PANDUAN

Praktikum
RISET PEMASARAN
Bagi Mahasiswa S1 Agribisnis

Disusun oleh:
Wahyu Dyah Prastiwi, S.Pt., MM, M.Sc.
Dr. Ir. Wiludjeng Roessali, M.Si

FAKULTAS PETERNAKAN & PERTANIAN

UNIVERSITAS DIPONEGORO
2019

1
 KATA PENGANTAR

Puji syukur penulis ucapkan kehadirat Allah SWT yang telah melimpahkan
Rahmat-Nya sehingga penulis dapat menyusun Panduan Praktikum Riset
Pemasaran. Panduan ini disusun sebagai arahan jalannya praktikum mata kuliah
Riset Pemasaran.
Penulis menyadari bahwa panduan ini masih memiliki banyak kekurangan,
oleh karena itu kritik dan saran dari berbagai pihak sangat diharapkan demi
kesempurnaan panduan praktikum ini di masa yang akan datang. Demikian kata
pengantar yang dapat penulis sampaikan, penulis menyampaikan terimakasih atas
perhatian dan koreksi dari berbagai pihak.

Semarang, April 2019

Penulis

2
 DAFTAR ISI

Kata Pengantar 2
Daftar Isi 3

BAB I PETUNJUK PELAKSANAAN PRAKTIKUM 4

1. Tata Tertib 4
2. Sistematika Laporan Praktikum 5
3. Langkah-Langkah Praktikum 6

Bab II Definisi Riset Pemasaran 7

1. Klasifikasi Riset 7
2. Proses Riset 7

Bab III. MATERI RISET PEMASARAN 14

1. Perilaku Konsumen 14
2. Sikap Konsumen 21
3. Kepuasan Konsumen 21
4. Kesediaan Membayar

Daftar Pustaka 56
Lampiran 1. Data Responden 57
Lampiran 2. Format Cover 59

3
 BAB I. PETUNJUK PELAKSANAAN PRAKTIKUM

1. TATA TERTIB

1. Semua mahasiswa S1 Agribisnis yang mengambil mata kuliah Riset Pemasaran

wajib mengikuti praktikum.
2. Acara praktikum diselenggarakan secara berkelompok (1 kelompok terdiri atas
2 atau 3 orang mahasiswa).
3. Praktikum merupakan praktek melakukan kegiatan riset pemasaran usaha
agribisnis (peternakan dan pertanian) dan menganalisisnya.
4. Kegiatan praktikum dilaporkan tertulis dan harus dipertanggungjawabkan
5. Laporan praktikum harus sudah disetujui (Acc) oleh dosen pengampu
praktikum maksimal 2 hari (H-2) sebelum kegiatan presentasi pertanggung
jawaban laporan.
6. Praktikum diakhiri dengan kegiatan presentasi pertanggung jawaban laporan
kegiatan praktikum.
7. Nilai akhir praktikum (NA) = (15% x NL) + (15% x NP)
NA = nilai akhir praktikum
NL = nilai laporan
NP = nilai presentasi
8. Praktikan dinyatakan lulus praktikum jika NA ≥ 15
9. Jika praktikan tidak lulus praktikum, maka dinyatakan juga tidak lulus mata
kuliah yang terkait.

4
 2. SISTEMATIKA LAPORAN PRAKTIKUM

1. Laporan praktikum diketik dengan spasi 2 menggunakan huruf Times New

Roman ukuran 12. Jumlah halaman minimal 15 (di luar lembar judul, kata
pengantar, daftar isi, daftar tabel, daftar gambar, dan daftar lampiran). Ditulis
dengan menggunakan kaidah penulisan ilmiah yang berlaku di Fakultas
Peternakan dan Pertanian UNDIP.
2. Laporan akhir yang sudah dipertanggung jawabkan, direvisi, dan disetujui oleh
dosen pengampu praktikum dijilid dengan menggunakan jenis jilid: langsung
tanpa laminating dengan warna cover merah muda.
3. Sistematika laporan praktikum adalah sebagai berikut:
a. Lembar Judul (Format lembar judul terlampir)
b. Kata pengantar
c. Daftar isi
d. Pendahuluan (berisi: latar belakang, masalah, tujuan yang akan dicapai,
manfaat setelah tercapai tujuan)
e. Tinjauan pustaka (berisi: teori yang relevan dengan judul yang dibahas).
f. Metodologi (berisi: materi dan metode)
g. Hasil dan pembahasan
h. Kesimpulan dan saran
i. Daftar pustaka
j. Lampiran

5
 3. LANGKAH-LANGKAH PRAKTIKUM

1. Mahasiswa peserta praktikum ditentukan 1 judul topik

2. Mahasiswa yang sudah mendapatkan topik, mencari lokasi pengambilan
data (terhadap produsen, tempat usaha, atau konsumen).
3. Mahasiswa membuat kuesioner terkait dengan topik yang sudah dipilih.
4. Mahasiswa melakukan uji coba kuesioner.
5. Mahasiswa melakukan pengamatan, pengambilan data ke lapangan dengan
melakukan wawancara, menggunakan kuesioner yang ditujukan kepada
responden terpilih.
6. Mahasiswa melakukan analisis data dan pembuatan laporan.
7. Mahasiswa mengumpulkan laporan sementara kepada asisten praktikum.
8. Mahasiswa melakukan presentasi pertanggung jawaban laporan praktikum.
9. Mahasiswa merevisi laporan sementara yang sudah dipresentasikan/
dipertanggung jawabkan dan mengumpulkan laporan akhir sesuai dengan
sistematika penulisan yang ditetapkan.

6
 BAB II. DEFINISI RISET PEMASARAN

DEFINISI RISET PEMASARAN

Riset Pemasaran didefinisikan sebagai kegiatan identifikasi, pengumpulan, analisis

dan penyebarluasan informasi secara sistematis dan obyektif, bertujuan untuk
membantu proses pengambilan keputusan yang berkaitan dengan identifikasi dan
pemecahan masalah dan peluang dalam manajemen pemasaran (Malhotra, 1996).

1. KLASIFIKASI RISET PEMASARAN

a. Riset Identifikasi Masalah

Membantu mengidentifikasi masalah yang mungkin tidak atau belum muncul ke
permukaan, namun telah atau akan terjadi di masa depan.
Terdiri dari: riset potensi pasar, riset pangsa pasar, riset citra merk atau
perusahaan, riset karakteristik pasar, riset analisis penjualan, riset peramalan
bisnis, dan riset trend bisnis.
b. Riset Pemecahan Masalah
Digunakan dalam pembuatan keputusan untuk memecahkan masalah
pemasaran spesifik.
Meliputi: riset segmentasi, riset produk, riset penetapan harga, riset promosi,
riset distribusi.

2. PROSES RISET PEMASARAN

Proses riset pemasaran terdiri atas:

- Menentukan topik riset
- Perumusan masalah
- Perumusan hipotesis
- Penentuan desain riset (metode, variabel, data)
- Perancangan metode pengumpulan data
- Analisis dan interpretasi data
- Penarikan kesimpulan dan saran
- Penyusunan laporan riset

1. Menentukan topik riset

Penentuan topik riset akan mempertajam fokus suatu riset pemasaran.
Penentuan topik riset tediri atas latar belakang riset, alasan pemilihan topik
serta argumentasi-argumentasi yang memberikan kontribusi pada penguatan
topik riset terpilih.
Topik riset dapat dilakukan dari perspektif produsen maupun konsumen.

Contoh topik riset:

a. Mengukur loyalitas konsumen terhadap merek.
b. Membandingkan keputusan pembelian produk 2 atau lebih merek (local vs
impor)
7
 c. Perilaku pembelian barang di masa inflasi.
d. Persepsi konsumen terhadap strategi pemasaran (4P)
e. Persepsi konsumen terhadap distribusi produk (rumah makan, toko,
perusahaan)
f. Mengukur pengaruh promosi (media, bentuk, cara)

2. Perumusan masalah
Riset hanya dapat dirancang secara sistematis untuk memberikan informasi
berharga jika masalah yang dihadapi telah dirumuskan secara jelas dan akurat.

Contoh perumusan masalah:

Topik : Mengukur loyalitas konsumen terhadap merek.
Rumusan masalah : Bagaimanakah loyalitas konsumen terhadap merek?

3. Perumusan hipotesis
Hipotesis merupakan jawaban yang bersifat sementara berdasarkan pokok
rumusan masalah yang disusun, sehingga kebenarannya masih perlu diuji
dengan menggunakan analisis statistika.

Contoh perumusan masalah:

Topik : Mengukur loyalitas konsumen terhadap merek X.
Rumusan masalah : Bagaimanakah loyalitas konsumen terhadap merek
X?
Hipotesis : Terdapat hubungan positif antara loyalitas konsumen
terhadap merek.

4. Penentuan desain riset

Desain riset merupakan kerangka atau cetak biru untuk melaksanakan proyek
riset pemasaran, yang menjabarkan prosedur untuk mendapatkan informasi
yang dibutuhkan dalam memecahkan masalah riset pemasaran.
Komponen-komponen desain riset:
1. Menentukan desain riset pemasaran (eksploratoris, deskriptif atau kausal).
2. Menentukan informasi yang dibutuhkan.
3. Menetapkan prosedur pengukuran dan skala.
4. Menyusun dan melakukan pre-test terhadap kuesioner atau bentuk
pengumpulan data lainnya.
5. Menetapkan proses sampling dan jumlah sampel.
6. Menyusun rencana analisis data.

Desain riset terdiri atas:

1. Desain riset Kualitatif
Misal: analisis SWOT, analisis Peta

8
 2. Desain riset Kuantitatif
Pada umumnya menggunakan alat uji statistika, misal: uji hipotesis, uji Chi-
Kuadrat, Anova, uji koefisien regresi – korelasi, dan uji statistika non
parametrik.

Menentukan variabel riset

Variabel riset disesuaikan dengan topik yang diteliti.
Misal: mengukur loyalitas konsumen terhadap merek, maka variabelnya
adalah loyalitas konsumen dan merek.
5. Perancangan metode pengumpulan data
a. Apakah data harus dikumpulkan melalui observasi atau kuesioner?
b. Haruskah bentuknya terstruktur berupa alternatif jawaban yang telah
ditentukan atau pertanyaan terbuka?
c. Haruskah tujuan penelitian disampaikan secara jelas kepada responden atau
malah disamarkan?
d. Banyak sedikitnya data tergantung pada variabel riset yang diteliti.
Kriteria data yang baik:
1. Obyektif (sesuai dengan keadaan yang sesungguhnya)
2. Representatif
3. Standard error harus kecil
4. Up to date
5. Relevan

Klasifikasi data menurut:

1. Jenisnya:
a. Data kualitatif: data yang berbentuk non angka, berupa kategori atau
atribut, misal: gagal – berhasil; suka – tidak suka
b. Data kuantitatif: berupa angka atau bilangan, dibedakan atas data diskrit
dan kontinyu
2. Sifatnya:
a. Data diskrit: data yang berasal dari hasil menghitung atau membilang,
misal: jumlah anggota keluarga
b. Data kontinyu: data yang berasal dari hasil pengukuran, misal: data
jumlah beras yang dikonsumsi dalam waktu sebulan.
3. Sumbernya:
a. Data internal: data yang bersumber dari pencatatan internal (hasil
pencatatan sendiri, misal: keadaan pegawai
b. Data eksternal: data yang diperoleh dari luar perusahaan dan digunakan
sebagai perbandingan
4. Cara memperolehnya:
a. Data Primer: dikumpulkan dan diolah sendiri langsung dari obyeknya.
Terdiri dari: observasi, eksperimen, & kuesioner.

9
 b. Data Sekunder: diperoleh dalam bentuk sudah jadi (sudah dikumpulkan
dan sudah diolah oleh pihak lain), biasanya dalam bentuk publikasi.
5. Menurut waktu pengumpulannya: data cross section & time series

Metode Pengumpulan data primer – Kuesioner

Metode kuesioner meliputi:
a. Wawancara pribadi
b. Survey pos
c. Telepon
d. Panel
e. Teknik wawancara kelompok

Jenis pertanyaan dalam kuisioner:

Pertanyaan tertutup adalah jenis pertanyaan yang menyediakan beberapa
alternatif jawaban yang dapat dipilih oleh responden.

Pertanyaan terbuka yaitu pertanyaan yang dibuat sedemikian rupa sehingga

jawaban dan cara mengungkapkan responden dapat bermacam-macam.
Pertanyaan terbuka memberikan kebebasan kepada responden untuk
menjawab.

Tabel 1. Contoh Pertanyaan Tertutup

Jenis Keterangan Contoh

Dikotomi Pertanyaan dengan dua Apakah selama jangka waktu 1 bulan
kemungkinan jawaban. yang lalu, Saudara pernah
mengkonsumsi susu cair?
Ya ( ) Tidak ( )
Pilihan Pertanyaan dengan tiga atau Apakah merek produk susu cair yang
berganda lebih kemungkinan jawaban. biasa Saudara konsumsi?
Bendera ( )
Ultra Jaya ( )
Indomilk ( )
Real Good ( )
Lainnya, sebutkan ( )

Skala Likert Pernyataan yang me- Harga susu cair biasanya lebih mahal
nunjukkan tingkat ke-setujuan daripada harga susu bubuk.
atau ketidak setujuan STS TS N S SS
responden 1( ) 2( ) 3( ) 4( ) 5( )

10
Lanjutan
Jenis Keterangan Contoh
Skala Skala yang meng-hubungkan Konsumsi susu cair.
perbedaan dua kata yang saling
Semantik berlawanan, dimana Sehat . . . . . Tidak sehat
responden memilih sebuah Alami . . . . . Tidak alami
titik yang menunjukkan pen- Baik . . . . . Tidak baik
dapatnya.
Skala Suatu skala yang me- Bagi saya, terdapatnya variasi rasa
kepentingan nunjukkan tingkat kepentingan pada produk susu cair adalah
sejumlah SP P AP TP STP
atribut. 1 2 3 4 5
Skala ranking Skala yang menunjukkan Kualitas pelayanan pelanggan pada
ranking suatu atribut dari Susu Cimory adalah
“sangat jelek” hingga “sangat _ Baik sekali
baik” _ Cukup
_ Jelek
Skala Skala yang menunjukkan Jika harga susu cair turun maka saya
keinginan keinginan responden untuk akan:
membeli membeli. _ Pasti membeli
_ Mungkin membeli
_ Ragu-ragu
_ Mungkin tidak membeli
_ Pasti tidak membeli

Tabel 2. Contoh Pertanyaan Terbuka

Jenis Keterangan Contoh

Tidak terstruktur Suatu pertanyaan yang dapat Bagaimana pendapat Saudara
dijawab responden dengan cara mengenai so good?
yang hampir tidak terbatas.

Asosiasi kata Kata-kata disajikan satu per satu Kata apa yang pertama kali
dan responden menyebutkan muncul dalam pikiran Saudara
kata pertama yang muncul dalam ketika mendengar kata-kata
pikirannya. berikut?
Saya minum 2
Mengandung DHA
Apapun makanannya
Penyelesaian Sebuah kalimat yang belum Jika saya memilih sebuah label
kalimat lengkap disajikan dan responden organik, pertimbangan yang
diminta menyelesaikan kalimat paling penting dalam
tersebut. keputusan saya adalah
………….

11
Lanjutan
Jenis Keterangan Contoh
Penyelesaian cerita Sebuah cerita yang belum Silakan selesaikan cerita di
lengkap disajikan dan responden bawah ini!
diminta untuk menyelesaikan. Saya pergi ke minimarket.
Saya melihat bahwa penataan
interior toko rapi dan nyaman.
Hal ini menimbulkan pikiran
dan perasaan berikut dalam
diri saya: ……………..
Tes persepsi tematis Sebuah gambar disajikan dan
responden diminta untuk Gambar X
mengarang sebuah cerita
mengenai apa yang mereka
pikirkan, sedang atau mungkin Gambar Y
terjadi dalam gambar tersebut.

6. Perancangan sampel dan pengumpulan data

Peneliti harus mendefinisikan dengan jelas:
a. kerangka sampling
b. proses pemilihan sampel (berdasarkan pada metode sampling, baik
probability sampling maupun nonprobability sampling), dan
c. jumlah sampel.
Pembagian sampel:
1. Sampel Probabilistik
a. Sampel acak sederhana: Setiap anggota populasi mempunyai peluang
yang sama untuk dipilih.
b. Sampel acak bertingkat (stratified): Populasi dibagi menjadi beberapa
kelompok yang terpisah satu sama lain dan sampel acak diambil dari
masing-masing kelompok
c. Sampel Cluster: Populasi dibagi menjadi beberapa kelompok yang
terpisah satu sama lain dan peneliti mengambil sampel dari kelompok-
kelompok tertentu untuk diwawancarai.
2. Sampel Non Probabilistik
a. Sampel kemudahan (convenience sampling): Peneliti memilih anggota
populasi yang paling mudah mendapatkan informasinya.
b. Sampel pertimbangan (purposive sampling): Peneliti menggunakan
pertimbangan untuk memilih anggota populasi yang diperkirakan akan
memberikan informasi akurat.
Peneliti mendapatkan dan mewawancarai sejumlah orang yang sudah
ditetapkan dalam beberapa kategori populasi.

12
7. Analisis dan interpretasi data
Analisis data terdiri dari: editing, koding, tabulasi, analisis (misalnya uji statistik
dan non statistik) dan interpretasi data.
Macam analisis data:
a. Analisis dengan bantuan Ilmu Statistik
Mayoritas data riset pemasaran merupakan tipikal data statistik, sehingga
dianalisis dengan metode statistik.
b. Aplikasi Metode Statistik:
a. Statistik Deskriptif: menggambarkan berbagai karakteristik data
b. Statistik Induktif (Inferensi): inferensi terhadap sekumpulan data dari
satu sampel, misalnya: prediksi, estimasi, pengambilan keputusan, dsb.
c. Jenis Data Statistik:
a. Data Kualitatif: data kategori, tidak dapat dilakukan operasi matematika,
meliputi: data nominal & data ordinal.
b. Data Kuantitatif: dapat dilakukan operasi matematika, meliputi: data
interval & data rasio.
d. Analisis dengan bantuan Non Ilmu Statistik
Contoh: analisis sikap konsumen dengan Metode Fishbein, atau
Multiattribute Attitude Model, analisis Semantic Differential, Importance
Performance Analysis, optimasi biaya pemasaran, dll.

8. Penarikan kesimpulan dan saran

Kesimpulan dibuat berdasarkan hasil analisis data. Apapun hasil analisis data
dapat menjadi sumber pemecahan masalah dalam suatu riset. Selain itu, dalam
suatu riset diperlukan masukan yang berupa saran, yang berisi langkah apa yang
sebaiknya dilakukan di masa yang akan datang berdasarkan analisis data.
9. Penyusunan laporan riset
Laporan riset merupakan rangkuman hasil, kesimpulan dan rekomendasi
penelitian yang diserahkan kepada pihak manajemen untuk mendukung
pengambilan keputusan.

13
 BAB III. MATERI RISET PEMASARAN

1. Perilaku Konsumen
ANALISIS FISHBEIN
Model Sikap Fishbein pada prinsipnya akan menghitung Ao (Attitude toward the
object), yaitu sikap konsumen terhadap sebuah objek, yang dikenali lewat atribut-
atribut yang melekat pada obyek tersebut. Konsumen dapat mengenali sebuah
obyek melalui cara: melihat, meraba, mencoba, menggunakan, merasakan obyek
tersebut untuk sekian waktu lamanya. Kemudian konsumen akan mempunyai sikap
tertentu terhadap obyek dikonsumsinya.

Pada umumnya, konsumen memiliki harapan terhadap obyek tersebut sebelum

mengkonsumsinya. Sehingga setelah melihat, mencoba, merasakan, dan
menggunakannya, konsumen dapat menilai apakah obyek yang bersangkutan telah
sesuai dengan harapannya.

Terdapat dua komponen penting pada pengukuran sikap Fishbein, yaitu:

pengukuran kepercayaan (belief) dan evaluasi (evaluation) pada diri konsumen
terhadap sebuah obyek yang dikonsumsi.
Contoh:
Suatu kuesioner diberikan kepada 18 konsumen dengan tujuan mengukur sikap
konsumen terhadap Susu merk A dengan 4 atribut yang ditanyakan adalah:
• Kualitas (gizi)
• Model kemasan (desain, bahan, bentuk, warna, gambar)
• Rasa (plain, coklat, buah)
• Harga (harga yang sesuai dengan kualitas, harga dibandingkan merk lain, dsb)

Dengan menggunakan MODEL SIKAP FISHBEIN, diukur penilaian sikap konsumen

terhadap Susu merk A.

A. Langkah Analisis
a. Menentukan Salient Belief
Terdapat banyak atribut pada sebuah produk, sehingga akan bermakna jika
didapatkan informasi dari konsumen (responden) tentang atribut yang relevan atau
penting dari produk tersebut. Hal ini disebut sebagai Salient Belief. Dalam kasus ini,
atribut yang ditanyakan adalah Kualitas, Model Kemasan, Rasa dan Harga.

b. Membuat Pertanyaan untuk Mengukur Belief

Setelah penentuan atribut, selanjutnya mencari informasi tentang bagaimana
keyakian (belief) konsumen terhadap atribut tersebut. Pertanyaan yang diajukan
untuk mengukur keyakinan seseorang terhadap atribut obyek.

14
Contoh:
Susu merk A mempunyai desain kemasan yang menarik.
1 = Sangat Tidak Setuju
2 = Tidak Setuju
3 = Netral
4 = Setuju
5 = Sangat Setuju

c. Membuat Pertanyaan untuk Mengukur Evaluation

Sama dengan pengukuran belief, konsumen akan ditanya bagaimana mengevaluasi
atribut yang telah diukur beliefnya, apakah penting atau tidak.

Contoh:
Kemasan produk susu mempunyai desain menarik.
1 = Sangat Tidak Penting
2 = Tidak Penting
3 = Netral
4 = Penting
5 = Sangat Penting

d. Mengukur Sikap terhadap Produk

Pengukuran Sikap dilakukan dengan mengukur keseluruhan atribut (multiatribut),
dengan rumus:

Ao = Σ(bi x ei)
dimana:
Ao = sikap terhadap produk susu
Bi = keyakinan konsumen terhadap atribut I dari produk susu, sebelum ia
membeli atau menggunakannya
Ei = evaluasi konsumen terhadap atribut I dari produk susu secara umum tanpa
dikaitkan dengan merk tertentu
tanda Σ = penjumlahan dari sejumlah atribut I yang dalam hal ini ada 4 atribut

e. Data

Berikut merupakan data kasus sikap konsumen terhadap Susu merk SUSUKU.

15
 A B C D E F G H I J
Belief Evaluation SIKAP
Respon- Kuali- War- Kuali-
No
den tas Model na Harga tas Model Warna Harga
1 Yuli 3 1 1 1 4 3 2 4
2 Widodo 4 1 2 2 3 4 2 2
3 Eka 3 2 3 3 3 3 1 3
4 Ika 2 2 2 2 4 3 3 2
5 Veronika 4 1 3 3 3 3 2 3
6 Vero 3 3 1 1 5 4 1 2
7 Fenny 3 3 1 1 5 4 1 2
8 Vanda 3 1 1 1 3 4 2 1
9 Rejeki 2 1 3 3 2 3 2 3
10 Sri 2 2 3 3 1 3 2 3
11 Susanto 2 2 3 3 2 3 3 3
12 Lestari 2 3 3 3 2 3 2 3
13 Murti 2 1 2 2 3 3 3 2
14 Agustina 2 1 3 3 3 5 3 3
15 Agustin 4 2 3 3 4 3 2 5
16 Agustinus 2 1 3 3 3 3 2 3
17 Timoti 2 2 3 3 3 3 3 5
18 Elsye 3 1 3 3 3 3 3 5
Rata-rata

Keterangan data:
1. Belief, yaitu kepercayaan konsumen akan suatu atribut, atau bagaimana
konsumen menilai kinerja atribut tertentu dari Susu merk A.
Skala Pengukuran:
1 = Sangat Tidak Setuju 3 = Netral 5 = Sangat Setuju
2 = Tidak Setuju 4 = Setuju
2. Evaluation, yaitu: seberapa penting atribut tertentu dari produk susu di mata
konsumen.
Skala Pengukuran:
1 = Sangat Tidak Penting 3 = Netral 5 = Sangat Penting
2 = Tidak Penting 4 = Penting
3. Contoh data:
Responden (konsumen) pertama, yaitu Yuli memberi angka 3 pada Belief –
Kualitas (sel B3). Hal ini berarti Yuli menganggap Kualitas Susu merk A cukup
baik, seperti kandungan protein, vitamin dan lainnya. Sedangkan untuk
Evaluation – Kualitas, ia memberi angka 4 (sel F3), yang berarti kualitas Susu
merk A adalah penting bagi Yuli dalam mempertimbangkan untuk membeli
susu. Oleh karena angka evaluation lebih tinggi dari angka belief, maka
sebenarnya Yuli menilai kualitas Susu merk SUSUKU tersebut masih
di bawah harapannya.

16
B. Pengisian
Hitung Sikap setiap Responden, rata-rata setiap atribut, dan rata-rata sikap
responden secara keseluruhan.

1) SIKAP RESPONDEN
Isilah kolom J dengan perkalian dari setiap belief (bi) dan evaluation (ei) untuk
setiap atribut tertentu: Ao = Σ(bi x ei)

2) RATA-RATA SIKAP RESPONDEN PER ATRIBUT

Hitung rata-rata sikap responden per atribut (baris 19: rata-rata).
Jika semua proses benar, akan tampak hasil sebagai berikut:

A B C D E F G H I J
Belief Evaluation
Respon- Kuali- Kuali- SIKAP
No den tas Model Rasa Harga tas Model Rasa Harga
1 Yuli 3 1 1 1 4 3 2 4 21
2 Widodo 4 1 2 2 3 4 2 2 24
3 Eka 3 2 3 3 3 3 1 3 27
4 Ika 2 2 2 2 4 3 3 2 24
5 Veronika 4 1 3 3 3 3 2 3 30
6 Vero 3 3 1 1 5 4 1 2 30
7 Fenny 3 3 1 1 5 4 1 2 30
8 Vanda 3 1 1 1 3 4 2 1 16
9 Rejeki 2 1 3 3 2 3 2 3 22
10 Sri 2 2 3 3 1 3 2 3 23
11 Susanto 2 2 3 3 2 3 3 3 28
12 Lestari 2 3 3 3 2 3 2 3 28
13 Murti 2 1 2 2 3 3 3 2 19
14 Agustina 2 1 3 3 3 5 3 3 29
15 Agustin 4 2 3 3 4 3 2 5 43
16 Agustinus 2 1 3 3 3 3 2 3 24
17 Timoti 2 2 3 3 3 3 3 5 36
18 Elsye 3 1 3 3 3 3 3 5 36
Rata-rata 2.67 1.67 2.39 2.39 3.11 3.33 2.17 3 27.22

17
D. Analisis
Analisis Belief
Jika hasil dari rata-rata Belief diurutkan dari angka terbesar ke angka terkecil (sesuai
kriteria skala), didapat hasil:
Tabel 2. Keyakinan (Belief) atas SUSU merek SUSUKU
ATRIBUT SKALA
Kualitas 2.67
Rasa 2.39
Harga 2.39
Model kemasan 1.67

Dari tabel 2 terlihat bahwa atribut kualitas adalah yang paling bagus kinerjanya di
persepsi konsumen. Atau bisa dikatakan dalam membentuk sikap terhadap Susu
merk SUSUKU, konsumen mempunyai keyakinan (belief) bahwa kualitas
Susu merk SUSUKU adalah paling baik dibanding rasa, harga, dan model
kemasan. Model kemasan susu adalah atribut yang paling tidak disukai
konsumen.
Dengan demikian, manajer Pemasaran Susu merk SUSUKU dapat mengusulkan
ke bagian produksi untuk meningkatkan kualitas susu secara menyeluruh
terutama terkait rasa susu dan harga atau melakukan survey untuk mengetahui
kualitas susu seperti apa yang dikehendaki konsumen. Selain itu perusahaan bisa
tetap mempertahankan kualitas susu yang sudah diyakini konsumen mempunyai
kandungan gizi yang baik. Harga susu masih diyakini konsumen kurang
memuaskan, kemungkinan harga susu merek SUSUKU relatif lebih mahal
daripada merk lain, maka perusahaan bisa melakukan kegiatan promosi
penjualan atau pemberian diskon khusus pada masa tertentu.
Analisis Evaluation
Jika hasil dari rata-rata Evaluation diurutkan dari angka terbesar ke angka terkecil
(sesuai kriteria skala), didapat hasil:
Tabel 3. Evaluasi (Evaluation) atas SUSU merek SUSUKU
ATRIBUT SKALA
Model kemasan 3.33
Kualitas 3.11
Harga 3.00
Rasa 2.17

Tabel 3 menunjukkan bahwa atribut model kemasan yang menempati kriteria

utama konsumen dalam membentuk sikap terhadap produk susu, justru dinilai
paling kecil oleh konsumen. Hal ini menunjukkan bahwa model kemasan susu
merek SUSUKU tidak disukai konsumen, namun demikian kualitas susu
ternyata disukai oleh konsumen dan atribut kualitas menempati urutan kedua
pada persepsi konsumen. Dengan demikian, konsumen merasa bahwa
penilaian (evaluasi) terhadap model kemasan susu adalah hal yang paling
utama dalam membentuk sikap, disusul dengan evaluasi terhadap kualitas,
harga dan rasa.

18
Dikaitkan dengan hasil analisis Belief sebelumnya, terlihat bahwa model kemasan
yang menjadi kriteria utama konsumen dalam membentuk sikap terhadap produk
susu, justru dinilai paling kecil oleh konsumen. Hal ini menandakan kualitas SUSU
merek SUSUKU disukai konsumen dan atribut kualitas juga menempati urutan
tinggi di persepsi konsumen.
Sedangkan atribut rasa yang menurut konsumen merupakan kriteria paling tidak
penting, ternyata malah dinilai baik oleh konsumen. Untuk atribut Harga, penilaian
relatif proporsional karena harga susu tidak begitu dinilai penting oleh konsumen
dan harga SUSU merek SUSUKU juga tidak dinilai jelek oleh konsumen.

Analisis SIKAP KONSUMEN

Perhitungan atas sikap didapat Ao (sikap konsumen) secara keseluruhan adalah
27,22. Angka tersebut tidak bisa diartikan secara tepat, kecuali bila angka sikap
tersebut dibandingkan dengan angka sikap untuk susu merk lain. Hanya di sini
ditekankan pengukuran sikap konsumen dilakukan secara keseluruhan terhadap
semua atribut. Bisa saja konsumen mungkin tidak suka terhadap atribut tertentu,
namun suka terhadap atribut yang lain, sehingga secara keseluruhan ia tetap
membeli produk tersebut.
Namun demikian, Interval Skala Fishbein berikut dapat membantu menetapkan
makna angka sikap.

No. Skala Interval Skor Makna

1 26.296 – 39.444
2 13.148 – 26.295
3 0 – 13.147
4 0 – (-13.14)
5 -13.147 – -26.296
6 -26.296 – -39.444
3 Positif dan sangat setuju
2 Positif dan setuju
1 Positif dan cukup setuju
-1 Negatif dan kurang setuju
-2 Negatif dan tidak setuju
-3 Negatif dan sangat tidak setuju

Contoh 2:
Selain menanyakan pendapat para responden terhadap atribut-atribut Susu merk A,
kepada responden yang sama juga dapat ditanyakan bagaimana sikap mereka
terhadap Susu merk SUSUNYA, dari perusahaan pesaing utama.

A. Data Sikap Susu merk B

Berikut ini adalah hasil pengukuran sikap terhadap Susu merk SUSUNYA:

19
 A B C D E F G H I J
Belief Evaluation
Respon- Kualitas Model Rasa Harga Kualitas Model Rasa Harga SIKAP
No den
1 Yuli 2 3 2 4 4 3 2 4 37
2 Widodo 2 2 2 5 3 4 2 2 28
3 Eka 1 4 3 4 3 3 1 3 30
4 Ika 2 4 2 2 4 3 3 2 30
5 Veronika 3 3 3 3 3 3 2 3 33
6 Vero 1 5 2 2 4 3 2 1 25
7 Fenny 3 4 1 2 5 4 1 2 36
8 Vanda 3 5 3 1 3 4 2 1 36
9 Rejeki 2 3 3 3 2 3 2 3 28
10 Sri 2 2 3 3 1 3 2 3 23
11 Susanto 1 2 3 5 2 3 2 3 29
12 Lestari 2 3 3 3 2 3 2 3 28
13 Murti 3 2 1 4 3 3 3 2 26
14 Agustina 2 4 3 2 3 5 3 3 41
15 Agustin 3 2 3 3 4 3 2 5 39
16 Agustinus 2 3 3 3 3 3 4 3 36
17 Timoti 2 5 4 3 3 3 2 3 38
18 Elsye 1 5 3 5 3 3 3 5 52
Rata-rata 2.06 3.39 2.61 3.17 3.06 3.28 2.22 2.83 33.06

B. Analisis Perbandingan Merk

Analisis Belief
Hasil dari rata-rata Belief untuk kedua merk tercantum pada Tabel 4.
Tabel 4. Hasil dari rata-rata Belief untuk merek SUSUKU dan SUSUNYA
Atribut A B
Kualitas 2.67 2.06
Rasa 2.39 3.17
Harga 2.39 2.61
Model kemasan 1.67 3.39

Tabel 4 menampilkan bahwa merk SUSUKU hanya unggul di atribut Kualitas,

sedangkan merk B unggul di atribut model kemasan, Rasa dan Harga. Atribut
model kemasan yang dianggap paling penting oleh konsumen merk SUSUNYA
unggul secara signifikan.
Analisis Evaluation
Karena evaluasi tidak melihat merk, hasil evaluasi sama dengan analisis
sebelumnya.

20
 Analisis SIKAP KONSUMEN
Dari perhitungan didapat Ao (sikap konsumen) secara keseluruhan untuk merk
SUSUKU adalah 27.22. Sedangkan untuk merk SUSUNYA angka itu adalah
33.06. Dengan demikian secara keseluruhan konsumen lebih menyukai susu merk
B daripada susu merk SUSUKU. Walaupun merk SUSUKU unggul dalam kualitas,
namun karena atribut model kemasan masih kalah dibanding SUSUNYA dan
atribut model kemasan mempunyai tingkat kepentingan yang paling tinggi,
maka jika semua atribut diperhitungkan, konsumen cenderung lebih suka
terhadap merk SUSUNYA.

2. Sikap Konsumen
3. Kepuasan Konsumen
4. Kediaan Membayar (Willingness To Pay)

a. Konsep
Willingness to pay ialah harga tertinggi seseorang (konsumen) yang rela dibayarkan untuk
mendapatkan suatu manfaat baik berupa barang atau jasa, serta menjadikan tolak ukur
seberapa besar calon konsumen menghargai barang atau jasa tersebut. (Amelia, 2016).

b. CVM (Contingent Valuation Method)

CVM merupakan metode teknik survey yang digunakakan untuk menyatakan tentang nilai
atau harga yang masyarakat berikan terhadap komoditi yang tersedia di lingkungan. CVM
merupakan salah satu valuasi ekonomi lingkungan, dimana valuasi lingkungan ini
bertujuan untuk memberikan nilai ekonomi pada lingkungan dan sumber daya. Nilai
ekonomi yang dimaksud ialah pengukuran jumlah maksimum seseorang yang ingin
memperoleh suatu barang atau jasa.

c. Tahapan CVM
1) Pembangunan Hipotesis
Pasar Hipotesis pasar yang dimaksudkan disini ialah untuk memberikan gambaran
kepada responden terhadap masalah yang sedang di hadapi. Responden diharapkan
mampu mencermati masalah dengan baik sehingga mampu memberikan nilai WTP.
Peneliti dapat membuat kuisioner yang lengkap beserta dengan informasi mengenai
kondisi mengenai barang atau saja yang ingin diketahui nilai WTP nya.

2) Mendapatkan Nilai Lelang/Penawaran (Bids) WTP

Untuk memperoleh nilai lelang/penawaran dapat dilakukan dengan menggunakan
kuesioner yang sudah dipersiapkan.Tujuan dari nilai lelang/penawaran ini ialah untuk
memperoleh nilai maksimum WTP dari responden terhadap barang atau jasa. Nilai ini
dilakukan dengan mengguankan teknik membuat pertanyaan berstruktur sehingga
memperoleh niali WTP maksimum. Untuk mendapatkan nilai WTP maksimum, dapat
dilakukan dengan berbagai cara, yaitu :
a. Bidding game
Responden diberi pertanyaan secara berulang mengenai jumlah pembayaran tertentu.
Jumlah pembayaran dibatasi dengan nilai tertinggi dan terendah dari nilai WTP maksimum
yang mampu dibayarkan.
b. Closed Ended Refrerendum
Responden diberi nilai dalam bentuk rupiah, baik kepada responden yang setuju ataupun
21
yang tidak setuju (jawaban hanya tersedia anatar ya dan tidak).
c. Payment Card
Menanyakan suatu kisaran nilai yang disajikan pada sebuah kartu kepada responden.
d. Open-ended Question
Responden diberi pertanyaan mengenai WTP maksimum yang bersedia dibayarkan,
dengan catatan tidak adanya nilai tawaran lain yang diberikan. Sehingga responden
diberikan kebebasan untuk menyatakan nilai yang ingin dibayarkan.

3) Menghitung Nilai Rata-Rata WTP

Menghitung nilai rata-rata WTP didasarkan pada nilai mean(rata-rata) dan nilai
median(nilai
tengah). Rata-rata ini dapat dihitung menggunakan persamaan berikut :

EWTP = ∑𝑛𝑖=1 Wi
n

Keterangan :
EWTP = Dugaan rata-rata nilai
WTPWi= Nilai WTP ke-i
n= Jumlah responden
i= Respinden ke-I yang bersedia membayar

4) Mengestimasi Kurva WTP

Kurva WTP responden dibentuk menggunakan jumlah kumulatif dari jumlah individu yang
memilih suatu nilai WTP. Hubungan kurva tersebut menggambarkan tingkat WTP yang
bersedia dibayarkan dengan jumlah responden yang bersedia membayar pada tingkat
WTP tersebut.

5) Menentukan Agregasi WTP

Agregasi WTP didapatkan dengan menggunakan nilai rata-rata WTP yang dikalikan
dengan jumlah responden pada nilai WTP tersebut.

TWTP = EWTPi . P

Keterangan :
TWTP = Total WTP
P = Responden ke-i
EWTPi = Estimasi nilai rata-rata WTP ke-i responden

22
 CONTOH KASUS ANALISIS

1. ANALISIS STATISTIKA PARAMETRIK

Uji T
Kasus diambil dari Sunyoto (2014)

Independent Sample T test

Tujuan pengujian dengan uji t adalah untuk mengetahui ada tidaknya perbedaan
secara signifikan pada rata-rata dua sampel bebas.

Uji t Independen sampel mensyaratkan data antara 2 – 30 sampel sehingga tetap

membandingkan antara nilai t hitung dengan nilai t tabel atau jika jumlah data lebih
dari 30 maka membandingkan nilai Z hitung dengan nilai Z tabel.

Contoh kasus:
Perbandingan pendapatan usaha A dengan sesama usaha (misal: usaha B) yang
mempunyai 10 sales. Pendapatan selama seminggu adalah sebagai berikut:

Sales Usaha A ke- Pendapatan yang Sales usaha B ke- Pendapatan yang
disetor disetor
1 2300000 1 4200000
2 2750000 2 3250000
3 3500000 3 3450000
4 3100000 4 4120000
5 2100000 5 4230000
6 2600000 6 2250000
7 3400000 7 3240000
8 4050000 8 3550000
9 3900000 9 2500000
10 2450000 10 4860000
11 3600000
12 3700000
13 4200000
14 5200000
15 4600000

Dengan menggunakan taraf signifikansi 2%, ujilah apakah rata-rata pendapatan

yang disetor sales selama seminggu pada Usaha A lebih tinggi dari Usaha B?

23
Langkah analisis dengan menggunakan SPSS:
Input data pada file SPSS dan beri nama file data.
Klik Analyze: pilih Compare Means
Klik Independent Sample t Test
o Kotak Test Variable(s) : diisi Pendapatan
o Kotak Group Variable : Klik define group

Muncul dialog Define Group:

o Group 1 : diisi angka 1 (untuk sales A)
o Group 2 : diisi angka 2 (untuk sales B)
Klik Continue
Klik OK (muncul output analisis) sebagai berikut:

24
 Group Statistics
Sales N Mean Std. Deviation Std. Error Mean

Pendapatan Sales A 15 3430000.00 889381.808 229637.395

Sales B 10 3565000.00 810503.958 256303.856

Independent Samples Test

Levene's
Test for
Equality of
Variances t-test for Equality of Means

Sig. Std. 95% Confidence

(2- Mean Error Interval of the

tailed Differen Differe Difference

F Sig. t df ) ce nce Lower Upper

Penda Equal - -
350840 590768
patan variances .153 .700 -.385 23 .704 135000. 860768
.089 .020
assumed 000 .020

Equal - -
344129 581327
variances not -.392 20.681 .699 135000. 851327
.336 .812
assumed 000 .812

Analisis Statistik:
1. Tabel Group Statistic
Sales Usaha A:
Banyak sampel (N) = 15 sales
Rata-rata pendapatan yang disetor seminggu = 3430000
Standar deviasi = 889381,808
Standar error mean = 229637,395
Sales Usaha B:
Banyak sampel (N) = 10 sales
Rata-rata pendapatan yang disetor seminggu = 3560000
Standar deviasi = 810503,958
Standar error mean = 256303,856

25
2. Tabel Independent Sample Test
Untuk menguji apakah varian populasi kedua sampel sama atau tidak sama
maka digunakan Levene Test for Equality of variances dan langkah pengujiannya
sebagai berikut:
 Menentukan hipotesis:
H0 = kedua varian populasi (rata-rata pendapatan yang disetor dari sales
usaha A dan sales usaha B) adalah sama
Ha = kedua varian populasi (rata-rata pendapatan yang disetor dari sales
usaha A dan sales usaha B) adalah tidak sama
 Kriteria keputusan:
Jika signifikansi ≥ 2% maka H0 diterima
Jika signifikansi < 2% maka H0 ditolak
 Hasil pengujian:
Nilai F hitung rata-rata pendapatan yang disetor dari sales usaha A dan sales
usaha B dilihat pada output Equal variances assumed sebesar 0,153 dengan
signifikansi = 0,700 atau 70% > 2% maka H0 diterima; berarti varian rata-rata
pendapatan yang disetor dari sales usaha A dan sales usaha B adalah sama.
Sehingga pengujian rata-rata pendapatan yang disetor dari sales usaha A
dan sales usaha B menggunakan nilai kritis t hitung pada equal variances
assumed.

Langkah uji t = identik Z dihitung sebagai berikut:

a) Menentukan H0 dan Ha
H0: UA – UB = 0 (Rata-rata pendapatan yang disetor sales usaha A dan sales
usaha B adalah sama)
H0: UA – UB < 0 (Rata-rata pendapatan yang disetor sales usaha A lebih
besar daripada sales usaha B)
b) Taraf keyakinan
Taraf keyakinan yang digunakan = 98% dan tingkat toleransi kesalahan () =
2%
c) Kriteria pengujian
Jika nA + nB – 2 = 15 + 10 – 2 = 23 < 30 maka menggunakan nilai t tabel
Nilai t tabel = t 2%/2; df (23) = t 1%; df(23) = 2.500

26
 H0 diterima jika -2.500 ≤ t hitung ≤ +2.500
H0 ditolak jika t hitung < -2.500 atau t hitung > +2.500
d) Rumus pengujian

e) Keputusan
Berdasarkan pengujian disimpulkan sebagai berikut:
Karena nilai t hitung = -0.385 berada di antara ±2.500 maka H0 diterima,
berarti rata-rata pendapatan sales usaha A dan sales usaha B adalah sama.
Dari signifikansi = 70.4% > 2% maka H0 diterima, berarti rata-rata
pendapatan sales usaha A dan sales usaha B adalah sama.

27
 Uji 2 Sampel (Kolmogorov-Smirnov)
Kasus diambil dari Sunyoto (2014).

Tujuan dari pengujian Kolmogorov-Smirnov pada kasus ini adalah menguji 2 sampel
independen dari 2 populasi yang mempunyai pola distribusi data yang sama atau
berbeda.
Hipotesis:
H0: Kedua sampel independen dari 2 populasi yang mempunyai pola distribusi data
yang sama.
Ha: Kedua sampel independen dari 2 populasi yang mempunyai pola distribusi data
yang berbeda.
Keputusan:
H0 diterima jika asymp.Sig (2-tailed) ≥ 
H0 ditolak jika asymp.Sig (2-tailed) < 
Contoh Kasus:
Berikut hasil observasi yang dilakukan suatu perusahaan terhadap para pembeli
(responden) yang memberikan tanggapan daerah pemasaran yang dikelompokkan
menjadi wilayah 1 dan wilayah 2.
Pendapat mengenai prospek Daerah Pemasaran
penjualan Beras Organik Wilayah I Wilayah II
Sangat bagus 20 25
Bagus 30 15
Cukup bagus 15 20
Kurang bagus 5 7
Tidak bagus 2 5
Jumlah Responden 72 72

Hipotesis:
Tidak ada perbedaan pendapat dari para responden mengenai daerah pemasaran
wilayah 1 dan wilayah 2. ( = 1%)
Jawab:
H0: U1 = U2; berarti tidak ada perbedaan pendapat dari para responden mengenai
daerah pemasaran wilayah1 dan wilayah 2.
Ha: U1  U2; berarti ada perbedaan pendapat dari para responden mengenai
daerah pemasaran wilayah1 dan wilayah 2.

28
Langkah SPSS:
Input data
Klik Analyze: pilih Nonparametric Test
Klik Legacy Dialogs: 2 Independent Samples
Pada Test Variable List: Isikan jumlah responden
Pada Grouping Variable: isikan wilayah
Pada Define Groups: Group 1 isikan 1 (1 = wilayah 1), Group 2 isikan 2 (2 =
wilayah 2)

29
 Bagian Test Type: pilih Kolmogorov-Smirnov Z
Klik Option: pilih Descriptive
Klik Continue
Klik OK (muncul output)

Descriptive Statistics
N Mean Std. Deviation Minimum Maximum

Jumlresp 10 14.40 9.454 2 30

Wilayah 10 1.50 .527 1 2

Frequencies
Wilayah N

Jumlresp Wilayah I 5
Wilayah II 5
Total 10

Test Statisticsa
Jumlresp

Most Extreme Differences Absolute .200

Positive .200
Negative -.200
Kolmogorov-Smirnov Z .316
Asymp. Sig. (2-tailed) 1.000

a. Grouping Variable: Wilayah

Analisis Statistik
1) Tabel Statistik Deskriptif
Untuk jumlah responden berdasarkan karakteristik pendapat:
 Banyak data (N) = 10
 Rata-rata (mean) data= 14.40
 Standard deviation = 9.454
 Data minimum =2
 Data maksimum = 30
Daerah pemasaran berdasarkan wilayah:
 Banyak data (N) = 10
 Rata-rata (mean) data= 1.5000
 Standard deviation = 0.52705
 Data minimum =1

30
  Data maksimum =2
2) Tabel Frekuensi
 Banyak data wilayah 1(N) berdasarkan pendapat = 5
 Banyak data wilayah 2(N) berdasarkan pendapat = 5
3) Tabel Tes Statistik
 Perbedaan terbesar mutlak (most extreme differences):
absolute = 0.200; psoitive = 0.200, negative = -0.200
 Nilai Kolmogorov Smirnov Z = 0.316
 Nilai asymp sig (2-tailed) = 1.000 atau 100%
Kesimpulan:
Perbandingan antara nilai asymp.sig (2-tailed = 100%) dengan  = 1%. Karena
100%> 1% maka H0 diterima berarti tidak ada perbedaan pendapat dari para
responden mengenai daerah pemasaran wilayah 1 dan wilayah 2.

31
 ANALISIS FAKTOR
Dalam analisis faktor ini digunakan contoh kasus peningkatan pelayanan sebuah
swalayan. Seorang manajer swalayan ingin mengetahui variabel-variabel apa yang
dominan dipersepsikan oleh konsumen. Variabel-variabel tersebut kemudian dibuat
kuesioner dan disebarkan pada pengunjung swalayan sebanyak 100 orang sebagai
sampel. Variabel pertanyaan tersebut meliputi: kenyamanan, lokasi toko, kualitas
produk, harga produk, tempat parkir, kebersihan, pelayanan kasir, keberagaman
produk dan fasilitas, keindahan interior ruangan. Data dapat dilihat pada Lampiran
1.

Langkah-langkah analisis pada SPSS:

1. Dari menu SPSS Klik Analyze >> Dimension Reduction >> Factor
2. Masukkan Semua variabel kuesioner ke dalam kotak variable(s)
3. Klik Descriptive, Klik KMO Bartletts test of Sphericity dan anti Image
4. Klik Initial Solution

Hasil Output sebagai berikut:

Tabel KMO and Bartlet's Test

32
Pada tabel KMO dan Bartlett's test di atas terlihat angka KMO Measure of sampling
Adequacy (MSA) adalah 0.568. Karena nilai 0.568 (> 0.5). Hal ini menunjukkan
kecukupan dari sampel. Angka KMO dan Bartlett's test (yang tampak pada nilai Chi-
Square) sebesar 574,473 dengan nilai signifikansi 0.000. Hal ini menunjukkan bahwa
ada korelasi antar variabel dan layak untuk proses lebih lanjut.
Selanjutnya untuk mengetahui variabel mana yang dapat diproses lebih lanjut dan
mana yang dikeluarkan dapat dilihat pada tabel Anti-image matrices di bawah ini.

Pada tabel Anti-image Matrices di atas, khusus pada bagian (anti Image Correlation)
terlihat angka yang bertanda (a) yang menandakan besaran MSA sebuah variabel.
Variabel kenyamanan 0.736, lokasi toko 0.659, Kualitas produk 0.569, harga produk
0.569, tempat parkir 0.520, kebersihan 0.652, pelayanan kasir 0.564, keberagaman
produk 0.581, fasilitas 0.811 dan keindahan interior 0.517. Nilai MSA masing-masing
variabel besarnya > 0.5 maka semua variabel dapat diproses lebih lanjut.

NB: Jika ada variabel yang nilai MSA < 0.5 maka dilakukan proses ulang dari awal
dengan mengeluarkan variabel tersebut yang nilai MSA < 0.5.

Langkah analisis selanjutnya:

1. Dari menu SPSS, buka kembali Analisis Factor
2. Tekan tombol reset
3. Masukan semua variabel ke dalam kolom variables(s) karena semua variabel
lolos uji pertama.
4. Klik tombol Descriptive, Klik Initial solution, KMO and Bartlett's test of
Sphericity, anti Image dan Klik Continue.
5. Klik Extraction, Klik screee plot, Klik continue
6. Klik Scores, Klik save as variable, Pilih regression.
7. Klik Continue dan klik OK.

33
Pada Tabel Communalities, tampak bahwa variabel kenyamanan besar nilai
Extraction sebesar 0,551. Hal ini berarti sekitar 55,1% varians dari variabel
kenyamanan dapat dijelaskan oleh faktor yang terbentuk. Variabel lokasi toko 0,483
hal ini berarti 48,3% varian dari variabel lokasi toko dapat dijelaskan oleh faktor
yang terbentuk. Demikian juga untuk variabel yang lain. Semakin kecil nilai
communalities berarti semakin lemah hubungannya dengan faktor yang terbentuk.

Tabel. Total Variance Explained

Pada tabel Total Variance Explained di atas menunjukkan ada 4 faktor yang
terbentuk dari 10 variabel yang di masukkan. Masing-masing mempunyai faktor
eigenvalue > 1. Faktor 1 Eigenvalue sebesar 2,938 dengan variance (29,382%),
Faktor 2 Eigenvalue sebesar 2,024 dengan variance (20,237%), Faktor 3 Eigenvalue

34
sebesar 1,193 dengan (11,933%) dan Faktor 4 Eigenvalue sebesar 1,142 dengan
variance (11,422%).

Nilai Eigenvalue menggambarkan kepentingan relatif masing-masing faktor dalam

menghitung varians dari 10 variabel yang di analisis. Bila semua variabel
dijumlahkan bernilai 10 (sama dengan banyaknya variabel).

2,938/10 x 100% = 29,38%

2,024/10 x 100% = 20,24%

1,193/10 x 100% = 11,93%

1,142/10 x 100% = 11,42%

Total varians apabila dari 10 variabel diekstrak menjadi 4 faktor adalah:

29,382 % + 20,237% + 11,933 % + 11,422% = 72,974%

Besarnya varians yang mampu dijelaskan oleh faktor baru yang terbentuk adalah
72,974% sedangkan sisanya 27,026% dijelaskan oleh faktor lain yang tidak diteliti.

Gambar Screeplot menerangkan hubungan antara banyaknya faktor yang terbentuk

dengan nilai Eigenvalue dalam bentuk grafik.

35
Tabel. Rotated Component Matrix

Rotated Component matrix adalah nilai loading faktor dari tiap-tiap variabel.
Loading faktor merupakan besarnya korelasi antara faktor yang terbentuk dengan
variabel tersebut. Untuk variabel kenyamanan, korelasi antara variabel kenyamanan
dengan faktor 1 (0,173), faktor 2 (0,156), faktor 3 (-0,134), faktor 4 (0,692). Hal ini
dapat dikatakan bahwa:

Variabel kenyamanan masuk ke dalam Faktor 4, karena korelasinya paling tinggi

diantara faktor yang lain. Demikian juga faktor loading untuk variabel yang lain.

Variabel lokasi toko nilai loading faktor dengan faktor 1 (0,265), faktor 2 (0,266),
faktor 3 (0,170), faktor 4 (0,560). Maka variabel lokasi toko masuk ke Faktor 4.

Variabel kualitas produk nilai loading faktor dengan faktor 1 (0,161), faktor 2
(0,942), faktor 3 (-0,940), faktor 4 (0,40). Maka variabel kualitas produk
masuk Faktor 2.

Variabel harga produk nilai loading faktor dengan faktor 1 (0,952), faktor 2 (0,163),
faktor 3 (0,021), faktor 4 (0,081). Maka variabel harga produk masuk Faktor 1.

Variabel tempat parkir nilai loading faktor dengan faktor 1 (-0,088), faktor 2 (-
0,110), faktor 3 (0,936), faktor 4 (0,081). Maka variabel tempat parkir masuk
ke Faktor 3.

36
Variabel kebersihan nilai loading faktor dengan faktor 1 (0,233), faktor 2 (0,055),
faktor 3 (0,413), faktor 4 (-0,110). Maka variabel kebersihan masuk Faktor 3.

Variabel pelayanan kasir nilai loading faktor dengan faktor 1 (0,166), faktor 2
(0,953), faktor 3 (-0,41), faktor 4 (-0,078). Maka variabel pelayanan kasir masuk
ke Faktor 2.

Variabel keberagaman produk nlai loading faktor dengan faktor 1 (0,948), faktor 2
(0,176), faktor 3 (0,035), faktor 4 (0,036). Maka variabel keberagaman produk
masuk Faktor 1.

Variabel fasilitas faktor nlai loading dengan faktor 1 (0,210), faktor 2 (0,206),
dengan faktor 3 (-0,023) dan faktor 4 (0,643). Maka variabel fasilitas masuk
ke Faktor 1.

Variabel keindahan interior nilai loading faktor dengan faktor 1 (0,948), faktor 2
(0,176), faktor 3 (0,035), faktor 4 (0,078). Maka variabel keindahan interior
masuk Faktor 1.

Tabel. Component Transformation Matrix

Tabel Component Transformation matrix, menunjukkan hasil rotasi varimax.

Variabel-variabel sudah terditribusikan ke masing-masing faktor yaitu 4 faktor yang
terbentuk.
Setelah dilakukan rotasi dan terbentuk 4 faktor, selanjutnya memberi nama faktor
tersebut. Penamaan faktor ini tergantung peneliti dan dapat mewakili variabel-
variabelnya.
1. Faktor 1 terdiri dari variabel harga produk, keberagaman produk dan
fasilitas. Diberi nama Faktor Produk dan Fasilitas.
2. Faktor 2 terdiri dari variabel kualitas produk dan pelayanan kasir. Diberi
nama Faktor Kualitas dan Pelayanan.

37
 3. Faktor 3 terdiri dari variabel kebersihan dan keindahan interior. Diberi
nama Faktor Kebersihan.
4. Faktor 4 terdiri dari variabel kenyamanan dan variabel lokasi toko. Diberi
nama Faktor Akses.
Catatan.
Analisis faktor dapat juga digunakan sebagai salah satu analisis untuk
menanggulangi masalah multikolinieritas dalam regresi berganda, yaitu dengan
mereduksi variabel-variabel independen yang mengalami masalah multikolineritas

38
 ANALISIS CHI SQUARE

Uji Chi-Square atau Qai-Kuadrat digunakan untuk melihat ketergantungan antara

variabel bebas dan variabel tergantung berskala nominal atau ordinal. Prosedur uji
Chi-Square menabulasi satu atau variabel ke dalam kategori-kategori dan
menghitung angka statistik Chi-Square. Untuk satu variabel dikenal sebagai uji
keselarasan atau goodness of fit test yang berfungsi untuk membandingkan
frekuensi yang diamati (fo) dengan frekuensi yang diharapkan (fe). Jika terdiri dari 2
variabel dikenal sebagai uji independensi yang berfungsi untuk hubungan dua
variabel. Seperti sifatnya, prosedur uji chi-square dilkelompokan kedalam statistik
uji non-parametrik.
Semua variabel yang akan dianalisa harus bersifat numerik kategorikal atau nominal
dan dapat juga berskala ordinal. Prosedur ini didasarkan pada asumsi bahwa uji
nonparametrik tidak membutuhkan asumsi bentuk distribusi yang mendasarinya.
Data diasumsikan berasal dari sampel acak. Frekuensi yang diharapkan (fe) untuk
masing-masing kategori harus setidaknya:
Tidak boleh lebih dari dua puluh (20%) dari kategori mempunyai frekuensi yang
diharapkan kurang dari 5.
Formula uji Chi Square:

dimana:

= Nilai Chi-Square
fo = frekuensi observasi/pengamatan
fe = frekuensi ekspetasi/harapan

Contoh kasus
Perusahaan distributor buah ingin mengetahui apakah ada hubungan antara gender
dengan sikap mereka terhadap konsumsi buah. Untuk itu mereka meminta 25
responden mengisi identitas mereka dan sikap atau persepsi mereka terhadap
produknya.
Permasalahan: Apakah ada hubungan antara gender dengan sikap terhadap kualitas
buah impor?

Hipotesis :
H0 = Tidak ada hubungan antara gender dengan sikap terhadap kualitas buah impor
H1 = Ada hubungan antara gender dengan sikap terhadap kualitas buah impor

Apabila nilai signifikansi Chi-Square < 0.05 atau nilai Chi-Square hitung lebih besar
(>) dari nilai Chi-Square table maka tolak hipotesis nol (H0)

39
Data dari keduapuluh lima responden dapat dilihat pada tabel di bawah ini.

Data Sikap Responden

Keterangan:
Gender : 1 = Laki-laki; 2 = Wanita, Sikap: 1 = berkualitas, 2 = Tidak berkualitas

Langkah-langkah SPSS
1. Analyze > Descriptive Statistics > Crosstab
2. Masukkan variabel Gender ke dalam kotak Row
3. Masukkan variabel Sikap ke dalam kotak Column
4. Klik untuk pilihan Statistics
5. Pilih menu Chi-Square, tekan Continue
6. Pilih Cell, Observed, tekan Continue
7. Klik Ascending, tekan Continue
8. Tekan OK

40
Hasil output SPSS

Case Processing Summary

Pada tabel case processing summary di atas menunjukkan bahwa input data ada 25
responden dan tidak ada data yang tertinggal.

Gender*Sikap

Pada tabel crossstabulasi antara gender*sikap di atas tampak bahwa gender laki-
laki berjumlah 12 responden. Sebanyak 12 responden laki-laki
bersikap/menganggap buah impor berkualitas sedangkan 5 responden bersikap
menganggap buah impor tidak berkualitas. Sedangkan 13 responden bergender
wanita yang menganggap produk buah impor berkualitas sebanyak 6 responden
dan yang bersikap menganggap buah impor tidak berkualitas ada 7 responden.

Hasil Uji Chi-Square test

Pada tabel Chi-Square test di atas dapat diketahui bahwa nilai signifikansi p-value
sebesar 0.543 dan nilai Chi-Square sebesar 0.371. Karena nilai signifikansi 0.543 >
(0.05) maka hipotesis null diterima yang berarti bahwa tidak ada hubungan antara
gender dengan sikap terhadap kualitas buah impor

41
5. ANALISIS REGRESI ORDINAL

Metode regresi ordinal digunakan untuk memodelkan hubungan antara variabel

dependen yang berskala ordinal, misalnya perbedaan minat belajar budidaya
hidroponik. Variabel penjelasan (independen) yang menyangkut demografi dan
suasana belajar.

Variabel dependen untuk minat belajar diukur dengan golongan, kategori skala
empat Likert: sangat puas, tidak puasa, puas dan sangat puas.
Variabel demografi misalnya gender dan pendidikan. Suasana belajar menyangkut
masalah lokasi, sarana dan prasarana, fasilitas penunjang dan waktu.

Untuk membangun model regresi ordinal yang perlu diperhatikan adalah variabel
mana yang harus dimasukkan ke dalam model dan memilih fungsi hubungan
(misal: logit link atau complementary link) yang menunjukkan kesesuaian model.
Selain itu, model statistik yang sesuai, keakuratan hasil klasifikasi dan validasi
model, misalnya parallel lines, umumnya digunakan untuk menyeleksi model yang
terbaik.
Seperti penjelasan di atas, regresi ordinal adalah regresi dimana variabel dependen
atau terikat yang menggunakan skala ordinal.

Apa itu skala ordinal?

Skala ordinal adalah skala pengukuran berupa data tingkatan atau ranking.
Sedangkan variabel independen atau bebasnya bisa berupa covariate (jika skala
interval atau rasio) dan factor (jika skala nominal atau ordinal)

Terdapat lima pilihan regresi ordinal atau disebut option link. Pilihannya tergantung
dari distribusi data yang dianalisis. Kelima option link tersebut adalah:
1. Logit. program SPSS secara default menggunakan opsi ini. Digunakan pada
kebanyakan distribusi data.
2. Complementary log-log. Digunakan untuk data yang mempunyai
kecenderungan bernilai tinggi.
3. Negative Log-log. Digunakan untuk data yang mempunyai kecenderungan
rendah.
4. Probit. Digunakan jika variabel laten terdistribusi secara normal.
5. Cauchit (Inverse Cauchy). Digunakan jika variabel laten mempunyai nilai yang
ekstrim

Contoh Kasus
Produsen peralatan hidroponik ingin mengetahui peluang memasarkan set media
tanam hidroponik kepada calon konsumen.

42
Seorang peneliti ingin mengetahui hubungan antara gender dan minat belajar
budidaya hidroponik. Variabel independen terdiri dari gender dan kelas social
pengunjung sedangkan variabel dependen adalah minat belajar diukur dalam 3
tingkatan yaitu rendah, sedang dan tinggi.

CARA UJI REGRESI ORDINAL DENGAN SPSS

Langkah-langkah analisis regresi ordinal:
1. Analyze >> Regression >> Ordinal
2. Masukan variabel Minat belajar ke kotak Dependent, Gender ke kotak Factor(s)
dan nilai prestasi ke Covariate.

Pilih Option. Pilih Link logit. Klik Continue.

43
Pilih Output dan tik kotak Predicted category, Estimated response
probabilities dan Test of parallel lines. Klik Continue.

Pseudo R-Square

Tabel Pseudo R-Square menunjukkan bahwa seberapa besar variabel bebas (gender
dan nilai prestasi) mampu menjelaskan variabel independen (minat belajar). Nilai ini
seperti halnya koefisien determinasi pada regresi. Nilai Cox and Snell sebesar 0,044
(4,4%) dan Nagelkerke sebesar 0,052 (5,2%).

44
 Parameter Estimates

Tabel Parameter Estimate di atas, perhatikan nilai Wald dan nilai signifikansinya.
Variabel nilai prestasi sebesar 6.177 dengan sig. 0,013 (< 0,05) dan variabel gender
sebesar 9,163 dengan sig.0,02 (< 0,05). Hal ini menunjukkan faktor nilai prestasi dan
gender berpengaruh terhadap minat belajar.

Test of Parallel Lines

Tabel Test of Parallel Lines digunakan untuk menguji asumsi bahwa setiap kategori
memiliki parameter yang sama atau hubungan antara variabel independen dengan
logit adalah sama untuk semua persamaan logit. Oleh karena nilai signifikansi 0,648
(> 0,05), maka terima H0 bahwa model yang dihasilkan memiliki parameter yang
sama sehingga pemilihan link function adalah sesuai. Namun sebaliknya bila asumsi
ini tidak terpenuhi, maka pemilihan link function logit tidak tepat.

45
6. ANALISIS KONJOINT
Definisi
Analisis Konjoin (Conjoint analysis atau Consider jointly) adalah suatu teknik
analisis yang dapat digunakan untuk menentukan tingkat kepentingan relatif
berdasarkan persepsi pelanggan terhadap suatu produk tertentu dan nilai kegunaan
yang muncul dari atribut-atribut produk tersebut. Analisis konjoin adalah suatu
teknik analisis peubah ganda yang secara spesifik digunakan untuk memahami
bagaimana keinginan atau preferensi konsumen terhadap suatu produk atau jasa
dengan mengukur tingkat kegunaan dan nilai kepentingan relatif berbagai atribut
suatu produk (Hair et al., 1998).
Analisis konjoin menggambarkan sifat atau kondisi preferensi konsumen
berdasarkan analisis consumer trade-offs dari berbagai atribut produk. Analisis ini
tergolong dalam metode analisis multivariat yang dikembangkan secara khusus
untuk mengetahui preferensi responden pada suatu objek berdasarkan penilaian
terhadap masing-masing objek tersebut. Dengan demikian analisis konjoin tepat
digunakan dalam menentukan strategi pemasaran bahkan menentukan segmentasi
pasar berdasarkan preferensi konsumen terhadap atribut produk.
Analisis konjoin dapat membantu melakukan kuantifikasi utilitas bagi
konsumen potensial yang akan membeli berdasarkan atribut-atribut produk
tertentu. Melalui kuantifikasi utilitas atribut produk, maka utilitas optimal dari
atribut dapat diidentifikasi dan digunakan untuk merancang produk dengan atribut-
atribut yang paling disukai konsumen (Mennecke et al., 2007). Hasil dari analisis ini
adalah identifikasi kombinasi atribut yang paling disukai konsumen dan identifikasi
kepentingan relatif dari setiap atribut.
Model konjoin mengasumsikan bahwa produk dapat didefinisikan sebagai
suatu serial dari tingkat atribut spesifik, serta utilitas konsumen total ditentukan
oleh utilitas parsial (part-worths) yang disumbangkan oleh setiap tingkat atribut.
Pada prinsipnya analisis ini bertujuan untuk memperkirakan pola pendapat
responden, dan membandingkannya dengan pendapat responden yang sebenarnya.
Filosofi dari teknik analisis ini ialah setiap stimulus produk yang ditawarkan di pasar
akan dievaluasi oleh konsumen sebagai suatu kumpulan atribut-atribut tertentu.
Atribut yang diukur berdasarkan kategori maka fungsi kegunaannya mengandung
dugaan part-worth atau disebut utility function, yaitu kegunaan atau utility yang
dikaitkan oleh pelanggan pada tingkatan atau level. Dengan fungsi part-worth dapat
diperoleh tingkatan preferensi konsumen terhadap atribut yang diberikan. Oleh
karena itu, teknik ini sangat bermanfaat dalam pemasaran untuk mengetahui
preferensi konsumen terhadap suatu produk yang diluncurkan di pasar.

46
Kegunaan
Manfaat yang dapat diambil dari penggunaan analisis konjoin ini adalah
produsen dapat mencari solusi kompromi yang optimal dalam merancang atau
mengembangkan suatu produk. Analisis konjoin tepat digunakan untuk menjawab
dua pertanyaan tentang bagaimana tingkat kepentingan atribut produk dan model
produk apa yang paling disukai konsumen dalam pengembangan produk baru.
Menurut Green & Krieger (1991) analisis ini dapat juga dimanfaatkan untuk:
1. Merancang harga
2. Memprediksi tingkat penjualan atau penggunaan produk (market share), uji
coba konsep produk baru.
3. Segmentasi preferensi.
4. Merancang strategi promosi.
Dalam pemasaran teknik analisis konjoin biasanya digunakan untuk hal-hal
sebagai berikut:
1. Menentukan tingkat kepentingan relatif setiap atribut pada proses pemilihan
sesuai konsumen.
2. Membuat estimasi pangsa pasar suatu produk tertentu yang berbeda tingkat
atributnya.
3. Menentukan komposisi produk yang optimum paling disukai oleh konsumen.
4. Mengidentifikasi segmentasi pasar yang didasarkan pada kemiripan preferensi
terhadap tingkat-tingkat atribut.
5. Mengevaluasi implikasi perubahan keputusan marketing-mix.

Dalam bidang pertanian, analisis konjoin telah banyak digunakan oleh para
peneliti untuk mengkuantifikasi preferensi konsumen buah dan sayuran (Baker
1999, Baker & Burnham 2001, Frank et al. 2001, Manalo 1990, van der Pol & Ryan
1996, Fotopoulos & Krystallis 2003); preferensi atribut makanan (Baker & Burnham
2001, Fotopoulos & Krystallis 2001, Gillespie et al. 1998, Halbrendt et al. 1991,
Harrison et al. 1998, Holland & Wessells 1998), serta preferensi untuk produk
pertanian lainnya (Huang & Fu 1995, Harrison et al. 2002, Krystallis & Ness 2005).
Langkah Analisis
1. Merumuskan Masalah
2. Mengkonstruksi Kombinasi Stimulus
3. Menentukan Bentuk Data Input
4. Membuat Prosedur Analisis Konjoin
5. Interpretasi Hasil
6. Menguji Reliabilitas dan Validitas

47
1. Merumuskan Masalah
Merumuskan masalah dalam analisis konjoin berarti penentuan atribut dan
tarafnya.
Sebagai contoh identifikasi atribut pada bawang merah adalah ukuran umbi, warna
kulit dan aroma, masing-masing dengan 3 dan 2 taraf yang dinilai mempengaruhi
responden. Tabel berikut menguraikan atribut beserta tarafnya.

Tabel Evaluasi Atribut Preferensi Bawang Merah (Adiyoga dan Nurmalinda, 2012)
Atribut Taraf Sub atribut
Ukuran Umbi 1 Diameter umbi 1.5 cm
2 Diameter umbi 2.5 cm
Warna Kulit 1 Warna kulit merah – ungu
2 muda
Warna kulit merah – ungu tua
Aroma 1 Aroma tidak menyengat
2 Aroma agak menyengat
3 Aroma menyengat

2. Mengkonstruksi Kombinasi Stimulus

Terdapat 2 pendekatan/ cara dalam merancang kombinasi atribut (stimuli),
yaitu pendekatan kombinasi berpasangan (pairwise comparison) atau evaluasi dua
faktor dan kombinasi lengkap (full profil) atau evaluasi banyak faktor. Pendekatan
kombinasi berpasangan (pairwise comparison) responden diminta untuk
mengevaluasi pasangan-pasangan atribut secara bersamaan. Bila ada m atribut
berarti jumlah pasangan yang dievaluasi sebanyak m(m−1)2 pasangan. Pendekatan
kombinasi lengkap (full profil) juga disebut evaluasi banyak faktor (multiple-factor-
evaluation) yaitu jika ada m faktor atau atribut dan ada n level yang diteliti dapat
mengevaluasi semua stimuli yang muncul dengan n × n × n × ... × n sejumlah m buah
dengan n >0 dan m >0.
Sebagai contoh akan digunakan perancangan stimuli dengan menggunakan
kombinasi lengkap. Dari tabel berikut diketahui bahwa jumlah taraf dari masing-
masing atribut adalah 2 x 2 x 3 = 12 stimuli. Semua stimuli tersebut bila dilakukan
secara manual adalah:

No Stimuli Ukuran Umbi Warna Kulit Aroma

1 Diameter umbi 1.5 cm Warna kulit merah – Aroma tidak
ungu muda menyengat
2 Diameter umbi 1.5 cm Warna kulit merah – Aroma agak
ungu tua menyengat
3 Diameter umbi 1.5 cm Warna kulit merah – Aroma menyengat
ungu muda
4 Diameter umbi 1.5 cm Warna kulit merah – Aroma tidak
ungu tua menyengat
5 Diameter umbi 1.5 cm Warna kulit merah – Aroma agak
ungu muda menyengat

48
 No Stimuli Ukuran Umbi Warna Kulit Aroma
6 Diameter umbi 1.5 cm Warna kulit merah – Aroma menyengat
ungu tua
7 Diameter umbi 2.5 cm Warna kulit merah – Aroma tidak
ungu muda menyengat
8 Diameter umbi 2.5 cm Warna kulit merah – Aroma agak
ungu tua menyengat
9 Diameter umbi 2.5 cm Warna kulit merah – Aroma menyengat
ungu muda
10 Diameter umbi 2.5 cm Warna kulit merah – Aroma tidak
ungu tua menyengat
11 Diameter umbi 2.5 cm Warna kulit merah – Aroma agak
ungu muda menyengat
12 Diameter umbi 2.5 cm Warna kulit merah – Aroma menyengat
ungu tua

Artinya:
Pada stimuli 1 produk yang mungkin diinginkan konsumen adalah bawang
merah dengan diameter umbi 1.5 cm, warna kulit merah ungu muda, dan aroma
tidak menyengat.
Pada stimuli 2 produk yang mungkin diinginkan konsumen adalah jam tangan
dengan desain modern dan dengan bentuk bulat. dst

Jika perancangan kartu stimuli dibuat dalam SPSS, maka perancangannya dilakukan
dengan cara membuat syntax. Prosedur pembuatan stimuli pada program SPSS
adalah sebagai berikut:
 Buka program SPSS, dan biarkan SPSS data dalam keadaan kosong (tidak ada
file yang dibuka)
 Dari menu file, pilih submenu open, lalu pilihan syntax (buka file syntax.sav)
 Untuk kasus Preferensi bawang merah maka ketik:
ORTHOPLAN
/FACTORS=
UKURAN 'Ukuran Umbi' ('diameter 1.5 cm' 'diameter 2.5 cm')
WARNA 'Warna Kulit Umbi' ('merah – ungu muda' 'merah – ungu
tua')
AROMA 'Aroma' ('tidak menyengat' 'agak menyengat' 'menyengat')
/HOLDOUT=0.
SAVE OUTFILE='CONJOINT BAWANG.SAV'.

Dengan prosedur orthoplan pada syntax SPSS maka terbentuk 8 cards atau 8 opsi
kombinasi produk.

49
Selanjutnya melakukan prosedur analisis dengan menuliskan perintah berikut pada
syntax SPSS.

Keterangan Logika penulisan syntax

Orthoplan, merupakan command pembuatan stimuli
Factors, untuk mendeskripsikan faktor-faktor yang akan dibuat stimulinya.
Dalam kasus ini, faktor adalah atribut, yang berjumlah 2.
Penulisan selanjutnya adalah nama dari kedua atribut diatas secara berurutan,
dengan tiap atribut diikuti oleh taraf atributnya. Beberapa hal yang harus
diperhatikan: nama faktor tidak boleh lebih dari 8 karakter penulisan label untuk
faktor dan label harus dimulai dan diakhiri dengan tanda kutip (’...’)
Holdout, adalah penguji hasil yang didapat nanti. Dalam kasus ini holdout diberi
nilai 0, berarti tidak ada stimuli untuk penguji.
Save Outfile, untuk menyimpan hasil pembuatan stimuli pada file tertentu. Dalam
kasus ini diberi nama file CONJOINT BAWANG.SAV
Lakukan eksekusi syntax dengan cara dari tampilan SPSS syntax editor, buka menu
RUN, lalu pilih ALL
Setelah beberapa saat akan muncul tampak output yang tersimpan pada
CONJOINT BAWANG.SAV

3. Menentukan Bentuk Data Input

 Setelah stimuli dibuat, responden akan melakukan ranking terhadap stimuli
yang ada (dalam contoh ini ada 2 responden), dengan angka 1 adalah ukuran
umbi yang paling tidak disukai, dan angka 5 (skor Likert 1 – 5) adalah ukuran
umbi yang paling disukai.
Dari stimuli yang terbentuk, proses dilanjutkan dengan proses conjoint, yang
mengambil file syntax yaitu CONJOINT BAWANG.sps
Buka program SPSS, dan biarkan SPSS data dalam keadaan kosong (tidak ada file
yang dibuka).
Dari menu File, pilih submenu New, lalu pilihan syntax. Untuk proses conjoin
pada kasus diatas ketik:

50
DATA LIST FREE/ QN PROD1 TO PROD8.
BEGIN DATA.
101 4 5 2 3 1 1 1 1
102 1 1 1 1 1 1 1 1
103 1 1 1 1 1 1 1 1
104 4 4 4 4 1 1 1 1
105 1 1 1 1 5 5 5 5
END DATA.

4. Membuat Prosedur Analisis Konjoin

Pada syntax yang sama, dituliskan prosedur analisis sebagai berikut:

CONJOINT PLAN='CONJOINT BAWANG.SAV'

/FACTORS=
UKURAN 'Ukuran Umbi' ('diameter 1.5 cm' 'diameter 2.5 cm')
WARNA 'Warna Kulit Umbi' ('merah – ungu muda' 'merah – ungu tua')
AROMA 'Aroma' ('tidak menyengat' 'agak menyengat' 'menyengat')
/SUBJECT=QN
/SCORE=PROD1 PROD2 PROD3 PROD4 PROD5 PROD6 PROD7 PROD8
/UTILITY='CONJOINT SOAL 1 UTILITY.SAV'.

Keterangan Logika Penulisan syntax

 Data list…..prod8. menjelaskan pembuatan data untuk produk 1 sampai produk
8 (karena jumlah card adalah 8)
 Begin data., menjelaskan awal data yang ditulis. Perhatikan adanya tanda titik
(’.’) pada akhir penulisan data.
Angka 101 menjelaskan kode responden
Angka inputan 1.00 lalu 3.00 dan seterusnya pada kode 101. menjelaskan
pemasukan pendapat responden, yang sebelumnya telah ada pada kolom resp
1.
 End data. Menjelaskan akhir penulisan data, Perhatikan adanya tanda titik (’.’)
pada akhir penulisan data.
Conjoint plan. Menjelaskan command SPSS untuk proses konjoin
=’CONJOINT SOAL 1. sav’ menjelaskan data file stimuli yang sebelumnya
telah dibuat, yang akan digabung dengan pendapat responden pada penulisan
data antara BEGIN DATA. DAN END DATA.
Factors, untuk mendeskripsikan faktor-faktor yang ada, yang telah dijelaskan
pada syntax pertama.
Subject = QN, menjelaskan pembuatan variabel QN, yang berisi kode responden
yaitu 101 dan 102, dst.
Score=prod1...prod8, menjelaskan pembuatan variabel score1 sampai score8,
yang berisi data seperti tertulis di antara BEGIN DATA. DAN END DATA. Hasil
score ini akan terlihat pada file utility dibawah ini.
Utility, menjelaskan pembuatan file baru sebagai pelengkap hasil proses
konjoin, yang berisi perhitungan utility dari masing-masing responden, namun
dalam bentuk data bertipe sav.

51
 Lakukan eksekusi syntax dengan cara dari tampilan SPSS syntax editor, buka
menu RUN, lalu pilih ALL
Setelah beberapa saat akan muncul output sebagai berikut:

Tampilan data pada lembar kerja SPSS setelah menu syntax dijalankan adalah
sebagai berikut:

Hasil output SPSS adalah sebagai berikut:

Recoded Values
Original Value Recoded Value Value Label

UKURAN 1 1 diameter 1.5 cm

2 2 diameter 2.5 cm
WARNA 1 merah – ungu
1
muda
2 2 merah – ungu tua
AROMA 1 1 tidak menyengat
2 2 agak menyengat
3 3 menyengat

Recoded values are used in computations.

Subject 1: 101.00
Utilities
Utility Estimate Std. Error

UKURAN diameter 1.5 cm -.167 .148

diameter 2.5 cm .167 .148

WARNA merah – ungu muda .083 .148
merah – ungu tua -.083 .148
AROMA tidak menyengat .000 .198
agak menyengat -.250 .232
Menyengat .250 .232
(Constant) 2.583 .156

52
 Importance Values

UKURAN 8.333
WARNA 4.167
AROMA 87.500

Averaged Importance
Score

Correlationsa
Value Sig.

Pearson's R .707 .025

Kendall's tau .535 .043

a. Correlations between observed and

estimated preferences

Subject 5: 105.00
Utilities
Utility Estimate Std. Error

UKURAN diameter 1.5 cm .000 .816

diameter 2.5 cm .000 .816
WARNA merah – ungu muda .000 .816
merah – ungu tua .000 .816
AROMA tidak menyengat .000 1.089
agak menyengat 2.000 1.277
Menyengat -2.000 1.277
(Constant) 3.000 .861

Importance Values

UKURAN .000
WARNA .000
AROMA 100.000

Correlationsa
Value Sig.

Pearson's R .707 .025

Kendall's tau .671 .031

a. Correlations between observed and

estimated preferences

53
Overall Statistics
Utilities
Utility Estimate Std. Error

UKURAN diameter 1.5 cm -.167 .148

diameter 2.5 cm .167 .148

WARNA merah – ungu muda .083 .148
merah – ungu tua -.083 .148
AROMA tidak menyengat .000 .198
agak menyengat -.250 .232
Menyengat .250 .232
(Constant) 2.583 .156

Importance Values

UKURAN 8.333
WARNA 4.167
AROMA 87.500

Averaged Importance
Score

Correlationsa
Value Sig.

Pearson's R .707 .025

Kendall's tau .535 .043

a. Correlations between observed and

estimated preferences

5. Interpretasi Hasil
Responden nomor 1 (dengan kode 101) menganggap Aroma bawang lebih penting
(87.5%) daripada Ukuran umbi (8.3%) dan Warna kulit umbi (4.17%). Responden
menyukai ukuran diameter umbi sebesar 2.5 cm, warna kulit umbi merah – ungu
muda, dan aroma bawang yang menyengat.
Responden nomor 5 menganggap Aroma bawang mutlak terpenting (100%)
daripada Ukuran umbi dan Warna kulit Umbi. Responden ini menyatakan preferensi
aroma bawang yang agak menyengat.
Secara total, responden menganggap Aroma bawang lebih penting Aroma bawang
lebih penting (87.5%) daripada Ukuran umbi (8.3%) dan Warna kulit umbi (4.17%).
Keseluruhan responden dapat disimpulkan lebih senang aroma bawang menyengat,
ukuran umbi berdiameter 2.5 cm, dan warna kulit umbi merah – ungu muda.

54
Dari Tabel output SPSS overall statistic telah diperoleh estimasi koefisien persamaan
Conjoint atau estimasi utilitas tiap levelnya yang disebut prediksi parth-worth secara
agregrat yaitu sebagai berikut:
a0 = 2,583, a11 = -0,167, a12 = 0,167, a21 = 0,083, a22 = −0,083, a31 = 0,000, a32 = -
0,250, a33 = 0,250.
Dari estimasi koefisien diatas maka dapat disubtitusi setiap estimasi utilitas kedalam
persamaan dasar konjoin yaitu sebagai berikut:
μ(x) = 2,583 – 0,167X11 + 0,167X12 + 0,083X21 − 0,083X22 + 0,00X31 – 0,250X32 +
0,250X33
Jika nilai Utility estimate negatif, maka responden kurang suka dengan stimuli
produk tersebut. Sebaliknya, jika nilainya positif, maka responden suka dengan
stimuli produk tersebut.

6. Menguji Reliabilitas dan Validitas

Untuk menguji validitas dalam analisis konjoin dilakukan dengan korelasi Pearson’s
R dan Tau Kendal. Landasan untuk uji signifikansi adalah:
H0 = Tidak ada korelasi yang kuat antara Observed Variable dan Estimated
Preferences
H1 = Ada korelasi yang kuat antara Observed Variable dan Estimated Preferences
Jika angka signifikansi _ 0,05 maka H0 diterima. Sebaliknya, jika angka signifikansi
< 0,05 maka H0 ditolak.
Output SPSS menunjukkan pengukuran korelasi baik secara Pearson ataupun
Kendall, menghasilkan angka yang relatif kuat yaitu diatas 0.5. hal ini menunjukkan
adanya hubungan yang kuat antara Estimates dan Actual, atau ada predictive
accuracy yang tinggi pada proses Conjoint. Dari tabel output di atas, dapat dilihat
hasil korelasi Pearson’s R dan Kendalls Tau terhadap utilitas (ˆ Y) dengan utilitas
aktual (U(x)) saling berkorelasi positif dan memiliki nilai signifikansi masing-masing
di bawah 0,05. Dengan demikian, dapat disimpulkan bahwa ada korelasi yang nyata
antara hasil konjoin dengan pendapat responden.

55
DAFTAR PUSTAKA

Purwadi, B. 2000. Riset Pemasaran: Implementasi dalam Bauran Pemasaran. PT.

Grasindo. Jakarta.

Sunyoto, D. 2014. Konsep Dasar Riset Pemasaran dan Perilaku Konsumen. Center
for Academic Publishing Service, Yogyakarta.

Umar, H. 2000. Riset Pemasaran dan Perilaku Konsumen. PT. Gramedia Pustaka
Utama bekerjasama dengan Jakarta Business Center (JBRC). Jakarta.

56
Lampiran 2.

Lampiran Data Persepsi Responden

No.
Responden Q1 Q2 Q3 Q4 Q5 Q6 Q7 Q8 Q9 Q10
1 3 3 3 3 4 4 3 3 4 4
2 4 3 4 4 3 4 4 4 4 3
3 3 4 4 4 4 4 4 4 4 4
4 3 4 3 3 3 4 4 4 4 3
5 3 3 4 4 2 3 4 4 3 3
6 3 3 3 3 3 3 3 3 4 3
7 3 3 4 4 3 3 4 4 3 3
8 3 3 3 3 3 3 3 3 2 3
9 3 2 3 2 2 3 2 2 3 2
10 3 3 3 3 3 4 3 3 3 3
11 4 4 3 3 3 4 3 3 3 3
12 3 3 3 3 4 3 3 3 2 3
13 1 1 3 2 3 3 2 2 3 3
14 4 2 3 4 4 4 3 3 3 4
15 3 4 3 3 3 2 3 3 4 3
16 3 3 4 4 2 4 4 4 3 2
17 3 3 3 3 2 4 3 3 4 3
18 4 3 4 4 4 3 4 4 3 4
19 4 3 3 3 3 3 3 3 2 3
20 4 3 2 2 2 3 2 2 2 2
21 3 4 2 3 3 2 2 2 4 3
22 3 4 4 4 3 4 4 4 3 3
23 3 3 3 3 4 4 3 3 2 4
24 3 2 2 2 3 3 2 2 3 3
25 2 2 3 3 3 3 3 3 3 3
26 3 4 3 3 3 3 3 3 4 3
27 3 4 4 4 2 2 4 4 3 2
28 3 3 3 3 3 2 3 3 3 3
29 3 3 3 3 2 3 3 3 3 2
30 3 4 3 3 4 3 3 3 2 4
31 3 2 2 2 4 3 2 2 3 3
32 2 3 3 3 3 3 3 3 2 3
33 1 1 2 2 2 3 2 2 4 2
34 4 3 4 4 3 4 4 4 4 3
35 2 3 4 4 3 4 4 4 3 3
36 3 3 3 3 4 3 3 3 2 4
37 3 1 3 2 3 3 2 2 3 3
38 3 3 3 3 4 2 3 3 3 4
39 3 3 3 3 4 3 3 3 4 4
40 2 3 4 4 4 4 4 4 3 4
41 3 3 3 3 4 4 3 3 4 4
42 2 3 3 4 3 3 4 4 4 3
43 3 3 4 4 3 3 4 4 4 3
44 3 2 4 4 2 3 4 4 4 2
45 4 3 4 4 3 3 4 4 3 3
46 3 4 3 3 3 4 3 3 3 3
47 3 2 3 3 2 2 3 3 2 4
48 3 1 2 2 3 3 2 2 3 3
49 4 3 3 3 3 4 3 3 3 3

57
50 3 3 3 2 3 3 3 3 2 3
51 3 3 2 2 4 4 2 2 3 4
52 2 1 3 3 4 3 3 3 3 4
53 4 2 4 3 3 2 3 3 3 3
54 1 2 3 3 3 3 3 3 4 3
55 3 3 4 3 3 3 4 3 4 3
56 2 1 3 3 3 3 3 3 3 3
57 4 2 3 3 2 2 3 3 3 2
58 1 2 3 3 3 3 3 3 4 3
59 4 2 3 2 4 3 3 2 4 4
60 1 2 3 2 3 4 3 2 4 3
61 3 3 3 4 3 3 2 4 4 3
62 3 3 2 4 4 4 2 4 3 4
63 3 3 4 3 3 3 4 3 2 3
64 3 3 4 1 3 2 4 1 4 3
65 4 4 3 3 3 2 3 3 3 3
66 3 3 1 2 3 4 1 2 1 3
67 2 2 3 2 3 3 3 2 3 3
68 4 2 2 4 3 2 2 4 4 3
69 4 3 2 4 3 3 2 4 3 4
70 3 3 4 3 3 3 4 3 2 3
71 3 4 4 2 3 4 4 2 4 3
72 3 2 3 4 3 3 3 4 4 3
73 3 3 3 4 3 3 2 4 4 3
74 4 3 4 2 4 3 4 2 3 4
75 3 4 4 4 3 2 4 4 2 3
76 1 3 2 3 4 3 2 3 2 4
77 3 2 4 2 3 2 4 2 4 3
78 4 3 3 4 3 4 3 4 4 3
79 2 4 2 3 4 4 2 3 3 4
80 4 4 4 3 2 3 4 3 3 2
81 3 4 3 3 3 2 3 3 3 3
82 4 3 3 4 3 3 3 4 3 3
83 2 3 4 4 3 3 3 4 3 3
84 3 2 4 3 4 4 4 3 3 4
85 3 4 4 3 3 3 4 3 3 3
86 3 4 3 4 4 4 3 4 3 4
87 4 3 3 3 3 4 3 3 2 3
88 3 3 4 4 2 4 4 3 3 3
89 3 3 3 4 2 4 3 4 4 2
90 3 4 3 2 4 3 3 2 3 4
91 4 3 4 4 3 3 4 4 2 3
92 2 3 2 3 3 2 2 3 3 3
93 4 3 4 4 3 3 4 4 2 3
94 3 3 3 3 4 3 3 4 4 4
95 4 3 4 3 1 2 4 3 4 2
96 4 3 4 3 2 3 4 3 3 2
97 3 1 3 3 2 3 3 3 3 2
98 3 2 3 2 4 3 3 2 3 4
99 4 4 3 3 3 4 3 3 4 3
100 4 2 3 4 4 2 2 4 4 4

58
Lampiran 2. FORMAT COVER

LAPORAN PRAKTIKUM
RISET PEMASARAN

JUDUL

LOGO UNDIP

KELOMPOK
ANGGOTA (NAMA & NIM)

PROGRAM STUDI S1 AGRIBISNIS

FAKULTAS PETERNAKAN DAN PERTANIAN
UNIVERSITAS DIPONEGORO
2019

59