V-1
BAB V
ANALISIS DAN INTERPRETASI HASIL
Pada tahap ini dilakukan analisis dan interpretasi hasil terhadap
pengumpulan dan pengolahan data sebelumnya.
5.1 Analisis Pengaruh Harga Terhadap Perilaku Responden DalamPemilihan
Alternatif
Responden dalam penelitian ini adalah mahasiswa UNS pengguna flash disk.
Responden berusia antara 17-22 tahun. Data yang diambil yaitu pilihan
responden, yang terdiri dari membeli flash disk 4 GB dengan harga tertentu,
membeli flash disk 8 GB dengan harga tertentu atau tidak membeli. Hasil
pengumpulan data stated choice survey dapat digunakan untuk mengetahui
pengaruh harga terhadap perilaku responden dalam pemilihan alternatif pembelian
flash disk. Pada grafik karakteristik data Gambar 4.1, didapatkan informasi
kecenderungan perilaku responden dalampemilihan alternatif pembelian flash
disk berdasarkan stated choice survey.
1. Semakin mahal harga flash disk yang ditawarkan, semakin banyak
responden yang memilih tidak membeli.
2. Ketika harga flash disk 4 GB rendah, sedangkan harga flash disk 8 GB
tinggi, responden lebih memilih produk 1.
3. Ketika harga flash disk 4 GB semakin naik, responden semakin banyak
yang memilih flash disk 8 GB.
4. Ketika harga flash disk 8 GB semakin turun, meskipun harganya masih
lebih tinggi daripada flash disk 4 GB, responden semakin banyak yang
memilih flash disk 8 GB.
5.2 Analisis Model Multinomial Logit
Model Multinomial Logit berguna untuk memodelkan keputusan pembelian
konsumen. Pada kasus ini, yang menjadi variabel dependen adalah keputusan
pembelian flash disk oleh responden. Keputusan diklasifikasikan menjadi tiga
yaitu membeli flash disk 4 GB, membeli flash disk 8 GB dan tidak membeli.
Kombinasi harga antara flash disk 4 GB dengan flash disk 8 GB menjadi variabel
independen pada model yang mempengaruhi keputusan pembelian.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
V-2
Analisis pada model multinomial logit terdiri dari empat tahap, yaitu analisis
uji prasyarat model, analisis estimasi parameter pada model, analisis uji evaluasi
model, dan analisis validasi model.
5.2.1 Analisis Uji Prasyarat Model
Uji Multikolinieritas bertujuan untuk menguji apakah pada model regresi
ditemukan adanya korelasi antar variabel bebas. Model regresi yang baik
seharusnya tidak terjadi korelasi diantara variabel bebas. Multikolinieritas
menyebabkan kesalahan pada estimasi tanda dan besaran pada koefisien regresi,
sehingga dapat terjadi kesalahan interpretasi hubungan antara variabel independen
dan dependen
Berdasarkan Tabel 4.4 dapat diduga bahwa tidak ada multikolinieritas
antara variabel independen. Dengan tidak adanya multikolinieritas pada model,
berarti tanda dan besaran pada koefisien regresi dapat diestimasi dengan benar,
sehingga tidak terjadi kesalahan interpretasi hubungan antara variabel independen
dan dependen.
5.2.2 Analisis Parameter Model Multinomial Logit
Responden memilih diantara alternatif pilihan yaitu, flash disk 4 GB, 8 GB
atau tidak membeli, dengan penilaian berdasarkan harga sebagai faktor yang
diamati. Sehingga probabilitas pilihan responden untuk tiap alternatif dimodelkan
seperti pada Persamaan (4.6), (4.7) dan (4.8). Model utilitas produk 1 dan 2 dapat
dilihat pada Persamaan (4.4) dan (4.5). Sedangkan utilitas tidak membeli
digunakan sebagai kategori basis sehingga utilitasnya 0. Tidak ada ketentuan
khusus dalam memilih kategori basis ini. Heeringa (2010) merekomendasikan
untuk memilih kategori yang paling umum digunakan atau tergantung tujuan
penelitian.
Koefisien harga 1 pada utilitas produk 1 (flash disk 4 GB) merupakan
bobot kepentingan yang menunjukkan sejauh mana atribut harga flash disk 4 GB
mempengaruhi preferensi pemilihan flash disk 4 GB. Koefisien harga 1 pada
utilitas produk 1 (Persamaan 4.4) bernilai negatif. Hal ini berarti ketika harga
flash disk 4 GB naik (variabel lain konstan), maka utilitas harga flash disk 4 GB
akan turun sehingga probabilitas terpilihnya juga turun.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
V-3
Koefisien harga 2 pada utilitas produk 1 (flash disk 4 GB) merupakan
bobot kepentingan yang menunjukkan sejauh mana atribut harga flash disk 8 GB
mempengaruhi preferensi pemilihan flash disk 4 GB. Koefisien harga 2 pada
utilitas produk 1 (persamaan 4.4) bernilai positif. Hal ini berarti ketika harga flash
disk 8 GB naik (variabel lain konstan), maka utilitas flash disk 4 GB akan naik
sehingga probabilitas terpilihnya juga naik.
Koefisien harga 1 pada utilitas produk 1 lebih besar daripada koefisien
harga 2 pada utilitas produk 1. Hal ini berarti variabel harga produk 1 berpengaruh
lebih besar pada utilitas produk 1 dibandingkan variabel harga produk 2.
Koefisien harga 1 pada utilitas produk 2 (flash disk 8 GB) merupakan
bobot kepentingan yang menunjukkan sejauh mana atribut harga flash disk 4 GB
mempengaruhi preferensi pemilihan flash disk 8 GB.Koefisien harga 1 pada
utilitas produk 2 (Persamaan 4.5) bernilai positif. Hal ini berarti ketika harga
produk 1 naik (variabel lain konstan), maka utilitas produk 2 akan naik sehingga
probabilitas terpilihnya juga naik.
Koefisien harga 2 pada utilitas produk 2 (flash disk 8 GB) merupakan
bobot kepentingan yang menunjukkan sejauh mana atribut harga flash disk 8 GB
mempengaruhi preferensi pemilihan flash disk 8 GB. Koefisien harga 2 pada
utilitas produk 2 (persamaan 4.5) bernilai positif. Hal ini berarti ketika harga
produk 2 naik (variabel lain konstan), maka utilitas produk 2 akan turun sehingga
probabilitas terpilihnya juga turun.
Koefisien harga 2 pada utilitas produk 2 lebih besar daripada koefisien
harga 1 pada utilitas produk 2. Hal ini berarti variabel harga produk 2 berpengaruh
lebih besar pada utilitas produk 2 dibandingkan variabel harga produk 1.
5.2.3 Analisis Probabilitas Pemilihan Alternatif (Purchase Likelihood)
Sensitivitas probabilitas pemilihan alternatif (Purchase Likelihood)
terhadap perubahan variabel independen, yaitu harga flash disk 4 GB dan harga
flash disk 8 GB dapat ditunjukkan dengan koefisien odds ratio. Pada kolom
Exp(B) Tabel 4.5 terdapat informasi mengenai koefisien odds ratio. Dalam regresi
logistik variabel respon (Y), didefinisikan sebagai log dari odds dimana odds
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
V-4
adalah rasio probabilitas dari dua alternatif (Garrow, 2010). Hal ini dijelaskan
pada persamaan sebagai berikut.
2
1
21
1
111
ln PPp
p
......(5.1)
)exp(1
2
1
21
1
11 PPp
p
......(5.2)
)exp()exp( 2
1
21
1
112
1
21
1
11 PPpPPp......(5.3)
)exp())exp(1( 2
1
21
1
112
1
21
1
11 PPPPp ......(5.4)
))exp(1(
)exp(
2
1
21
1
11
2
1
21
1
11
PP
PPp
......(5.5)
2121
111
22121
111
1 PP
PP
e
ep
......(5.6)
Odds ratio didefinisikan sebagai perubahan pada odds, akibat perubahan 1
unit dari salah satu x (variabel independen) dengan variabel yang lain
konstan(Garrow, 2010). Persamaan (5.1) menunjukkan log odds dari alternatif 1.
Odds dari alternatif 1 ditunjukkan pada Persamaan (5.2). Odds Ratio (OR) untuk
harga 1 pada probabilitas produk 1 dibandingkan probabilitas tidak membeli
ditunjukkan pada persamaan berikut.
)exp()exp(
))1(exp( 1
1
2
1
21
1
11
2
1
21
1
11
PP
PPOR
......(5.7)
Pada koefisien logit pertama, koefisien odds ratio pada kolom exp(B) untuk
harga 1 sebesar 0,926. Karena koefisien B bertanda negatif, maka dapat diartikan
bahwa kemungkinan membeli produk 1 dibandingkan dengan tidak membeli naik
dengan faktor 0,926 kali jika harga 1 turun 1.000 dengan asumsi variabel harga 2
tetap. 1.000 karena merupakan satuan yang digunakan pada harga untuk membuat
persamaan model logit. Nilai 1 pada harga berarti Rp 1.000.
Koefisien odds ratio pada kolom exp(B) untuk harga 2 sebesar 1,020. Karena
koefisien B bertanda positif, maka dapat dirtikan bahwa kemungkinan membeli
produk 1 dibandingkan dengan tidak membeli naik dengan faktor 1,020 kali jika
harga 2 naik 1.000 dengan asumsi variabel harga 1 tetap.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
V-5
Pada koefisien logit kedua, koefisien odds ratio pada kolom exp(B) untuk
harga 1 sebesar 1,012. Karena koefisien B bertanda positif, maka dapat dirtikan
bahwa kemungkinan membeli produk 2 dibandingkan dengan tidak membeli naik
dengan faktor 1,012 kali jika harga 1 naik 1.000 dengan asumsi variabel harga 2
tetap.
Koefisien odds ratio pada kolom exp(B) untuk harga 2 sebesar 0,963.
Karena koefisien B bertanda negatif, maka dapat dirtikan bahwa kemungkinan
membeli produk 2 dibandingkan dengan tidak membeli naik dengan faktor 0,963
kali jika harga 2 turun 1.000 dengan asumsi variabel harga 1 tetap.
5.2.4 Analisis Uji Evaluasi Model
Analisis uji evaluasi hasil regresi logistik terdiri dari analisis uji kebaikan
model, Uji Signifikansi Variabel Independen Secara Serentak (Overall Model Fit),
Uji Signifikansi Variabel Independen Secara Individual (Significance Test).
1. Analisis Uji Kebaikan Model (Goodness of fit)
Uji kebaikan model digunakan untuk mengetahui kebaikan model dengan
menggunakan ukuran koefisien determinasi. Koefisien determinasi (R2) mengukur
proporsi varian di dalam variabel independen yang dijelaskan oleh variabel
dependen. Dari hasil uji kebaikan model didapatkan bahwa variabel harga produk
1 dan variabel produk 2 dalam model mampu menjelaskan variasi keputusan
pembelian (Y) sebesar 51,2% dari perhitungan Cox and Snell R2, 57,7% dari
perhitungan Negelkerke R2
dan 32,9% dari perhitungan McFadden R2, sedangkan
sisanya dijelaskan oleh variabel-variabel lain diluar model.
2. Analisis Uji Signifikansi Variabel Independen Secara Serentak (Overall
Model Fit)
Uji Overall Model Fit digunakan untuk mengetahui apakah semua variabel
independen dalam regresi logistik secara serentak mempengaruhi variabel
dependen. Dari hasil uji overall model fit didapatkan bahwa terdapat perbedaan
antara model yang hanya terdiri dari konstanta saja dengan model yang terdiri dari
konstanta dan variabel independen. Dari hasil tersebut, dapat disimpulkan bahwa
harga 1 dan harga 2 sama-sama menentukan keputusan seseorang dalam membeli
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
V-6
flash disk. Sehingga dapat diputuskan bahwa kita akan menggunakan model
lengkap.
3. Analisis Uji Signifikansi Variabel Independen Secara Individual
(Significance Test)
Analisis uji signifikansi variabel independen terdiri dari analisis Uji Likelihood
Ratio dan analisis Uji Wald.
a. Analisis Uji Likelihood Ratio
Hasil uji Likelihood Ratio untuk variabel harga 1 menunjukkan bahwa
terdapat perbedaan yang signifikan antara model dengan variabel harga 1 dan
model tanpa variabel harga 1, sehingga dapat disimpulkan bahwa variabel
harga 1 mempengaruhi variabel dependen secara individu.
Hasil uji likelihood ratio untuk variabel harga 2 menunjukkan bahwa
terdapat perbedaan yang signifikan antara model dengan variabel harga 2 dan
model tanpa variabel harga 2, sehingga dapat disimpulkan bahwa variabel
harga 2 mempengaruhi variabel dependen secara individu. Atau dengan kata
lain kedua variabel yaitu harga produk 1 dan harga produk 2 dapat digunakan
sebagai variabel bebas dalam model Multinomial Logit yang dibuat.
b. Uji Wald
Uji Wald dapat digunakan untuk mengetahui apakah variabel independen
mempengaruhi variabel dependen atau tidak.
Hasil uji Wald menunjukkan bahwa kedua variabel yaitu harga produk 1
dan harga produk 2 dapat digunakan sebagai variabel bebas dalam model
Multinomial Logit yang dibuat.
5.2.5 Validasi Model
Validitas dari probabilitas yang diprediksi dapat dilihat dari Classification
Table pada output SPSS (Tabel 4.10). Tabel tersebut menunjukkan seberapa
besar model dapat memprediksi data yang diobservasi dengan benar. Dari tabel
tersebut dapat pula diketahui penyimpangan prediksi model dibandingkan dengan
hasil observasi.
Overall Percentage menunjukkan prosentase pilihan dari keseluruhan
pilihan yang muncul. Pilihan 0 diprediksi muncul sebesar 35% dari keseluruhan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
V-7
pilihan yang prediksi. Pilihan 1 diprediksi muncul sebesar 40% dari keseluruhan
pilihan yang prediksi. Pilihan 2 diprediksi muncul sebesar 25% dari keseluruhan
pilihan yang prediksi.
Percent Correct menunjukkan seberapa besar model memprediksi pilihan
dengan benar (misalnya pilihan 0 diprediksi 0). Pilihan 0 diprediksi dengan benar
(pilihan 0 diprediksi 0) sebesar 62,8%. Pilihan 1 diprediksi dengan benar (pilihan
1 diprediksi 1) sebesar 83,1%. Pilihan 2 diprediksi dengan benar (pilihan 2
diprediksi 2) sebesar 55%. Model dapat memprediksi data yang diobservasi
dengan benar lebih dari 50% sehingga dapat disimpulkan bahwa model valid
digunakan.
5.3 Analisis Grafik Purchase Likelihood
Grafik ini menunjukkan kemungkinan konsumen untuk membeli produk 1
dan 2 pada harga 2 yang dibuat tetap dan harga 1 yang dibuat berubah-ubah.
Grafik purchase likelihood digunakan untuk mengecek apakah dengan parameter
yang telah diestimasi, kemungkinan konsumen untuk memilih (Purchase
Likelihood) masuk akal jika harga dibuat berubah-ubah.
Misalnya harga produk 2 yang dibuat tetap yaitu Rp 175.000 dan harga 1
dibuat berubah-ubah dari Rp 50.000 sampai Rp 170.000. Tabel 5.1 berikut ini
merupakan tabel harga dan purchase likelihood untuk kombinasi harga tersebut.
Nilai purchase likelihood didapat dari Persamaan (4.6) dan (4.7).
Tabel 5.1 Tabel Harga dan Purchase Likelihood (P2=175)
P1 P2 PL1 PL2
50 175 0,93 0,01
55 175 0,90 0,01
60 175 0,86 0,02
65 175 0,80 0,03
70 175 0,73 0,05
75 175 0,64 0,06
80 175 0,55 0,09
85 175 0,45 0,11
90 175 0,35 0,13
95 175 0,27 0,16
100 175 0,20 0,18
105 175 0,14 0,21
110 175 0,10 0,23
115 175 0,07 0,25
120 175 0,05 0,26
125 175 0,03 0,28
130 175 0,02 0,29
135 175 0,01 0,31
140 175 0,01 0,32
145 175 0,01 0,34
150 175 0,00 0,35
155 175 0,00 0,37
160 175 0,00 0,38
165 175 0,00 0,40
170 175 0,00 0,41
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
V-8
Dari tabel diatas dibuat grafik purchase likelihood seperti dibawah ini.
0.00
0.20
0.40
0.60
0.80
1.00
50 65 80 95 110 125 140 155 170
Pu
rch
ase
Lik
elih
oo
d
Harga 1
Grafik Purchase Likelihood untuk Harga
2=175
PL1
PL2
PL0
Gambar 5.1 Grafik Purchase Likelihood untuk Harga 2=175
Berdasarkan Gambar 5.1 diatas, ketika harga produk 2 atau flash disk 8 GB
tetap Rp 175.000, dan harga produk 1 atau flash disk 4 GB dibawah Rp 100.000,
konsumen lebih memilih flash disk 4 GB daripada flash disk 8 GB. Ketika harga
flash disk 4 GB terus naik konsumen berpindah ke flash disk 8 GB walaupun
lebih mahal. Ketika flash disk 4 GB harganya sangat rendah probabilitas
konsumen untuk tidak membeli sangat kecil karena penawaran yang sulit untuk
ditolak. Begitu pula ketika harga flash disk 4 GB sangat tinggi probabilitas
konsumen untuk tidak membeli menjadi tinggi.
5.4 Analisis Hasil Optimisasi Harga
Berdasarkan Tabel 4.12, didapatkan informasi nilai optimal untuk harga flash
disk 4 GB dan harga flash disk 8 GB yaitu masing-masing Rp 68.184 dan Rp
107.024. Pada kombinasi harga tersebut kemungkinan konsumen untuk membeli
flash disk 4 GB adalah sebesar 0,218 dengan nilai utilitas sebesar 0. Kemungkinan
untuk membeli flash disk 8 GB pada kombinasi harga tersebut adalah sebesar
0,565 dengan nilai utilitas sebesar 0,954. Sedangkan kemungkinan untuk tidak
membeli adalah sebesar 0,218 dengan nilai utilitas tidak membeli adalah 0.
Pada kombinasi harga tersebut didapatkan nilai ekspektasi pendapatan
maksimum yaitu 75.285. Nilai ekspektasi pendapatan didapatkan dari hasil
perkalian antara harga flash disk dan kemungkinan konsumen untuk membeli
flash disk pada harga tersebut.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
V-9
Dari hasil tersebut, terlihat bahwa untuk memaksimumkan pendapatan,
perusahaan perlu memaksimumkan penjualan flash disk 8 GB, yang menghasilkan
pendapatan lebih banyak daripada flash disk 4 GB, dengan memasang harga flash
disk 4 GB yaitu Rp 68.184 dan flash disk 8 GB yaitu Rp 107.024.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
VI-1
BAB VI
KESIMPULAN DAN SARAN
Bab ini berisi mengenai kesimpulan dari hasil pengolahan data penelitian,
dan saran untuk penelitian selanjutnya yang lebih baik.
6.1 Kesimpulan
Dari hasil pengamatan dan pembahasan pada bab sebelumnya dapat diambil
kesimpulan antara lain yaitu:
1. Nilai optimal untuk harga flash disk 4 GB yaitu Rp 68.184 dan harga flash
disk 8 GB yaitu Rp 107.024.
2. Pada kombinasi harga tersebut kemungkinan konsumen untuk membeli flash
disk 4 GB adalah sebesar 0,218 dengan nilai utilitas sebesar 0.
3. Kemungkinan konsumen untuk membeli flash disk 8 GB pada kombinasi
harga tersebut adalah sebesar 0,565 dengan nilai utilitas sebesar 0,954.
4. Kemungkinan konsumen untuk tidak membeli adalah sebesar 0,218 dengan
nilai utilitas 0.
5. Ekspektasi pendapatan yang didapat pada kombinasi harga tersebut yaitu
75.825.
6.2 Saran
Berkut ini beberapa saran yang perlu dipertimbangkan agar penelitian menjadi
lebih baik, antara lain:
1. Sebaiknya kuesioner dilengkapi dengan pertanyaan mengenai profil
responden, sehingga dapat dianalisis profil responden dan perilaku
pembeliannya.
2. Untuk penelitian selanjutnya, dapat dilakukan optimisasi dilihat dari sudut
pandang konsumen, yaitu dengan mengganti fungsi tujuannya menjadi untuk
memaksimumkan utilitas.