Dian Setya Arini

7/24/2019 Dian Setya Arini

1/72

OPTIMISASI HARGA

DENGAN MODEL MULTINOMIAL LOGIT

(Studi Kasus Produk Flash Disk dengan Kapasitas Penyimpanan

4 GB dan 8 GB)

Skripsi

OLEH:

DIAN SETYA ARINI

I0307038

JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK

UNIVERSITAS SEBELAS MARET

SURAKARTA

2011


2/72

i

OPTIMISASI HARGA DENGAN MODEL MULTINOMIAL

LOGIT

(Studi Kasus Produk Flash Disk Menurut Persepsi

Mahasiswa Universitas Sebelas Maret)

SkripsiSebagai Persyaratan Untuk Memperoleh Gelar Sarjana Teknik

OLEH:

DIAN SETYA ARINI

I0307038

JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK

UNIVERSITAS SEBELAS MARET

SURAKARTA

2011


3/72


4/72


5/72


6/72


7/72

vi

KATA PENGANTAR

Assalamualaikum wr. wb

Segala puji hanya bagi Allah SWT atas segala bentuk rahmat dan

hidayahNya serta karuniaNya sehingga penulis bisa menyelesaikan skripsi ini

sebagai syarat untuk mendapatkan gelar Sarjana Teknik di Jurusan Teknik

Industri Fakultas Teknik Universitas Sebelas Maret Surakarta.

Dalam proses penyelesaian skripsi ini, tentu saja peneliti mengalami

berbagai hambatan dan kesulitan. Namun, berkat bantuan, bimbingan dan

pengarahan dari berbagai pihak, akhirnya kesulitan-kesulitan yang timbul dapat

teratasi. Oleh karena itu, atas segala bentuk bantuannya, peneliti sampaikan terima

kasih kepada:

1. Dr. Cucuk Nur Rosyidi, ST. MT., selaku Ketua Jurusan Teknik Industri dan

Pembimbing I yang telah memberikan pengarahan, bimbingan dan dukungan

kepada peneliti selama pelaksanaan penelitian dan penyusunan skripsi ini.

2. Fakhrina Fahma, STP. MT., selaku Pembimbing II yang telah memberikan

pengarahan, bimbingan dan dukungan kepada peneliti selama pelaksanaan

penelitian dan penyusunan skripsi ini.

3. Bapak dan Ibu dosen Teknik Industri atas bimbingan dan segala ilmu yang

telah diajarkan selama ini.

4. Bapak dan Ibuku, sebagai rasa bakti dan hormatku atas motivasi, semangat,

harapan dan doa-doa yang selalu mengalir untukku sepanjang waktu dan

sepanjang masa.

5. Masku Manda yang telah banyak sekali membantu dalam menyelesaikan

skripsiku ini.

6. Budhe Hartini, budhe Wardini, terima kasih buat dukungannya, matur nuwun

sanget.

7. Sahabat-sahabatku asisten Laboratorium Sistem Kualitas, Mega, Mita, Wiwin,

Dias, Mamet, terima kasih atas dukungannya selama ini.

8. Semua sahabat-sahabatku TI 07 semua. Terima kasih untuk doa dan

dukungannya.


8/72

vii

9. Semua pihak yang tidak dapat peneliti sebut satu persatu yang membantu

dalam penyelesaian skripsi ini.

Peneliti menyadari bahwa masih banyak kekurangan dalam skripsi ini.

Oleh karena itu, saran dan kritik sangat peneliti harapkan guna kesempurnaan

skripsi ini. Semoga skripsi ini dapat bermanfaat bagi peneliti khususnya dan

pembaca pada umumnya. Amin.

Wassalamualaikum wr. wb.

Surakarta, Agustus 2011

Peneliti


9/72

viii

ABSTRAK

Dian Setya Arini, NIM : I 0307038. OPTIMISASI HARGA DENGAN

MODEL MULTINOMIAL LOGIT (STUDI KASUS PRODUK FLASH

DISK DENGAN KAPASITAS PENYIMPANAN 4 GB DAN 8 GB). Skripsi.

Surakarta: Jurusan Teknik Industri, Fakultas Teknik, Universitas SebelasMaret, Agustus 2011.

Penentuan harga telah menjadi masalah yang paling penting bagi perusahaan.

Harga adalah satu-satunya elemen dalam bauran pemasaran yang menghasilkan

pendapatan. Harga akan mempengaruhi kesediaan konsumen dalam membeli

suatu produk. Kesediaan konsumen untuk membeli biasanya berbanding terbalik

dengan harga produk. Oleh karena itu diperlukan model optimisasi untuk

menentukan harga optimal untuk memaksimumkan pendapatan perusahaan.

Pendapatan perusahaan pada penelitian ini ditentukan dari kemungkinan

konsumen untuk membeli produk dikalikan dengan harga. Model Multinomial

Logit digunakan untuk memprediksi kemungkinan atau probabilitas konsumen

memilih alternatif produk yang ditawarkan.Studi kasus dalam penelitian ini yaitu flash disk 4 GB dan 8 GB. Perusahaan

harus menentukan kombinasi harga yang optimum dalam menawarkan dua produk

tersebut, untuk memaksimumkan pendapatan dengan mempertimbangkan satu

tipe konsumen. Pada kasus ini hanya atribut kapasitas penyimpanan dan harga

pada flash disk yang dipertimbangkan, sedangkan atribut yang lain tidak

dipertimbangkan.

Berdasarkan hasil optimisasi harga dengan excel solver, didapatkan nilaioptimal untuk harga flash disk 4 GB yaitu Rp 68.184 dan harga flash disk 8 GB

yaitu Rp 107.024. Pada kombinasi harga tersebut kemungkinan konsumen untuk

membeli flash disk 4 GB adalah sebesar 0,218 dengan nilai utilitas sebesar 0.

Kemungkinan untuk membeli flash disk 8 GB pada kombinasi harga tersebut

adalah sebesar 0,565 dengan nilai utilitas sebesar 0,954. Kemungkinan untuk

tidak membeli adalah sebesar 0,218 dengan nilai utilitas 0. Ekspektasi pendapatan

yang didapat pada kombinasi harga tersebut yaitu 75.825.

Kata kunci : optimisasi harga, model multinomial logit.

xiv + 57 halaman; 16 tabel; 7 gambar; 4 lampiran

Daftar pustaka: 15 (1975-2010)


10/72

ix

ABSTRACT

Dian Setya Arini, NIM: I 0307038. PRICE OPTIMIZATION USING

MULTINOMIAL LOGIT MODEL (CASE STUDY : FLASH DISK WITH 4

Engineering Department, Faculty of Engineering, Sebelas Maret University,

August 2011.

Pricing has become the most important issue for company. Price is the only

element in the marketing mix that generates revenue. The price of a product will

affect the consumer consideration to buy. Consumer willingness to buy is

inversely proportional to the product price. Therefore an optimization model is

required to determine optimal prices to maximize revenues. Revenue in this study

are determined from purchase likelihood multiplied by price. The purchase

likelihood is derived using multinomial logit model.

Flash disks with 4 GB and 8 GB storage capacity are used as case study in

this research. The company must determine the optimum price combination in

offering those products in order to maximize revenues by considering one type of

consumer. The attributes considered in this case are the storage capacity and the

prices of the flash disk, while other attributes are not considered.

Based on the results of price optimization using Excel Solver, the optimal

value obtained for the price of 4 GB flash disk is Rp 68,184 and Rp 107,024 for

the price of 8 GB flash disk. On that price combination, the purchase likelihood of

4 GB flash disk is 0.218, with 0 utility value. The purchase likelihood of 8 GB

flash disk is 0.565 with 0.954 utility value. The likelihood of choosing not to buy

is 0.218 with 0 utility value. The Expected revenue generated on that price

combination is 75,825.

Key words: price optimization, multinomial logit model.

xiv + 57 pages, 16 tables, 7 drawings, 4 attachments

Bibliography: 15 (1975-2010).

GB AND 8 GB STORAGE CAPACITY). Thesis. Surakarta: Industrial


11/72

x

DAFTAR ISI

HALAMAN JUDUL i

LEMBAR PENGESAHAN iiLEMBAR VALIDASI iii

SURAT PERNYATAAN ORISINALITAS KARYA ILMIAH iv

SURAT PERNYATAAN PUBLIKASI KARYA ILMIAH v

KATA PENGANTAR vi

ABSTRAK viii

ABSTRACT ix

DAFTAR ISI x

DAFTAR TABEL xiiiDAFTAR GAMBAR xiv

BAB I PENDAHULUAN I-1

1.1 Latar Belakang I-1

1.2 Perumusan Masalah I-3

1.3 Tujuan Penelitian I-3

1.4 Manfaat Penelitian I-3

1.5 Batasan Masalah I-3

1.6 Asumsi I-4

1.7 Sistematika Penulisan I-4

BAB II TINJAUAN PUSTAKA II-1

2.1 Pengertian Harga II-1

2.2 Strategi Penentuan Harga II-1

2.3 Penetapan Harga Optimum II-4

2.4 Proses Pengambilan Keputusan Pembelian II-5

2.5 Qualitative Choice Model (QCM) II-6

2.6 Revealed Choice Survey vs Stated Choice Survey II-7

2.7 Model Multinomial Logit (MNL) II-8

2.8 Multikolinieritas II-12

2.8.1 Konsekuensi Praktis dari Multikolinieritas II-13

2.8.2 Deteksi Multikolinieritas II-13


12/72

xi

2.9 Evaluasi Model II-14

2.9.1 Uji Kebaikan Model (Goodness of Fit) II-14

2.9.2 Uji Signifikansi Variabel Independen Secara Serentak

(Overall Model Fit) II-15

2.9.3 Uji Signifikansi Variabel Independen Secara Individual

(Significance Test) II-16

2.10 Penelitian Terdahulu II-17

2.10.1 Reibstein dan Gatignon (1984) II-17

2.10.2 Correa (2008) II-19

BAB III METODOLOGI PENELITIAN III-1

3.1 Tahap Identifikasi Masalah III-2

3.2 Tahap Pengumpulan dan Pengolahan Data III-33.2.1 Pengumpulan Data III-3

3.2.2 Pengolahan Data III-5

3.3 Tahap Analisis III-10

3.4 Tahap Kesimpulan dan Saran III-11

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA IV-1

4.1 Pengumpulan Data IV-1

4.2 Pengolahan Data IV-2

4.2.1 Karakterisasi Data IV-2

4.2.2 Model Multinomial Logit IV-4

4.2.2.1 Uji Asumsi Klasik IV-4

4.2.2.2 Estimasi Parameter IV-4

4.2.2.3 Evaluasi Model IV-6

4.2.2.4 Validasi Model IV-8

4.2.3 Optimisasi Harga IV-9

BAB V ANALISIS DAN INTERPRETASI HASIL V-1

5.1 Analisis Pengaruh Harga Terhadap Perilaku Responden

Dalam Pemilihan Alternatif V-1

5.2 Analisis Model Multinomial Logit V-1

5.2.1 Analisis Uji Prasyarat Model V-2

5.2.2 Analisis Parameter Model Multinomial Logit V-2


13/72

xii

5.2.3 Analisis Probabilitas Pemilihan Alternatif

(Purchase Likelihood) V-3

5.2.4 Analisis Uji Evaluasi Model V-5

5.2.5 Analisis Validasi Model V-6

5.3 Analisis GrafikPurchase Likelihood V-7

5.4 Analisis Optimisasi Harga V-8

BAB VI KESIMPULAN DAN SARAN VI-1

6.1 Kesimpulan VI-1

6.2 Saran VI-1

DAFTAR PUSTAKA

LAMPIRAN

Lampiran 1 : Kuesioner L-1Lampiran 2 : Hasil Pengumpulan Data L-2

Lampiran 3 : Output SPSS L-4

Lampiran 4 : Tabel Chi Square L-6


14/72

xiii

DAFTAR TABEL

Hal

Tabel 2.1 Pengaruh harga terhadap kesediaan membeli II-4Tabel 2.2 Analisis Marginal II-5

Tabel 2.3 Model penjualan terhadap harga II-17

Tabel 3.1 Contoh kuesioner III-4

Tabel 4.1 Contoh hasil pengumpulan data IV-1

Tabel 4.2 Tabel Jumlah data IV-2

Tabel 4.3 Tabel prosentase pilihan responden

pada tiap kombinasi harga flash disk IV-3

Tabel 4.4 Uji Multikolinieritas IV-4

Tabel 4.5 Estimasi Parameter IV-4

Tabel 4.6 TabelPseudo R-Square IV-6

Tabel 4.7 Tabel Uji Overall Model Fit IV-6

Tabel 4.8Likelihood Ratio Test IV-7

Tabel 4.9 Uji Wald IV-8

Tabel 4.10 Classification IV-9

Tabel 4.11 Output Hasil Excel Solver IV-11

Tabel 5.1 Tabel Harga danPuchase Likelihood(P2=175) V-7


15/72

xiv

DAFTAR GAMBAR

Hal

Gambar 2.1 Hal-hal yang dipertimbangkan dalam penetapan harga II-1Gambar 2.2 Penetapan harga berdasarkan nilai vs

penetapan harga berdasarkan biaya II-3

Gambar 2.3 Proses keputusan pembelian II-6

Gambar 2.5 Ilustrasi model II-18

Gambar 2.6 Metodologi Penelitian Correa, 2008 II-20

Gambar 3.1 Metodologi Penelitian III-1

Gambar 5.1 GrafikPurchase Likelihood untuk Harga 2=175 IV-11


16/72

I-1

BAB I

PENDAHULUAN

Bab ini membahas mengenai latar belakang, perumusan masalah, tujuan

penelitian, manfaat penelitian, batasan masalah, asumsi dan sistematika penulisan.

1.1 Latar Belakang

Era perdagangan bebas seperti saat ini menyebabkan semakin banyak barang

yang beredar di pasaran, sehingga persaingan harga menjadi semakin ketat. Harga

yang diajukan oleh perusahaan akan gagal bila terlalu tinggi untuk dapat

menghasilkan permintaan dan akan gagal pula bila terlalu rendah untuk dapat

menghasilkan keuntungan (Kottler, 2008). Oleh karena itu, harga merupakan

keputusan kritis yang perlu ditentukan perusahaan.

Terdapat bermacam-macam metode yang dilakukan perusahaan dalam

penetapan harga, diantaranya yaitu penetapan harga berdasarkan biaya, penetapan

harga berdasarkan nilai, penetapan harga berdasarkan permintaan pasar, dan

penetapan harga berdasarkan harga pesaing (Kottler, 2008). Pada penetapan harga

berdasarkan nilai, perusahaan menetapkan harga target berdasarkan pada persepsi

pelanggan atas nilai produk (Kottler, 2008). Nilai dan harga yang ditargetkan

kemudian mendorong keputusan mengenai desain produk dan biaya apa yang

dapat ditanggung.

Salah satu cara yang dapat dilakukan dalam penetapan harga berdasarkan

nilai ini yaitu penetapan harga dengan model multinomial logit. Model logit

merupakan suatu model regresi yang variabel dependennya berupa variabel

kualitatif, misalnya pilihan merek (merek A, merek B, atau merek C), pilihan

moda transportasi (bus, kereta, atau taksi), dan keputusan pembelian (membeli

atau tidak membeli) (Nachrowi, 2002). Model multinomial logit merupakan

model logit dengan alternatif pilihan lebih dari dua. Output dari model ini yaitu

prediksi probabilitas pilihan responden.

Model multinomial logit dapat memprediksi probabilitas keputusan

pembelian responden pada tingkat harga yang berbeda-beda. Keputusan

pembelian konsumen dijadikan variabel dependen dan harga dijadikan variabel

independen yang mempengaruhi keputusan pembelian konsumen tersebut.


17/72

I-2

Harga dipilih berdasarkan yang menghasilkan harga dikalikan dengan

probabilitas keputusan membeli, yang paling tinggi. Harga dan kemungkinan

konsumen untuk membeli biasanya berbanding terbalik (Winardi, 1992). Oleh

karena itu, diperlukan model optimisasi untuk menentukan harga optimal untuk

memaksimumkan harga dikalikan kemungkinan konsumen untuk membeli atau

dalam penelitian ini disebut dengan ekspektasi pendapatan.

Model Multinomial Logit dapat memprediksi kemungkinan atau probabilitas

konsumen memilih alternatif produk yang ditawarkan atau purchase likelihood.

Harga dan purchase likelihood tersebutlah yang akan dioptimumkan untuk

mencapai pendapatan yang maksimum. Model logit akan memprediksi

probabilitas pilihan konsumen berdasarkan pertimbangan kombinasi harga pada

alternatif pilihan. Model Multinomial Logit dipilih karena struktur model logitmencerminkan perilaku pemilihan yang sebenarnya (Lilien, 2007).

Kasus yang akan dibahas dalam penelitian ini yaitu penjual harus menentukan

kombinasi harga terbaik dalam menawarkan dua produknya, dengan

mempertimbangkan satu tipe konsumen. Satu tipe konsumen maksudnya Produk

yang diangkat dalam penelitian ini yaitu flash disk. Menurut Cook & Wissman

(2007) bentuk umum dari survey yang mempertimbangkan pilihan konsumen,

produk yang dipilih hanya memiliki satu atribut yang membedakan antara

alternatif satu dengan alternatif yang lain. Flash disk di pasaran biasanya, pada

satu merek dan bentuk yang sama, dibedakan oleh atribut kapasitas penyimpanan.

Pada penelitian ini akan ditentukan kombinasi harga yang optimal untuk flash disk

yang merek dan bentuknya sama tetapi kapasitasnya berbeda.

Penelitian ini mengacu pada penelitian yang dilakukan oleh Correa (2008).

Pada penelitian tersebut dimodelkan optimisasi harga dengan tiga alternatif

pendekatan yaitu Multinomial Logit, Binary Logit dan Logit-Logit untuk

menyelesaikan masalah penentuan harga dua alternatif produk. Dari ketiga

alternatif pendekatan tersebut, terpilih model multinomial logit yang paling baik

dalam mengoptimumkan harga.

Penelitian ini menggunakan model optimisasi harga dengan pendekatan

multinomial logit yang disebutkan dalam penelitian tersebut. Akan tetapi,

penelitian ini lebih fokus pada studi kasus model tersebut untuk optimisasi harga


18/72

I-3

pada pemilihan flash disk. Selain itu pada penelitian ini digunakan survey atau

kuesioner untuk mengetahui pernyataan pilihan konsumen diantara beberapa

alternatif pilihan, sedangkan pada Correa (2008), tidak menggunakan kuesioner

tetapi menggunakan data yang di-generate menggunakan Random Number

Generatorpada Software C++. Metode pengumpulan data dengan kuesioner

dipilih karena penelitian ini merupakan studi kasus sehingga diperlukan metode

pengumpulan data yang lebih mencerminkan data pembelian sebenarnya

dibandingkan dengan data yang di-generate menggunakan Random Number

Generator.

1.2 Perumusan Masalah

Berdasarkan latar belakang yang telah diuraikan, maka dapat dirumuskan

pokok permasalahan dari penelitian ini yaitu bagaimana menentukan harga yangoptimum dari dua alternatif produk flash disk 4 GB dan 8 GB untuk

memaksimumkan ekspektasi pendapatan dengan menggunakan Model

Multinomial Logit.

1.3 Tujuan Penelitian

Tujuan yang ingin dicapai dalam penelitian ini adalah menentukan harga

optimum dari dua alternatif produk flash disk 4 GB dan 8 GB untuk

memaksimumkan ekspektasi pendapatan dengan menggunakan Model

Multinomial Logit.

1.4 Manfaat Penelitian

Manfaat dari penelitian ini yaitu diharapkan dapat memberikan masukan

dalam pengambilan keputusan yang menyangkut penentuan harga yang optimum

bagi perusahaan.

1.5 Batasan Masalah

Batasan masalah dari penelitian ini adalah :

1. Atribut produk yang dipertimbangkan dalam model hanya harga.

2. Flash disk kapasitas 4 GB dan 8 GB dipilih sebagai alternatif produk.

Flash disk dengan kapasitas tersebut dipilih karena paling umum di

pasaran saat ini.

3. Responden adalah Mahasiswa Universitas Sebelas Maret pengguna flash

disk.


19/72

I-4

1.6 Asumsi

Asumsi yang digunakan dalam penelitian ini yaitu :

1. Alternatif bersifat mutually exclusive. Responden hanya dapat memilih

salah satu diantara alternatif pilihan.

2. Perbedaan antara flash disk kapasitas 4 GB dan 8 GB hanya pada kapasitas

penyimpanannya saja. Fungsi, bentuk, ukuran dan fitur lainnya dianggap

sama sehingga dapat diperbandingkan.

3. Persepsi konsumen terhadap harga flash disk tidak mengalami perubahan

selama penelitian dilakukan.

4. Populasi dianggap homogen atau hanya mempertimbangkan satu tipe

konsumen. Satu tipe konsumen maksudnya seluruh populasi dalam

penelitian ini yaitu, mahasiswa UNS pengguna flash disk, dianggap beradadalam satu segmen pasar yang sama.

1.7 Sistematika Penulisan

Penulisan penelitian dalam laporan tugas akhir ini mengikuti uraian yang

diberikan pada setiap bab yang berurutan untuk mempermudah pembahasannya.

Sistematika penulisan penelitian optimisasi harga dengan Model Multinomial

Logit adalah sebagai berikut:

BAB I PENDAHULUAN

Bab ini berisi mengenai alasan atau latar belakang perlunya diadakan

penelitian mengenai optimisasi harga dengan Model Multinomial Logit disertai

pula dengan perumusan masalah, tujuan penelitian, manfaat penelitian, batasan

masalah, asumsi, dan sistematika penulisan dari penelitian.

BAB II TINJAUAN PUSTAKA

Bab ini berisi mengenai dasar-dasar teori dan hasil-hasil penelitian

sebelumnya yang menunjang pembahasan masalah yaitu mengenai harga,

pengambilan keputusan pembelian, Qualitative Choice Model, Stated-choice

Survey, Model Multinomial Logit, dan penelitian terdahulu.

BAB III METODOLOGI PENELITIAN

Bab ini berisi mengenai kerangka pemikiran dari penelitian yang memuat

tahap-tahap penelitian mulai dari tahap identifikasi permasalahan awal, tahap


20/72

I-5

pengumpulan dan pengolahan data, analisis dan interpretasi hasil serta penarikan

kesimpulan.

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

Bab ini berisi mengenai data penelitian diperlukan dalam menganalisis

permasalahan yang ada. Data berkenaan dengan hasil kuesioner stated-choice

yang disebarkan kepada pengguna flash disk. Pada bab ini dijelaskan pula cara

pengolahan data-data tersebut.

BAB V ANALISIS HASIL PENELITIAN

Bab ini berisi interpretasi dari hasil pengolahan data, baik data primer

maupun data sekunder serta membandingkan terhadap tujuan penelitian yang telah

ditetapkan.

BAB VI KESIMPULAN DAN SARANBab ini berisi mengenai kesimpulan dari hasil pengolahan data penelitian,

dan saran untuk penelitian mengenai optimisasi harga dengan Model Multinomial

Logit.


21/72

II-1

BAB II

TINJAUAN PUSTAKA

Bab ini membahas mengenai konsep dan teori yang digunakan dalam

penelitian, sebagai landasan dan dasar pemikiran untuk membahas serta

menganalisa permasalahan yang ada.

2.1 Pengertian Harga

Pada teori ekonomi, harga, nilai dan utilitas adalah konsep yang saling

berhubungan (Stanton, 1975). Utilitas adalah atribut dari sebuah benda yang

membuatnya mampu memuaskan konsumen. Nilai adalah ekspresi kualitatif dari

kekuatan produk yang membuatnya menarik untuk dipertukarkan dengan produk

lain. Harga adalah nilai yang diekspresikan dalam bentuk uang.

Harga adalah jumlah uang atau barang yang harus dibayar oleh pembeli

sebagai pengganti barang atau jasa atau harga adalah rasio antara jumlah uang,

barang atau jasa yang diterima penjual dengan jumlah barang atau jasa yang

diterima pembeli (Monroe, 1990). Sedangkan menurut Kottler (2008), harga

dalam arti sempit adalah jumlah yang ditagihkan atas suatu produk atau jasa, arti

luasnya yaitu jumlah semua nilai yang diberikan oleh pelanggan untuk

mendapatkan keuntungan dari memiliki atau menggunakan produk atau jasa.

2.2 Strategi Penentuan Harga

Harga yang diajukan oleh perusahaan akan gagal bila berada terlalu tinggi

untuk dapat menghasilkan permintaan dan bila terlalu rendah untuk menghasilkan

keuntungan. Gambar 2.1 berikut ini menunjukkan pertimbangan-pertimbangan

utama perusahaan dalam penetapan harga menurut Kottler (2008).

Gambar 2.1 Hal-hal yang dipertimbangkan dalam penetapan hargaSumber: Kottler, 2008


22/72

II-2

Persepsi pelanggan terhadap nilai-nilai dari produk menjadi batas atas dari

harga. Pelanggan tidak akan membeli produk jika menganggap harga yang

ditawarkan lebih tinggi dari nilai produk. Biaya produksi menetapkan batas bawah

bagi harga. Perusahaan akan mengalami kerugian bila menetapkan harga yang

lebih rendah dari biaya produksi. Dalam penetapan harga diantara dua keadaan

ekstrem ini, perusahaan harus mempertimbangkan faktor internal dan eksternal

lainnya termasuk strategi dan bauran pemasaran secara keseluruhan, kondisi pasar

dan permintaan, dan strategi serta harga dari pesaing.

Apapun yang menjadi pertimbangan penjual dalam penentuan harga, pada

akhirnya konsumen yang akan menentukan apakah harga produk tepat atau tidak,

sehingga sewaktu menetukan harga perusahaan harus mempertimbangkan

persepsi konsumen tentang harga dan bagaimana persepsi tersebut mempengaruhikeputusan membeli para konsumen.

Konsumen dalam membeli suatu produk, mempertukarkan sesuatu yang

memiliki nilai (harga) untuk mencapai sesuatu yang bernilai (keuntungan atau

manfaat memiliki atau menggunakan produk). Penetapan harga yang berorientasi

pada pembeli secara efektif, meliputi pemahaman tentang nilai apa yang diberikan

para konsumen atas keuntungan yang diterima dari produk yang bersangkutan dan

menetapkan suatu harga yang cocok dengan nilai tersebut.

Pandangan atau persepsi konsumen tentang kepantasan suatu harga produk

yang mempengaruhi konsumen dalam mengevaluasi produk yang akan dibeli

disebut dengan persepsi penerimaan harga. Untuk itu perusahaan harus mampu

menciptakan strategi harga secara bijaksana untuk mendapatkan persepsi

konsumen yang tepat berkaitan dengan harga suatu produk. Harga produk yang

terlalu tinggi, akan berpengaruh negatif terhadap persepsi nilai konsumen pada

suatu produk. Apabila harga terlalu tinggi, konsumen akan membandingkan

dengan produk lain yang memiliki harga lebih terjangkau berdasarkan referensi

(reference price) yang dimilikinya.

Makin banyak perusahaan, dewasa ini menetapkan harga atas apa yang

dinamakan perceived value (nilai produk menurut persepsi para pembeli). Kunci

penetapan harga ini yaitu berdasarkan persepsi nilai para pembeli dan bukanlah

biaya-biaya penjual. Pada perceived value pricing digunakan variabel-variabel


23/72

II-3

untuk menimbulkan nilai yang dipersepsikan dalam pikiran konsumen. Harga

ditetapkan untuk mendapatkan nilai yang dipersepsikan (Winardi, 1992).

Gambar 2.2 Penetapan harga berdasarkan nilai vs

penetapan harga berdasarkan biayaSumber: Kottler, 2008

Gambar 2.2 membandingkan penetapan harga berdasarkan nilai dengan

penetapan harga berdasarkan biaya menurut Kottler (2008). Penetapan harga

berdasarkan biaya digerakkan oleh produk. Perusahaan mendesain sesuatu yang

dianggap merupakan produk yang bagus, menjumlahkan biaya untuk membuat

produk tersebut, dan kemudian menetapkan harga yang dapat menutupi biaya dan

ditambahkan dengan target laba. Bagian pemasaran kemudian harus meyakinkan

pembeli nilai suatu produk pada harga tersebut dapat membenarkan pembelian

tersebut. Bila ternyata harganya terlalu tinggi, perusahaan harus menerima

keuntungan yang rendah atau penjualan yang lebih rendah, keduanya

menghasilkan laba yang mengecewakan.

Penetapan harga berdasarkan nilai membalik proses ini. Perusahaan

menetapkan harga target berdasarkan pada persepsi pelanggan atas nilai produk.

Nilai dan harga yang ditargetkan kemudian mendorong keputusan mengenai

desain produk dan biaya apa yang dapat ditanggung. Sebagai hasilnya penetapan

harga dimulai dengan menganalisis kebutuhan konsumen dan persepsi nilai

mereka, harga kemudian ditetapkan untuk menyamai nilai anggapan (percieved

value) konsumen.

Penentuan harga memiliki berbagai macam strategi sesuai dengan tahap yang

dilalui oleh sebuah produk atau jasa. Kotler dan Armstrong (2008) diantaranya

mengelompokkan strategi penentuan harga menjadi empat. Pertama, strategi

penetapan harga produk baru, yakni penetapan harga untuk meraup pasar dan

penetapan harga untuk penetrasi pasar. Kedua, strategi penetapan harga bauran

produk, yakni penetapan harga lini produk, penetapan harga produk pilihan,


24/72

II-4

penetapan harga produk terkait, penetapan harga produk sampingan, dan

penetapan harga paket produk. Ketiga, strategi penyesuaian harga, yang terdiri

dari penetapan harga diskon dan pengurangan harga, penetapan harga

tersegmentasi, penetapan harga psikologis, penetapan harga untuk promosi,

penetapan harga murah dan penetapan harga berdasarkan geografik. Keempat,

strategi menghadapai perubahan harga, yaitu memelopori perubahan harga,

bagaimana bereaksi terhadap perubahan harga.

Perusahaan biasanya mengembangkan lini produk. Dalam penetapan harga

lini produk (produk line pricing), manajemen harus memutuskan jenjang harga

yang ditetapkan antara berbagai produk dalam lini. Menurut Kottler (2008),

Jenjang harga harus memperhatikan memperhatikan perbedaan biaya antara

produk dalam lini, evaluasi pelanggan tentang berbagai fitur yang berbeda, danharga pesaing. Tugas penjual adalah untuk menetapkan perbedaan fitur atau

kualitas anggapan yang mendukung perbedaan harga tersebut. Menurut Winardi

(1992), jika perbedaan harga antara dua buah produk dalam lini kecil, pembeli

cenderung membeli produk yang lebih unggul. Sedangkan jika perbedaan harga

besar, pembeli cenderung membeli produk yang lebih inferior.

2.3 Penetapan Harga Optimum

Harga akan mempengaruhi kesediaan konsumen untuk membeli. Apabila

harga penjualan diubah, maka akan terjadi pergeseran pada titik keseimbangan.

Apabila harga dinaikkan, maka kesediaan konsumen untuk membeli menjadi

turun. Sedangkan apabila harga diturunkan maka kesediaan konsumen untuk

membeli jadi naik (Winardi, 1992). Pengaruh harga terhadap kesediaan konsumen

dijelaskan pada Tabel 2.1 berikut ini.

Tabel 2.1 Pengaruh harga terhadap kesediaan membeli

Harga Kesediaan membeli

Harga dinaikkan menurunHarga diturunkan meningkat

Sumber: Winardi, 1992

Penentuan harga optimal dapat dilakukan dengan pendekatan lain yaitu,

analisis marjinal (Winardi, 1992). Analisis marjinal merupakan metode untuk


25/72

II-5

mencari harga yang menghasilkan laba maksimum. Analisis marjinal meliputi

tindakan mempelajari apa yang akan terjadi apabila produksi diubah dengan satu

kesatuan. Hasil analisis marjinal adalah perubahan dalam hasil total yang timbul

apabila perusahaan menjual tambahan sebuah produk. Contoh hasil optimisasi

harga dengan analisis marjinal ditunjukkan pada Tabel 2.2 berikut ini. Hasilnya

yaitu harga 3750 terpilih sebagai harga terbaik karena menghasilkan laba

maksimum yaitu 6000.

Tabel 2.2 Analisis Marginal1 2 3 4 5 6 7

Harga Jumlah

yang

dijual

Hasil

Total

(1x2)

Hasil

Marjinal

Biaya

Marjinal

Biaya

Total

Laba

(3-6)

5700 1 5700 5700 6000 -300

5500 2 11000 5300 1000 7000 4000

4000 3 12000 1000 500 7500 4500

3750a 4 15000 1500 1500 9000 6000b

3240 5 16200 1200 2000 11000 5200

2780 6 16700 500 3000 14000 3700

2340 7 16400 300 4000 18000 2400

a=harga terbaik b= laba maksimum

Sumber: Winardi, 1992

2.4 Proses Pengambilan Keputusan Pembelian

Menurut Monroe (1990), konsumen membuat keputusan pembelian dalam

dua proses. Pertama pembeli menksir nilai dari produk yang ditawarkan,

kemudian pembeli memutuskan untuk membeli atau tidak.

Sedangkan menurut Kottler (2008), perilaku konsumen adalah salah satu

faktor yang mempengaruhi proses pengambilan keputusan pembelian oleh

seseorang. Model proses pengambilan keputusan pembelian digambarkan pada

Gambar 2.3 berikut ini.

Gambar 2.3 Proses Keputusan PembelianSumber: Kotler, 2008


26/72

II-6

Proses pembelian yang dilakukan konsumen ada beberapa tahap (Kotler,

2008), yaitu:

1. Pengenalan Kebutuhan

Proses pembelian muncul ketika pembeli mengenal suatu masalah atau

kebutuhan. Munculnya pengenalan kebutuhan dipengaruhi oleh rangsangan

internal ataupun eksternal.

2. Pencarian Informasi

Seorang konsumen akan mulai mencari informasi sebanyak-banyaknya

tentang suatu produk yang akan dibelinya.

3. Evaluasi Alternatif

Setelah tahap pengenalan dan pencarian informasi tahap selanjutnya adalah

evaluasi alternatif. Konsumen melihat suatu produk dengan karakteristik dankemampuan yang berbeda-beda. Konsumen akan mencari alternatif-alternatif

yang ada tetapi dengan harga yang lebih murah dan kualitas yang sebanding.

4. Keputusan Pembelian

Dalam tahap evaluasi, konsumen membentuk preferensi antara merek

merek yang ada. Terdapat dua faktor yang menjadi pengaruh utama dalam

keputusan pembelian. Faktor pertama adalah situasi, yaitu dimana pembelian yang

dilakukan bersifat spontanitas. Faktor kedua adalah sikap orang lain, pembelian

dilakukan karena terpengaruh sikap pihak lain terhadap suatu produk.

2.5 Qualitative Choice Model(QCM)

Qualitative Choice adalah situasi dimana pengambil keputusan menghadapi

beberapa alternative pilihan berbeda dan harus memilih salah satu dari pilihan

tersebut. Pilihan apa yang terpilih tergantung pada permasalahan yang dihadapi

pengambil keputusan. Konsumen selalu memaksimalkan utilitasnya. Konsumen

akan memilih produk yang mempunyai utilitas paling tinggi diantara semua

alternatif pilihan.

Konsumen selalu memaksimumkan utilitas produk yang dibelinya.

Konsumen memilih produk yang menurutnya memiliki utilitas yang paling tinggi

diantara alternatif yang ditawarkan. Alternatif yang terpilih tergantung dari

karakteristik individu, yang dipengruhi oleh pengalaman, opini, keterbatasan


27/72

II-7

lingkungan, perilaku, dll. Terkait dengan tiap alternatif terpilih terdapat

probabilitas terpilih yang dapat digambarkan dalam fungsi parametrik sebagai

berikut:

..(2.1)

dimana,

xin = vektor karakteristik dari alternatif i yang diamati oleh pengambil

keputusan n,

Jn = kumpulan dari alternatif

Sn = karakteristik yang diobservasi oleh pengambil keputusan n, misalnya

pendapatan, umur, dll.

= vektor dari parameter.

QCM misalnya logit diperoleh dengan fungsi f yang spesifik. Multinomial

Logit merupakan sebuah pilihan model logit yang jumlah pilihannya lebih dari

dua. QCM dapat digunakan dalam beberapa situasi misalnya pemilihan rute pergi

ke kantor, pemilihan moda transportasi dan keputusan pembelian produk tertentu.

Alternatif yang dihadapi pengambil keputusan biasanya harus memenuhi beberapa

batasan yaitu:

1. Jumlah pilihan terbatas

2. Alternatif bersifat mutually exclusive.

2.6Revealed Choice Survey vsStated Choice Survey

Qualitative Choice Model telah digunakan oleh periset marketing untuk

membuat fungsi nilai untuk membuat model deskriptif perilaku konsumen.

(Correa, 2008). Parameter pada model tersebut dapat diestimasi denganRevealed

Choice atau Stated Choice.

Revealed Choice menggunakan data historis pembelian untuk mengestimasiparameter. Salah satu cara revealed choice survey adalah dengan bertanya pada

responden mengenai merek dan harga mobil yang baru dibelinya. Dengan

menggunakan revealed choice survey, data mempunyai validitas eksternal yang

baik, karena data berasal dari data pembelian yang sebenarnya. Tetapi ada

beberapa kekurangan metode revealed choice misalnya harga pada dunia nyata


28/72

II-8

bervariasi pada kisaran yang sempit. Karena itu hasil dari revealed choice tidak

baik digunakan untuk memprediksi perilaku konsumen untuk harga diluar kisaran

harga yang ada di pasaran (Correa, 2008). Revealed choice modeljuga tidak bisa

digunakan untuk mengestimasi parameter dari atribut produk yang belum ada di

pasaran.

Stated choice menggunakan survey untuk bertanya pada responden mengenai

pilihan yang mungkin dipilih dari beberapa alternatif. Responden akan ditanya

mengenai pilihan apa yang mereka inginkan untuk melakukan sesuatu atau

bagaimana membuat rangking atau pilihan tertentu dalam satu atau berbagai

situasi dugaan. Teknik stated choice didasari oleh konsep bahwa individu akan

memilih alternatif yang memaksimumkan utilitasnya. Kelebihan metode stated

choice yaitu peneliti bebas melakukan desain pertanyaan untuk berbagai situasisesuai dengan kebutuhan penelitian. Selain itu metode stated choice bisa

digunakan sebagai instrumen pengumpulan data untuk membangun model

perilaku konsumen dengan kisaran harga yang lebih luas dan atribut produk yang

lebih inovatif (Wissmann & Cook, 2007).

2.7 Model Multinomial Logit (MNL)

Variabel dependen maupun variabel independen dalam model regresi tidak

selalu bersifat kuntitatif, tetapi dapat pula bersifat kualitatif. Variabel kualitatif ini

sering disebut sebagai variabel buatan atau variabel dummy. Dalam beberapa

literature disebut pula variabel indikator, variabel biner, variabel dikotomi, dan

variabel kategori. Variabel kualitatif biasanya menunjukkan ada tidaknya kualitas

suatu atribut, seperti laki-laki atau perempuan, hitam atau putih, dll. Salah satu

metode mengkuantifikasi atribut-atribut tersebut adalah dengan membentuk

variabel-variabel artifisial yang memperhitungkan nilai-nilai 0 atau 1, 0

menunjukkan ketiadaan sebuah atribut dan 1 menunjukkan keberadaan atribut itu.

Pada kasus-kasus penelitian dengan tujuan untuk mengetahui hubungan

antara suatu variabel dimana variabel terikatnya berupa data kategorik, maka

analisis regresi linear standar tidak bisa dilakukan, oleh karena itu salah satu

pendekatan yang dapat dilakukan adalah regresi logistik.


29/72

II-9

Model logistik dengan empat kategori, terdapat tiga fungsi logit sebagai

berikut.

Fungsi logit untuk Y=1 relatif terhadap fungsi logit untuk Y=0



Kategori Y=0 disebut sebagai kategori rujukan atau pembanding (reference

group).

Secara umum, bila akan menganalisis model dengan n variabel bebas, maka

tiga fungsi logitnya dinotasikan sebagai berikut:

nnxxxxY

xYxz 1212111101 ...

0Pr(

1Pr(ln)(

..(2.2)

nnxxxxY

xYxz 2222121202 ...

0Pr(

2Pr(ln)(

..(2.3)

nnxxxxY

xYxz 3232131303 ...

0Pr(

3Pr(ln)(

..(2.4)

Dalam regresi logistik variabel respon (Y), didefinisikan sebagai logdari odds

dimana odds didefinisikan sebagai rasio probabilitas dari dua alternatif (Garrow,

2010). Pada model binary logit fungsi logitnya dinotasikan sebagai berikut.

nnxxxxYxYxz

...

0Pr(1Pr(ln)( 221103 ..(2.5)

zxY

xY

0Pr(

1Pr(ln ..(2.6)

zp

p

1ln ..(2.7)

)exp(1

zp

p

..(2.8)

)exp()exp( zpzp ..(2.9)

)exp())exp(1( zzp ....(2.10)

))exp(1(

)exp(

z

zp

..(2.11)


30/72

II-10

z

z

e

ep

1..(2.12)

Persamaan 2.7 menunjukkan log odds, sedangkan odds ditunjukkan pada

Persamaan 2.8. Analog dengan pembahasan model binary logit, untuk model

regresi logistik dengan empat kategori, probabilitas untuk masing-masing kategori

adalah:

3211

1)0Pr(0 zzz eee

xYp

..(2.13)

321

1

1)1Pr(1 zzz

z

eee

exYp

..(2.14)

321

2

1)2Pr(2 zzz

z

eee

exYp

..(2.15)

321

3

1)3Pr(3 zzz

z

eee

exYp

..(2.16)

Tujuan dari Model Multinomial Logit dalam pemasaran adalah untuk

memprediksi probabilitas bahwa pelanggan akan memilih masing-masing dari

beberapa alternatif yang tersedia pada kesempatan pilihan. Model MNL berdasar

pada beberapa konsep antara lain:

1. Pelanggan memiliki preferensi atau utilitas untuk setiap alternatif pilihan yang

tidak teramati.

2. Utilitas setiap alternatif pilihan terdiri dari dua komponen, yaitu komponen

deterministik (nilai intrinsik atau daya tarik alternatif pilihan), dan komponen

acak yang bervariasi secara acak di seluruh alternatif pilihan, pelanggan, dan

pembelian.

3. Distribusi komponen random bisa ditentukan.

4. Pada setiap kesempatan pilihan, pelanggan memilih alternatif yang

memberikan utilitas tertinggi baginya.

Berikut ini akan dijelaskan mengenai uraian konsep-konsep utama pada

model MNL. Pada setiap kesempatan pilihan, yang utilitasnya tidak teramati

pelanggan i mendapat pilihan alternatif k yang diberikan oleh Persamaan (2.17).

i

k

i

k

i

k AU ....(2.17)


31/72

II-11

Dimana ik adalah komponen random dari utilitas pelanggan, diasumsikan

bahwaikberdistribusi Gumbel.

Perlu diperhatikan bahwa utilitas (Uik) merupakan jumlah dari komponen

diamati (Aik) dan komponen yang tidak teramati (ik), sehingga tidak dapat

diobservasi, atau laten.

Aik adalah keseluruhan daya tarik (disimpulkan sebagai preferensi atau nilai

utilitas) alternatif kuntuk pelanggan i

j

ijkj

i

k XA ........(2.18)

Xijk adalah nilai yang diamati atau diukur dari variabel kontekstual j (misalnya

warna produk dan harga produk) untuk alternatif produk k.

j adalah bobot kepentingan variabelj (diestimasi dalam model dan mirip dengan

koefisien regresi). Diasumsikan bahwa pelanggan i memilih produk yang

menawarkan padanya utilitas tertinggi. Kemudian, probabilitas bahwa pelanggan i

akan memilih alternatif k adalah sebagi berikut.

}{ imi

kik UUPP ........(2.19)

Pada kondisi tersebut , probabilitas atau purchase likelihood (PL) dimana

individu i akan memilih alternatifj dituliskan sebagai berikut.

k

A

A

ik ik

i

e

eP

1

..(2.20)

Pada model multinomial logit , e merupakan dasar dari logaritma natural. Bila

diterapkan untuk masalah khas "pilihan merek", model komponen memiliki

interpretasi sebagai berikut:

Xijk = Evaluasi pelanggan i pada merek j pada atribut produk k (misal harga),

dimana penjumlahan disini merupakan penjumlahan semua merek yang

dipertimbangkan individu i untuk membeli;

j = Bobot kepentingan menunjukkan sejauh mana atribut j mempengaruhi

preferensi merek (berlaku untuk semua merek). Bobot kepentingan dapat

diestimasi dengan banyak cara, sama seperti koefisien regresi;

j

ijkjX = Keseluruhan daya tarik (utilitas) merek kbagi pelanggan i


32/72

II-12

Model multinomial logit penting dalam bidang pemasaran karena model logit

mencerminkan perilaku pemilihan yang sebenarnya. Misalnya pada Persamaan

(2.20), eksponensial dalam persamaan tersebut menjamin bahwa probabilitas

selalu positif, karena eksponensial dari setiap bilangan real selalu positif.

Karakteristik penting dari logit adalah menghasilkan kurva berbentuk S yang

dapat menunjukkan ekspektasi hubungan antara utilitas dan pilihan. Hal ini dapat

ditunjukkan dengan mengeplotkan Persamaan (2.20) dalam bentuk grafik. Grafik

Persamaan (2.20) merupakan fungsi Aik, menghasilkan kurva berbentuk S yang

asimtot ke nol (tidak ada kesempatan untuk dipilih) untuk merek sangat tidak

menarik menuju ke merek yang sangat menarik (hampir pasti akan dipilih). Dalam

sebagian besar aplikasi model logit, daya tarik dari sebuah merek (atau alternatif

pilihan) diasumsikan sebagai fungsi dari karakteristiknya. Fungsi daya tarik inibiasanya linear seperti pada Persamaan (2.19).

2.8 Multikolinieritas

Uji asumsi klasik diperlukan agar model regresi yang disusun memberikan

hasil yang tidak bias, maka perlu dilakukan uji asumsi klasik (Gujarati, 2007).

Logit model mempunyai kelebihan seperti tidak memerlukan asumsi normalitas

atas variabel - variabel bebas yang digunakan dalam model, sehingga asumsi

klasik yang diuji hanya ada tidaknya multikolinearitas antar variabel bebas.

Multikolinearitas berarti ada hubungan linear yang sempurna atau pasti diantara

atau semua variabel independen pada model (Gujarati, 2007).

Dalam kasus hubungan linier sempurna atau multikolinieritas sempurna

diantara variabel-variabel penjelas, kita tidak bisa mendapatkan estimasi unik dari

dari semua parameter. Dan karena kita tidak bisa mendapatkan estimasi uniknya,

kita tidak bisa menarik kesimpulan statistik apa pun tentang hasil tersebut dari

sample yang ada. Dengan kata lain, dalam kasus multikoinieritas sempurna,

estimasi dan pengujian hipotesis tentang koefisien regresi individual dalam regresi

berganda adalah mustahil.


33/72

II-13

2.8.1 Konsekuensi Praktis dari Mutikolinieritas

Dalam kasus multikolinieritas dekat atau tinggi, terdapat konsekuensi praktis

sebagai berikut:

1. Varians besar dan kesalahan standar estimator OLS. Karena kolinieritas tinggi

antarvariabel independen, ketika variabel tersebut dimasukkan dalam regresi,

kesalahan standar koefisien variabel dependen naik secara dramatis.

2. Selang kepercayaan menjadi lebih lebar. Karena kesalahan standar yang besar,

selang kepercayaan untuk parameter populasi cenderung besar.

3. Rasio t tidak signifikan. Kasus kolinieritas tinggi, kesalahan standar yang

diestimasi naik secara dramatis, sehingga membuat nilai t lebih kecil.

4. Nilai R 2

yang tinggi tapi sedikit rasio t yang signifikan.

5. Estimator OLS dan kesalahan standarnya menjadi sangat sensitive terhadapperubahan kecil dalam data; yakni cenderung tak stabil. Perubahan data

variable independent yang amat kecil akan menyebabkan hasil regresi berubah

amat besar.

6. Tanda yang salah untuk koefisien regresi.

7. kesulitan dalam menilai kontribusi individual dari variable-variabel penjelas

terhadap jumlah kuadrat yang dijelaskan (ESS) atau R2.

Konsekuensi dari adanya multikolinearitas adalah apabila ada kolinearitas

sempurna diantara variabel independen, koefisien regresinya tak tertentu dan

kesalahan standarnya tak terhingga. Jika kolinearitas tinggi tetapi tidak

sempurna, penaksiran koefisien regresi adalah mungkin, tetapi kesalahan

standarnya cenderung besar. Hal ini mengakibatkan nilai populasi dari

koefisien tidak dapat ditaksir dengan tepat. Adanya multikolinearitas di antara

variabel-variabel independen secara statistik tidak signifikan, mengakibatkan

tidak diketahui adanya variabel independen yang mempengaruhi variabel

dependen.

2.8.2 Deteksi Mutikolinieritas

Beberapa indikator mutikolinieritas antara lain:

1. R2

tinggi tetapi sedikit rasio t yang signifikan.

2. Korelasi berpasangan yang tinggi di antara variable-variabel penjelas.


34/72

II-14

3. Pengujian korelasi parsial.

4. Regresi subsider atau tambahan. Mengingat multikolinieritas muncul karena

salah satu atau lebih variabel penjelas adalah kombinasi pasti linier atau

hampir pasti dari linier dari variabel-variabel penjelas lainnya, salah satu cara

untuk mengetahui variabel X mana yang sangat kolinier dengan variabel-

variabel X lain dalam model adalah meregresikan masing-masing variabel X

terhadap variabel-variabel X yang lain dan menghitung R2

terkait (Gujarati,

2007).

5. Gejala mutikolinieritas dapat dideteksi dengan nilai Tolerance dan nilai

Variance Inflation Factor(VIF) yang dirumuskan sebagai berikut.

21

1

RVIF

.....(2.1)

21 RTolerance

.....(2.2)

dimana R2merupakan koefisien determinasi yang diperoleh dari regresi

auxilary. Regresi auxilary dilakukan dengan melakukan regresi setiap variabel

independen dengan variabel-variabel independen yang lain. Nilai Tolerance

rendah sama dengan nilai VIF tinggi (VIF = 1/Tolerance). Nilai cutoff atau

batas yang umum dipakai untuk menunjukkan adanya multikolinieritas adalah

nilai Tolerance < 0,10 atau sama dengan nilai VIF > 10.

Dari gejala multikolinieritas di atas, berikut ini merupakan langkah-langkah

yang dapat dilakukan untuk perbaikan, diantaranya:

1. Mengeluarkan variabel dari model.

2. Menambah data atau sample baru.

3. Mengkaji ulang modelnya.

4. Transformasi variabel.

5. Analisis faktor.

2.9 Evaluasi Model

Hasil regresi logistik memerlukan sebuah evaluasi untuk mengetahui

seberapa baik hasil regresi logistik tersebut. Evaluasi hasil regresi logistik

meliputi:

2.9.1 Uji Kebaikan Model (Goodness of fit)


35/72

II-15

Uji kebaikan model digunakan untuk mengetahui kebaikan model dengan

menggunakan ukuran koefisien determinasi. Koefisien determinasi (R2) mengukur

proporsi varian di dalam variabel independen yang dijelaskan oleh variabel

dependen. Ukuran kebaikan regresi dalam model regresi logistik disebut Pseudo

R2.

Ada tiga ukuran Pseudo R2

yang dapat digunakan untuk mengukur

kebaikan model regresi multinomial logistik, yaitu:

1. Pseudo R2

Cox and Snell dengan rumus sebagai berikut:

n

CSBL

LR

/2

2

)(

)0(1

......(2.21)

2. Pseudo R2Nagelkerke dengan rumus sebagai berikut:

n

CSN

LRR

/2

2

2

)0(1

......(2.22)

3. Pseudo R2

McFadden dengan rumus sebagai berikut:

)0(

)(1

2

L

BLRM

......(2.23)

dimana L(0) adalah likelihood model hanya dengan konstanta dan L(B) adalah

model yang diestimasi serta n adalah jumlah observasi.

2.9.2 Uji Signifikansi Variabel Independen Secara Serentak (Overall ModelFit)

Uji Overall Model Fitdigunakan untuk mengetahui apakah semua variabel

independen dalam regresi logistik secara serentak mempengaruhi variabel

dependen. Uji ini dilakukan dengan uji likelihood ratio, yaitu dengan menghitung

perbedaan nilai -2 log likelihood (-2LL) antara model yang hanya terdiri dari

konstanta dengan model yang terdiri dari konstanta dan variabel independen. Uji

likelihood ratio ini mengikuti distribusi chi square. Jika nilai chi square hitung

lebih besar dari pada nilai chi square tabel maka kita menolak hipotesis nol yang

berarti semua variabel penjelas secara bersama-sama mempengaruhi variabel

dependen. Sedangkan jika nilai chi square hitung lebih kecil dari pada nilai chi

square tabel maka kita dapat menerima hipotesis nol yang berarti semua variabel

penjelas secara bersama-sama tidak mempengaruhi variabel dependen.


36/72

II-16

2.9.3 Uji Signifikansi Variabel Independen Secara Individual (Significance

Test)

Uji Signifikansi digunakan untuk mengetahui apakah variabel independen

secara individu berpengaruh pada variabel dependen. Uji signifikansi variabel

independen dapat dilakukan dengan dua cara yaitu UjiLikelihood Ratio dan Uji

Wald.

1. Uji Likelihood Ratio

UjiLikelihood Ratio didasarkan pada perbedaan -2 log likelihood(-2LL) antaramodel yang diestimasi (final model) dengan model tanpa variabel yang diamati

(reduce model) dengan derajat bebas sebanyak variabel independen yang tidak

dimasukkan dalam model. Uji likelihood ratio ini mengikuti distribusi chi square.

Jika nilai chi square hitung lebih besar dari pada nilai chi square tabel maka kita

menolak hipotesis nol yang berarti variabel penjelas secara individual

mempengaruhi variabel dependen. Sedangkan jika nilai chi square hitung lebih

kecil daripada nilai chi square tabel maka kita dapat menerima hipotesis nol yang

berarti variabel penjelas secara individual tidak mempengaruhi variabel dependen.

2. Uji Wald

Uji Wald dapat digunakan untuk mengetahui apakah variabel independen

mempengaruhi variabel dependen atau tidak. Nilai statistika Wald dapat dihitung

dengan menggunakan nilai statistika berdasarkan distribusi normal Z seperti pada

Persamaan (2.24) berikut.

seZ

.....(2.24)

dimana merupakan nilai koefisien estimasi pada model sedangkan se

merupakan standar error dari koefisien tersebut.

Nilai Z pada Persamaan (2.24) diatas bila dikuadratkan akan menghasilkan

nilai statistika Wald. Nilai Statistika Wald ini mengikuti distribusi chi square. Jika

nilai statistik Wald lebih besar dari pada nilai chi square tabel maka kita menolak


37/72

II-17

hipotesis nol yang berarti variabel penjelas berpengaruh pada variabel dependen.

Sedangkan jika nilai statistik Wald lebih kecil daripada nilai chi square tabel

maka kita menerima hipotesis nol yang berarti variabel penjelas tidak berpengaruh

pada variabel dependen.

2.10 Penelitian Terdahulu

Penelitian yang terkait dengan optimisasi harga telah dilakukan antara lain

oleh Reibstein dan Gatignon (1984) dan Correa (2008)

2.10.1 Reibstein dan Gatignon (1984)

Penelitian lain yang terkait dengan penentuan harga optimal dilakukan

oleh Reibstein dan Gatignon (1984). Pada penelitian tersebut diusulkan tiga model

untuk menentukan penjualan berdasarkan harga. Tabel 2.3 berikut ini

menunjukkan ketiga model tersebut.Tabel 2.3 Model penjualan terhadap harga

Struktur Error Term

Model 1ttii u

ttti ePeS,1,0,

,,

2

,, ),( ttti uuE untuk semua i

0),( ',, tjti uuE untuk semua i, j, t, t

Model 2tiit u

titi ePeS,1,0,

,,

2

,,, ),( jitjti uuE untuk semua i

2

,, ),( ititt uuE

0),( ',,

tjti uuEuntuk semua

i, jModel 3

n

j

u

tjtitijit ePeS

1

,,,,0, Sama dengan model 2

Dimana ui,tadalah error term pada bentuk log-linier model.

Sumber: Reibstein dan Gatignon, 1984

dimana,

Sit= penjualan pada waktu tmereki

Pit= harga pada waktu tmereki

e = bilangan logaritma natural

= parameter yang diestimasi

Model 1 menunjukkan hubungan logaritmik antara harga dan penjualan yang

diestimasikan secara terpisah untuk setiap merk yang berbeda. Model 2

mempertimbangkan korelasi antar merk dalam product line. Model 3


38/72

II-18

mempertimbangkan perubahan penjualan yang disebabkan oleh harga produk itu

sendiri dan harga produk lain dalam satu line atau mempertimbangkan cross-

elasticities antar merk.

Gambar 2.5 berikut ini menunjukkan ilustrasi dari ketiga model tersebut.

Gambar 2.5 Ilustrasi modelSumber: Reibstein dan Gatignon, 1984

Dari model penjualan tersebut kemudian diturunkan untuk membentuk

model maksimasi profit sebagai berikut.

0)(])1[(][ 2/

,,,

1

,,

2/

,,,,

1

,,

,

2,,0,

2,,0,

ijijiiijijii eCPPPeeCPPPeP

E

ik

tktk

ij

tjtiiktiiitiiiti

n

ij

tj

ti

..(2.25)

dimana Cit merupakan biaya produk merek i pada waktu t.

Dari Persamaan (2.25) tersebut dapat dicari harga optimal yang

memaksimumkan profit sebagai berikut.

)(][

][

11

*

*

*

,

,

,

,*

kk

i

k

ik ii

ik

i

ji

ji

i CPSE

SECP

..(2.26)


39/72

II-19

Data yang digunakan dalam penelitian tersebut adalah data penjualan dan

harga telur dalam berbagai macam ukuran di supermarket. Kemudian dari data

tersebut dimodelkan penjualan telur dengan prediktor harga. Estimasi parameter

pada model menggunakan metode Ordinary Least Square.

Hasil dari penelitian tersebut yaitu model ketiga, yaitu model yang

mempertimbangkan crosselasticitiespaling baik dalam merekomendasikan harga

optimal karena paling mendekati urutan harga yang sebenarnya.

2.10.2 Correa (2008)

Penelitian ini mengacu pada penelitian yang dilakukan oleh Correa (2008).

Pada penelitian tersebut peneliti menggunakan tiga alternatif pendekatan yaitu

Multinomial Logit, Binary LogitdanLogit-Logit. Dari ketiga alternatif pendekatantersebut, dipilih model mana yang paling baik dalam mengoptimumkan harga.

Terdapat 3 fase analisis permasalahan yang digunakan dalam penelitian tersebut,

yaitu simulasi data penjualan, estimasi parameter dan optimasi harga.

Pada penelitian tersebut peneliti memodelkan optimasi harga sebagai berikut:

a. Fungsi tujuan: Memaksimum ekspektasi pendapatan (Expected Revenue)

Max E(revenue) = Price1* PL1 + Price2* PL2 ..(2.27)

b. Fungsi pembatas: probabilitas konsumen memilih produk i (Purchase

Likelihood)

)2()1()0(

)1(

1 UUU

U

eee

ePL

..(2.28)

)2()1()0(

)2(

2 UUU

U

eee

ePL

..(2.29)

upperower ppricep

Dimana U(i) adalah estimasi utilitas produk i yang dimodelkan pada

bagian sebelumnya.

plowerdanpupper merupakan batas atas dan batasbawah harga dari tiap produk


40/72

II-20

Gambar 2.6 berikut ini merupakan metodologi penelitian Correa (2008).

Gambar 2.6 Metodologi Penelitian Correa, 2008Sumber: Correa, 2008

Hasil dari penelitian tersebut yaitu Multinomial Logit Model merupakan

pendekatan yang paling baik dibanding kedua alternatif pendekatan lainnya

karena hasilnya paling mendekati nilai optimum teoritis dan akurasinya semakin

baik dengan bertambahnya jumlah observasi. Menurut penelitian tersebut, bahwa

untuk penentuan harga optimum, Discret Choice Modeldapat diimplementasikan

dengan teknik regresi logistik multinomial untuk membentuk koefisien dan

persentase likelihooduntuk mengestimasi probabilitas pilihan. Output dari model

adalah nilai utilitas yang dapat digunakan untuk menentukan harga optimum.


41/72

III-1

BAB III

METODOLOGI PENELITIAN

Pada bab ini diuraikan secara sistematis mengenai langkah-langkah yang

dilakukan dalam penelitian. Adapun langkah-langkah yang dilakukan dalampenelitian ditujukan pada Gambar. 3.1 di bawah ini

Gambar 3.1 Metodologi Penelitian


42/72

III-2

3.1 Tahap Identifikasi Masalah

Tahap ini diawali dengan studi pustaka, studi lapangan, perumusan masalah,

penentuan tujuan penelitian dan menentukan manfaat penelitian. Langkah-langkah

yang ada pada tahap identifikasi masalah tersebut dijelaskan pada sub bab berikut

ini.

1. Studi Pustaka

Studi pustaka dilakukan untuk mendukung proses identifikasi masalah. Studi

pustaka dilakukan dengan mencari informasi yang berkaitan dengan permasalahan

yang dibahas dalam penelitian ini. Pencarian informasi ini dilakukan dengan

melalui internet, perpustakaan, sehingga diperoleh referensi yang dapat digunakan

untuk mendukung pembahasan penelitian ini. Referensi yang terkait terutama

mengenai masalah penentuan harga dan model multinomial logit.2. Studi Lapangan

Studi lapangan dilakukan untuk mendapatkan informasi terkait dengan

produk yang yang akan diangkat dalam penelitian ini. Produk yang dicari yaitu

produk yang atributnya tidak terlalu banyak dan hanya memiliki satu atribut

pembeda. Di antara banyak alternatif produk, dipilih produk flash disk. Produk

flash disk di pasaran biasanya pada satu merek dan bentuk yang sama, terdapat

satu pembeda yaitu kapasitas penyimpanannya. Pada penelitian ini akan

ditentukan kombinasi harga yang optimal untuk flash disk yang merek dan

bentuknya sama tetapi kapasitasnya berbeda.

3. Perumusan Masalah

Berdasarkan identifikasi masalah yang telah dilakukan, kemudian disusun

sebuah rumusan masalah. Adapun permasalahan yang akan dibahas lebih lanjut

adalah bagaimana menentukan harga yang optimum dari dua alternatif produk

flash disk 4 GB dan 8 GB untuk memaksimumkan ekspektasi pendapatan dengan

menggunakan Model Multinomial Logit.

4. Tujuan Penelitian

Tujuan penelitian ditetapkan agar penelitian yang dilakukan dapat menjawab

dan menyelesaikan rumusan masalah yang dihadapi. Adapun tujuan penelitian

yang ditetapkan dari hasil perumusan masalah yaitu menentukan harga optimum


43/72

III-3

dari dua alternatif produk flash disk 4 GB dan 8 GB untuk memaksimumkan

ekspektasi pendapatan dengan menggunakan Model Multinomial Logit.

5. Manfaat Penelitian

Suatu permasalahan akan diteliti apabila di dalamnya mengandung unsur

manfaat. Adapun manfaat yang diharapkan dari penelitian ini yaitu dapat

memberikan masukan dalam pengambilan keputusan yang menyangkut penentuan

harga yang optimum bagi perusahaan.

3.2 Tahap Pengumpulan dan Pengolahan Data

Pada tahap ini dilakukan pengumpulan dan pengolahan data yang digunakan

untuk penelitian ini.

3.2.1 Pengumpulan DataPengumpulan data dilakukan dengan kuesioner yang disebarkan kepada

Mahasiswa Universitas Sebelas Maret Surakarta. Pengumpulan data dilakukan

dengan kuesioner maka perlu untuk merancang kuesioner terlebih dahulu.

1. Merancang Kuesioner

Perancangan kuesioner dilakukan dengan mengidentifikasi data apa saja yang

diperlukan dalam penelitian, kemudian merancang kuesioner yang dapat

digunakan sebagai instrumen untuk pengumpulan data tersebut. Data yang

diperlukan dalam pembentukan model multinomial logit untuk penentuan harga

yaitu data pilihan pembelian pada harga yang berbeda-beda. Alternatif pilihan

yang diberikan yaitu membeli flash disk 4 GB dengan harga tertentu, membeli

flash disk 8 GB dengan harga tertentu atau tidak membeli. Dari pilihan konsumen

tersebut dapat diketahui kemungkinan konsumen untuk membeli pada harga

tertentu.

Rancangan kuesioner mengacu pada Cook & Wissman (2007) yaitu kuesioner

untuk multinomial stated-choice survey. Stated-choice survey digunakan karena

dapat digunakan sebagai instrumen pengumpulan data untuk membuat model

perilaku konsumen dengan kisaran harga yang lebih lebar , sehingga cocok untuk

membuat model penentuan harga. Pada multinomial stated-choice survey,

responden diminta untuk memilih satu dari tiga atau lebih alternatif pilihan. Tabel


44/72

III-4

3.1 berikut ini menunjukkan contoh kuesioner hasil perancangan. Kuesioner

selengkapnya ditunjukkan pada Lampiran 2.

Tabel 3.1 Contoh Kuesioner

Flash disk 4 Gb Flash disk 8 Gb Tidak Membeli

Rp50.000 Rp175.000

Rp75.000 Rp175.000

Rp100.000 Rp175.000

Rp125.000 Rp175.000

Rp150.000 Rp175.000

4 pilih salah satu

pilih salah satu5

1 pilih salah satu

2 pilih salah satu

3 pilih salah satu

Harga Flashdisk

Pada kuesioner ini responden diminta untuk memisalkan ingin membeli flash

disk. Di toko terdapat dua pilihan yaitu flash disk 4 GB dan 8 GB dengan

kombinasi harga tertentu. Terdapat tiga alternatif yang dapat dipilih oleh

responden, yaitu membeli flash disk 4 GB, membeli flash disk 8 GB, atau tidak

membeli. Responden diminta untuk memilih salah satu dari ketiga alternatif

tersebut dengan memberi tanda centang.

2. Pengumpulan Data dengan Kuesioner

Populasi dalam penelitian ini adalah mahasiswa UNS yang merupakan

pengguna flash disk. Responden sebagai sampel berjumlah 50 orang mahasiswa

UNS pengguna flash disk. Tidak terdapat metode khusus dalam pemilihan

rsponden. Responden dipilih yang mudah ditemui atau convinient sampling. Hal

ini karena penelitian ini hanya mempertimbangkan satu tipe konsumen sehingga

responden dianggap homogen. Satu tipe konsumen maksudnya seluruh populasi

dalam penelitian ini yaitu mahasiswa UNS pengguna flash disk dianggap berada

dalam satu segmen pasar yang sama.

Pengumpulan data dilakukan untuk mengetahui pilihan responden pada tiap

kombinasi harga flash disk 4 GB dan 8 GB. Responden diminta untuk memilih

antara flash disk 4 GB dengan harga tertentu, flash disk 8 GB dengan harga


45/72

III-5

tertentu, atau tidak membeli. Dari hasil pengumpulan data dengan kuesioner

berupa pilihan konsumen pada harga tertentu tersebut, dapat diketahui

kemungkinan konsumen untuk membeli pada harga tertentu.

3.2.2 Pengolahan Data

Pengolahan data yang dilakukan meliputi karakteristik data, model

multinomial logit, dan optimasi harga.

1. Karakteristik Data

Karakteristik data dilakukan dengan menyajikan hasil pengumpulan data

dalam bentuk grafik. Karakteristik data digunakan untuk mengetahui tren

perilaku pembelian flash disk pada tingkat harga yang berbeda-beda.

Data hasil pengumpulan data berupa data pilihan pembelian responden padakombinasi harga yang berbeda-beda, diolah menjadi data probabilitas pilihan

responden. Pada tiap kombinasi harga, jumlah responden yang memilih membeli

flash disk 4 GB dijumlahkan, kemudian dibagi dengan jumlah seluruh responden,

sehinggga didapat probabilitas responden memilih membeli flash disk 4 GB. Hal

yang sama dilakukan pula pada alternatif pilihan yang lain. Data probabilitas

pilihan responden pada tiap kombinasi harga tersebut kemudian disajikan dalam

bentuk grafik. Probabilitas pilihan responden pada sumbu y dan kombinasi harga

pada sumbu x.

2. Model Multinomial Logit

Pada penelitian ini, model multinomial logit digunakan untuk memodelkan

keputusan pemilihan alternatif pembelian. Pada kasus ini, yang menjadi variabel

dependen adalah keputusan pemilihan alternatif pembelian flash disk oleh

responden. Keputusan diklasifikasikan menjadi tiga yaitu membeli flash disk 4

GB, membeli flash disk 8 GB dan tidak membeli. Harga flash disk 4 GB dan flash

disk 8 GB digunakan sebagai variabel independen pada model, yang

mempengaruhi keputusan pemilihan alternatif. Harga sebagai variabel independen

merupakan variabel kuantitatif, sedangkan keputusan pemilihan alternatif

pembelian merupakan variabel kualitatif.

Pengolahan data pada model multinomial logit terdiri dari empat tahap, yaitu

uji asumsi klasik, estimasi parameter pada model, uji evaluasi model, dan validasi


46/72

III-6

model. Semua pengolahan data pada model multinomial logit ini dilakukan

dengan menggunakan software SPSS 13.0 for Windows, dengan data pilihan

responden sebagai variabel dependen dan harga flash disk sebagai variabel

independen.

a. Uji Asumsi Klasik (Uji Multikolinieritas)

Data yang digunakan dalam uji multikolinieritas yaitu data variabel

independen, karena uji multikolinieritas menguji ada atau tidaknya hubungan

linier antar variabel independen. Uji multikolinieritas dilakukan dengan

menghitung nilai VIF dan Tolerance dengan rumus sebagai berikut.

21

1

RVIF

.....(3.1)

21 RTolerance .....(3.2)

dimana R2merupakan koefisien determinasi yang diperoleh dari regresi auxilary.

Regresi auxilary dilakukan dengan melakukan regresi setiap variabel independen

dengan variabel-variabel independen yang lain.

Pengujian multikolinieritas dilakukan dengan bantuan software SPSS. Pada

output SPSS yaitu pada tabel collinierity statistics terdapat nilai VIF dan

Tolerance. Jika nilai VIF kurang dari 10 atau nilai Tolerance mendekati 1, maka

dapat diduga bahwa tidak ada multikolinieritas antar variabel indendependen.

b. Estimasi Parameter

Estimasi parameter dilakukan dengan menggunakan metode maximum

likelihood, yaitu dengan mencari koefisien regresi sehingga probabilitas kejadian

variabel dependen bisa semaksimum mungkin. Nilai estimasi parameter dapat

dilihat pada tabel Parameter Estimates output SPSS pada kolom B. Berikut ini

merupakan spesifikasi model multinomial logit yang akan dibuat.

)2()1()0(

)1(

1 UUU

U

eee

ePL

.....(3.3)

)2()1()0(

)2(

2 UUU

U

eee

ePL

......(3.4)

)2()1()0(

)0(

0 UUU

U

eee

ePL

......(3.5)

dimana,


47/72

III-7

12

1

21

1

111 PPU ......(3.6)

22

2

21

2

122 PPU ......(3.7)

00 U

dimana,

PL1 = kemungkinan responden memilih flash disk 4 GB

PL2 = kemungkinan responden memilih flash disk 8 GB

PL0 = kemungkinan responden memilih tidak membeli

P1= harga flash disk 4 GB

P2= harga flash disk 8 GB

dan merupakan parameter yang diestimasi pada model. Nilai dan

dapat dilihat pada tabelParameter Estimates, kolom B pada output SPSS.

c. Uji Evaluasi Model

Hasil regresi logistik memerlukan sebuah evaluasi untuk mengetahui seberapa

baik hasil regresi logistik tersebut. Evaluasi hasil regresi logistik meliputi:

1) Uji Kebaikan Model (Goodness of fit)

Pada penelitian ini digunakan koefisien determinasi (Pseudo R2) untuk

menilai kebaikan model. Uji kebaikan model dilakukan dengan menghitung nilai

Pseudo R2 dengan rumus sebagai berikut.

a. Pseudo R2

Cox and Snell dengan rumus sebagai berikut:

n

CSBL

LR

/2

2

)(

)0(1

......(3.8)

b. Pseudo R2Nagelkerke dengan rumus sebagai berikut:

n

CSN

L

RR

/2

22

)0(1

......(3.9)

c. Pseudo R2 McFadden dengan rumus sebagai berikut:

)0(

)(1

2

L

BLRM

......(3.10)

dimana L(0) adalah log-likelihood model hanya dengan konstanta dan L(B)

adalah log-likelihoodmodel yang diestimasi serta n adalah jumlah observasi. Nilai

log-likelihood dicari dengan rumus sebagai berikut.

ni

N

n i

ni PyLL ln)(1

......(3.11)


48/72

III-8

dimana, yni = 1 jika responden memilih membeli flash disk 4 GB, yni = 2 jika

responden memilih membeli flash disk 8 GB dan yni = 0 jika responden memilih

tidak membeli.Pniprobabilitas responden n memilih alternatif i.

Pada penelitian ini uji kebaikan model dilakukan dengan bantuan software

SPSS. Hasil uji kebaikan model dapat dilihat pada tabel Pseudo R2

output SPSS.

2) Uji Signifikansi Variabel Independen Secara Serentak (Overall Model Fit)

Uji overall model fit dilakukan dengan uji likelihood ratio, yaitu dengan

menghitung perbedaan nilai -2 log likelihood (-2LL) antara model yang hanya

terdiri dari konstanta dengan model yang terdiri dari konstanta dan variabel

independen. Nilai log likelihood dicari dengan menggunakan rumus pada

Persamaan (3.11 ). Uji likelihood ratio ini mengikuti distribusi chi square.

Hasil uji Overall Model Fitdiketahui dengan membandingkan nilai chi squarehitung dengan nilai chi square tabel. Jika nilai chi square hitung lebih besar dari

pada nilai chi square tabel maka kita menolak hipotesis nol yang berarti semua

variabel penjelas secara bersama-sama mempengaruhi variabel dependen.

Sedangkan jika nilai chi square hitung lebih kecil dari pada nilai chi square tabel

maka kita dapat menerima hipotesis nol yang berarti semua variabel penjelas

secara bersama-sama tidak mempengaruhi variabel dependen.

Nilai chi square hitung untuk uji Overall Model Fitini dapat dilihat pada tabel

Model Fitting Observation pada output SPSS. Sedangkan nilai chi square tabeldapat dilihat pada tabel chi square (Lampiran 4).

3) Uji Signifikansi Variabel Independen Secara Individual (Significance Test)

Uji signifikansi variabel independen dilakukan dengan dua cara yaitu Uji

Likelihood Ratio dan Uji Wald. UjiLikelihood Ratio dilakukan dengan menguji

perbedaan -2 log likelihood (-2LL) antara model yang diestimasi (final model)

dengan model tanpa variabel yang diamati (reduce model) dengan derajat bebas

sebanyak variabel independen yang tidak dimasukkan dalam model. Uji likelihood

ratio ini mengikuti distribusi chi square.

Hasil uji Likelihood Ratio dapat diketahui dengan membandingkan nilai chi

square hitung dengan nilai chi square tabel. Jika nilai chi square hitung lebih

besar daripada nilai chi square tabel maka kita menolak hipotesis nol yang berarti

variabel penjelas secara individual mempengaruhi variabel dependen. Sedangkan


49/72

III-9

jika nilai chi square hitung lebih kecil daripada nilai chi square tabel maka kita

dapat menerima hipotesis nol yang berarti variabel penjelas secara individual

tidak mempengaruhi variabel dependen.

Nilai chi square hitung untuk uji Likelihood Ratio ini dapat dilihat pada tabel

Likelihood Ratio Testpada output SPSS. Sedangkan nilai chi square tabel dapat

dilihat pada tabel chi square (Lampiran 4).

Sedangkan Uji Wald dilakukan dengan menghitung nilai statistika Wald yang

dihitung dengan menggunakan nilai statistika berdasarkan distribusi normal Z

seperti pada Persamaan (3.12) berikut.

seZ

.....(3.12)

dimana merupakan nilai koefisien estimasi pada model sedangkan se

merupakan standar error dari koefisien tersebut.

Nilai Z pada Persamaan (3.12) dikuadratkan maka akan menghasilkan nilai

statistika Wald. Nilai Statistika Wald ini mengikuti distribusi chi square. Jika nilai

statistik Wald lebih besar dari pada nilai chi square tabel maka hipotesis nol

ditolak yang berarti variabel penjelas berpengaruh pada variabel dependen.

Sedangkan jika nilai statistik Wald lebih kecil daripada nilai chi square tabel

maka hipotesis nol diterima yang berarti variabel penjelas tidak berpengaruh pada

variabel dependen.

Nilai statistik Wald dapat dilihat pada tabelParameter Estimates, kolom Wald

pada output SPSS. Sedangkan nilai chi square tabel dapat dilihat pada tabel chi

square (Lampiran 4).

d. Validasi Model

Validasi model dilakukan dengan membandingkan antara data observasi

dengan data hasil prediksi model dan menghitung seberapa besar model dapat

memprediksi data observasi dengan benar. Hasil dari validasi model ini yaitu

prosentase data yang dapat diprediksi model dengan benar. Validasi model dapat

dilihat pada tabel Classificationpada output SPSS.

3. Optimisasi Harga

Optimisasi dilakukan dengan mencari nilai harga flash disk 4 GB dan 8 GB

yang akan memaksimukan nilai ekspektasi pendapatan. Optimisasi dilakukan


50/72

III-10

dengan bantuan Excel Solver. Problem statementuntuk optimisasi harga adalah

sebagai berikut:

a. Fungsi tujuan: Memaksimum ekspektasi pendapatan (Expected Revenue)

Max ER= P1* PL1 + P2* PL2 ..(3.6)

dimana,

ER= Ekspektasi pendapatan (Expected Revenue)

Pi= Harga produk i (Price)

PLi= Probabilitas konsumen memilih produk i (Purchase Likelihood)

b. Fungsi pembatas: probabilitas konsumen memilih produk i (Purchase

Likelihood)

)2()1()0(

)1(

1 UUU

U

eee

ePL

.....(3.7)

)2()1()0(

)2(

2 UUU

U

eee

ePL

......(3.8)

dimana,

2

1

21

1

111 PPU ......(3.9)

2

2

21

2

122 PPU .....(3.10)

00 U

10 iU

upperowerpPip

U(i) adalah estimasi utilitas produk i yang dimodelkan pada bagian

sebelumnya. danmerupakan parameter yang diestimasi pada model.

plower danpuppermerupakan batas atas dan batas bawah harga dari tiap produk.

Batas bawah dan batas bawah harga ditentukan dengan mencari kisaran harga

flash disk yang ada di pasaran.

3.3 Tahap Analisis

Pada tahap ini dilakukan analisis dan interpretasi hasil terhadap pengumpulan

dan pengolahan data sebelumnya. Analisis yang dilakukan antara lain analisisresponden, analisis karakteristik data, analisis model multinomial logit, analisis

grafikpurchase likelihooddan analisis optimisasi harga.

Analisis pengaruh harga terhadap perilaku responden dalam pemilihan

alternatif dilakukan dilakukan dengan membaca tren pemilihan flash disk oleh

responden pada grafik karakteristik data. Analisis model multinomial logit


51/72

III-11

dilakukan dengan menginterpretasikan hasil uji-uji statistik yang dilakukan pada

model. Selain itu dilakukan interpretasi parameter-parameter yang terdapat pada

model. Analisis GrafikPurchase Likelihooddigunakan untuk mengecek apakah

dengan parameter yang telah diestimasi, kemungkinan konsumen untuk membeli

(Purchase Likelihood) masuk akal jika harga dibuat berubah-ubah. Analisis

optimisasi harga dilakukan dengan menginterpretasikan hasil optimisasi harga

dengan Excel Solver dan dilakukan analisis mengenai harga optimal yang

dihasilkan.

3.4 Tahap Kesimpulan dan Saran

Pada tahap ini akan membahas kesimpulan dari hasi pengolahan data dengan

memperhatikan tujuan yang ingin dicapai dari penelitian dan kemudian

memberikan saran perbaikan yang mungkin dilakukan untuk penelitian

selanjutnya.


52/72

IV-1

BAB IV

PENGUMPULAN DAN PENGOLAHAN DATA

Bab ini berisi mengenai data penelitian diperlukan dalam menganalisis

permasalahan yang ada serta dijelaskan pula cara pengolahan data tersebut.

4.1 Pengumpulan Data

Populasi dalam penelitian ini adalah mahasiswa UNS yang merupakan

pengguna flash disk. Responden sebagai sampel berjumlah 50 orang mahasiswa

UNS pengguna flash disk. Teknik pengumpulan data dilakukan dengan menyebar

kuesioner kepada 50 responden yang merupakan pengguna flash disk. Hasil

rancangan kuesioner dapat dilihat pada Lampiran 1.

Dalam kuesioner tersebut, responden diminta untuk memilih salah satu dari

tiga alternatif, yaitu membeli flash disk 4 GB, membeli flash disk 8 GB atau tidak

membeli. Responden hanya boleh memilih salah satu dari ketiga alternatif. Satu

kuesioner menghasilkan 20 data pilihan kemungkinan pembelian flash disk pada

20 kombinasi harga flash disk, sehingga 50 kuesioner akan menghasilkan 1000

data. Pilihan bersifat mutually ekslusif.

Tabel 4.1 berikut ini menunjukkan contoh hasil pengumpulan data yang juga

menjadi input data untuk pengolahan data dengan SPSS. Data selengkapnya

terdapat dapat pada Lampiran 2.

Tabel 4.1 Contoh hasil pengumpulan data

harga 1 harga 2 pilihan

50 200 1

75 200 1

100 200 1

125 200 0

150 200 0

50 175 1

75 175 1

100 175 1

125 175 0

150 175 0

50 150 1

75 150 1

100 150 0

125 150 0

50 125 2

75 125 2

100 125 2

50 100 2

75 100 2

50 75 2


53/72

IV-2

Kolom pertama merupakan kolom harga produk 1 yaitu flash disk 4 GB,

dimana 50 yang dimaksud adalah Rp 50.000. Kolom kedua merupakan kolom

harga produk 2 yaitu flash disk 8 GB. Kolom ketiga adalah kolom pilihan

responden. Angka 1 berarti responden memilih flash disk 4 GB. Angka 2 berarti

responden memilih flash disk 8 GB. Sedangkan angka 0 berarti responden

memilih untuk tidak membeli.

Tabel 4.2 dibawah ini menunjukan informasi statistik mengenai data yang

akan diolah. Dari tabel tersebut didapatkan pilihan 0 atau tidak membeli muncul

sebanyak 371 kali atau sebanyak 37,1%, pilihan 1 atau flash disk 4 GB muncul

sebanyak 360 kali atau sebanyak 36%, sedangkan pilihan 2 atau flash disk 8 GB

muncul sebanyak 269 kali atau 26,9% dari total data yaitu sebanyak 1000 data.

Tabel 4.2 Tabel Jumlah Data

371 37,1%

360 36,0%

269 26,9%

1000 100,0%

0

1000

20

,00

1,00

2,00

pilihan

Valid

Missing

Total

Subpopulation

N

Marginal

Percentage

4.2 Pengolahan Data

Pengolahan data terdiri dari karakteristik data, model multinomial logit dan

optimisasi harga

4.2.1 Karakteristik Data

Tabel 4.3 menunjukkan prosentase pilihan responden pada kombinasi harga

flash disk. Harga 1 merupakan harga flash disk 4 GB. Harga 2 merupakan harga

flask disk 8 GB. Memilih 1 berarti memilih untuk membeli flash disk 4 GB.

Memilih 2 berarti memilih untuk membeli flash disk 8 GB. Memilih 0 berarti

memilih untuk tidak membeli.


54/72

IV-3

Tabel 4.3 Tabel prosentase pilihan responden

pada kombinasi tiap harga flash disk

h arga1 h arga 2prosentase

memilih 1

prosentase

memilih 2

prosentase

memilih 0

50 200 0,94 0 0,0675 200 0,76 0,04 0,2

100 200 0,22 0,16 0,62

125 200 0,04 0,18 0,78

150 200 0,02 0,26 0,72

50 175 0,88 0,02 0,1

75 175 0,7 0,02 0,28

100 175 0,26 0,12 0,62

125 175 0,02 0,26 0,72

150 175 0,02 0,36 0,62

50 150 0,86 0,04 0,1

75 150 0,48 0,18 0,34

100 150 0,08 0,34 0,58

125 150 0 0,5 0,5

50 125 0,8 0,12 0,08

75 125 0,42 0,3 0,28

100 125 0 0,5 0,5

50 100 0,56 0,32 0,12

75 100 0,08 0,74 0,18

50 75 0,06 0,92 0,02

Berikut ini merupakan gambaran dari data yang didapatkan dari

pengumpulan data dengan kuesioner. Dari Gambar 4.1 dibawah ini dapat

diketahui pola kecenderungan pilihan responden terhadap harga flash disk.

Gambar 4.1 Grafik Karakteristik Data


55/72

IV-4

4.2.2 Model Multinomial Logit

Model Multinomial Logit berguna untuk memodelkan keputusan pembelian

konsumen. Pada kasus ini, yang menjadi variabel dependen adalah keputusan

pembelian flash disk oleh responden. Keputusan diklasifikasikan menjadi tiga

yaitu membeli flash disk 4 GB, membeli flash disk 8 GB dan tidak membeli.

Kombinasi harga antara flash disk 4 GB dengan flash disk 8 GB menjadi variabel

independen pada model yang mempengaruhi keputusan pembelian.

Pengolahan data pada model multinomial logit terdiri dari empat tahap, yaitu

uji prasyarat model, estimasi parameter pada model, uji evaluasi model, dan

validasi model.

4.2.2.1 Uji Asumsi Klasik

Tabel 4.4 berikut ini menunjukkan hasil Uji Multikolinieritas denganSPSS. Pada tabel tersebut dapat dilihat nilai Tolerance sebesar 0,8 dan VIF

sebesar 1,25. VIF kurang dari 10 dan nilai Toleance mendekati 1 sehingga diduga

tidak ada multikolinieritas.

Tabel 4.4 Uji Multikolinieritas

V a ria ble Tole ra nce V IF

harga1 0,8 1,25

harga2 0,8 1,25

De pendent V ariable: pilihan

C ollinearity S tatistics

4.2.2.2 Estimasi Parameter

Estimasi parameter dilakukan untuk mendapatkan nilai konstanta dan

koefisien pada model. Pada Tabel 4.5 berikut ditunjukkan hasil estimasi parameter

yang didapat dari output SPSS.

Tabel 4.5 Estimasi Parameter

3,207 ,464 47,751 1 ,000

-,077 ,005 213,739 1 ,000 ,926 ,916 ,935

,019 ,003 34,680 1 ,000 1,020 1,013 1,026

4,142 ,411 101,511 1 ,000

,012 ,004 8,648 1 ,003 1,012 1,004 1,021-,038 ,004 96,975 1 ,000 ,963 ,956 ,970

Intercept

harga1

harga2

Intercept

harga1harga2

pilihana

1,00

2,00

B Std. Error Wald df Sig. Exp(B) Lower Bound Upper Bound

95% Confidence Interval for

Exp(B)

The reference category is: ,00.a.


56/72

IV-5

Dari kolom B didapatkan nilai konstanta dan koefisien pada model,

sehingga modelnya dapat dituliskan sebagai berikut:

)2()1()0(

)1(

1 UUU

U

eee

ePL

.....(4.1)

)2()1()0(

)2(

2 UUU

U

eee

ePL

......(4.2)

)2()1()0(

)0(

0 UUU

U

eee

ePL

......(4.3)

dimana,

211 019,0077,0207,3 PPU ......(4.4)

212 038,0012,0142,4 PPU

......(4.5)00 U

atau dapat pula ditulis sebagai berikut:

)038,0012,0142,4019,0077,0207,3

019,0077,0207,3

12121

21

1PPPP

PP

ee

ePL

.....(4.6)

)038,0012,0142,4019,0077,0207,3

038,0012,0142,4

22121

21

1 PPPP

PP

ee

ePL

......(4.7)

)038,0012,0142,4019,0077,0207,30 2121

1

1PPPP

ee

PL

......(4.8)

dimana,

PL1 = kemungkinan responden memilih produk 1

PL2 = kemungkinan responden memilih produk 2

PL0 = kemungkinan responden memilih tidak membeli

P1= harga produk 1

P2= harga produk 2


57/72

IV-6

4.2.2.3 Uji Evaluasi Model

Hasil regresi logistik memerlukan sebuah evaluasi untuk mengetahui

seberapa baik hasil regresi logistik tersebut. Evaluasi hasil regresi logistik

meliputi:

1. Uji Kebaikan Model (Goodness of fit)

Ukuran kebaikan regresi logistik disebut Pseudo R2

yang ditunjukkan pada

Tabel 4.6. Dari tabel tersebut diketahui nilai Cox and Snell R2

sebesar 0,512, nilai

Negelkerke R2

sebesar 0,577, dan nilai McFadden R2

sebesar 0,329.

Tabel 4.6 Tabel Pseudo R-Square

,512

,577

,329

Cox and Snell

Nagelkerke

McFadden

2. Uji Signifikansi Variabel Independen Secara Serentak (Overall Model Fit)

Hasil uji Overall Model Fit dengan menggunakan SPSS ditunjukkan pada

Tabel 4.7 berikut ini.

Tabel 4.7 Tabel Uji Overall Model Fit

800.590 810.305 796.590

168.358 197.503 156.358 640.232 4 .000

Model

Intercept Only

Final

AIC BIC

-2 Log

Likelihood

Model Fitting Criteria

Chi-Square df Sig.

Likelihood Ratio Tests

Dari Tabel 4.7 diatas dapat dilihat nilai chi square hitung sebesar 717,484.

Nilai chi square tabel dapat dilihat dari tabel chi square, dengan derajat bebas

atau degree of freedom (df) sebe

sehingga didapat nilai chi square tabel sebesar 9,488. Nilai chi square hitung

lebih besar daripada nilai chi square tabel maka dapat disimpulkan bahwa semua

variabel penjelas secara bersama-sama mempengaruhi variabel dependen.

3. Uji Signifikansi Variabel Independen Secara Individual (Significance Test)

Uji Signifikansi digunakan untuk mengetahui apakah variabel independen

secara individu berpengaruh pada variabel dependen. Uji signifikansi variabel

independen dapat dilakukan dengan dua cara yaitu UjiLikelihood Ratio

Documents

Dian Setya Arini