pendahuluan tinjauan pustaka

1
PENDAHULUAN
Latar Belakang
Harga merupakan key of success dari suatu
produk atau jasa. Karena itu untuk menetapkan
harga sebuah produk atau jasa diperlukan
strategi sebab harga merupakan bagian dari
grand strategy produk dan merek, bahkan
corporate. Penetapan harga tidak bisa hanya
dilakukan berdasarkan perhitungan biaya
finansial
saja
tetapi
harus
pula
mempertimbangkan
aspek
psikologis
konsumen. Salah satu hal penting dalam
menetapkan harga adalah pengetahuan tentang
kisaran harga yang dapat diterima konsumen
atau dikenal sebagai acceptable price range
(APR) yaitu suatu kisaran harga yang
membuat konsumen tidak merasa bahwa
produk tersebut terlalu mahal sehingga
konsumen tidak sanggup membelinya ataupun
terlalu murah sehingga konsumen meragukan
kualitas dari produk tersebut. Penentuan APR
sangat
diperlukan
untuk
memahami
psychological price, sehingga tingkat harga
yang akan ditetapkan sesuai dengan value
yang dipersepsikan oleh konsumen (Lewis dan
Shoemaker, 1997).
Setiap konsumen memiliki rasa sensitif
terhadap harga, karena mereka selalu
membandingkan
dengan
value
yang
diterimanya dari produk yang dibeli. Ada
tingkat harga terendah yang masih bisa
diterima (di bawah harga tersebut justru tidak
dipercaya), tetapi ada harga tertinggi yang
masih bersedia untuk dibayar. Price sensitivity
Measurement (PSM) merupakan sebuah teknik
yang dapat digunakan untuk mengetahui APR
ini. PSM diperlukan oleh pemasar sebagai
kerangka acuan kerja yang dapat membantu
pengembangan pemahaman terhadap persepsi
harga. Dengan demikian penelitian tentang
PSM diharapkan dapat berguna bagi setiap
pelaku usaha yang akan menentukan harga
dari suatu produk atau jasa dari usaha tersebut.
Pada dasarnya, PSM dapat dimodelkan
dengan fungsi peluang dan sudah digunakan
secara intensif dalam penelitian preferensi
konsumen (Lewis dan Shoemaker, 1997;
Consultores, 2002). Namun demikian belum
banyak penelitian yang mempelajari kinerja
PSM khususnya sifat statistik seperti presisi
dan akurasi untuk penentuan APR. Karena itu
dalam penelitian ini, akan dikaji kinerja dari
APR dengan metode bootstrap. Kajian akan
dilakukan dengan menggunakan data sampel
dari studi kasus kisaran harga nasi rendang,
pecel ayam dan nasi goreng yang ada di
sekitar kampus Intitut Pertanian Bogor (IPB)
Dramaga yang dapat diterima oleh konsumen
mahasiswa IPB.
Tujuan
Tujuan dari penelitian ini adalah :
1. Menerapkan metode PSM untuk
menentukan APR nasi rendang, pecel
ayam dan nasi goreng yang biasa
dikonsumsi mahasiswa di sekitar
kampus IPB Dramaga.
2. Mempelajari
sifat–sifat
statistik
khususnya presisi dari APR dengan
menggunakan metode bootstrap.
TINJAUAN PUSTAKA
Statistika Deskriptif
Statistika deskriptif adalah bidang yang
membicarakan
metode
pengumpulan,
penyederhanaan dan penyajian data (Mattjik
dan Sumertajaya, 2002). Statistika deskriptif
dapat disajikan dalam bentuk ringkasan
statistik dan gambar. Ringkasan statistik dapat
disajikan dalam bentuk nilai maksimum, nilai
minimum dan rataan dari segugus data.
Deskriptif segugus data dalam bentuk gambar
dapat berupa bar chart, pie chart, stacked bar
chart dan lain sebagainya.
Acceptable Price Range
Acceptable price range adalah kisaran
harga yang dapat diterima oleh konsumen.
Pada tingkat harga tersebut, konsumen tidak
merasa bahwa produk itu terlalu mahal
sehingga tidak sanggup untuk membelinya
(unaffordable) ataupun terlalu murah sehingga
konsumen tidak mempertanyakan kualitas dari
suatu produk atau jasa (Lewis dan Shoemaker,
1997).
Price Sensitivity Measurement
Price sensitivity measurement (PSM)
adalah suatu teknik atau metode yang
digunakan untuk penentuan APR.
Adapun langkah-langkah penentuan APR
dengan metode PSM sebagai berikut:
1. Setiap responden menentukan kategori
harga sangat murah, murah, mahal dan
sangat mahal.
2. Misal Xij = respon dari responden ke-i
terhadap kategori ke-j
2
3.
4.
5.
6.
7.
(i = 1,…,n) dan (j = 1,…,m)
Kemudian Xij diurutkan. Hasil
pengurutan:
(X11,X21,…,Xnm)
Menghitung frekuensi kemunculan
untuk setiap kategori harga.
Menghitung frekuensi kumulatif untuk
setiap kategori harga.
Menghitung frekuensi relatif secara
kumulatif untuk kategori mahal dan
sangat mahal, sedangkan untuk
kategori sangat murah dan murah,
dihitung 1–frekuensi relatif secara
kumulatif.
Membuat plot hubungan antara
frekuensi relatif secara kumulatif
dengan Xi.
Menentukan APR yaitu kisaran yang
berawal dari titik potong kurva sangat
murah dan mahal dan berakhir pada
titik potong kurva murah dan sangat
mahal.
semua unsur ui yang memenuhi syarat X(ui) =
x. Peluang timbulnya semua kejadian X = x
dengan demikian sama dengan jumlah peluang
timbulnya semua kejadian ui yang memenuhi
syarat X(ui) = x. Kalau peluang timbulnya
kejdian X = x ini dilambangkan sebagai P(x),
maka
P(x) = P({ui U; X(ui) = x})
Rumus ini bila disederhanakan, mengambil
bentuk:
P(x) = P(X = x)
Karena P(x) merupakan peluang timbulnya
suatu kejadian, maka haruslah juga sesuai
dengan apa yang telah dikemukakan, dipenuhi
syarat bahwa P(x) > 0 serta ∑P(x) = 1.
Dipandang dari segi pengertian fungsi
sebagai suatu pemetaan, maka P(x) merupakan
suatu pemetaan wilayah peubah acak X, yaitu
Wx sebagai daerah fungsi ke suatu gugus yang
unsur-unsurnya terdiri dari P(x). Fungsi P(x)
ini disebut fungsi peluang atau fungsi
kepekatan peubah acak X (Nasoetion dan
Rambe, 1983)
Persepsi
Persepsi merupakan pandangan individu
terhadap suatu objek sehingga individu
tersebut memberikan reaksi atau respon yang
berhubungan dengan penerimaan atau
penilaian. Persepsi berhubungan dengan
pendapat dan penilaian yang berakibat
terhadap motivasi, kemauan, tanggapan,
perasaan dan fantasi terhadap stimulus (Kotler,
1997).
Frekuensi Kumulatif
Frekuensi kumulatif adalah penjumlahan
frekuensi secara berurutan pada setiap kelas
baik meningkat (kurang dari), maupun
menurun (lebih dari). Distribusi frekuensi
kumulatif dapat digambarkan oleh suatu grafik
yang disebut Poligon Frekuensi Kumulatif
atau OGIVE, yang melukiskan frekuensi
kumulatif terhadap batas atas kelas.
Fungsi Peluang
Fungsi peluang adalah fungsi yang
merepresentasikan sebaran peluang. Fungsi
peluang dapat juga diartikan sebagai aturan
atau fungsi yang menghubungkan bilangan riil
dengan setiap himpunan bagian dari suatu
himpunan (Larson, 1982).
Misalkan suatu peubah acak X telah
dibatasi terhadap suatu ruang contoh U =
{u1,u2,..,un} maka kejadian bahwa X = x
merupakan anak gugus U yang mengandung
Fungsi Sebaran Peluang
Fungsi sebaran peluang suatu peubah acak
X adalah :
F(x) = P(X≤x)
Yaitu suatu fungsi peluang kumulatif atau
fungsi sebaran frekuensi nisbi kumulatif.
Untuk X bersifat diskret, fungsi
sebarannya secara umum dapat dicatat sebagai
F(x) =
P X t =∑ f t
Sedangkan untuk X bersifat kontinu,
fungsi sebaran itu secara umum dapat dicatat
sebagai
F(x) =
f t dt
(Musa dan Nasoetion, 1989).
Kuesioner
Kuesioner adalah instrumen survei yang
terdiri atas serangkaian pertanyaan tertulis
(baik terstruktur maupun tidak terstruktur),
bertujuan mendapatkan tanggapan dari
kelompok orang terpilih melalui wawancara
pribadi atau melalui pos.
Kuesioner juga dapat diartikan sebagai
suatu teknik pengumpulan informasi yang
memungkinkan analis mempelajari sikapsikap, keyakinan, perilaku, dan karakteristik
beberapa orang utama di dalam organisasi
yang bisa terpengaruh oleh sistem yang
diajukan atau oleh sistem yang sudah ada.
Dengan menggunakan kuesioner, analis
berupaya mengukur apa yang ditemukan
3
dalam wawancara, selain itu juga untuk
menentukan seberapa luas atau terbatasnya
sentimen yang diekspresikan dalam suatu
wawancara.
Purposive sampling
Purposive sampling adalah metode
penarikan contoh yang tidak berpeluang (nonprobability sampling), di mana dalam
pengambilan contohnya ada unsur kesengajaan
di dalamnya. Metode penarikan contoh ini
digunakan jika objek survei dari suatu
penelitian yang ingin diambil sudah sangat
spesifik dan ketika mengalami kesulitan dalam
menentukan frame sample.
Purposive sampling juga dapat diartikan
sebagai metode penarikan contoh yang
didasarkan pada ciri-ciri atau sifat-sifat
tertentu yang dipandang mempunyai sangkut
paut yang erat dengan ciri-ciri atau sifat-sifat
populasi yang sudah diketahui sebelumnya.
Metode Simulasi
Metode simulasi didefinisikan sebagai
suatu usaha untuk memperoleh gambaran
tentang suatu populasi yang sulit diamati,
sehingga contoh yang diambil mampu
mewakili populasi serta mampu menjelaskan
karakteristik dari populasi tersebut.
Sebelum dilakukan simulasi diperlukan
pengetahuan tentang karakteristik populasi
yang akan diduga. Dalam bidang statistika,
simulasi mempunyai peranan penting dalam
pendugaan-pendugaan nilai parameter suatu
populasi data yang memberikan suatu
informasi baru. Metode simulasi dapat
memberikan efesiensi dan kemudahan dalam
menganalisis suatu model matematika
(Morgan, y 1984).
Metode Bootstrap
Metode bootstrap merupakan metode
simulasi berbasis data untuk mempelajari
keragaman ciri sebaran peluang dari segugus
pengamatan. Bootstrap dapat pula digunakan
untuk memperoleh selang kepercayaan dari
parameter ketika teknik parametrik sulit atau
tidak dapat digunakan untuk memperoleh
selang kepercayaan tersebut. Gagasan dasar
dari prosedur ini mencakup konsep penarikan
contoh dengan pemulihan untuk menghasilkan
contoh acak berukuran n dari data asal x1,
x2,…,xn. Setiap contoh acak berukuran n ini
disebut sebagai contoh bootstrap dan setiap
contoh tadi menghasilkan dugaan bagi
parameter yang ingin dipelajari. Dengan
proses pengulangan yang cukup banyak,
bootstrap dapat digunakan untuk mendapatkan
informasi tentang keragaman dari penduga.
Sedangkan pendekatan selang kepercayan
95% dari parameter (θ) adalah kuantil 2,5%
dan 97,5% dari statistik (θ) yang diulang
(Everitt, 2006).
Bootstrap mulai diperkenalkan oleh
Bradley Efron pada tahun 1979, sebagai suatu
metode pengambilan contoh ulang secara acak
dengan pengembalian (resampling with
replacement). Bootstrap merupakan salah satu
metode statistika yang bersifat nonparametrik.
Suatu populasi yang tidak diketahui
sebarannya atau populasi nonparametrik dapat
menggunakan Bootstrap untuk melakukan
pendugaan parameter. Suatu populasi tak
terbatas yang terdiri dari n nilai data contoh,
masing-masing mempunyai peluang 1/n untuk
setiap nilai xi, i = 1, 2, ..., n (Manly, 1997).
Dengan demikian suatu gugus A dalam ruang
contoh x mempunyai peluang sebesar P{A},
yaitu jumlah xi anggota A dibagi n.
Asumsikan x = (x1, x2, ..., xn) adalah contoh
acak dari sebaran peluang F yang tidak
diketahui dan θ = t (F ) adalah parameter yang
ingin diduga, maka langkah pembangkitan
contoh acak Bootstrap Non-parametrik :
1. Misalkan x* = (x1*, x2*, ..., xn*) adalah
contoh acak berukuran n dengan
pemulihan dari F̂ yang diulang sebanyak
B kali.
2. Setiap penarikan contoh acak dilakukan
pendugaan θ sehingga diperoleh gugus
nilai θˆ , θˆ ,...,θˆ .
1
3.
2
B
Dari gugus nilai θˆ1,θˆ2 ,...,θˆB , diperoleh
nilai rata-rata dari θˆi , i= 1, 2, ..., B yang
merupakan nilai penduga Bootstrap untuk
θ.
Selang Kepercayaan
Selang kepercayaan adalah salah satu
metode pendugaan parameter. Misalnya,
rataan contoh
merupakan penduga terbaik
bagi nilai tengah populasi (µ), meskipun tidak
ada jaminan bahwa kedua nilai tersebut persis
sama. Bahkan kita tidak memiliki petunjuk
berapa besar kemungkinan bahwa rataan yang
diperoleh dari contoh tersebut akan sama
nilainya dengan µ.
Parameter populasi tidak mungkin
diketahui nilainya, kecuali jika mengamati
keseluruhan populasi, karena itu untuk
menduga µ dengan
perlu dilakukan
4
penarikan contoh berulang sehingga diperoleh
gambaran tentang keragaman , jika variasi
yang diperoleh dari beberapa contoh relatif
kecil maka kemungkinan besar nilai µ berada
di sekitar nilai-nilai (Aunuddin, 2005).
Selang kepercayaan (1-α)100% bagi µ,
apabila ragam populasi diketahui adalah:
σ
σ
μ
/
/
√n
√n
Sedangkan / adalah nilai z yang luas
daerah di sebelah kanan kurva normal baku
sebesar α/2.
Selang
kepercayaan
(1-α)100%
memberikan ukuran sejauh mana ketelitian
atau akurasi nilai dugaan titiknya. Bila µ
memang pusat selang itu, maka menduga µ
tanpa galat. Tetapi kecil sekali kemungkinan
tapat sama dengan µ, sehingga nilai dugaan itu
mempunyai galat. Jika hanya dilakukan sekali
penarikan contoh, merupakan penduga tak
bias bagi µ. Besarnya nilai galat ini sama
dengan nilai mutlak selisih antara µ dan , dan
kita yakin (1-α)100% bahwa selisih tersebut
(Walpole, 1982).
tidak melibihi /
√
DATA DAN METODE
Data
Data yang akan dianalisis merupakan data
primer. Metode penarikan contoh yang
digunakan dalam penelitian ini adalah
purposive sampling karena objek survei dari
penelitian ini sudah sangat spesifik, yaitu
mahasiswa yang biasa makan nasi rendang,
pecel ayam atau nasi goreng. Penarikan contoh
secara acak tidak dapat diterapkan karena
dapat menghasilkan contoh yang tidak
memenuhi spesifikasi yang diinginkan.
Populasi dari penelitian ini adalah seluruh
mahasiswa Intitut Pertanian Bogor (IPB) yang
biasa membeli nasi rendang, pecel ayam dan
nasi goreng. Ukuran contoh dalam penelitian
ini adalah sebesar 114 responden. Data ini
dikumpulkan mulai dari 18 November 2008
sampai 30 November 2008. Pengumpulan data
dilakukan di lingkungan Kampus IPB
Dramaga, tepatnya di kantin-kantin yang ada
di setiap fakultas di IPB.
Kuesioner yang digunakan pada penelitian
ini didesain sesuai kebutuhan penelitian ini. Di
dalam penelitian ini, responden akan diberikan
empat pertanyaan inti, yang terdiri dari: 1.
Pada tingkat harga berapa menurut anda harga
makanan ini terlalu murah? Ini dimaksudkan
untuk mengetahui pada tingkat harga berapa
konsumen merasa kualitas dari makanan
tersebut patut dipertanyakan. 2. Pada tingkat
harga berapa menurut anda harga makanan ini
murah? Ini dimaksudkan untuk mengetahui
pada tingkat harga berapa konsumen merasa
harga yang ditawarkan cukup terjangkau
(affordable). 3. Pada tingkat harga berapa
menurut anda harga makanan ini mahal? Ini
dimaksudkan untuk mengetahui pada tingkat
harga berapa konsumen merasa harus berpikir
ulang dalam membeli makanan tersebut. 4.
Pada tingkat harga berapa menurut anda harga
makanan ini terlalu mahal? Ini dimaksudkan
untuk mengetahui pada tingkat harga berapa
konsumen tidak sanggup untuk membeli
makanan tersebut (unaffordable).
Metode
Metode Price Sensitivity Measurement
Setelah data terambil, metode selanjutnya
adalah menggunakan metode PSM untuk
menentukan APR pada masing-masing
komoditi. Langkah–langkah dari metode PSM
adalah:
1. Setiap responden menentukan kategori
harga sangat murah, murah, mahal dan
sangat mahal.
2. Misal hij = respon (harga) dari
responden ke-i terhadap kategori ke-j
(i = 1,…,114) dan (j = 1,…,4)
Kemudian hij diurutkan. Hasil
pengurutan:
(h11,h21,...,h114,1); (h12,h22,...,h114,2);...;
(h14,h24,...,h114,4).
2. Menghitung frekuensi kemunculan
untuk setiap kategori harga.
3. Menghitung frekuensi kumulatif untuk
setiap kategori harga.
4. Menghitung frekuensi relatif secara
kumulatif untuk kategori mahal dan
sangat mahal, sedangkan untuk
kategori sangat murah dan murah,
dihitung 1–frekuensi relatif secara
kumulatif.
5. Membuat plot hubungan harga (X)
dengan frekuensi relatif secara
kumulatif (Y)
6. Menentukan APR yaitu kisaran yang
berawal dari titik potong kurva sangat
murah dan mahal dan berakhir pada
titik potong kurva murah dan sangat
mahal.