Anda di halaman 1dari 24

LAPORAN PRAKTIKUM

ANALISIS SISTEM

MEANS END CHAINS (MEC)

Disusun Oleh:
ARIEF BAYU MURTI
NIM A1C015056

KEMENTERIAN RISET, TEKNOLOGI DAN PENDIDIKAN TINGGI


UNIVERSITAS JENDERAL SOEDIRMAN
FAKULTAS PERTANIAN
PURWOKERTO
2017
I. PENDAHULUAN

A. Latar belakang

Setiap perusahaan akan berusaha mempengaruhi konsumen agar produk yang

ditawarkan di pasar dapat diterima oleh konsumen. Untuk itu, perusahaan dalam

menyusun program pemasaran akan selalu mendasarkan pada konsep pemasaran

yang berfokus pada pemuasan kebutuhan dan keinginan konsumen. Pengamatan

terhadap lingkungan termasuk konsumen dalam merancang strategi pemasaran

akan dapat menyesuaikan tantangan dan peluang yang ada dipasar. Karena dalam

kenyataannya, suatu produk yang mempunyai manfaat yang sangat besar belum

tentu dapat diterima oleh pasar.

Untuk melakukan pengamatan atas lingkungan khususnya konsumen maka

pemasar harus memahami tentang perilaku konsumen sehingga dapat mengetahui

bagaimana konsumen berperilaku dalam pemenuhan kebutuhannya. Kajian

motivasi tersebut dapat dianalisis dengan menggunakan pendekatan Means-End

Chain (MEC). Means-end adalah metode penelitian ketat yang mempekerjakan

teknik wawancara laddering. Metode means-end chain adalah hibrida dari

pendekatan penelitian kualitatif dan kuantitatif.

Pengetahuan konsumen adalah semua informasi yang dimiliki oleh

konsumen mengenal berbagai macam produk dan jasa tersebut dan informasi yang

berhubungan dengan fungsinya sebagai konsumen. Pengetahuan konsumen akan

mempengaruhi keputusan pembelian. Pengetahuan produk adalah kumpulan

berbagai macam informasi mengenai produk. Pengetahuan ini meliputi kategori


produk,merk, terminology produk, atribut atau produk, harga produk dan

kepercanyaan mengenai produk. (sumarwan, 2002)

Konsumen memiliki tingkatan pengetahuan produk (levels of product

knowledge) yang berbeda, yang dapat dipergunakan untuk menerjemahkan

informasi baru dan membuat pilihan pembelian. Tingkatan pengetahuan dibentuk

ketika seseorang mengkombinasikan beberapa konsep arti ke dalam kategori

pengetahuan yang lebih besar dan lebih abstrak. Konsumen dapat memiliki tiga

jenis pengetahuan produk yaitu : (1) Pengetahuan tentang ciri atau karakter

produk/atribut produk (2) Pengetahuan tentang konsekuensi/manfaat produk (3)

Pengetahuan tentang nilai yang akan dipuaskan atau dicapai oleh produk.

Konsumen dapat mengkombinasikan ketiga jenis pengetahuan produk untuk

membentuk suatu jaringan asosiatif sederhana yang disebut rantai arti-akhir.

B. Tujuan

1. Memahami konsep MEC.

2. Mampu memodelkan permasalahan pengambilan keputusan dan

menyelesaikan dengan metode MEC.

3. Dapat menggunakan Microsoft Excel sebagai aplikasi untuk memasukkan

data MEC.
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.

Konsekue
Atribut Nilai
nsi

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. Alat tulis

2. Komputer/laptop

3. Data analisis MEC yang sudah lengkap

B. Prosedur kerja

1. Hasil analisis data dipersiapkan yang sudah dimiliki secara lengkap.

2. Data laddering dimasukkan, 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 in-degree dan out-degree. Sedangkan

centrality index adalah pembagian antara jumlah dari in-degree dan out-

degree dengan jumlah semua sel yang aktif dalam matriks


c. Membuat Hierarchical Value Map (HVM): 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-C-D, adanya tingkatan cut off yaitu untuk pemutusan hubungan yang

digunakan agar dapat memeriksa dan mengevaluasi HVM yang dibentuk.

e. Intrepretasi HVM: penunjukan nilai atau kisaran atribut produk.


IV. HASIL DAN PEMBAHASAN

A. Hasil

1. Koding

Gambar 1. Koding

2. Implikasi Matriks

Gambar 2. Implikasi matriks

Gambar 3. Cut off 1


Gambar 4. Cut off 2

Gambar 5. Cut off 3

Gambar 6. Cut off 4

Perhitungan:

a Abstracness Rasio
degree
AR = (degree+Out degree)

10
AR1 = (10+13) = 0,43

2
AR2 = (2+0) =1

11
AR3 = (11+13) = 0,46
4
AR4 = (4 +2) = 0,67

2
AR5 = (2+4 ) = 0,33

1
AR6 = (1+1) = 0,50

6
AR7 = (6+2) = 0,75

5
AR8 = (5+5) = 0,50

2
AR9 = (2+2) = 0,50

1
AR10 = (1+1) = 0,50

0
AR11 = (0+1) = 0,00

1
AR12 = (1+1) = 0,50

b Centrality Indeks
degree+ Outdegree
CI = Total

(10+13)
CI1 = 45 = 0,51

(2+0)
CI2 = 45 = 0,04

(11+13)
CI3 = 45 = 0,53

(4 +2)
CI4 = 45 = 0,13

(2+4 )
CI5 = 45 = 0,13

(1+1)
CI6 = 45 = 0,04
(6+2)
CI7 = 45 = 0,18

(5+5)
CI8 = 45 = 0,22

(2+2)
CI9 = 45 = 0,09

(1+1)
CI10 = 45 = 0,04

(0+1)
CI11 = 45 = 0,02

(1+1)
CI12 = 45 = 0,04

c Precentage of Active
(number of active)
POA = Total *100

27
POA1 = 27 *100 = 100

9
POA2 = 27 *100 = 33,33

4
POA3 = 27 *100 = 14,81

2
POA4 = 27 *100 = 7,41

d Precentage of Active Link


(number of active link)
POA = Total *100

45
POAL1 = 45 *100 = 100

27
POA4 = 45 *100 = 60,00

17
POA4 = 45 *100 = 37,78
11
POA4 = 45 *100 = 24,44

3. HVM

6 Suka
Efisien Efisien
2
3
3 Sukses
2 2
Hemat
2
Manfaat 5
Bahagia
Hemat
Bersih

Bersih

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

membeli produk
2 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.

Atribut di bedakan menjadi dua yaitu nyata dan atribut abstrak. Atribut yang

nyata adalah yang dapat diukur seperti panjang, berat. Sedangklan atribut abstrak

adalah atribut yang tidak dapat diukur, misalnya rasanya enak, sesuai dengan

selera. Means-end chains theory memberi kerangka berpikir untuk memahami

hubungan antara khalayak dengan pesan iklan. Teori ini fokus pada hubungan

antara atribut produk (the means), konsekuensi yang disandang oleh atribut ini

bagi khalayak, dan nilai-nilai personal (personal values the ends) yang

dimunculkan karena konsekuensi yang ada. Atribut merupakan aspek dari brand
yang akan diiklankan. Konsekuensi adalah apa yang ingin didapatkan oleh

khalayak (keuntungan) atau apa yang dihindari oleh khalayak saat mengkonsumsi

produk. Values adalah hal-hal yang diyakini oleh khalayak sebagai sesuatu yang

penting dalam hidup. Values terbentuk saat kita masih kanak-kanak dan terus

berubah dalam perjalanan hidup selanjutnya (Kahle et.al, 1988).

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,

Statistik Deskripsi Rasio


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

Nonparametric tests
3 Prediksi Hasil Numerik: Regresi Linear
4 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

mendefinisikan, memasukkan, mengedit, dan menampilkan data.


2 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

lain.
3 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

satu waktu.
4 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

disediakannya.
6 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,

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


7 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

distribusi melalui internet dan intranet.


8 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

pengoperasian program ini.


9 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 rata-

rata 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 bahan-

bahan 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

Praktikum acara kali ini berjalan dengan lancar walaupun terdapat sedikit

kendala. Saran untuk asisten mungkin praktikan lebih di kondusifkan lagi agar

pelaksanaan praktikum lebih baik lagi. Diharapkan dalam praktikum selanjutnya

menggunakan software yang lain tidak hanya menggunakan Microsoft Excel.

DAFTAR PUSTAKA
Antonides, et al. 1998. Consumer Behavior A European Perspective. John Wiley.
West Sussex.England.

Canova, L. et al. 2003. The Hierarchical Structure of Saving Motives. Journal of


Economic Psychology 26 (2005) 21-34. Elsevier. Kahle, L. R., et.al. 1998.
Changes in Social Values in the United States during the Past Decade.
Journal of Advertising Research 28 h. 35-41.

Mahyani, G. L. 2015. Kajian Motivasi Petani Tidak Melanjutkan System Of Rice


Intensification (Sri) Dengan Menggunakan Analisis Means-End Chain
(MEC) Di Kabupaten Tasikmalaya. http://bapendik.unsoed.ac.id. Diakses 19
Juni 2015.

Maslow, A. H., 1993. Motivasi dan Kepribadian. Jakarta: PT. Pustaka Binawan
Presindo.

Munson, J. et.al. 1987. Shortening the Rokeach Value Survey for Use in Consumer
Research. Advances in Consumer Research vol. 15, 1987: h. 381-386.

Olson J., Reynolds T. 1983. Understanding Consumers cognitive structures:


Implications for advertising strateg, in Percy L., Woodside A. (eds.),
Advertising and Consumer psychology. Lexinton Books: Lexinton, MA.

Peter, J. P., Olson. J. C. 1999. Perilaku konsumen dan strategi pemasaran. Edisi
keempat (terjemahan). Erlangga: Jakarta.

Reynolds T.J., Gutman J. 1988. Laddering Theory, Method, Analysis and


Interpretation. Journal of Advertising Research, 28, 1.

Swastha, B., Handoko, H. 1987. Manajemen Pemasaran: Analisa Perilaku


Konsumen. Cetakan Kedua, Edisi Pertama. Liberty: Yogyakarta.
LAMPIRAN