Anda di halaman 1dari 17

LAPORAN PRAKTIKUM

ANALISIS SISTEM PERTANIAN


MEANS END CHAINS (MEC)

Oleh:
Nerissa Arviana Agustiani
NIM A1H014022

KEMENTERIAN RISET, TEKNOLOGI DAN PENDIDIKAN TINGGI


UNIVERSITAS JENDERAL SOEDIRMAN
FAKULTAS PERTANIAN
PURWOKERTO
2016

I. PENDAHULUAN

A. Latar Belakang
B. Tujuan
1.

Dapat mengetahui motivasi dari konsumen terhadap pemakaian suatu produk

2.

Dapat mengetahui aplikasi SPSS sebagai aplikasi untuk menentukan motivasi

II. TINJAUAN PUSTAKA


Means-End Chain (MEC) merupakan tool manajemen yang digunakan
untuk menggali motivasi seseorang dalam menggunakan atau membeli sebuah
produk. Metode ini mengaitkan antara karakteristik yang melekat pada produk
atau jasa atau disebut juga attribute dengan konsekuensi akibat menggunakan
produk dan jasa tersebut serta nilai-nilai personal atau value yang dimiliki oleh
konsumer. Secara konsep, MEC menggambarkan hubungan antara atribut,
kosekuensi dan value sebagaimana yang bisa dilihat pada Gambar 2.

Gambar 1. Konsep umum Means-End Chain (MEC)


Atribut adalah karakteristik yang meleka pada produk. Atribut dibedakan
menjadi dua yaitu atribut nyata dan atribut abstrak. Atribut yang nyata adalah
yang dapat diukur seperti panjang, berat. Sedangkan atribut abstrak adalah atribut
yang tidak dapat diukur, misalnya rasanya enak, sesuai dengan selera.
Konsekuensi adalah akibat baik secara langsung atau tidak akibat dari
menggunakan atau mengkonsumsi sebuah produk. Konsekuensi juga dibedakan
menjadi dua yaitu konsekuensi fungsional dan konsekuensi psycho-sosial. Contoh
konsekuensi fungsional adalah badan menjadi sehat, hemat. Sedangkan
konsekuensi psycho-sosial misalnya diterima oleh masyarakat. Nilai atau value
adalah nilai-nilai terkait dengan keyakinan, latar belakang dan budaya individu
tersebut. Value merupakan nilai yang dihasilkan dari pendekatan tersebut.
Rokeach seorang peneliti di Amerika Serikat telah melakukan survey
komprehensif untuk mendata nilai-nilai yang ada dalam masyarakat Amerika.
Nilai-nilai tersebut dibedakan menjadi dua yaitu nilai terminal dan nilai
instrumental. Nilai instrumental adalah nilai untuk mencapai nilai terminal
sebagai tujuan akhir. Nilai-nilia ini dapat kita lihat pada table The Rokeach Value
Survey (RVS).
Maslow mengembangkan teori tentang bagaimana semua otivasi saling
berkaitan. Ia menyebut teorinya sebagai hierarki kebutuhan (Lianto, 2013).
Teori maslow mengasumsikan bahwa orang mempunyai kebutuhan untuk
pertumbuhan dan pengembangan. Ini berarti bahwa program pemotivasian akan

mempunyai kemungkinan berhasil lebih besar, jika kekurangan dari tingkat


kebutuhan yang lebih tinggi dipenuhi.
Abraham Maslow menerangkan lima tingkatan kebutuhan dasar manusia
adalah sebagai berikut:
1. Basic needs, atau kebutuhan fisiologi, merupakan kebutuhan yang paling
penting seperti kebutuhan akan makanan. Dominasi kebutuhan fisiologi ini
relatif lebih tinggi dibanding dengan kebutuhan lain dan dengan demikian
muncul kebutuhan-kebutuhan lain.
2. Safety needs atau kebutuhan akan keselamatan, merupakan kebutuhan
yang meliputi keamanan, kemantapan, ketergantungan, kebebasan dari
rasa takut, cemas dan kekalutan; kebutuhan akan struktur, ketertiban,
hukum, batas-batas kekuatan pada diri, pelindung dan sebagainya.
3. Love needs atau kebutuhan rasa memiliki dan rasa cinta, merupakan
kebutuhan yang muncul setelah kebutuhan fisiologis dan kebutuhan
keselamatan telah terpenuhi. Artinya orang dalam kehidupannya akan
membutuhkan rasa untuk disayang dan menyayangi antar sesama dan
untuk berkumpul dengan orang lain.
4. Esteem needs atau kebutuhan akan harga diri.

Semua orang dalam

masyarakat mempunyai kebutuhan atau menginginkan penilaian terhadap


dirinya yang mantap, mempunyai dasar yang kuat yang biasanya bermutu
tinggi akan rasa hormat diri atau harga diri dan penghargaan dari orang
lain. Kebutuhan ini di bagi dalam dua peringkat :
a. Keinginan akan kekuatan, akan prestasi, berkecukupan, unggul, dan
kemampuan, percaya pada diri sendiri, kemerdekaan dan kebebasan.
b. Hasrat akan nama baik atau gengsi dan harga diri, prestise
(penghomatan dan penghargaan dari orang lain), status, ketenaran dan
kemuliaan, dominasi, pengakuan, perhatian dan martabat.

5. Self Actualitation needs atau kebutuhan akan perwujudan diri, yakni


kecenderungan untuk mewujudkan dirinya sesuai dengan kemampuannya
(Maslow, 1988).

III. METODOLOGI
A. Alat dan Bahan
1. Laptop/Komputer
2. Alat tulis
3. Data analisis MEC yang sudah lengkap
B. Prosedur Kerja
1. Mempersiapkan hasil analisis data yang sudah dimiliki secara lengkap
2. Memasukkan data laddering, dengan langka-langkah sebagai berikut:
a. Pemberian Kode: menganalisis data menggunakan pemberian kode terhadap
topik-topik yang ada
b. Membuat Matriks: digunakan untuk membantu dalam pembuatan peta hirarki
nilai (HVM). Dimana data yang sudah dihasilkan akan dihitung menggunakan
out-degrees dan in-degrees untuk mengestimasikan abstractness ratio dari
setiap elemen. Out-degree adalah unsur tertentu mengacu pada beberapa kali
elemen berfungsi sebagai sumber atau asal (means) dari hubungan dengan
unsur lainnya. In-degree dari elemen menunjukkan jumlah kali elemen
berfungsi sebagai objek atau akhir dari hubungan dengan yang lain.
Abstractness ratio adalah pembagaian dari in-degree dengan jumlah dari indegree dan out-degree. Sedangkan centrality index adalah pembagian antara
jumlah dari in-degree dan out-degree dengan jumlah semua sel yang aktif
dalam matriks (Jung dan Kang, 2010).
c. Membuat HVM (Hierarchical Value Map): hasil perhitungan abstractness
ratio, elemen dengan nilai tertinggi dianggap nilai-nilai pribadi (end)

sebaliknya elemen dengan nilai rendah dianggap atribut (means). HVM


terbentuk dari hubungan elemen kode satu dengan elemen kode yang lain,
contohnya elemen kode A

elemen kode B, elemen kode B

elemen

kode C dan elemen C


elemen kode D, maka rantai A-B-C-D terbentuk.
d. Cut off, merupakan suatu tingkatan rantai yang tidak dapat berbentuk A-B-CD, adanya tingkatan cut off yaitu untuk pemutusan hubungan yang digunakan
agar dapat memeriksa dan mengevaluasi HVM yang dibentuk.
e. Intrepretasi HVM: penunjukkan nilai atau kisaran atribut produk.

IV. HASIL DAN PEMBAHASAN


A. Hasil
1. Penghitungan Matrix

AR =

CS =

AR

CI

A1 Salur minat dan bakat


0,304347826 0,165467626
A2 Mengasah kemampuan dan
skill
0,615384615 0,09352518
A3 Hobi
0,1 0,143884892
A4 Merasa senang
0,823529412 0,244604317

A5 Populer
A6 Tujuan hidup
A10 Mendapat pahala
A12 Menambah ilmu
A13 Menambah relasi
A14 Mudah mencari kerja
A15 Suka seni
A20 Memenuhi kebutuhan
hidup
A21 Berorganisasi

0,142857143
0,7
0,666666667
0,52
0,411764706
0,416666667
0,375

0,100719424
0,071942446
0,064748201
0,179856115
0,122302158
0,086330935
0,057553957

0,666666667 0,043165468
0 0,050359712

Keterangan Hierarchy Value Map :


a. Paling Besar
(0,24), (0,179), (0,165)
b. Sedang
(0,14), (0,1007), (0,12)
c. Kecil
< 0,1

A4

A6

A10
A2

A20

A12
A1
A15
A13

A3

A5

A14

A21

Keterangan :
:

Kotak tersebut menunjukan nilai


centrality index yang paling besar
Keterkaitan antar coding yang nilainya
kurang dari 5

:
:

Keterkaitan antar coding yang nilainya


lebih dari sama dengan 5

B. Pembahasan
Means-End Chain model of Consumers Product Knowledge Konsumen
dapat mengombinasikan tiga jenis pengetahuan produk untuk membentuk jaringan
asosiatif yang disebut rantai alat tujuan. Rantai alat tujuan menghubungkan
pengetahuan konsumen mengenai atribut produk dengan pengetahuan mengenai
konsekuensi dan nilai. Representasi umum rantai alat-tujuan memiliki empat
tingkatan: (Peter&Olson 2013:78)
Rantai arti-akhir (means-end chain) adalah suatu struktur pengetahuan yang
menghubungkan pengetahuan konsumen tentang ciri produk dengan pengetahuan
konsekuensi dan nilai. Konsumen berpikir tentang ciri produk secara subjektif
dalam konteks konsekuensi pribadi (Peter dan Olson, 2000).
Tujuan dari Means-End Chains:
1.

melihat dengan lebih mendalam motive konsumen : mengapa mereka

2.

membeli produk
Menyingkapkan hubungan antara atribut produk, hasil (konsekuensi), dan
nilai pribadi yang berfungsi untuk menyusun komponen jaringan kognitif di
dalam benak konsumen.
Sementara itu manfaat dari teori Means End Chain teory adalah dapat

mengetahui motivasi para konsumen terhadap pemakain barang-barang atau


produk dan jasa., seberapa pentingkah barang dan jasa tersebut untuk mereka
(konsumen). Disamping itu manfaat teori ini juga dapat melihat tingkat motivasi

para konsumen dari suatu produk apakah setiap waktu mengalami perubahan atau
tidak.
SPSS adalah sebuah program komputer yang digunakan untuk membuat
analisis statistika. SPSS dipublikasikan oleh SPSS Inc. Semula SPSS hanya
digunakan untuk ilmu social saja, tapi perkembangan berikutnya digunakan untuk
berbagai disiplin ilmu sehingga kepanjangannya berubah menjadi Statistical
Product and Service Solution (Nisfiannoor, Muhammad, Pendekatan Statistika
Modern Untuk Ilmu Social, Salemba Humanika,2009:15.)
SPSS digunakan oleh peneliti pasar, peneliti kesehatan, perusahaan survei,
pemerintah, peneliti pendidikan, organisasi pemasaran, dan sebagainya. Selain
analisis statistika, manajemen data (seleksi kasus, penajaman file, pembuatan data
turunan) dan dokumentasi data (kamus metadata ikut dimasukkan bersama data)
juga merupakan fitur-fitur dari software dasar SPSS.
Statistik yang termasuk software dasar SPSS:
1.

Statistik Deskriptif: Tabulasi Silang, Frekuensi, Deskripsi, Penelusuran,

2.

Statistik Deskripsi Rasio


Statistik Bivariat: Rata-rata, t-test, ANOVA, Korelasi (bivariat, parsial, jarak),

3.
4.

Nonparametric tests
Prediksi Hasil Numerik: Regresi Linear
Prediksi untuk mengidentivikasi kelompok: Analisis Faktor, Analisis Cluster
(two-step, K-means, hierarkis), Diskriminan.
SPSS dapat membaca berbagai jenis data atau memasukkan data secara

langsung ke dalam SPSS Data Editor. Bagaimanapun struktur dari file data
mentahnya, maka data dalam Data Editor SPSS harus dibentuk dalam bentuk baris
(cases) dan kolom (variables). Case berisi informasi untuk satu unit analisis,

sedangkan variable adalah informasi yang dikumpulkan dari masing-masing


kasus.
Hasil-hasil analisis muncul dalam SPSS Output Navigator. Kebanyakan
prosedur Base System menghasilkan pivot tables, dimana kita bisa memperbaiki
tampilan dari keluaran yang diberikan oleh SPSS. Untuk memperbaiki output,
maka kita dapat mmperbaiki output sesuai dengan kebutuhan. Beberapa
kemudahan yang lain yang dimiliki SPSS dalam pengoperasiannya adalah karena
SPSS menyediakan beberapa fasilitas seperti berikut ini:
1.

Data Editor. Merupakan jendela untuk pengolahan data. Data editor


dirancang sedemikian rupa seperti pada aplikasi-aplikasi spreadsheet untuk

2.

mendefinisikan, memasukkan, mengedit, dan menampilkan data.


Viewer. Viewer mempermudah pemakai untuk melihat hasil pemrosesan,
menunjukkan atau menghilangkan bagian-bagian tertentu dari output, serta
memudahkan distribusi hasil pengolahan dari SPSS ke aplikasi-aplikasi yang

3.

lain.
Multidimensional Pivot Tables. Hasil pengolahan data akan ditunjukkan
dengan multidimensional pivot tables. Pemakai dapat melakukan eksplorasi
terhdap tabel dengan pengaturan baris, kolom, serta layer. Pemakai juga dapat
dengan mudah melakukan pengaturan kelompok data dengan melakukan
splitting tabel sehingga hanya satu group tertentu saja yang ditampilkan pada

4.

satu waktu.
High-Resolution Graphics. Dengan kemampuan grafikal beresolusi tinggi,
baik untuk menampilkan pie charts, bar charts, histogram, scatterplots, 3-D
graphics dan yang lainnya, akan membuat SPSS tidak hanya mudah
dioperasikan tetapi juga membuat pemakai merasa nyaman dalam
pekerjaannya.

5.

Database Access. Pemakai program ini dapat memperoleh kembali informasi


dari sebuah database dengan menggunakan Database Wizard yang

6.

disediakannya.
Data Transformations.

Transformasi

data

akan

membantu

pemakai

memperoleh data yang siap untuk dianalisis. Pemakai dapat dengan mudah
melakukan subset data, mengkombinasikan kategori, add, aggregat, merge,
7.

split, dan beberapa perintah transpose files, serta yang lainnya.


Electronic Distribution. Pengguna dapat mengirimkan laporan secara
elektronik menggunakan sebuah tombol pengiriman data (e-mail) atau
melakukan export tabel dan grafik ke mode HTML sehingga mendukung

8.

distribusi melalui internet dan intranet.


Online Help. SPSS menyediakan fasilitas online help yang akan selalu siap
membantu pemakai dalam melakukan pekerjaannya. Bantuan yang diberikan
dapat berupa petunjuk pengoperasian secara detail, kemudahan pencarian
prosedur yang diinginkan sampai pada contoh-contoh kasus dalam

9.

pengoperasian program ini.


Akses Data Tanpa Tempat Penyimpanan Sementara. Analisis file-file data
yang sangat besar disimpan tanpa membutuhkan tempat penyimpanan
sementara. Hal ini berbeda dengan SPSS sebelum versi 11.5 dimana file data

yang sangat besar dibuat temporary filenya.


10. Interface dengan Database Relasional. Fasilitas ini akan menambah efisiensi
dan memudahkan pekerjaan untuk mengekstrak data dan menganalisnya dari
database relasional.
11. Analisis Distribusi. Fasilitas ini diperoleh pada pemakaian SPSS for Server
atau untuk aplikasi multiuser. Kegunaan dari analisis ini adalah apabila
peneliti akan menganalisis file-file data yang sangat besar dapat langsung me-

remote dari server dan memprosesnya sekaligus tanpa harus memindahkan ke


komputer user.
12. Multiple Sesi. SPSS memberikan kemampuan untuk melakukan analisis lebih
dari satu file data pada waktu yang bersamaan.
13. Mapping. Visualisasi data dapat dibuat dengan berbagai macam tipe baik
secara konvensional atau interaktif, misalnya dengan menggunakan tipe bar,
pie atau jangkauan nilai, simbol gradual, dan chart.
Motifasi para petani menggunakan pupuk organik untuk tanaman
pertaniannya sangat beragam. Hal ini dapat dilihat dari data atribut atau koding
yang mencapai 10 (dapat dilihat pada tabel 1). Dari penilain responden terhadap
koding tersebut dapat dihitung nilai AR dan CI. Nilai AR disebut juga sebagai
nilai keabstrakan yang diperoleh dari derajat masukan dibagi derajat masukan +
derajat Keluaran. Sementara itu nilai CI disebut juga sebagai nilai sentralisasi
yang diperoleh dari derajat masukan+ derajat Keluaran dibagi jumlah semua sel
yang aktif.
Keterkaitan antar koding dapat digambarkan kedalam bentuk grafik, dari
grafik tersebut dapat diketahui koding mana yang paling penting dalam penilaian
motivasi petani menggunakan pupuk organik. Koding yang paling penting
merupakan koding yang sangat umum disebutkan oleh para responden. Pada
kasus ini koding dengan nilai AR 0,88 pada koding lebih menguntungkan menjadi
koding yang paling penting dalam pelaksanaan wawancara terhadap para
responden dalam hal ini petani. Sedangkan untuk koding yang paling sering atau
paling umum disebut oleh para responden adalah T2 dengan katagori harganya
murah yang memiliki nilai CI 0,28. Keterkaitan antar koding menunjukan bahwa
responden cukup konsisten dalam menjawab pertanyaan mengenai motivasi petani

menggunakan pupuk organik. Consistensi index dapat dilihat dari hasil


perhitungan CI. Pada hasil perhitungan CI nilai setiap koding hampir sama ratarata berada pada interval 0,1-0,2. Hal tersebut menunjukan tingkat konsistensi
yang cukup baik.
Rata-rata

motivasi

menggunakan

pupuk

organik

untuk

tanaman

pertaniiannya adalah harga pupuk organik yang lebih murah dengan jumlah
penyebutan sebanyak 22 kali. Motivasi yang berada diurutan ke dua yang paling
banyak dipilih oleh responden adalah kembali kealam dengan jumlah penyebutan
sebanyak 10 kali. Memang dewasa ini pertanian organik sangat digalangkan
mengingat kerusakan lahan yang sudah semakin parak akibat penggunakan bahanbahan kimia. Pertanian yang bersahabat dengan alam atau dapat dikatakan
kembali ke alam merupakan salah satu solusi yang dapat dilakukan untuk
mencegah kerusakan alam tersebut.Salah satu cara melakukan pertanian yang
kembali kealam adalah dengan menggunakan pupuk organik. Selain itu pertanian
dengan konsep kembali kealam juga lebih menguntungkan karena dipasaran harga
produk pertanian organik jauh lebih tinggi bila dibandingkan dengan harga produk
pertanian yang tidak organik.
Kendala- kendala yang dijumpai pada saat pelaksanaaan praktikum kali
adalah banyak praktikan yang tidak memperhatikan penjelasan dari asisten karena
asik ngobrol sendiri

V. KESIMPULAN DAN SARAN


A. Kesimpulan

Rantai arti-akhir (means-end chain) adalah suatu struktur pengetahuan yang


menghubungkan pengetahuan konsumen tentang ciri produk dengan pengetahuan
konsekuensi dan nilai.
Tujuan dari Means-End Chains:
1.

melihat dengan lebih mendalam motive konsumen : mengapa

mereka membeli produk


2. Menyingkapkan hubungan antara atribut produk, hasil (konsekuensi), dan
nilai pribadi yang berfungsi untuk menyusun komponen jaringan kognitif di
dalam benak konsumen.
Aplikasi untuk mengolah data MEC yaitu SPS
B. Saran
Sebaiknya praktium lebih dikondisikan kembali, karena banyaknya
praktikan yang tidak membawa labtop menjadi tidak kondusif

DAFTAR PUSTAKA
Anwar.
2014.
Analisis
Faktor.
(On-Line)
http://www.statistikian.com/2014/03/analisis-faktor.html diakses 22 Juni 2016
Konsultan
Statistik.
2014.
Analisis
Faktor.
(On-Line)
http://www.konsultanstatistik.com/2009/03/analisis-faktor.html diakses 22 Juni
2016

Lampiran