IDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI

MILENIAL DALAM MEMILIH SMARTPHONE YANG BERMEREK

IPHONE

Dosen:
Fredi Andria, STp., M.M.

Disusun oleh :
Fitri Amalia Ikhtiyari (021118399)
Muhammad Raflisyah (021118432)
Sri Nurhayati Pakarti (021118417)
Syarul Hidayat (021118410)
Muhamad Try Septian (021118423)

PROGRAM STUDI MANAJEMEN

FAKULTAS EKONOMI
UNIVERSITAS PAKUAN BOGOR
Jl. Pakuan PO Box 452 Bogor 16413 Jawa Barat Indonesia Telp. 0251-8312206, 02151-
8380137
http://www.feunpak.web.id Email: feup@feunpakweb.id

1
 DAFTAR ISI

Halaman Judul....................................................................................................... 1
Daftar Isi .............................................................................................................. 2
Daftar Gambar ...................................................................................................... 4
Dafar Table ……………………………………………………………………… 5
Kata Pengantar....................................................................................................... 6
Bab 1 Pendahuluan ……………………………………………………………... 7
1.1 Latar Belakang Penelitian ........................................................................ 7
1.2 Identifikasi Masalah dan Perumusan Masalah......................................... 7
1.2.1. Identifikasi Masalah................................................................. 7
1.2.2. Perumusan Masalah.................................................................. 7
1.3 Maksud dan Tujuan Penelitian................................................................. 8
1.3.1. Maksud Penelitian.................................................................... 8
1.3.2. Tujuan Penelitian...................................................................... 8
1.4.Kegunaan Penelitian………………………………................................. 8
Bab II Referensi .................................................................................................... 9
2.1. Data Mining ....................................................................................... 9
2.2. Metode Classification ........................................................................ 9
2.3. Metode Clustering ............................................................................. 11
2.4 Konsep Harga..................................................................................... 14
2.5. Konsep Kualitas ................................................................................ 14
2.6. Konsep Citra Nama ........................................................................... 15
2.7. Konsep Fitur - Fitur ........................................................................... 16
2.8. Kerangka Berpikir ............................................................................. 17
2.9. Hipotesis Penelitian ........................................................................... 17
Bab III Metode Penelitian .................................................................................... 18
3.1. Jenis Penelitian …………………………………………................ 18
3.2 Metode Penarikan Sample …………………………………………. 18
3.3 Metode Pengumpulan Data ………………………………………… 18
3.4 Metode Pengelolaan Data/ Analisis Data .......................................... 19

2
Bab IV Hasil Penelitian & Pembahasan ............................................................... 20
4.1 Hasil Algoritma Classification C4.5 dan Analisis ............................. 20
4.1.1 Menggunakan decision tree (C4.5)........................................... 20
4.2 Hasil Algoritma Clustering K-Means Dan Analisis ………………... 22
Bab V Kesimpulan……………………………………………………………... 26
5.1 Kesimpulan ………………………………………………………... 26
Daftar Pustaka …………………………………………………………………. 27

3
 Daftar Gambar

Gambar 1.1 Hierarchical Clustering ………………………………………. 11

Gambar 1.2 Partitional Clustering……………………………………… 12
Gambar 1.3 Kerangka Berpikir .……………………………………….. 16
Gambar 1.4 Hasil Running tree C4.5 ……………………………………... 20
Gambar 1.5 Visualize tree ………………………………………………… 21
Gambar 1.6 Hasil Clustering K-Means …………………………………… 22
Gambar 1.7 Visualize Cluster Assignments……………………………….. 22

4
 Daftar Table
Table 1.1 Hasil dari akurasi WEKA …………………………………….. 21
Table 1.2 Hasil dari akurasi WEKA …………………………………….. 23

5
 Kata pengantar
Puji dan syukur kehadirat Allah SWT atas petunjuk, pengetahuan dan karunia- Nya
sehingga penulis dapat menyelesaikan penyusunan skripsi ini. Shalawat dan salam juga kepada
baginda Rasulullah SAW. Beserta keluarga dan sahabat-sahabatnya sebagai uswatun khasanah
yang menjadi rahmatanlilalamin bagi semesta alam. Karna beliau kita dapat hidup dimasa yang
terang-benerang seperti saat ini
Skripsi dengan judul “Identifikasi factor-faktor yang mempengaruhi milenial dalam
memilih smartphone bermerk iPhone” penulis hadirkan sebagai salah satu prasyarat untuk
menyelesaikan tugas yang diberikan oleh dosen mata kuliah data mining studi S1 Universitas
Pakuan Bogor. Tak terasa menjalani kuliah selama beberapa tahun, selama itu pula banyak
rintangan dan kesulitan yang penulis hadapi, namun berkat kerja keras dan dukungan dari
berbagai pihak, dari keluarga, dosen dan teman-teman yang ikhlas memberikan bantuan,
bimbingan dan arahan sehingga penulis dapat menjalani kuliah, hingga penulisan skripsi ini
dapat kami selesaikan
Pada kesempatan ini saya akan menyampaikan ribuan terimakasih yang setinggi-
tingginya kepada:
1. Allah SWT atas kemudahan dalam pembuatan tulisan ini.
2. Fredi Andria, STp., M.M.
3. Kepada keluarga yang terlah memberikan dukungan baik moril, maupun materil.
4. Kepada Narasumber yang kami berikan quisoner

6
 Bab 1
Pendahuluan

1.1 Latar Belakang Penelitian

Indonesia mengalami fenomena banyaknya pengguna smartphone yang bermerek iphone

atau apple. Di lain sisi, remaja, yang sebagian besar merupakan kelompok generasi Y, telah
mengganrikan smartphone yang digunakan sebelumnya dengan produk iphone. Dikarnakan pada
zaman-zaman pada saat ini banyak milenial dalam menggunakan iPhone dengan berbanyak
macam alasan yang diberikannya , sedangkan banyak orang berkata bahwa merek android lebih
bagus di bandingkan dengan merek iPhone,di dalam segi spesifikasi ada beberapa yang bilang
baut apa kita membeli smartphone dengan harga yang mahal tapi dengan spesifikasi yang kurang
dengan harga semahal itu, tetapi ada saja yang berkata bahwa memang wajar harga iPhone
semahal itu, dikarnakan memang dari segi design fitur yang diberikan bahkan ada yang
mengatakan bahwa mempunyai iPhone itu gengsi atau bisa disebut orang kaya atau handphone
yang terbaik di bandingkan yang lainnya Berkembangnya industri penjualan smartphone iphone
di Indonesia, ditambah dengan bantuan teknologi Internet di antara generasi millennial ini ,
iPhone yang dilakukan dengan menyelipkan produk dan/atau merek pada kenyamanan
pengunaan.
Dengan demikian, pengguna dapat melihat produk dan/atau merek dalam kenyamanan
yang mereka rasakan, yang ditunjukkan baik secara verbal maupun secara non-verbal.
Menyebabkan peneliti tertarik untuk meneliti sikap yang ditunjukkan para pengguna iphone
terhadap memilih produk tersebut dan mengapa memilih iPhone, Penelitian dilakukan terhadap
pengguna produk iPhone baik yang baru menggunakan atau sudah lama menggunakan iPhone
bahkan yang sudah membeli banyak jenis produk iPhone Data kuantitatif diperoleh dari
kuesioner yang disebar melalui media online. Dengan data tersebut peneliti menguji beberapa
hubungan yang terjadi di antara objek penelitian berupa apa kenyaman yang dirasakan pengguna
produk iPhone, apakah fungsinya lebih bagus dari produk dan/atau merek lainnya, apakah benar
kamera yang disuguhkan iPhone lebih bagus dibandingkan produklainnya, apakah hanya gengsi
sebagai sebab pembelian produk dan/atau merek iPhone, bagaimana system oprasi iPhone di
banding dengan produk dan/atau merek lainnya.
1.2 Identifikasi dan Perumusan Masalah
Identifikasi Permasalahan
1. Factor-faktro apa saja yang menjadi alasan milenial dalam memilih smarth
phonen
2. Bagaiman karakteristik dari milineal tersebut pada saat memilih iPhone
3. Apa penyebabnya milenial memilih iPhone di banding merek smartphone lainnya

7
 Rumusan Permasalahan
1. Bagaimana factor-faktor berpengaruh secara simultan terhadap milineal yang
memilih smarth phone bermerek iPhone ?
2. Bagaimana factor-faktor berpengaruh secara simultan terhadap milineal yang
memilih smarth phone bermerek iPhone berpengaruh secara parsial terhadap
milenial yang memilih smarthphone bermerek iPhone ?
3. Faktor manakah yang paling dominan mempengaruhi keputusan memilih
smarthphone menurut milenial

1.3 Maksud dan Tujuan Penelitian

1.3.1 Maksud penelitian
Maksud penelitian adalah untuk menganalisis kesenjangan (gap) yang terjadi
antara fakta/ pelaksanaan/ kondisi dengan teori/ seharusnya/ peraturan/ standar
mengenai suatu variabel penelitian faktor-faktor yang mempengaruhi milenial dalam
memilih smartphone bermerk iPhone, menginformasikan hasil akhir dari penelitian, serta
memberikan saran yang dapat menghilangkan penyebab timbulnya permasalahan.
1.3.2 Tujuan penelitian
1. Untuk mengetahui faktor yang mempengaruhi milenial dalam memilih iPhone
2. Untuk mengetahui perbedaan faktor-faktor pemilihan iPhone berdasarkan
perbedaan jenis kelamin, tingkat pendidikan dan penghasilan.
3. Untuk mengetahui alasan milenial dalam memili iPhone

1.4 Kegunaan penelitian

Kegunaan praktis

Manfaat praktis bagi peneliti, yaitu untuk menambah pengetahuan dan

pengalaman bagi peneliti dalam menerapan pengetahuan terhadap masalah yang dihadapi
secara nyata. Dan dapat mengetahui apa yang peneliti cara dalam penelitian ini

Kegunaan akademis
Manfaat akademis yang dituju yaitu dapat dijadikan rujukan bagi milenial dalam
memilih smartphone yang digunakan sehari-hari dan berguna juga untuk menjadi
referensi bagi mahasiswa yang melakukan kajian terhadap factor-faktor yang
mempengaruhi milenial dalam memilih smartphone bermerek iPhone

8
 BAB II
REFERENSI

2.1 DATA MINING

Data mining adalah proses yang mempekerjakan satu atau lebih teknik pembelajaran
komputer (machine learning) untik menganalisis dan mengekstrasi pengetahuan (knowledge)
secara otomatis. Definisi lain diantaranya adalah pembelajaran berbasis induksi (induction-based
learning) adalah proses pembentukan definisi-definisi konsep umum yang dilakukan dengan cara
mengobservasi contoh-contoh spesifik dari konsep-konsep umum yang akan dipelajari.
Data mining merupakan proses iteratif dan interaktif untuk menemukan pola atau model
baru yang sahih (sempurna), bermanfaat dan dapat dimengerti dalam suatu database yang sangat
besar (massive databases). Data mining berisi pencarian trend atau pola yang diinginkan dalam
database besar untuk membantu pengambilan keputusan di waktu yang akan datang. Pola-pola
ini dikenali oleh perangkat tertentu yang dapat memberikan suatu analisa data yang berguna dan
berwawasan yang kemudian dapat dipelajari dengan lebih teliti, yang mungkin saja
menggunakan perangkat pendukung keputusan lainnya.
(Witten et al., 2011) mengatakan, data mining adalah Melakukan ekstraksi untuk
mendapatkan informasi penting yang sifatnya implisit dan sebelumnya tidak diketahui, dari suatu
data. (Santosa, 2007) mengatakan juga bahwa data mining adalah, Kegiatan yang meliputi
pengumpulan, pemakaian data historis untuk menemukan keteraturan, pola dan hubungan dalam
set data berukuran besar.
Dalam penyusunan skripsi ini kami mengambil cara penelitiannya menggunakan data
mining yang sudah pernah diajarjan kepada kami, melalui aplikasi-aplikasi yang bisa
mengelelola Big data, kami menggunakan aplikasi data mining supaya memudahkan kami dalam
mendapatkan hasil analisis dari quisioner yang kami sebar kepada narasumber.

2.2 METODE CLASSIFICATION

Metode Classification adalah sebuah metode dari data mining yang digunakan untuk
memprediksi kategori atau kelas dari suatu data instance berdasarkan sekumpulan atribut-
atribut dari data tersebut. Atribut yang digunakan mungkin bersifat categorical(misalnya
golongan darah :“A”, “B”, “O”, dst), ordinal(misalnya urutan : small, medium,danlarge),
integer-valued(misalnya banyaknya suatu kata pada suatu paragraf), atau real-
valued(misalnya suhu). Kebanyakan algoritma yang menggunakan metode klasifikasi
ini hanya menggunakan data yang bersifat diskret dan untuk data yang bersifat kontinu
(real-valueddan integer-valued) maka data tersebut harus dijadikan diskret dengan cara
memberikan threshold(misal lebih kecil dari 5 atau lebih besar dari 10) supaya data dapat
terbagi menjadi grup-grup.Sebagai contoh dari metode klasifikasi adalah menentukan e-
mailyang masuk termasuk kategori spamatau bukan spamatau menentukan diagnosis dari
pasien berdasarkan umur, jenis kelamin, tekanan darah, dan sebagainya(Tan, 2004).

9
 Algoritma yang mengimplementasikan metode ini disebut dengan classifier. Istilah
“classifier”ini juga terkadang direferensikan sebagai fungsi matematika yang digunakan
untuk memetakan input data dengan kategori-kategori tertentu.Cara kerja
darimetodeClassification adalah sebuah proses 2 langkah. Langkah pertamaadalahLearning.
Pada langkah ini,classifierdibangun berdasarkan sekumpulan kelas atau kategori yang sudah
ditentukan dari data. Langkah ini disebut learning stepatau training step, dimana sebuah
algoritma classificationmembangun classifierdengan menganalisisatau “belajar dari” sebuah
training set.Sebuah tuple x , yang direpresentasikan dengan n-dimensi attribute vector, x =
(X1,X2,… Xn) yang menggambarkan nbuah pengukuran yang dibuat pada tuplepada n-
attribute A1,A2,…An . Setiap tuple diasumsikan termasuk dalam kelas atau kategori yang
sudah ditentukan oleh attribute yang disebut dengan class label attribute.Class label
attributemempunyai nilai diskret,tidak berurutan dan tiap nilai berfungsi sebagai kelas atau
kategori(Han, 2006). Dalam Classification ini di bagi menjadi dua metode yaitu :
CART Algorithm
CART merupakan singkatan dari ClassificationAndRegressionTrees. CART
adalah metode klasifikasiyang menggunakan data historisuntuk membentuk
decisiontreeyang dapat digunakan untuk mengklasifikasi data baru. Metodologi
CART dikembangkan oleh Breiman, Freidman, Olshen, Stone pada sekitar tahun 1984
dalam papermereka yang berjudul “Classification and Regression Trees”. Untuk
membangun decisiontree, CART menggunakan learningsample, sekumpulan data
historis yang sudah ditetapkan kelas-kelasnya untuk observasi(Timofeev, 2004).
DecisionTreeadalah representasi dari sekumpulan pertanyaan yang akan
membelahlearningsamplemenjadi bagian yang lebih kecil. Pertanyaan yang diajukan
decisiontreebiasanya berupa yes/no question, seperti “Is age greater than 50?” atau
“Is sex male?”. Oleh karena itu, DecisionTreeyang terbentuk bersifat binaryatau
selalu bercabang dua. Algoritma CART akan mencarisemua kemungkinan variabeldan
nilai untuk menemukan splityang paling baik dari pertanyaan yang yang akan
membagi learningsamplemenjadi 2 bagian dengan homogenitas maksimal. Proses
akan dilanjutkan sampai decisiontreemenghasilkan datafragment, yaitu suatu data
yang tidak bisa dibelah lagi(Timofeev, 2004).Sesuai dengan nama algoritmanya,
CART dapat membentuk 2 tipe decisiontree, yaitu ClassificationTreedan
RegressionTree. Kedua treetersebut mempunyai kegunaan yang berbeda.
Classification Tree
Classification Tree Classification Tree digunakan untuk mengklasifikasi data
historis berdasarkan atribut kelas.Input dari Classification Tree adalah sekumpulan
tuple data yang disebut dengan data set atau learnings ample(Tan, 2004). Setiap tuple
mempunyai sekumpulan atribut (X1,X2,…Xn,Y) , dimana X1,X2,… Xn atribut-atribut
yang akan diklasifikasi dan adalah atribut kelas dari tuple.
Classification Tree dibangun berdasarkan splitting rule, yaitu suatu
ruleatauaturan yang menentukan dan melakukan proses pembelahan dari dataset

10
 (Tan, 2004). Classification Tree mempunyai beberapa splitting ruleuntuk membelah
data. Salah satunya adalahGiniIndex

2.3 METODE CLUSTERING

Clustering atau klasterisasi adalah metode pengelompokan data. Menurut Tan,

2006 clustering adalah sebuah proses untuk mengelompokan data ke dalam
beberapa cluster  atau kelompok sehingga data dalam satu cluster memiliki tingkat kemiripan
yang maksimum dan data antar cluster memiliki kemiripan yang minimum.
Clustering merupakan proses partisi satu set objek data ke dalam himpunan bagian yang
disebut dengan cluster. Objek yang di dalam cluster memiliki kemiripan karakteristik antar satu
sama lainnya dan berbeda dengan  cluster yang lain. Partisi tidak dilakukan secara manual
melainkan dengan suatu algoritma clustering. Oleh karena itu, clustering sangat berguna dan bisa
menemukan group atau kelompokyang tidak dikenal dalam data. Clustering banyak digunakan
dalam berbagai aplikasi seperti misalnya pada business inteligence, pengenalan pola citra, web
search,  bidang ilmu biologi, dan untuk keamanan (security). Di dalam business
inteligence, clustering bisa mengatur banyak customer ke dalam banyaknya kelompok.
Contohnya mengelompokan customer ke dalam beberapa cluster dengan kesamaan karakteristik
yang kuat. Clustering juga dikenal sebagai data segmentasi karena clustering mempartisi banyak
data set ke dalam banyak group berdasarkan kesamaannya. Selain itu clustering juga bisa
sebagai outlier detection.
Metode clustering secara umum dapat dibagi menjadi dua yaitu hierarchical
clusteringdan partitional clustering(Tan, 2011). Sebagai tambahan, terdapat pula metode
Density-Based dan Grid–Based yang juga sering diterapkan dalam implementasi clustering.
Berikut penjelasannya:
Hierarchical clustering
Pada hierarchical clusteringdata dikelompokkan melalui suatu bagan yang
berupa hirarki, dimana terdapat penggabungan dua grup yang terdekat disetiap iterasinya
ataupun pembagian dari seluruh set data kedalam cluster.

11
 Gambar 1.1
Hierarchical Clustering
(Sumber:Han dkk, 2012)
Langkah melakukan Hierarchical clustering:
1. Identifikasi item dengan jarak terdekat
2. Gabungkan item itu kedalam satu cluster
3. Hitung jarak antar  cluster
4. Ulangi dari awal sampai semua terhubung
Contoh metode hierarchy clustering: Single Linkage, Complete Linkage, Average
Linkage, Average Group Linkage. 

Partitional Clustering
Partitional clusteringyaitu data dikelompokkan ke dalam sejumlah cluster tanpa
adanya struktur hirarki antara satu dengan yang lainnya. Pada metode partitional
clusteringsetiap  cluster memiliki titik pusat cluster (centroid) dan secara umum metode
ini memiliki fungsi tujuan yaitu meminimumkan jarak (dissimilarity) dari seluruh data ke
pusat cluster masing-masing. Contoh metode partitional clustering:  K-Means, Fuzzy K-
means dan Mixture Modelling.

12
 Gambar 1.2 Proses
Clustering Obyek Menggunakan metode k-Means
(Sumber:Han dkk, 2012)
Metode K-means merupakan metode clustering yang paling sederhana dan umum.
Hal ini dikarenakan K-means mempunyai kemampuan mengelompokkan data dalam
jumlah yang cukup besar dengan waktu komputasi yang cepat dan efisien. K-Means
merupakan salah satu algoritma klastering dengan metode partisi (partitioning method)
yang berbasis titik pusat (centroid) selain algoritma k-Medoids yang berbasis obyek.
Algoritma ini pertama kali diusulkan oleh MacQueen (1967) dan dikembangkan oleh 
Hartigan dan Wong tahun  1975 dengan tujuan untuk dapat membagi M data point dalam
N dimensi kedalam sejumlah k cluster dimana proses klastering dilakukan dengan
meminimalkan jarak sum squares antara data dengan masing masing
pusat cluster (centroid-based). Algoritma k-Means dalam penerapannya memerlukan tiga
parameter yang seluruhnya ditentukan pengguna yaitu jumlah  cluster k, inisialisasi
klaster, dan jarak system, Biasanya, k-Means dijalankan secara independen dengan
inisialisasi yang berbeda menghasilkan cluster akhir yang berbeda karena algoritma ini
secara prinsip hanya mengelompokan data menuju local minimal. Salah satu cara untuk
mengatasi local minima adalah dengan mengimplementasikan algoritma k-Means, untuk
K yang diberikan, dengan beberapa nilai initial partisi yang berbeda dan selanjutnya
dipilih partisi dengan kesalahan kuadrat terkecil (Jain, 2009).
K-Means adalah teknik yang cukup sederhana dan cepat
dalam proses clustering obyek (clustering). Algoritma K-
mean mendefinisikan centroid atau pusat cluster dari cluster menjadi rata-rata point
dari cluster tersebut.Dalam penerapan algoritma k-Means, jika diberikan sekumpulan
data X = {x1, x2, …,xn} dimana xi = (xi1, xi2, …, xin) adalah ystem dalam ruang real Rn,
maka algoritma k-Means akan menyusun partisi X dalam sejumlah k cluster (a priori).
Setiap  cluster memiliki titik tengah (centroid) yang merupakan nilai rata rata (mean)  dari

13
 data-data dalam cluster  tersebut. Tahapan awal, algoritma k-Means adalah memilih
secara acak k buah obyek sebagai centroid dalam data. Kemudian, jarak antara obyek
dan centroid dihitung menggunakan Euclidian distance. Algoritma k-Means
secara iterative meningkatkan variasi nilai dalam dalam tiap tiap cluster  dimana obyek
selanjutnya ditempatkan dalam kelompok yang terdekat, dihitung dari titik tengah klaster.
Titik tengah baru ditentukan bila semua data telah ditempatkan dalam cluster terdekat.
Proses penentuan titik tengah dan penempatan data dalam cluster diulangi sampai nilai
titik tengah dari semua cluster yang terbentuk tidak berubah lagi (Han dkk, 2012).

2.4 Konsep harga

Dalam buku Manajemen dan Pemasaran Jasa (2005) karya Buchari Alma, dalam teori
ekonomi terdapat value dan utility yang menjadi konsep dalam penetapan harga. Baca juga:
Harga Cabai Meroket, Pedagang di Pasar Induk Kramat Jati Mengaku Omzet Turun 40 Persen
Berikut penjelasannya:
 Utility
Suatu atribut yang melekat pada suatu barang, yang memungkinkan barang
tersebut memenuhi kebutuhan, keinginan, dan memuaskan konsumen.
 Nilai (value)

Nilai suatu produk untuk ditukar dengan produk lain. Nilai ini dilihat dalam
situasi barter yaitu pertukaran barang dengan barang. Saat ini kegiatan perekonomian
sudah tidak melakukan barter, melainkan menggunakan uang sebagai ukuran yang
disebut harga (price). Harga merupakan niali suatu yang dinyatakan dengan uang. Hal
ini memberikanarti bahwa harga merupakan sejumlah uang yang digunakan untuk
menilai serta mendapatkan produk atau jasa yang dibutuhkan konsumen.
2.5 Konsep kualitas
Kualitas produk menggambarkan sejauh mana kemampuan produk tersebut dalam
memenuhi kebutuhan konsumen. Definisi dari kualitas produk mencerminkan kemampuan
produk untuk menjalankan tugasnya yang mencakup daya tahan, kehandalan atau kemajuan,
kekuatan, kemudahan dalam pengemasan. “Kualitas produk menurut Kotler harus dimulai dari
kebutuhan pelanggan dan berakhir pada persepsi pelanggan”. 4 Hal ini mengindikasikan bahwa
citra kualitas produk yang baik bukan berasal dari pemilik usaha melainkan berasal dari persepsi
pelanggan, yang diperoleh dari pengalaman mereka terhadap produk tersebut. Differensiasi
yang menjadi keunggulan produk berpotensi untuk meningkatkan kepuasan 4 Philip Kotler,
Manajeman Pemasaran, konsumen yang berakhir pada keputusan pembelian. Dalam setiap
kegiatan usaha ada dua pilihan yaitu sukses dalam pengembangan produk sehingga

14
menciptakan keunggulan produk atau gagal dalam pencapaian tujuan bisnisnya karena produk
tidak mampu bersaing dipasar. Oleh karena itu dapat dikatakan bahwa para pemilik usaha
harus selalu menjaga kualitas produk agar keberlangsungan usaha.
a. Indikator Kualitas
1. Mutu
Mutu harus tetap nomor satu didalam penyelenggaraan usaha jasa baik
produknya maupun pelayanannya.
2. Penampilan
Jenis produk harus bervariatif serta penampilan produk harus menarik,
agar konsumen lebih tertarik
3. Gaya
Gaya atau style produk juga harus mengikuti perkembangan zaman, agar
tidak tertinggal oleh perusahaan jasa lain, guna menjaga konsumen tidak
berpindah ke perusahaan jasa lain.
4. Ukuran
Ukuran produk harus sangat bervariatif, agar konsumen dapat memilih
ukuran produk yang dibutuhkannya.
5. Jaminan
Jaminan akan terasa sangat penting guna menjaga kepercayaan
konsumen. Konsumen dapat dengan bebas membeli produk kita tanpa ada rasa
takut karena ada jaminan yang melindungi hak konsumen.
2.6 Konsep citra
Kata citra tidak asing dalam kehidupan kita sehari-hari. Orang menyebut gambaran atau
image mengenai seseorang maupun sesuatu untuk mempermudah artian dari citra. Namun
bagi kita para kaum yang berkecimpung dalam dunia ilmu komunikasi tidak hanya sebatas itu
mengartikan sebuah kata citra. Banyak sekali arti kata citra yang di pergunakan dalam dunia
ilmu komunikasi, misalnya dalam bidang broadcasting, public relation maupun yang lain. Tetapi
kali ini kita akan membahas artian kata citra dalam ruang lingkup perusahaan. Sebuah
perusahaan akan membutuhkan waktu yang cukup lama untuk membentuk suatu citra positif di
mata khalayak. Membentuk citra positif tidak semudah membangun perusahaan itu sendiri,
karena citra sebuah perusahaan melibatkan penilaian dan kepercayaan masyarakat sehingga
tidak akan mudah untuk dibentuk kecuali dari perusahaan itu sendiri.

15
Seorang ahli komunikasi yang bernama Shirley Harrison mengungkapkan bahwa terdapat
empat elemen yang tergolong dalam informasi lengkap mengenai citra perusahaan, yaitu :

 Personality        : keseluruhan karakteristik perusahaan yang dipahami public sasaran

seperti perusayang dapat dipercaya, perusahaan yang mempunyai tanggung jawab
sosial
 Reputation          : hal yang telah dilakukan perusahaan dan diyakini public sasaran
berdasarkan pengalaman sendiri maupun pihak lain seperti kinerja keamanan
transaksi sebuah bank
 Value   : nilai-nilai yang dimiliki suatu perusahaan dengan kata lain budaya
perusahaan seperti sikap manajemen yang peduli terhadap pelanggan, karyawan
yang cepat tanggap terhadap permintaan maupun keluhan pelanggan
 Corporate Identity : komponen-komponen yang mempermudah pengenalan public
sasaran terhadap perusahaan seperti logo, warna dan slogan

2.7 konsep fitur-fitur

Fitur adalah karakteristik khusus yang terdapat pada suatu alat. Biasanya kata 'fitur'
ditemukan pada peralatan elektronik, seperti televisi, radio, ponsel, dan lain-lain. Pengertian
'fitur' menurut istilah teknis komputer adalah fungsi, kemampuan, atau desain khusus dari
perangkat keras atau perangkat lunak.

Kata 'fitur' termasuk dalam kata benda atau nomina, dengan padanan katanya adalah karakteristik
atau sifat.

16
2.8 Kerangka Berfikir
Gambar 1.3. kerangka berpikir

Fitur-
fitur H5
Citra
H4
nama

H3 Milenial
memilih
Kualitas iPhone
H2

Harga
H1

2.9 Hipotesis Penelitian

Hipotesis penelitian adalah:

H1 : Haraga, Kualitas, Citra nama, Fitur-fitur diduga secara simultan berpengaruh
terhadap milenianal dalam memilih iPhone
H2 : Haraga diduga berpengaruh terhadap milenial dalam memilih iPhone
H3 : Kualitas diduga berpengaruh terhadap milenial dalam memilih iPhone
H4 : Citra nama diduga berpengaruh terhadap milenial dalam memili iPhone
H5 : Fitu-fitur diduga berpengaruh terhadap milenial dalam memilih iPhone

17
 BAB III
METODE PENELITAN

3.1 Jenis Penelitian

Jenis penelitian yang kami gunakan dalam merancang skripsi ini adalah ekploratif dan
deskriptif dengan metode yang digunakan adalah studi kasus yang bertujuan untuk mengetahui :
1. Untuk mengetahui pengaruh faktor harga, kualitas, citra nama, dan fitur-fitur yang
berpengaruh secara simultan terhadap milenial dalam memilih smartphone yang
bermerek iPhone
2. Untuk mengetahui pengaruh faktor harga, kualitas, citra nama, dan fitur-fitur yang
berpengaruh secara parsial terhadap milenial dalam memilih smartphone yang bermerek
iPhone
3. Untuk mengetahui faktor yang paling dominan mempengaruhi milenial dalam
memilih smartphone yang bermerek iPhone

3.2 Metode Penarikan Sample

Metode penarikan sampel untuk penelitian yang dilakukan dengan cara penarikan sampel
tidak berpeluang (non probability sampling) dengan metode convenience/accidental sampling
karena sampel atau responden tidak diketahui secara pasti, maka penentuan sampel atau
responden dilakukan kepada orang-orang yang secara kebetulan dijumpai atau orang-orang yang
akan mengisi quisioner. Untuk itu kuesioner diberikan kepada responden yang akan mengisi
quisioner yang kami sebar
Dan juga dalam quisioner yang disebar melalui media social atau Google Form dengan
cara penarikan sampel tidak berpeluang (non probability sampling) dengan metode
convenience/accidental sampling karena sampel atau responden tidak diketahui secara pasti,
maka penentuan sampel atau responden dilakukan kepada orang-orang yang melihat
link/undangan yang kami share melalui media lainnya. Untuk Quisinoner memlalui Google form
diberikan kepada responden yang akan mengisi setiap pertanyaan yang kami rancang/buat,
jumlah responden yang saya harapkan dalam penelitian ini adalah 100 responden.

3.3 Metode pengumpulan data

Metode pengumpulan data dilakukan dengan beberapa cara, yaitu :

1. Quisioner, yaitu dengan menyebarkan pertanyaan yang sudah dirancang/dibuat

oleh kami sebelum dilakukannya penyebaran quisioner, Kami melakukan
penyebaran quisioner melalui media google form, dengan tujuan mendapatkan
data yang valid/benar mengenai data dan informasi dari responden yang mengisi
quisioner yang saya sebar melalui google form, dan juga bertujuan untuk

18
 menambahkan, mempermudah saya dalam mengetahui informasi dan data dari
responden Pengumpulan data sekunder yang dilakukan secara manual dengan
memfotocopy buku atau literature atau laporan dari perusahaan yang berkaitan
dengan belanja online ,dan mengumpulkan data dengan mengunduh
(mendownload) media on line internet berupa data dari media massa cetak atau
website resmi perusahaan, atau data dari sumber-sumber yang pernah/selalu
berbelanja online

3.4 Metode Pengelolaan/ Analisis Data

Untuk menganalisis data yang diperoleh dari kuesioner yang disebarkan kepada
responden, digunakan beberapa metode sebagai berikut:

1. Analisis hubungan lebih dari dua variabel yang bertujuan untuk menguji ada
tidaknya asosiasi atau interdepensi atau ketergantungan di antara dua variabel yang
diteliti mengenai Identifikasi factor-faktor yang mempengaruhi milenial dalam memilih
smartphone bermerk iPhone.

2. Analisis Regresi Linear Berganda

Penelitian ini menggunakan analisis regresi berganda. Analisis regresi berganda

digunakan untuk mengetahui apakah antara variabel bebas dengan variabel terikat
mempunyai pengaruh yang berarti atau tidak secara serempak (Subagyo et al., 2005).
Untuk mempermudah maka dalam penelitian ini saya akan dibantu/menggunakan
program WEKA 3.7.4 for windows.

19
 BAB IV
HASIL PENELITIAN & PEMABAHASAN

4.1. Hasil Algoritma Classifocation C4.5 dan analisis

Pengujian sistem dilakukan menggunakan tools Weka dengan menerapkan metode Cross-
validation. Cross-validation adalah sebuah teknik untuk menilai atau melakukan validasi
keakuratan sebuah model yang dibangun berdasarkan dataset. Pada penelitian ini menggunakan
K-Fold validation, yakni membagi dataset menjadi sejumlah K partisi secara acak untuk diuji.
Penilaian kinerja proses analisa banknote authentication bersumber dari hasil pengukuran nilai
precision, recall, F-Measure dan akurasi. Precision merupakan nilai ketepatan informasi yang
diminta oleh pengguna dengan jawaban yang diberikan oleh sistem. Recall adalah tingkat
keberhasilan sistem dalam menemukan kembali sebuah informasi. F-Measure adalah nilai
harmonic atau nilai rata-rata (mean) dari nilai precision dan recall. Sedangkan nilai akurasi
adalah nilai tingkat kedekatan antara nilai prediksi dari sistem dengan nilai sebenarnya dari sudut
pandang manusia (actual). Pada data banknotes authentication tidak terdapat missing value pada
dataset tersebut sehingga tahap preprocessing selesai dengan menghilangkan anomali data pada
file .csv . File .csv diubah menjadi .arff sebelum dilakukan classification menggunakan Weka.

4.1.1. Menggunakan decision tree (C4.5).

Dengan metode tersebut, hasil classification data didapatkan sebagai berikut :

Gambar 1.4 : Hasil Running tree C4.5

20
 Gambar 1.5 : Visualize tree
Table 1.1 : Hasil dari akurasi WEKA
Tp Rate FP Rate Precision Recall F-Measure ROC Area Class
0.722 0.462 0.684 0.722 0.703 0.668 Setuju
1 0.071 0.6 1 0.75 0.935 Sangat
setuju
0 0.25 0 0 0 0.484 Kurang
setuju
0 0.034 0 0 0 0.969 Tidak
setuju
0 0 0 0 0 0.333 Sangat
tidak
setuju
Weighted Avg. 0,516 0.334 0.455 0.516 0.481 0.661

 Dari hasil penelitian, menunjukkan hasil akurasi sistem adalah sebesar 51.6% dan
nilai error sebesar 48.4% kemudian reltive absolute error dari decision tree
sebesar 73.2743% dengan total 15 instances yang salah masuk klasifikasi.
Sedangkan yang sesuai sebanyak 16 instance.
 Ditinjau dari segi efisiensi waktu yang dibutuhkan untuk perhitungan, metode ini
membutuhkan 3 kali iterasi dengan waktu 0.03 detik.
 Dari 18 data dengan status mahasiswa, terdapat 13 data dengan menjawab setuju,
terdapat 1 mahasiswa yang menjawab sangat setuju, dan 4 data mahasiswa yang
menjawab tidak setuju

21
  Dari 3 data dengan status pelajar SMP/SMA, terdapat 3 data yang menjawab
sangat setuju
 Dari 7 data yang berstatus karyawan , terdapat 5 data yang menjawab setuju,
terdapat 1 data yang menjawab sangat setuju, terdapat 1 data yang menjawab
tidak setuju
 Dari 2 data yang berstatus wirausaha/wiraswasta , terdapat 2 data yang menjawab
kurang setuju
4.2. Hasil Algoritma Clustering K-means dan Analisis

Gambar 1.6 : Hasil Clustering K-Means

22
 Gambar 1.7 : Visualize Cluster Assignments
Dari gambar visualize Cluster Assignments ini menghasilkan bahwa wanita memilik jawaban
yang sangat dominan dibandingkan jawaban pria dan dapat dilihat dari gambar bahwa terdapat
28 orang yang berada di cluster 1 dan terdapat 6 orang pada cluster 0.

Jenis kelamin Pria Wanita Pria

Usia <20 <20 <25
Status Mahasiswa Mahasiswa Mahasiswa
Smartphone Yang digunakan sekarang Android OS Apple IOS Android OS
1 Harga smartphone apple jenis ios Setuju Sangat setuju setuju
sesuai dengan kualitas yang
diberikan
2 Harga smathphone apple sesuai Setuju Sangat setuju setuju
dengan manfaat yang diberikan
3 Smartphone apple jenis ios Setuju Sangat setuju setuju
bervariasi sesuai harga dan tipe
nya
4 Smarthphone Iphone memberikan Kurang Setuju Sangat setuju Kurang setuju
potongan harga atau discount
kepada konsumen
5 Smartphone Iphone jenis Ios Setuju Sangat setuju setuju
bervariasi sesuai harga dan tipe
smartphone nya
6 Pembelian iPhone berdasarkan Setuju Sangat setuju setuju
persepsi harga dari produk iPhone
7 Kualitas smartphone Iphone jenis Setuju Sangat setuju setuju

23
 Ios sangat baik dan berkualitas
8 Fitur– fitur yang diberikan Iphone Setuju Sangat setuju setuju
jenis Ios sangat sesuai dengan
kebutuhan pengguna
9 Smartphone smartphone Iphone Setuju Sangat setuju setuju
mempunyai desain produk yang
sangat baik
10 Smartphone smartphone Iphone Setuju Sangat setuju setuju
mempunyai desain kemasan yang
menarik
11 Smartphone Iphone memiliki masa Setuju Sangat setuju setuju
pakai lebih dari 5 tahun
12 Pembelian iPhone berdasarkan Setuju Sangat setuju setuju
kualitas produk dari produk iPhone
13 Smartphone Iphone jenis Ios sudah Setuju Sangat setuju setuju
terpercaya dikalangan umum
14 Smartphone Iphone memiliki citra Setuju Sangat setuju setuju
perusahaan yang bagus dikalangan
umum
15 Smartphone Iphone jenis Ios Setuju Sangat setuju setuju
memiliki perbedaan dari
smartphone lain
16 Pembelian iPhone berdasarkan Setuju Sangat setuju setuju
pada kepercayaan terhadap merk
Apple
17 Pembelian iPhone berdasarkan Setuju Sangat setuju setuju
citra merk dari produk iPhone
18 Merek Iphone mudah diingat Setuju Sangat setuju setuju
19 Saya lebih mempreoritaskan Kurang Setuju Sangat setuju Kurang setuju
produk Iphone dari merek lainnya
jika akan membeli smartphone
20 Membeli smartphone Iphone jenis Setuju Sangat setuju setuju
Ios membantu kebutuhan online
sehari-hari
21 Pembelian smartphone Iphone Setuju Sangat setuju setuju
jenis Ios banyak tersedia di Store
terdekat
22 Saya membeli iPhone berdasarkan Setuju Sangat setuju setuju
adanya promosi pada produk
iPhone
23 Saya membelian iPhone Setuju Sangat setuju setuju
berdasarkan pemberitahuan
informasi dari pengguna iPhone
lain

Table 1.2 : Hasil dari akurasi WEKA

24
Dari hasil penelitian menggunakan algoritma k-means dapat di hasilkan terdapat 34 interasi ,
terdapat 28 orang (82%) pria yang berumur kurang dari 25 tahun berstatus mahasiswa dan
menggunakan smartphone adroid OS, dan terdapat 6 orang (18%) wanita berumur kurang dari 20
tahun berstatus mahasisea dan menggunakan smartphone Apple IOS.

25
 BAB V
Kesimpulan

5.1. Kesimpulan
Untuk mengetahui pengaruh faktor harga, kualitas, citra nama, dan fitur-fitur yang berpengaruh
secara simultan terhadap milenial dalam memilih smartphone yang bermerek iPhone. Untuk mengetahui
pengaruh faktor harga, kualitas, citra nama, dan fitur-fitur yang berpengaruh secara parsial terhadap
milenial dalam memilih smartphone yang bermerek iPhone. Untuk mengetahui faktor yang paling
dominan mempengaruhi milenial dalam memilih smartphone yang bermerek iPhone.
Dengan Metode penarikan sampel untuk penelitian yang dilakukan dengan cara penarikan sampel tidak
berpeluang (non probability sampling) dengan metode convenience/accidental sampling karena sampel
atau responden tidak diketahui secara pasti, maka penentuan sampel atau responden dilakukan kepada
orang-orang yang secara kebetulan dijumpai atau orang-orang yang akan mengisi quisioner. Untuk itu
kuesioner diberikan kepada responden yang akan mengisi quisioner yang kami sebar. Dan juga dalam
quisioner yang disebar melalui media social atau Google Form dengan cara penarikan sampel tidak
berpeluang (non probability sampling) dengan metode convenience/accidental sampling karena sampel
atau responden tidak diketahui secara pasti, maka penentuan sampel atau responden dilakukan kepada
orang-orang yang melihat link/undangan yang kami share melalui media lainnya. Quisinoner memlalui
Google form diberikan kepada responden yang akan mengisi setiap pertanyaan yang kami rancang/buat,
jumlah responden yang saya harapkan dalam penelitian ini adalah 100 responden.
Penelitian ini menggunakan analisis regresi berganda. Analisis regresi berganda digunakan untuk
mengetahui apakah antara variabel bebas dengan variabel terikat mempunyai pengaruh yang berarti atau
tidak secara serempak (Subagyo et al., 2005). Uji t adalah uji statistik yang digunakan untuk menguji
kebenaran atau kesalahan hipotesis 0 (nol). Hipotesis yang dipakai:. a). Artinya variabel independen
berpengaruh positif terhadap variabel dependen. a). t hitung < t tabel, maka H0 diterima atau bila
probabilitas t hitung > 0,05 H0 diterima. b). t hitung > t tabel, maka H0 ditolak atau bila
probabilitas t hitung < 0,05 Ha diterima. Uji F dimaksudkan untuk menguji model regresi atas pengaruh
seluruh variabel bebas yaitu factor milenial dalam memili smartphone merk iPhone. a). b). F hitung < F
tabel, maka H0 diterima, berarti variabel independen secara bersama-sama tidak mempunyai pengaruh
yang signifikan terhadap variabel dependen. Cross-validation adalah sebuah teknik untuk menilai atau
melakukan validasi keakuratan sebuah model yang dibangun berdasarkan dataset. Menggunakan decision
tree (C4.5). • Dari hasil penelitian, menunjukkan hasil akurasi sistem adalah sebesar 51.6% dan nilai error
sebesar 48.4% kemudian reltive absolute error dari decision tree sebesar 73.2743% dengan total 15
instances yang salah masuk klasifikasi. Sedangkan yang sesuai sebanyak 16 instance. Dari hasil penelitian
menggunakan algoritma k-means dapat di hasilkan terdapat 34 interasi , terdapat 28 orang (82%) pria
yang berumur kurang dari 25 tahun berstatus mahasiswa dan menggunakan smartphone adroid OS, dan
terdapat 6 orang (18%) wanita berumur kurang dari 20 tahun berstatus mahasisea dan menggunakan
smartphone Apple IOS.

26
 Daftar Pustaka

Blogspot.com konsep fitur-fitur diakses melalui sumber

https://brainly.co.id/tugas/14436505#:~:text=Fitur%20adalah%20karakteristik%20khusus
%20yang,ponsel%2C%20dan%20lain%2Dlain pada tanggal 5 januari 2021

Blogspot.com konsep harga di akses melalui http://ilmuiesp.blogspot.com/2016/12/konsep-

harga.html#:~:text=Harga%20adalah%20nilai%20suatu%20barang,nilai%20tukar%20satuan
%20benda%20tertentu pada tanggal 5 januari 2021
Blogspot.com pengertian metode classification diakses dari sumber sumber
Blogspot.com pengertian metode Clustering diakses melalui sumber
Blogspot.com konsep citra nama diakses melalui sumber
https://notasimediaerni.wordpress.com/2011/03/22/konsep-citra/#:~:text=Dapat%20diartikan%20bahwa
%20citra%20perusahaan,dari%20berbagai%20sumber%20setiap%20waktu. Pada tanggal 5 januari 2021

Blogspot.com konsep kualitas diakses melalui sumber

http://repository.uinbanten.ac.id/1939/4/14.%20BAB%20II.pdf pada tanggal 5 januari 2021

Blogspot.com Pengertian Data Mining diakses dari sumber

https://www.jagoanhosting.com/blog/apa-itu-data-mining/ tanggal 29 desember 2020
https://socs.binus.ac.id/2017/03/09/clustering/#:~:text=Clustering%20atau%20klasterisasi
%20adalah%20metode%20pengelompokan%20data.&text=Clustering%20merupakan%20proses
%20partisi%20satu,berbeda%20dengan%20cluster%20yang%20lain pada tanggal 5 januari 2021
https://studyres.com/doc/8774777/metode-classification-metode-classification tanggal 29
desember 2020

27