ANALISIS CHOICE-BASED CONJOINT UNTUK

MENGETAHUI PREFERENSI MAHASISWA TERHADAP

KONSEP SISTEM KEGIATAN BELAJAR MENGAJAR

(Studi Kasus pada Mahasiswa Statistika S1 Departemen

Statistika, IPB)

SEPTIAN PUTRI PALUPI

STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

BOGOR

2016

PERNYATAAN MENGENAI SKRIPSI DAN

SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*

Dengan ini saya menyatakan bahwa skripsi berjudul Analisis Choice-Based

Conjoint untuk Mengetahui Preferensi Mahasiswa terhadap Konsep Sistem

Kegiatan Belajar Mengajar (Studi Kasus pada Mahasiswa Statistika S1 Departemen

Statistika, IPB) adalah benar karya saya dengan arahan dari komisi pembimbing

dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun.

Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun

tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan

dalam Daftar Pustaka di bagian akhir skripsi ini.

Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut

Pertanian Bogor.

Bogor, Desember 2016

Septian Putri Palupi

NIM G14120027

ABSTRAK

SEPTIAN PUTRI PALUPI. Analisis Choice-Based Conjoint untuk Mengetahui Preferensi

Mahasiswa terhadap Konsep Sistem Kegiatan Belajar Mengajar (Studi Kasus pada

Mahasiswa Statistika S1 Departemen Statistika, IPB). Dibimbing oleh UTAMI DYAH

SYAFITRI dan FARIT MOCHAMAD AFENDI.

Analisis konjoin merupakan analisis yang digunakan untuk mengetahui preferensi

konsumen yang diukur melalui nilai kegunaan dan nilai kepentingan relatif dari atribut-

atribut yang diteliti. Analisis Choice-Based Conjoint (CBC) merupakan analisis konjoin

yang berdasarkan pilihan dan digunakan untuk mengetahui konsep produk atau jasa yang

disukai konsumen. Penelitian ini fokus pada aplikasi CBC pada konsep sistem KBM

Departemen Statistika, IPB. Kombinasi atribut dibangun menggunakan rancangan

fraksional faktorial 25−2. Ada 5 atribut dengan masing-masing mempunyai 2 level,

sehingga ada sejumlah 32 kombinasi lengkap. Kombinasi lengkap ini dibagi menjadi 4 blok

dengan 8 konsep pada masing-masing blok. Penelitian ini menggunakan respon berbentuk

biner (memilih dan tidak memilih) sehingga analisis data yang digunakan adalah analisis

regresi logistik biner. Nilai kegunaan total (NKT) dihitung berdasarkan dugaan koefisien

pada model regresi logistik. Konsep sistem KBM yang paling disukai yaitu penyampaian

materi 2 arah, alat bantu perkuliahan tidak hanya papan tulis tapi juga LCD/proyektor,

sumber materi melalui textbook, serta dalam proses perkuliahan terdapat evaluasi dan

motivasi dengan sistem hadiah (reward).

Kata kunci: choice-based conjoint, konjoin, sistem KBM

ABSTRACT

SEPTIAN PUTRI PALUPI. Choice-Based Conjoint Analysis for Preferences of Teaching

and Learning System Concept (Case Study on Undergraduate Students of Departement of

Statistics, Bogor Agricultural University). Supervised by UTAMI DYAH SYAFITRI and

FARIT MOCHAMAD AFENDI.

Conjoint analysis is an analysis that used to determine the preferences of consumers

as measured by the value of the utility and the relative importance of attributes studied.

Choice-Based Conjoint Analysis (CBC) is a conjoint analysis based on a choice and used

to determine the concept of products or services that consumers preferred. This research

focused on application of CBC on teaching and learning activites system of Statistics

Department, Bogor Agricultural University. The combination of attributes were built by

25−2 fractional factorial design. There were five attributes with 2 levels, thus there were 32

full combination. The full profile was divided by 4 blocks with 8 concepts of each blocks.

As responses are biner (choose and not choose), a logistic regression is used to analyze the

data. Furthermore, sum of the value of utility (NKT) was calculated based on estimation of

regression coefficient of logistic regression model. The teaching and learning system

concepts were preferred by Statistics students were interactive method, the tools for

teaching were not only using whiteboard but also using LCD/projector, material resource

from reference books, there were evaluation, and motivation by giving reward(s).

Keywords : choice-based conjoint, conjoint, teaching and learning system

Skripsi

sebagai salah satu syarat untuk memperoleh gelar

Sarjana Statistika

pada

Departemen Statistika

STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

BOGOR

2016

SEPTIAN PUTRI PALUPI

Analisis Choice-Based Conjoint untuk Mengetahui Preferensi

Mahasiswa terhadap Konsep Sistem Kegiatan Belajar Mengajar

(Studi Kasus pada Mahasiswa Statistika S1 Departemen

Statistika, IPB)

PRAKATA

Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas

segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Sholawat serta

salam semoga selalu tercurah kepada pemimpin umat nabi Muhammad SAW

beserta keluarga, sahabat, dan umatnya. Tema yang dipilih dalam penelitian yang

dilaksanakan sejak bulan Februari 2016 sampai Oktober 2016 ini ialah analisis

choice-based conjoint, dengan judul Analisis Choice-Based Conjoint untuk

Mengetahui Preferensi Mahasiswa terhadap Konsep Sistem Kegiatan Belajar

Mengajar (Studi Kasus pada Mahasiswa Statistika S1 Departemen Statistika, IPB).

Terima kasih penulis ucapkan kepada :

1. Ibu Dr Utami Dyah Syafitri, MSi dan Dr Farit Mochamad Afendi, MSi

selaku pembimbing yang telah banyak memberikan arahan dan masukan

selama pembuatan karya ilmiah ini.

2. Seluruh staff pengajar Departemen Statistika IPB yang telah memberikan

berbagai bekal ilmu sehingga penulis dapat menyelesaikan studi dan karya

ilmiah ini.

3. Seluruh staff administrasi dan karyawan Departemen Statistika IPB yang

telah banyak membantu kelancaran studi dan karya ilmiah ini.

4. Bapak, ibu, serta seluruh keluarga atas segala doa, kasih sayang, dan

semangat yang telah diberikan.

5. Seluruh teman-teman Statistika 49, Statistika 50, dan Statistika 51.

6. Ika Rojiatus Sa’adah, Kak Putri Windiastuti, Dian Irma Ningtyas, Sri

Wijayanti, dan seluruh teman-teman yang telah banyak membantu selama

studi dan penyelesaian karya ilmiah ini.

7. Teman-teman RQ 2 IPB, KW37, Rumah Sindikat, dan Adkesmah Iridescent

atas segala pengalaman berkesan, doa, dan dukungannya.

Penulis menyadari bahwa karya ilmiah ini masih jauh dari sempurna sehingga

penulis menerima kritik dan saran untuk penyempurnaan karya ilmiah ini. Semoga

karya ilmiah ini bermanfaat.

Bogor, Oktober 2016

Septian Putri Palupi

DAFTAR ISI

DAFTAR ISI .............................................................................................. vii

DAFTAR TABEL ..................................................................................... viii

DAFTAR GAMBAR ................................................................................ viii

DAFTAR LAMPIRAN ............................................................................. viii

PENDAHULUAN ........................................................................................ 1

Latar Belakang ........................................................................................... 1

Tujuan ........................................................................................................ 2

TINJAUAN PUSTAKA .............................................................................. 2

Penarikan Contoh Acak Berlapis ............................................................... 2

Penarikan Contoh Acak Sistematik ........................................................... 3

Rancangan CBC......................................................................................... 3

Analisis CBC ............................................................................................. 4

Regresi Logistik ......................................................................................... 4

Analisis Konjoin ........................................................................................ 5

METODOLOGI ........................................................................................... 6

Data ............................................................................................................ 6

Metode ....................................................................................................... 6

HASIL DAN PEMBAHASAN .................................................................... 9

Profil Responden ....................................................................................... 9

Preferensi Responden .............................................................................. 10

SIMPULAN ................................................................................................ 14

DAFTAR PUSTAKA ................................................................................ 14

RIWAYAT HIDUP .................................................................................... 18

DAFTAR TABEL

Tabel 1 Peubah-peubah yang digunakan dan nilai kontras masing-masing

level di setiap atribut 7 Tabel 2 Pembagian pengambilan contoh acak dari setiap angkatan dan

blok 8 Tabel 3 Nilai signifikansi masing-masing atribut dan blok 11 Tabel 4 Tingkat ketepatan klasifikasi 12 Tabel 5 Nilai kegunaan setiap level dan nilai kepentingan relatif setiap

atribut 13

DAFTAR GAMBAR

Gambar 1 Contoh segugus pilihan ............................................................. 4 Gambar 2 Profil responden ...................................................................... 10 Gambar 3 Profil responden ...................................................................... 10 Gambar 4 Profil responden berdasarkan .................................................. 10 Gambar 5 Jumlah responden yang memilih pada masing-masing level .. 11 Gambar 6 Kurva ROC dan nilai AUC ..................................................... 12

DAFTAR LAMPIRAN

Lampiran 1 Rancangan kombinasi profil lengkap dalam 4 blok ............. 16 Lampiran 2 Tabulasi silang antara level masing-masing atribut dan respon

........................................................................................................... 17

1

PENDAHULUAN

Latar Belakang

Hair et al. (2009) mendefinisikan analisis konjoin sebagai teknik peubah

ganda yang dikembangkan untuk memahami cara responden menghasilkan

preferensi atas segala jenis objek (produk, jasa, atau ide). Penerapan yang paling

langsung adalah dalam pengembangan produk atau jasa baru, yang memungkinkan

untuk evaluasi produk kompleks sambil mempertahankan keputusan yang realistis

untuk responden. Peneliti pasar mampu menilai pentingnya atribut serta level

masing-masing atribut, sementara konsumen hanya mengevaluasi beberapa profil

produk, yang merupakan kombinasi dari level-level atribut. Orme (2010)

mengatakan bahwa pada konjoin tradisional, responden diminta untuk mengurutkan

atau menilai kombinasi-kombinasi atribut dan level. Berbeda dengan konjoin

tradisional yang hanya meranking ataupun mengurutkan, CBC meminta responden

untuk memilih salah satu dari beberapa pilihan konsep produk atau jasa. Metode

CBC mirip pada kehidupan nyata saat konsumen dihadapkan pada beberapa pilihan

produk.

Angraini (2006) melakukan penelitian yang fokus bagaimana menentukan

rancangan yang optimum pada CBC pada penelitian sebelumnya. Sedangkan pada

penelitian ini, peneliti berfokus pada analisis data CBC yang didapatkan melalui

survei. Dalam rancangannya, penelitian ini menggunakan fraksional faktorial yang

sanggup mengurangi banyaknya perbandingan yang harus dievaluasi responden

dibandingkan dengan rancangan full-profile yang menampilkan kombinasi dari

keseluruhan level dan atribut yang digunakan.

Tujuan Departemen Statistika IPB adalah menghasilkan lulusan dalam

bidang statistika yang berkualitas dan mampu bersaing baik pada taraf nasional

maupun internasional, mampu menerjemahkan permasalahan dalam suatu bidang

ilmu ke dalam bahasa Statistika, dan sebaliknya dapat menerjemahkan hasil analisis

dan kesimpulan yang ditarik secara statistika ke dalam bahasa ilmu yang

bersangkutan, memiliki landasan yang kuat untuk mengembangkan dan/atau

mengikuti pendidikan lanjutan dalam bidang statistika atau bidang ilmu lain yang

memerlukan penguasaan metode kuantitatif yang kuat, membangun iklim akademik

yang kondusif bagi peningkatan mutu pendidikan & penelitian dalam bidang

Statistika, serta membangun kerjasama dengan berbagai pihak dalam

pengembangan Statistika & penerapannya di berbagai bidang (Statistika IPB 2016).

Upaya untuk mencapai tujuan tersebut, salah satunya, adalah dengan

menerapkan sistem kegiatan belajar mengajar (KBM) yang efektif bagi mahasiswa,

sehingga mahasiswa dapat menerima materi kuliah yang disampaikan dosen secara

jelas. Maka dari itu, konsep sistem KBM yang diterapkan di dalam kelas

perkuliahan saat berpengaruh. Penerapan konsep sistem KBM yang tepat akan

membuat KBM menjadi efektif. Fathurohman dan Sutikno (2011) menyatakan

bahwa komponen-komponen belajar mengajar ada 7, yaitu tujuan, bahan pelajaran,

kegiatan belajar mengajar, metode, alat, sumber pelajaran, dan evaluasi.

Berdasarkan 5 dari 7 komponen tersebut akan digunakan sebagai penyusun atribut

yang diterapkan dalam analisis CBC.

2

Tujuan

Tujuan dari penelitian ini adalah :

1. Mengidentifikasi atribut-atribut yang memengaruhi efektifitas KBM

2. Menentukan konsep sistem KBM yang disukai mahasiswa Statistika IPB

angkatan 49, 50, dan 51

TINJAUAN PUSTAKA

Penarikan Contoh Acak Berlapis

Scheaffer (1990) mengatakan bahwa sampel dari pengambilan contoh acak

berlapis merupakan contoh yang diperoleh dengan cara membagi elemen populasi

menjadi grup yang tidak saling tumpang tindih (nonoverlap) yang disebut lapisan,

dan kemudian memilih contoh acak sederhana dari masing-masing lapisan.

Prinsip penggunaan penarikan contoh acak berlapis bila dibandingkan

dengan penarikan contoh acak sederhana adalah sebagai berikut:

1. Pengelompokkan ke dalam lapisan dapat menghasilkan batas kesalahan

pendugaan yang lebih kecil dibandingkan penarikan contoh acak

sederhana pada ukuran contoh yang sama. Hasil ini menghasilkan

perhitungan yang benar jika elemen dalam lapisan bersifat homogen.

2. Biaya per observasi dalam survei dapat dikurangi dengan pelapisan

elemen populasi ke dalam kelompok yang tepat.

3. Jika estimasi parameter populasi ingin dicari dalam setiap subkelompok,

maka subkelompok tersebut harus merupakan lapisan yang dapat

diidentifikasi.

Langkah pertama dalam menggunakan pengambilan contoh acak berlapis

adalah menentukan lapisan secara jelas, kemudian masing-masing unit

pengambilan contoh dari populasi dimasukkan ke dalam lapisan yang paling

mendekati. Setelah dibagi ke dalam lapisan, pilih sampel secara acak menggunakan

teknik pengambilan sampel acak sederhana pada masing-masing lapisan. Sampel

yang diambil dari lapisan haruslah independen (saling bebas).

Pendekatan ukuran sampel yang dibutuhkan untuk menduga 𝑝 dengan batas

kesalahan pendugaan B :

𝑛 =∑ 𝑁𝑖

2𝑝𝑖𝑞𝑖/𝑤𝑖𝐿𝑖=1

𝑁2𝐷 + ∑ 𝑁𝑖𝑝𝑖𝑞𝑖𝐿𝑖=1

𝐷 =𝐵2

4

dengan:

𝑛 = ukuran sampel total

𝐿 = jumlah lapisan

𝑁𝑖 = ukuran unit penarikan contoh pada lapisan ke-𝑖 𝑁 = ukuran total populasi

𝑤𝑖 = alokasi fraksi lapisan ke-𝑖 𝑝𝑖 = proporsi populasi lapisan ke-𝑖 𝐵 = batas kesalahan pendugaan

3

Kemudian untuk menentukan ukuran sampel masing-masing lapisan,

gunakan

𝑛𝑖 = 𝑛(𝑤𝑖) dengan:

𝑛𝑖 = ukuran sampel lapisan ke- 𝑖 Untuk pengambilan contoh dalam lapisan, dapat digunakan kembali metode

penarikan contoh acak yang lain seperti penarikan contoh acak sistematik.

Penarikan Contoh Acak Sistematik

Scheaffer et al. (1990) mengatakan bahwa secara umum, penarikan contoh

acak sistematik melibatkan pemilihan acak satu elemen dari 𝑘 elemen pertama dan

kemudian memilih lagi setiap 𝑘 elemen selanjutnya. Prosedur ini lebih mudah

digunakan dan dapat mengurangi kesalahan pewawancara. Pada penarikan contoh

acak sistematik, beberapa metode dapat digunakan. Peneliti dapat menggunakan 1-

in-3, 1-in-5, atau secara umum, 1-in- 𝑘 contoh yang sistematik.

Apabila ukuran populasi 𝑁 diketahui, kita dapat menentukan perkiraan

ukuran contoh 𝑛 dan memilih 𝑘 untuk mencapai ukuran contoh yang diperlukan.

Secara umum, 𝑘 harus lebih kecil atau sama dengan 𝑁/𝑛 (𝑘 = 𝑁/𝑛). Apabila

ukuran populasi tidak diketahui, maka tidak dapat ditentukan 𝑘 secara akurat.

Namun apabila nilai 𝑘 terlalu besar, ukuran contoh yang diperlukan tidak akan

tercapai menggunakan 1-in- 𝑘 contoh sistematik.

Rancangan CBC

Orme (2010) mengatakan bahwa wawancara CBC kepada responden meniru

proses pembelian produk yang sebenarnya. Responden diperlihatkan serangkaian

profil produk lengkap dan diminta untuk menunjukkan konsep mana yang akan

mereka beli. Seperti pada kenyataan, responden dapat menolak untuk membeli

dalam wawancara CBC dengan memilih pilihan ‘tidak membeli’. Jika tujuan

penelitian adalah untuk memprediksi pilihan produk atau jasa, akan terlihat alami

jika menggunakan data dari hasil pilihan responden.

Angraini (2006) menyatakan bahwa dalam rancangan CBC ini, responden

diberikan segugus pilihan dari kombinasi atribut yang sudah dirancang sebelumnya

seperti yang disajikan pada Gambar 1. Atribut merupakan faktor-faktor yang

mempengaruhi seorang responden dalam menentukan pilihannya, dimana dalam

setiap atribut tersebut terdiri dari beberapa taraf. Segugus pilihan terdiri dari

beberapa task. Satu task biasanya terdiri dari dua sampai lima concept. Concept

merupakan beberapa alternatif produk yang disajikan pada satu task. Kumpulan dari

beberapa task disebut juga satu version. Pilihan yang diberikan oleh responden akan

dianalisis dengan metode tertentu sehingga didapatkan concept yang disukai oleh

responden.

4

Dasar sistem CBC memungkinkan peneliti mengukur sampai 15 tingkat/level

untuk setiap satu atribut. Sedangkan untuk jumlah task, untuk penelitian CBC

berbasis kertas, disarankan 8 sampai 15 task.

Untuk merancang kombinasi atribut CBC, digunakan rancangan percobaan

fraksional faktorial. Rancangan ini digunakan apabila jumlah atribut yang

digunakan terlalu besar, sehingga menyulitkan responden untuk memilih, serta

apabila peneliti tidak memiliki sumber daya yang cukup untuk menggunakan

rancangan full profile yang menampilkan kombinasi dari keseluruhan level dan

atribut yang digunakan. Raghavarao (2011) menyebutkan contoh penggunaan

fraksional faktorial. Misalnya, dalam sebuah studi yang melibatkan tiga atribut pada

dua level masing-masing, 23 percobaan penuh akan membutuhkan delapan profil.

Jika peneliti memiliki sumber daya untuk mendapatkan tanggapan dari hanya empat

profil, mereka dapat memilih untuk menjalankan setengah fraksi dari 23 rancangan

penuh. Desain ini disebut 23−1 faktorial pecahan karena merupakan kecil setengah

dari rancangan faktorial penuh 23 dan memiliki 23−1 = 4 profil.

Analisis CBC

Data hasil survei selanjtnya dianalisis menggunakan analisis CBC. Analisis

CBC mulai populer di awal tahun 1990-an, dan akhir-akhir ini telah menjadi teknik

konjoin yang paling banyak digunakan di dunia (Sawtooth Software 2008 dalam

Orme 2010). Data CBC biasanya dianalisis menggunakan analisis counts, logit,

dan Bayes estimasi hirarkis. Beberapa peneliti juga menggunakan Laten Class

untuk mengembangkan segmen pasar. Metode counts menghitung proporsi untuk

tiap level berdasarkan berapa kali level tersebut dipilih kemudian dibagi dengan

berapa kali level tersebut terjadi. Sedangkan pada metode logit akan mengestimasi

tidak hanya pada main effect tetapi juga interaction effect (Sawtooth 2008 dalam

Herawati et al. 2012). Analisis logit ini akan menggunakan regresi logistik sebagai

alat. Analisis ini menghasilkan nilai kegunaan untuk setiap level atribut. Level yang

memiliki nilai kegunaan tinggi berdampak besar secara positif terhadap preferensi

konsumen terhadap suatu produk atau jasa.

Regresi Logistik

Hosmer dan Lemeshow (2000) mengatakan bahwa regresi logistik adalah suatu

prosedur untuk menjelaskan hubungan antara peubah penjelas 𝑌 yang berupa peubah

Gambar 1 Contoh segugus pilihan

5

biner dan peubah bebas 𝑋. Peubah respon 𝑌 memiliki dua kemungkinan nilai, yaitu

𝑌 = 1 menyatakan bahwa respon memenuhi kriteria yang ditentukan dan 𝑌 = 0 tidak

memenuhi kriteria. Peubah bebas yang bersifat kategorik memerlukan peubah boneka

(dummy variable).

Model umum regresi logistik yang dibentuk 𝐸(𝑌 = 1| 𝑥) sebagai 𝜋(𝑋) adalah

𝜋(𝑋) =exp {𝑔(𝑋)}

1 + exp{𝑔(𝑋)}

𝜋(𝑋) = 𝑃(𝑌 = 1|𝑋) Fungsi penghubung yang sesuai untuk model regresi logistik adalah fungsi

logit. Transformasi logit sebagai fungsi dari 𝜋(𝑋) adalah :

log[𝜋(𝑋)] = 𝑔(𝑋) = ln [𝜋(𝑋)

1 − 𝜋(𝑋)]

Dengan model logitnya adalah :

𝑔(𝑋) = 𝛽0 + 𝛽1𝑋1 + ∑ 𝛽𝑗𝑢

𝑘𝑗−1

𝑢=1

𝐷𝑗𝑢

Analisis regresi logistik dalam penelitian ini digunakan karena respon yang diukur

memiliki dua kemungkinan nilai yaitu 𝑌 = 1 menyatakan konsep sistem KBM

yang dipilih responden, dan 𝑌 = 0 untuk konsep sistem KBM yang tidak dipilih

responden. Analisis regresi logistik digunakan untuk mendapatkan penduga

parameter. Penduga parameter digunakan untuk menentukan total nilai kegunaan

masing-masing konsep produk.

Pada regresi logistik, akan dilakukan pula uji signifikan masing-masing

atribut dan blok dengan langkah-langkah pengujian hipotesis menurut Walpole

(2005) sebagai berikut:

1. Nyatakan hipotesis nol-nya 𝐻0 bahwa 𝜃 = 𝜃0, dengan 𝜃 merupakan

parameter populasi.

2. Pilih hipotesis alternatif 𝐻1 yang sesuai di antara 𝜃 < 𝜃0, 𝜃 > 𝜃0, atau 𝜃 ≠𝜃0.

3. Tentukan taraf nyata α.

4. Pilih statistik uji yang sesuai dan kemudian tentukan wilayah kritiknya.

5. Hitung nilai statistik uji berdasarkan data contohnya.

6. Keputusan: tolak 𝐻0 bila nilai statistik uji tersebut jatuh dalam wilayah

kritiknya, sedangkan bila nilai itu jatuh di luar wilayah kritiknya terimalah

𝐻0.

Analisis Konjoin

Hair et al. (2009) menyebutkan bahwa analisis konjoin adalah sebuah teknik

multivariat yang dikembangkan secara khusus untuk memahami cara responden

mengembangkan preferensi atas segala jenis objek (produk, jasa, atau ide). Selain

itu, konsumen dapat memberikan penilaian mereka atas preferensi dengan menilai

objek yang dibentuk oleh kombinasi dari atribut.

Orme (2010) mengatakan bahwa dalam sajian rancangannya, responden

diminta untuk menilai kepentingan dari setiap atribut. Namun, konsumen tidak

selalu bisa mendapatkan produk atau jasa yang terbaik dalam semua atribut di

kehidupan nyata. Konsumen harus membuat pertimbangan yang sulit.

6

Supranto (2004) dalam Fitasari (2013) menyebutkan bahwa model dasar

percobaan konjoin dapat dituliskan sebagai berikut:

𝑈(𝑋) = ∑ ∑ 𝑎𝑖𝑗𝑥𝑖𝑗

𝑘𝑗

𝑗=1

𝑚

𝑖=1

dengan :

𝑈(𝑋) = nilai kegunaan total atau total kepuasan seluruh responden (NKT)

𝑎𝑖𝑗 = nilai kegunaan atribut ke-𝑖 level ke-𝑗

𝑥𝑖𝑗 = peubah boneka atribut ke-𝑖 level ke-𝑗

𝑚 = banyaknya atribut

𝑘𝑗 = level ke-𝑗 dari atribut ke-𝑖 Hasil dari percobaan konjoin adalah total kepuasan responden dari berbagai

atribut yang terdapat dalam konsep. Orme (2010) mengatakan bahwa tingkat

kepentingan dari tiap atribut didefinisikan sebagai selisih antara nilai kegunaan

maksimum dan nilai kegunaan minimum, atau diformulasikan sebagai berikut :

𝐼𝑖 = {max(𝑎𝑖𝑗) − min(𝑎𝑖𝑗)}

dengan:

𝐼𝑖 = tingkat kepentingan atribut ke-i

𝑎𝑖𝑗 = nilai kegunaan atribut ke-i level ke-j, untuk setiap 𝑖 yang sama

Merangkum dari Orme (2010), nilai kepentingan relatif suatu atribut terhadap

atribut lainnya adalah sebagai berikut:

𝑊𝑖 =𝐼𝑖

∑ 𝐼𝑖𝑚𝑖=1

dengan:

𝑊𝑖 = tingkat kepentingan relatif

𝐼𝑖 = tingkat kepentingan atribut ke-i

METODOLOGI

Data

Data yang digunakan adalah data primer hasil survei. Responden merupakan

mahasiswa Departemen Statistika IPB angkatan 49, 50, dan 51 dengan jumlah

populasi sebanyak 236 orang. Survei CBC dilaksanakan kepada 150 orang

mahasiswa yang dipilih secara acak menggunakan penarikan contoh acak berlapis.

Metode

Penelitian ini dilaksanakan dengan tahapan sebagai berikut :

1. Penyusunan kuesioner Penelitian ini menggunakan 5 dari 7 atribut (Fathurohman dan Sutikno,

2011), yaitu atribut metode penyampaian materi, alat bantu, sumber materi,

evaluasi, penyampaian motivasi. Masing-masing atribut memiliki 2 taraf

(untuk selanjutnya disebut level). Level dari atribut metode penyampaian

materi yaitu 1 arah dan 2 arah. Level dari atribut alat bantu yaitu

LCD/proyektor dan papan tulis. Level dari atribut sumber materi yaitu slide

7

powerpoint dan buku referensi. Level dari atribut evaluasi yaitu ada dan tidak

ada. Dan yang terakhir, level dari atribut penyampaian motivasi yaitu hadiah

dan hukuman. Informasi mengenai level masing-masing atribut dapat

dirangkum dalam Tabel 1.

Konsep yang digunakan pada penelitian ini adalah 25−2 atau 8 konsep. Hal

ini merupakan rancangan fraksional faktorial dengan definisi generator

tertentu. Task (untuk selanjutnya menggunakan istilah blok) yang digunakan

adalah sebanyak 4 blok sehingga keempat blok dengan 8 konsep pada

masing-masing bloknya akan membentuk rancangan full profile.

Untuk mendapatkan kombinasi atribut yang saling bebas, perancangan

kombinasi atribut dilaksanakan menggunakan rancangan fraksional faktorial

dengan langkah-langkah sebagai berikut :

a. Menentukan nilai kontras masing-masing level. Setiap level dalam

atribut diberi nilai kontras masing-masing +1 dan -1 seperti pada Tabel

1. Untuk memudahkan, digunakan simbol huruf A, B, C, D, dan E untuk

label masing-masing atribut.

b. Karena rancangan fraksional digunakan dalam setiap blok, maka untuk

setiap blok, susun sebanyak 23 kombinasi lengkap dari 3 faktor (Faktor

A, B, dan C).

c. Untuk membangkitkan kolom atribut D dan E, pada blok 1, gunakan

generator 𝐷 = 𝐴𝐵 dan 𝐸 = 𝐴𝐵𝐶. Pada blok 2, gunakan generator 𝐷 =−𝐴𝐵 dan 𝐸 = 𝐴𝐵𝐶. Pada blok 3, gunakan generator 𝐷 = −𝐴𝐵 dan 𝐸 =−𝐴𝐵𝐶. Pada blok 4, gunakan generator 𝐷 = 𝐴𝐵 dan 𝐸 = −𝐴𝐵𝐶.

Tabel 1 Peubah-peubah yang digunakan dan nilai kontras masing-masing level di

setiap atribut

Peubah Simbol Jenis data Peubah boneka Kontras

Peubah bebas (Atribut)

Penyampaian

materi A Kategorik

1 = 1 arah 1

0 = 2 arah -1

Alat bantu B Kategorik 1 = papan tulis 1

0 = LCD/proyektor

dan papan tulis -1

Sumber

materi C Kategorik

1 = slide powerpoint 1

0 = buku referensi -1

Evaluasi D Kategorik 1 = ada 1

0 = tidak ada -1

Penyampaian

motivasi E Kategorik

1 = hadiah 1

0 = hukuman -1

Pebah tak bebas (Respon)

Respon Kategorik 1 = Ya

0 = Tidak

8

d. Buat 1 kolom yang berisi perkalian dari kontras dalam 1 konsep. Jika

kolom tersebut dijumlahkan dalam 1 blok dan hasilnya 0, maka konsep

dalam blok tersebut sudah saling bebas (Lampiran 1).

2. Pengambilan contoh acak

Populasi survei CBC adalah mahasiswa Departemen Statistika IPB angkatan

49, 50, dan 51 sejumlah 236 mahasiswa, dengan jumlah sampel yang diambil

sesuai rumus adalah 141 orang mahasiswa. Namun, pada penelitian ini,

digunakan allowance sebesar 10% sehingga jumlah contoh acak yang diambil

diperbolehkan antara 141 sampai 155 contoh.

Tabel 2 Pembagian pengambilan contoh acak dari setiap angkatan dan blok

Angkatan Blok 1 Blok 2 Blok 3 Blok 4 Total

49 12 12 14 15 53

50 12 14 12 12 50

51 11 12 12 12 47

Total 35 38 38 39 150

Metode yang digunakan dalam penarikan contoh adalah pengambilan contoh

acak berlapis, dengan angkatan sebagai lapisan, kemudian dilanjutkan dengan

pengambilan contoh acak sistematik dalam setiap lapisan. Dalam

pelaksanaannya, penelitian ini menggunakan contoh acak sebanyak 150

contoh dengan pembagian setiap angkatan dan blok seperti pada Tabel 2.

3. Manajemen data

Manajemen data yag dilakukan yaitu:

1. Melakukan input data menggunakan software SPSS. Pada data dengan

informasi yang kurang lengkap, dilakukan survei ulang kepada

responden yang bersangkutan.

2. Mengubah level setiap atribut menjadi peubah boneka berupa angka 1

dan 0 pada masing-masing konsep. Pada atribut penyampaian materi,

angka 1 menunjukkan level 1 arah dan angka 0 menunjukkan level 2 arah.

Pada atribut alat bantu, angka 1 menunjukkan level papan tulis dan angka

0 menunjukkan level LCD/proyektor dan papan tulis. Pada atribut

sumber materi, angka 1 menunjukkan level slide powerpoint dan angka

0 menunjukkan level buku referensi. Pada atribut evaluasi, angka 1

menunjukkan level ada evaluasi dan angka 0 menunjukkan level tidak

ada evaluasi. Pada atribut penyampaian motivasi, angka 1 menunjukkan

level hadiah dan angka 0 menunjukkan level hukuman (Tabel 1).

3. Mengubah respon yang dipilih responden menjadi peubah boneka berupa

angka 1 dan 0. Angka 1 menunjukkan konsep tersebut dipilih responden,

dan angka 0 menunjukkan bahwa konsep tersebut tidak dipilih (Tabel 1).

Karena masing-masing responden mengevaluasi sebanyak 8 konsep,

maka data yang diperoleh sebanyak 1200 data.

4. Analisis data

Tahapan analisis data yang dilakukan adalah sebagai berikut:

1. Melakukan analisis regresi menggunakan software SPSS dengan

memasukkan atribut blok, penyampaian materi, alat bantu, sumber

9

materi, evaluasi, dan penyampaian motivasi sebagai variabel bebas, dan

pilihan responden sebagai variabel respon.

2. Menguji pengaruh parameter secara parsial menggunakan Uji Wald

dengan ketentuan sebagai berikut:

a. Hipotesis yang digunakan adalah :

𝐻0 : 𝛽𝑗 = 0 (atribut ke-𝑗 tidak mempunyai pengaruh yang signifikan

terhadap respon)

𝐻1 : 𝛽𝑗 ≠ 0 (atribut ke-𝑗 tidak mempunyai pengaruh yang signifikan

terhadap respon)

Untuk 𝑗 = 1,2,3,4,5

b. Taraf nyata yang digunakan adalah 5%.

c. Statistik uji yang digunakan sebagai berikut:

𝑊 = [𝛽𝑗

𝑆𝐸(𝛽𝑗)]

2

dengan 𝛽𝑗 dugaan parameter atribut ke-𝑗 dan 𝑆𝐸(𝛽𝑗) simpangan baku

dari dugaan parameter atribut ke-𝑗 (Agresti 2007).

d. Kriteria penolakan adalah tolak 𝐻0 bila nilai-𝑝 < 𝛼 yang berarti

atribut 𝑋𝑗 secara parsial memengaruhi variabel respon.

3. Menggunakan nilai dugaan parameter pada regresi logistik sebagai nilai

kegunaan masing-masing level.

4. Menghitung nilai kepentingan relatif untuk masing-masing atribut.

5. Menentukan konsep sistem KBM yang disukai responden.

5. Interpretasi

Ketentuan dalam melakukan interpretasi hasil:

1. Atribut memiliki pengaruh yang nyata terhadap respon apabila memiliki

nilai signifikansi kurang dari α yang digunakan.

2. Level yang memiliki kegunaan lebih tinggi adalah level yang lebih

disukai responden.

3. Atribut yang memiliki nilai kepentingan relatif lebih tinggi adalah atribut

yang lebih dipentingkan responden.

4. Konsep yang memiliki total nilai kegunaan tertinggi adalah konsep yang

paling disukai responden. Nilai kegunaan setiap konsep merupakan

jumlah nilai kegunaan masing-masing level.

HASIL DAN PEMBAHASAN

Profil Responden

Deskripsi data hasil survei yang telah dilakukan menunjukkan bahwa

responden didominasi oleh perempuan, yaitu sebesar 70.67%, dan sisanya sebesar

29.33% merupakan responden laki-laki (Gambar 3). Menurut asal daerah, terdapat

41.33% responden berasal dari Jabodetabek, dan 58.67% responden berasal dari

luar Jabodetabek (Gambar 2). Berdasar keikutsertaan dalam organisasi, responden

yang sedang atau pernah mengikuti organisasi sebesar 90%, sedangkan sisanya,

sebesar 10%, tidak pernah mengikuti organsisasi (Gambar 5).

10

Preferensi Responden

Analisis Deskriptif Deskripsi data yang diperoleh menunjukkan jumlah responden yang memilih

masing-masing level. Sejumlah 39 responden memilih level 1 arah dan 111

responden memilih level 2 arah pada atribut penyampaian materi. Sejumlah 27

responden memilih level papan tulis dan 123 responden memilih level LCD/

proyektor dan papan tulis pada atribut alat bantu. Sejumlah 74 responden memilih

level slide powerpoint dan 76 responden memilih level buku referensi pada atribut

sumber materi. Sejumlah 96 responden memilih level ada dan 54 responden

memilih level tidak ada pada atribut evaluasi. Sejumlah 111 responden memilih

level hadiah dan 39 responden memilih level hukuman pada atribut penyampaian

motivasi. Diagram batang data tersebut dapat dilihat pada Gambar 5. Sedangkan

tabulasi silang dari data tersebut dapat dilihat pada Lampiran 2.

Gambar 3 Profil responden

berdasarkan asal

daerah

Jabodetabek

41,33%Luar Jabodetabek

58,67%

Gambar 4 Profil responden berdasarkan

keikutsertaan dalam

organisasi

Ya

90%

Tidak

10%

Gambar 2 Profil responden

berdasarkan jenis

kelamin

Perempuan

70,67%

Laki-laki

29,33%

11

Gambar 5 Jumlah responden yang memilih pada masing-masing level

Regresi Logistik

Analisis regresi logistik menunjukkan bahwa atribut penyampaian materi,

alat bantu, evaluasi, dan penyampaian motivasi berpengaruh nyata dalam pemilihan

konsep sistem KBM dengan nilai-𝑝 sebesar 0.000 (kurang dari 0.05). Sedangkan

atribut sumber materi memiliki nilai-𝑝 sebesar 0.908 (lebih dari 0.05) sehingga

tidak berpengaruh nyata dalam pemilihan konsep sistem KBM (Tabel 3). Hasil ini

sesuai dengan hasil analisis deskriptif. Pada hasil analisis secara deskriptif, jumlah

responden yang memilih level slide powerpoint dan buku referensi hampir sama

sehingga atribut sumber materi tidak signifikan. Selanjutnya, Blok 1, Blok 2, Blok

3, dan Blok 4 memiliki nilai-𝑝 berturut-turut sebesar 1.000, 0.647, 0.642, dan 0.939.

Berdasarkan nilai-𝑝 yang didapatkan tersebut, maka tidak ada blok yang

berpengaruh nyata.

Tabel 3 Nilai signifikansi masing-masing atribut dan blok

Atribut Wald SE Nilai-𝑝

Penyampaian materi 41.730 0.212 0.000

Alat bantu 65.006 0.234 0.000

Sumber materi 0.013 0.192 0.909

Evaluasi 16.125 0.201 0.000

Penyampaian motivasi 41.224 0.209 0.000

Blok 2 vs Blok 1 0.199 0.280 0.655

Blok 3 vs Blok 1 0.205 0.280 0.651

Blok 4 vs Blok 1 0.000 0.284 1.000

Nilai 𝛼 = 5%

Tabel 4 menunjukkan bahwa spesifisitas model adalah sebesar 96.7%. Hal ini

berarti bahwa dari 1050 konsep sistem KBM yang tidak dipilih, terdapat 1015

konsep sistem KBM yang diklasifikasikan secara tepat. Nilai sensitivitas yang

diperoleh adalah sebesar 26%. Hal ini berarti bahwa dari 150 konsep sistem KBM

yang dipilih, terdapat 39 konsep sistem KBM yang diklasifikasikan secara tepat.

39

11

1

27

12

3

74 76

96

54

11

1

39

1 A

RA

H

2 A

RA

H

PA

PA

N T

UL

IS

LC

D/

PR

OY

EK

TO

R

DA

N P

AP

AN

TU

LIS

SL

IDE

PO

WE

RP

OIN

T

BU

KU

RE

FE

RE

NS

I

AD

A

TID

AK

AD

A

HA

DIA

H

HU

KU

MA

N

P E N Y A M P A I A N M A T E R I

A L A T B A N T U S U M B E R M A T E R I

E V A L U A S I P E N Y A M P A I A N M O T I V A S I

12

Tingkat ketepatan klasifikasi dari model tersebut adalah 87.8%. Berdasarkan

tingkat ketepatan klasifikasi yang diperoleh, dapat dikatakan bahwa regresi logistik

yang dibangun cukup baik. Tingkat ketepatan klasifikasi ini berhubungan dengan

nilai spesifisitas dan sensitivitas. Spesifisitas adalah kemampuan model dalam

memprediksi kejadian Y=0 (konsep tidak dipilih), sementara sensitifitas adalah

kemampuan model dalam memprediksi Y=1 (konsep dipilih). Semakin besar

tingkat ketepatan klasifikasi, sensitifitas, dan spesifisitas maka keakuratan model

semakin tinggi.

Tabel 4 Tingkat ketepatan klasifikasi

Prediksi Jumlah % benar

Tidak dipilih Dipilih

Aktual Tidak dipilih 1015 35 1050 96.7

Dipilih 111 39 150 26.0

Tingkat ketepatan (%) 87.8

Titik potong : 0.500

Penelitian ini lebih fokus kepada peramalan peluang sebuah konsep sistem

KBM akan dipilih responden atau tidak menggunakan model regresi logistik yang

telah dibangun, bukan pada baik atau tidaknya model regresi logistik sehingga

diperlukan ukuran kebaikan model yaitu kurva ROC (Receiver Operating

Characteristic) dan nilai AUC (Area Under the Curve). Kurva ROC ini dibangun

dari nilai sensitivitas dan 1-spesifisitas. Apabila kurva yang dihasilkan berada di

atas garis referensi, maka tingkat ketepatan klasifikasi termasuk baik. Nilai AUC

yang baik adalah yang berada di antara 0.5 sampai 1. Semakin besar nilai AUC,

semakin tinggi tingkat ketepatan klasifikasinya.

Gambar 6 Kurva ROC dan nilai AUC

Gambar 7 menunjukkan bahwa kurva ROC yang dihasilkan dari berbagai

nilai titik potongnya. Dapat diketahui bahwa kurva ROC berada di atas garis

13

referensi. Nilai AUC yang dihasilkan yaitu 0.8137 sehingga berdasarkan nilai AUC

tersebut, tingkat ketepatan klasifikasi dapat dikatakan sudah baik.

Interpretasi Nilai Kegunaan Level dan Nilai Kepentingan Relatif

Nilai kegunaan dari masing-masing level dapat diperoleh dari dugaan

parameter pada hasil analisis regresi logistik. Tabel 5 menunjukkan bahwa level 1

arah pada atribut penyampaian materi memiliki nilai kegunaan sebesar -1.355.

Sedangkan level 2 arah pada atribut penyampaian materi memiliki nilai kegunaan

yang berkebalikan yaitu sebesar 1.355. Pada atribut alat bantu, level papan tulis

memiliki nilai kegunaan sebesar -1.871 dan level LCD/proyektor dan papan tulis

sebesar 1.871. Pada atribut sumber materi, level slide powerpoint memiliki nilai

kegunaan sebesar -0.022 dan level buku referensi sebesar 0.022. Pada atribut

evaluasi, level ada evaluasi memiliki nilai kegunaan sebesar 0.787 dan level tidak

ada evaluasi sebesar -0.787. Pada atribut penyampaian motivasi, level hadiah

memiliki nilai kegunaan sebesar 1.348 dan level hukuman sebesar -1.348. Jumlah

nilai kegunaan dari masing-masing level yang nilainya lebih tinggi adalah sebesar

5.383, yaitu konsep 4 pada blok 4 dengan kombinasi penyampaian materi 2 arah,

alat bantu berupa LCD/proyektor dan papan tulis, sumber materi dari buku

referensi, ada evaluasi, dan penyampaian motivasi berupa hadiah.

Tabel 5 Nilai kegunaan setiap level dan nilai kepentingan relatif setiap atribut

Atribut dan Level Nilai

kegunaan

Jarak nilai

kegunaan

Nilai

kepentingan

relatif

Penyampaian materi

1 arah -1.355 2.71 25.17%

2 arah 1.355

Alat bantu

Papan tulis -1.871

3.742 34.76% LCD/proyektor dan papan

tulis 1.871

Sumber materi

Slide powerpoint -0.022 0.044 0.41%

Buku referensi 0.022

Evaluasi

Ada 0.787 1.574 14.62%

Tidak ada -0.787

Penyampaian motivasi

Hadiah 1.348 2.696 25.04%

Hukuman -1.348

Jumlah jarak nilai kegunaan 10.766

Nilai kepentingan relatif setiap atribut dapat dirangkum dalam Tabel 5. Tabel

tersebut menunjukkan bahwa responden menilai bahwa atribut alat bantu

merupakan atribut yang paling penting dengan nilai kepentingan relatif sebesar

34.76% sehingga atribut alat bantu ini memiliki pengaruh yang paling besar dalam

14

menentukan preferensi mahasiswa Statistika S1 angkatan 49, 50, dan 51 terhadap

konsep sistem KBM. Selanjutnya, atribut penyampaian materi dam penyampaian

motivasi memiliki nilai kepentingan relatif masing-masing sebesar 25.17% dan

25.04%. Nilai kepentingan relatif kedua atribut ini hampir sama. Artinya kedua

atribut ini memiliki pengaruh yang relatif sama dalam memilih konsep sistem

KBM. Untuk atribut evaluasi dan sumber materi, masing-masing memiliki nilai

kepentingan relatif sebesar 14.62% dan 0.41%. Kedua atribut ini kurang memiliki

pengaruh dalam memilih konsep sistem KBM karena memiliki nilai kepentingan

relatif yang relatif kecil. Atribut sumber materi memiliki nilai kepentingan relatif

terkecil, ini berbanding lurus dengan hasil pada regresi logistik yang menyatakan

bahwa sumber materi merupakan atribut yang tidak signifikan.

SIMPULAN

Hasil analisis, menunjukkan bahwa atribut sumber materi tidak berpengaruh

dalam preferensi mahasiswa S1 Statistika angkatan 49, 50, dan 51 dalam memilih

konsep sistem KBM. Sedangkan konsep sistem yang disukai adalah penyampaian

materi 2 arah, alat bantu berupa LCD/proyektor dan papan tulis, sumber materi dari

buku referensi, terdapat evaluasi, dan penyampaian motivasi berupa hadiah.

DAFTAR PUSTAKA

Agresti A. 2007. An Introduction to Categorical Data Analysis Second Edition.

Florida : John Wiley and Sons, Inc.

Angraini Y. 2006. Penentuan rancangan optimum pada CBC (choice based

conjoint) [tesis]. Bogor (ID): Institut Pertanian Bogor.

Fathurohman P, Sutikno MS. 2011. Strategi Belajar Mengajar Melalui Penanaman

Konsep Umum dan Konsep Islami. Bandung (ID) : Refika Aditama.

Fitasari A. 2013. Penerapan metode choice based conjoint (CBC) pada studi kasus

asrama mahasiswa TPB IPB [skripsi]. Bogor (ID): Institut Pertanian Bogor.

Hair JR JF, Black WC, Babin BJ, Anderson RE. 2009. Multivariate Data Analysis

Seventh Edition. New Jersey (US): Prentice Hall.

Herawati Y, Nawangpalupi CB, Kongga S. 2012. Penenetuan kombinasi atribut

gaming mouse dengan metode choice based conjoint [Internet]. [Waktu

pertemuan tidak diketahui]; Surakarta, Indonesia. [penerbit tidak diketahui].

hlm. I-173 - I-181; diunduh 2016 Feb 9. Tersedia pada

http://www.academia.edu/3834197/Penentuan_Kombinasi_Atribut_Gaming

_Mouse_dengan_Metode_Choice_Based_Conjoint.

Hosmer DW, Lemeshow S. 2000. Applied Logistic Regression Second Edition.

Canada (US) : John Wiley and Sons, Inc.

Orme BK. 2010. Getting Started with Conjoint Analysis: Strategies for Product

Design and Pricing Research Second Edition. Madison (US) : Research

Publishers LLC.

Raghavarao D, Wiley JB, Chitturi P. 2011. Choice-based Conjoint Analysis,

Models and Design. Boca Raton (US) : CRC Press.

15

Scheaffer RL, Mendenhall W, Ott RL, Gerrow KG. 1990. Elementary Survey

Sampling. Boston (US): PWS-KENT Publishing Company.

Sawtooth Software SSI Web v8.4. 1998. SSI Web Help. Orem (US) : Sawtooth

Software, Inc.

Walpole RE. 1992. Pengantar Statistika Edisi ke-3. Sumantri B, penerjemah.

Jakarta : PT Gramedia.

[Statistika IPB] Departemen Statistika IPB. 2016. Profil Departemen Statistika

IPB. Tersedia pada http://www.stat.ipb.ac.id/en/index.php?page=objectives.

16

Lampiran 1 Rancangan kombinasi profil lengkap dalam 4 blok

Konsep A B C D E M1

Blok 1

1 1 1 1 1 1 1

2 1 1 -1 1 -1 1

3 1 -1 1 -1 -1 -1

4 1 -1 -1 -1 1 -1

5 -1 1 1 -1 -1 -1

6 -1 1 -1 -1 1 -1

7 -1 -1 1 1 1 1

8 -1 -1 -1 1 -1 1

Jumlah 0 0 0 0 0 0

Blok 2

1 1 1 1 -1 1 -1

2 1 1 -1 -1 -1 -1

3 1 -1 1 1 -1 1

4 1 -1 -1 1 1 1

5 -1 1 1 1 -1 1

6 -1 1 -1 1 1 1

7 -1 -1 1 -1 1 -1

8 -1 -1 -1 -1 -1 -1

Jumlah 0 0 0 0 0 0

Blok 3

1 1 1 1 -1 -1 1

2 1 1 -1 -1 1 1

3 1 -1 1 1 1 -1

4 -1 -1 -1 -1 1 1

5 -1 1 1 1 1 -1

6 -1 1 -1 1 -1 -1

7 -1 -1 1 -1 -1 1

8 1 -1 -1 1 -1 -1

Jumlah 0 0 0 0 0 0

Blok 4

1 1 1 1 1 -1 -1

2 1 1 -1 1 1 -1

3 1 -1 1 -1 1 1

4 -1 -1 -1 1 1 -1

5 -1 1 1 -1 1 1

6 -1 1 -1 -1 -1 1

7 -1 -1 1 1 -1 -1

8 1 -1 -1 -1 -1 1

Jumlah 0 0 0 0 0 0

17

Atribut Level Frekuensi

dipilih

Frekuensi

tidak dipilih

Penyampaian

materi

1 arah 39 561

2 arah 111 489

Alat bantu

papan tulis 27 573

LCD/proyektor dan

papan tulis 123 477

Sumber materi slide powerpoint 74 526

buku referensi 76 524

Evaluasi ada 96 504

tidak ada 54 546

Penyampaian

motivasi

hadiah 111 489

hukuman 39 561

Lampiran 2 Tabulasi silang antara level masing-masing atribut dan respon

dari responden

18

RIWAYAT HIDUP

Penulis dilahirkan di Ngawi pada tanggal 15 September 1994 dari pasangan

Bapak Suprapto dan Ibu Ninik Kurniasih dan merupakan anak tunggal. Penulis

merupakan lulusan dari SD Campurasri 1, SMP Negeri 2 Ngawi, dan SMA Negeri

2 Ngawi. Setelah menyelesaikan pendidikan di SMA Negeri 2 Ngawi pada tahun

2012, Penulis diterima di Departemen Statistika Institut Pertanian Bogor melalui

jalur undangan Seleksi Nasional Masuk Perguruan Tinggi Negeri (SNMPTN).

Selama masa perkuliahan, penulis pernah aktif dalam organisasi Badan

Eksekutif Mahasiswa TPB, FMIPA, dan Keluarga Mahasiswa IPB. Pada bulan

Agustus-September 2015, Penulis melaksanakan praktik lapang di PT Pixel

Research yang merupakan perusahaan research marketing di daerah Jakarta

Selatan.