mergedfile -...
TRANSCRIPT
1
LAPORAN AKHIR
TAHUN
PENELITIAN DOSEN PEMULA
PENGEMBANGAN APLIKASI PROGRAM
MULTIPLICATIVE COMPETITION INTERACTION (MCI)
UNTUK ANALISIS MARKETING SPASIAL RITEL
Tahun ke-1 dari rencana 1 tahun
Dibiayai oleh :
Direktorat Riset dan Pengabdian Masyarakat
Direktorat Jenderal Penguatan Riset dan Pengembangan
Kementerian Riset, Teknologi, dan Pendidikan Tinggi
Sesuai dengan Kontrak Penelitian
Nomor : 061/HB-LIT/IV/2017
Tim Peneliti :
Ketua :
Rokhana Dwi Bekti,S.Si.,M.Si (NIDN : 0306038601)
Anggota :
Noviana Pratiwi, S.Si, M.Sc (NIDN : 0505038601)
Maria Titah Jatipaningrum, S.Si, M.Sc (NIDN : 0512058301)
INSTITUT SAINS & TEKNOLOGI AKPRIND YOGYAKARTA
OKTOBER 2017
2
3
4
5
6
RINGKASAN
Penelitian ini melakukan analisis karakteristik konsumen di setiap lokasi, dan
factor-faktor apa saja yang mempengaruhi konsumen dalam berbelanja di minimarket.
Metode yang digunakan adalah geomarketing, khususnya pendekatan spasial yaitu
Multiplicative Competition Interaction (MCI). Kemudian juga membuat aplikasi program
MCI di R untuk membantu pengguna R dalam menganalisis MCI.
Penelitian ini telah melakukan pengumpulan data primer (observasi, survey
pendahuluan, daan survey inti wawancara) pada 150 konsumen di Kecamatan Ngaglik, di
Kabupaten Sleman, DIY. Selanjutnya melalui analisis deskriptif diketahui bahwa setiap
Ritel (minimarket) di setiap desa memiliki market share yang berbeda-beda. Lokasi
memberikan pengaruh yang tinggi pada pasar minimarket ritel, dimana minimarket yang
memiliki banyak toko di satu lokasi akan memiliki banyak pelanggan, konsumen lebih
suka berbelanja di minimarket terdekat. Indomaret merupakan minimarket yang memiliki
pangsa pasar yang tinggi, karena konsumen memberikan penilaian lokasi, jam buka, dan
fasilitas parkir yang tinggi. Model MCI memberikan hasil bahwa variabel yang signifikan
berpengaruh adalah lokasi antara konsumen dan minimarket (X4), fasilitas parkir yang
cukup (X6), dan harga yang sesuai (X7). Dengan demikian, dapat dikatakan bahwa
pemilihan minimarket oleh konsumen di lokasi penelitian sangat bergantung pada lokasi,
fasilitas parkir, dan harga.
Aplikasi program MCI untuk analisis marketing spasial ritel dibentuk ke dalam
package MCImodel di R Deducer. Aplikasi ini mampu memberika kemudahan dalam
mendapatkan hasil model MCI.
Kata kunci : aplikasi program, marketing spasial, Multiplicative Competition Interaction
(MCI), ritel
7
PRAKATA
Penelitian ini merupakan penelitian hibah dosen pemula yang didanai oleh
Kemenristek Dikti tahun anggaran 2017 dengan surat kontak penelitian nomor
03/SPP/LPPM/PL/IV/2017. Tujuannya hibah dosen pemula adalah untuk membina dan
mengarahkan para peneliti pemula untuk meningkatkan kemampuannya dalam
melaksanakan penelitian di perguruan tinggi. Sementara itu, tujuan dalam judul penelitian
adalah : 1) Mengetahui karakteristik setiap ritel yang diminati konsumen di setiap lokasi
yang berbeda-beda melalui model MCI, Mengetahui karakteristik konsumen dalam
memilih ritel untuk berbelanja melalui MCI, Mengetahui faktor yang mempengaruhi
minat konsumen dalam memilih ritel melalui MCI, dan Memudahkan pengguna software
R dalam menganalisis marketing spasial ritel dengan metode MCI. Hasil pelaksanaan
penelitian disajikan pada buku laporan akhir ini. Buku laporan ini berisi hasil analisis data
dan aplikasi program MCI yang telah disusun.
Yogyakarta, 30 Oktober 2017
Ketua peneliti,
Rokhana dwi Bekti, S.Si, M.Si
8
DAFTAR ISI
Halaman Judul ..................................................................................................................... 1
Halaman Pengesahan ............................................................................................................ 2
RINGKASAN ....................................................................................................................... 6
PRAKATA ............................................................................................................................ 7
DAFTAR ISI ......................................................................................................................... 8
DAFTAR TABEL ............................................................................................................... 10
DAFTAR GAMBAR .......................................................................................................... 11
DAFTAR LAMPIRAN ....................................................................................................... 12
BAB 1 PENDAHULUAN .................................................................................................. 13
1.1 Latar Belakang Masalah ....................................................................................... 13
1.2 Perumusan Masalah ................................................................................................. 15
1.3 Tujuan dan Manfaat Penelitian ................................................................................ 16
1.4 Objek Penelitian ....................................................................................................... 16
1.5 Batasan Penelitian .................................................................................................... 16
BAB 2 TINJAUAN PUSTAKA ......................................................................................... 17
2.1 Studi Pendahuluan .................................................................................................... 17
2.2 Industri Ritel ............................................................................................................ 17
2.3 Model Pemasaran Industri Ritel ............................................................................... 18
2.4. Metode Spatial Interaction Model ........................................................................... 19
2.5. Estimasi parameter model Multiplicative Competitive Interaction ......................... 20
2.6. R Software ............................................................................................................... 21
BAB 3. TUJUAN DAN MANFAAT PENELITIAN ......................................................... 22
BAB 4. METODE PENELITIAN ...................................................................................... 23
4.1 Proses Umum ............................................................................................................ 23
4.2 Lokasi Penelitian dan Sumber Data .......................................................................... 25
4.3 Variabel Penelitian .................................................................................................... 26
4.4 Perancangan Layar .................................................................................................... 27
BAB 5. HASIL DAN LUARAN YANG DICAPAI .......................................................... 28
5.1 Karakteristik Responden dan Atribut Minimarket .................................................... 28
9
5.2 Hasil Aplikasi Program MCI ................................................................................ 30
5.2.1 Implementasi .......................................................................................................... 30
5.2.2 Plug-in di R Deducer ............................................................................................. 31
5.2.3 Evaluasi Program ................................................................................................... 32
5.3 Analisis Model MCI ............................................................................................. 33
5.4 Luaran yang Dicapai ............................................................................................ 36
BAB 6 RENCANA TAHAPAN BERIKUTNYA .............................................................. 38
BAB 7 KESIMPULAN DAN SARAN .............................................................................. 39
7.1 Kesimpulan ............................................................................................................... 39
7.2 Saran ......................................................................................................................... 39
DAFTAR PUSTAKA ......................................................................................................... 40
LAMPIRAN ........................................................................................................................ 43
10
DAFTAR TABEL
Tabel 5. 1 Karakeristik Responden dan Belanja Responden .............................................. 28
Tabel 5. 2 Rata-rata penilaian konsumen terhadap minimarket ......................................... 29
Tabel 5. 3 Market share di lokasi i and minimarket j ......................................................... 34
Tabel 5. 4 Hasil Estimasi Parameter model MCI ............................................................... 35
Tabel 5. 5 Capaian Luaran .................................................................................................. 36
11
DAFTAR GAMBAR
Gambar 2.2 Brand switching untuk ritel minimarket ......... Error! Bookmark not defined.
Gambar 4.4 Diagram alur proses penelitian. ..................................................................... 23
Gambar 4.5 Diagram Pembuatan Aplikasi Program ........................................................... 24
Gambar 4.6 Modul untuk Aplikasi Program ....................................................................... 24
Gambar 4.7 Lokasi Penelitian ............................................................................................. 26
Gambar 4.8 Rancangan Tampilan untuk Pemodelan MCI ................................................. 27
Gambar 5. 1 DESCRIPTION package MCImodel .......................................................... 30
Gambar 5. 2 Menu Spatial Analysis pada Deducer ............................................................ 31
Gambar 5. 3 Dialog Box Model MCI ................................................................................. 31
Gambar 5. 4 Dialog Box Model MCI pada data Kosumen Ritel Minimarket .................... 32
Gambar 5. 5 Output Model MCI pada data Kosumen Ritel Minimarket ........................... 33
12
DAFTAR LAMPIRAN
Lampiran 1. Kuisioner ........................................................................................................ 44
Lampiran 2. Data hasil observasi dan survey ..................................................................... 45
Lampiran 3. Personalia tenaga pelaksana beserta kualifikasinya ....................................... 48
Lampiran 4. Naskah pada ISS IPB ..................................................................................... 49
Lampiran 5. Naskah pada Jurnal Media Statistika .............................................................. 67
13
BAB 1 PENDAHULUAN
1.1 Latar Belakang Masalah
Industri ritel, atau eceran, merupakan industri yang strategis dalam kontribusinya
terhadap perekonomian Indonesia. Dalam konteks global, potensi pasar ritel Indonesia
tergolong cukup besar, dimana telah berkembang dari ritel tradisional ke ritel modern.
Industri ritel memiliki kontribusi yang cukup besar terhadap Produk Domestik Bruto
(PDB). Selain itu, industri ini juga memberi keuntungan karena berperan dalam menyerap
tenaga kerja, mendorong konsumsi masyarakat, dan pertumbuhan ekonomi. Menurut
Asosiasi Perusahaan Ritel Indonesia (Aprindo), pertumbuhan bisnis ritel di Indonesia
antara 10%–15% per tahun pada tahun 2012. Pada tahun 2007, jumlah usaha ritel di
Indonesia masih sebanyak 10.365 gerai, kemudian pada tahun 2011 mencapai 18.152 gerai
tersebar di hampir seluruh kota di Indonesia. Pada tahun 2015, lapangan usaha
perdagangan besar dan eceran, bukan mobil dan sepeda motor menyumbang sebear
97.5767,9 milyar rupiah terhadap PDB Atas Dasar Harga Konstan 2000.
Dalam industri retail, terdapat dua kunci utama dalam kesuksesan retail, yaitu
faktor lokasi dan inventori. Dari dua faktor ini, faktor lokasi memegang peranan kunci
dalam menentukan kesuksesan retail. Three important factors determine a retailer’s
success: location and location and location (Jones and Simmons, 1993, dalam
Setyawarman, 2009). Pemilihan lokasi ritel adalah sebuah keputusan yang strategis,
sekali lokasi dipilih, pemilik ritel harus menanggung semua konsekuensi dari pilihan
tersebut (Utami, 2010).
Konsumen saat ini memiliki banyak pilihan untuk berbelanja memenuhi kebutuhan
sehari-hari. Masing-masing ritel sebagai tempat belanja memiliki strategi pemasaran dan
pelayanan yang berbeda-beda. Persaingan antar ritel juga semakin ketat antara ritel
modern dan tradisional untuk menarik minat konsumen dan meningkatkan penjualan.
Beberapa penelitian tentang ritel diantaranya Paramarta (2015) yang menggunakan
metode kualitatif untuk mengetahui persepsi dan motivasi konsumen terhadap ritel modern
dan tradisional. Shanti (2007) menggunakan metode regresi logistik, dan Importance
Performance Analysis (IPA) untuk mengetahui keputusan konsumen dalam
mengkomsumsi jeruk lokal dan jeruk impor di ritel modern. Metode-metode tersebut
menganalisis perilaku, persepsi, atau tingkat kepuasan konsumen tanpa memperhatikan
aspek geografis antara lokasi konsumen dan lokasi ritel.
14
Strategi pemasaran suatu perusahaan membutuhkan banyak informasi dari
berbagai aspek, yaitu dapat dari segi konsumen, pasar, pesaing, maupun produk. Beberapa
metode strategi pemasaran yang telah digunakan hanya memberikan informasi mengenai
bagaimana cara dan perilaku konsumen dalam memilih produk, dimana lokasi yang tepat
untuk membangun usaha, atau bagaimana tingkat kepuasan konsumen terhadap suatu
produk. Informasi yang lebih penting lagi adalah dari segi aspek geografis. Metode yang
dapat digunakan adalah geomarketing. Zio dan Fontanella (2014) dan Cliquet (2013)
menyatakan bahwa geomarketing adalah analisis pemasaran yang menggunakan
pengumpulan data yang memberikan informasi secara geografis baik dari segi konsumen
maupun perusahaan. Geomarketing terdiri dari sistem yang mengintegrasikan data,
metode statistik dan representasi grafis untuk pengambilan keputusan. Kebutuhan akan
analisis geomarketing adalah dasar bagi analisis marketing spasial, dimana secara
karakteristik spasial pasar dipengaruhi oleh dua faktor permintaan, yaitu sistem distribusi
dan komponen geografis pasar (Vega, Acuna, dan Diaz, 2015)
Beberapa metode model spasial untuk analisis area usaha retail diantaranya spatial
interaction model, discrete choice logit model, dan dynamic spatial model. Metode-
metode ini dikembangkan dengan menggunakan informasi yang diberikan oleh masa lalu
untuk memahami dinamika persaingan ritel dan bagaimana konsumen memilih berbagai
macam alternatif tempat berbelanja. Huff (1963) dalam Cliquet (2013) menggunakan
fungsi dan model interaksi spasial untuk pertama kali dalam menjelasksan perilaku
konsumen. Metode ini dapat digunakan untuk mengestimasi kawasan perdagangan ritel.
Beberapa metode tersebut adalah Huff’s model dan Multiplicative Competition Interaction
(MCI) Model. Huff’s Model menyatakan bahwa utilitas toko bergantung pada besar dan
jaraknya. Sedangkan MCI memanfaatkan informasi faktor jarak beserta faktor-faktor lain
untuk memprediksi perilaku konsumen dalam memilih tempat belanja. Vega et al (2015)
telah menggunakan metode MCI untuk menganalisis perilaku konsumen dalam membeli
di toko makanan berdasarkan perpektif spasial di Gran Canania. Metode ini digunakan
karena dapat mengidentifikasi cara pemilihan konsumen berdasarkan ketertarikannya.
Ketertarikan tersebut bergantung pada fasilitas dan jarak antara konsumen dan ritel.
Perales (2002) juga menggunakan MCI untuk analisis pemilihan supermarket di Spanyol
dan Great Britain.
Dengan demikian, pendekatan spasial sangat diperlukan dalam marketing,
khususnya usaha ritel. Pendekatan ini menganalogikakan antara perilaku konsumen dan
hukum gravitasi Newton. Cliquet (2013) menyatakan bahwa alasan penggunaan metode
15
ini diantaranya :1) Permintaan konsumen sangat bervariasi sesuai ruang (lokasi)
konsumen, misalnya karakteristik pendapatan, jumlah rumahtangga, atau gaya hidup; 2)
Supply juga bervariasi sesuai dengan lokasi, yaitu dalam hal harga, jasa, produk dan toko
yang tersedia bervariasi dengan lokasi; 3) Sebagian besar kegiatan ekonomi dipengaruhi
lokasi, dan kegiatan antar lokasi membutuhkans biaya. Dalam rangka untuk mengontrol
dengan lebih baik, maka faktor lokasi tersebut harus didekomposisi menjadi unit analisis.
Penelitian ini menggunakan analisis marketing spasial, khususnya spatial
interaction model, untuk menganalisis perilaku konsumen dalam memilih ritel di Daerah
Istimewa Yogyakarta, yaitu dengan studi kasus di Kabupaten Sleman. Pengambilan lokasi
ini didasarkan pada munculnya banyak ritel modern, khususnya minimarket, di Kabupaten
Sleman. BPS (2014) juga menyebutkan bahwa lapangan usaha perdagangan besar dan
eceran, bukan mobil dan sepeda motor menyumbang sebesar 6.80% pada 2013 dan
meningkat menjadi 6.84% pada 2014 terhadap Produk Domestik Regional Bruto (PDRB)
di DIY.
Metode yang digunakan dalam penelitian ini adalah metode Spatial Interaction
model yaitu Multiplicative Competition Interaction (MCI) model. Dengan metode ini
dapat diketahui bagaimana karakteristik ritel yang diminati konsumen berdasarkan
informasi geomarketing, yaitu ukuran ritel dan jarak antara konsumen dan ritel. Selain itu
juga mengetahui faktor-faktor yang mempengaruhi konsumen dalam memilih ritel dengan
memperhatikan informasi geomarketing tersebut. Pengembangan aplikasi program MCI
untuk analisis marketing spasial retil berguna untuk memudahkan pengguna dalam
mengintepretasikan output analisis. Salah satu program untuk menjalankan metode MCI
adalah software open source R, yaitu package MCI. Dalam penelitian ini mengembangkan
graphycal user interface MCI untuk menganalisis marketing spasial ritel tersebut.
1.2 Perumusan Masalah
Dalam penelitian ini dirumuskan masalah penelitian sebagai berikut:
1. Bagaimana karakteristik ritel yang diminati konsumen di setiap lokasi melalui MCI?
2. Bagaimana karakteristik konsumen dalam memilih ritel melalui model MCI?
3. Faktor-faktor apa yang mempengaruhi minat konsumen dalam memilih ritel untuk
berbelanja melalui model MCI?
4. Bagaimana hasil aplikasi program MCI untuk analisis marketing spasial ritel ?
16
1.3 Tujuan dan Manfaat Penelitian
Tujuan dalam penelitian adalah :
1. Mengetahui karakteristik setiap ritel yang diminati konsumen di setiap lokasi yang
berbeda-beda melalui model MCI
2. Mengetahui karakteristik konsumen dalam memilih ritel untuk berbelanja melalui MCI
3. Mengetahui faktor yang mempengaruhi minat konsumen dalam memilih ritel melalui
MCI.
4. Memudahkan pengguna software R dalam menganalisis marketing spasial ritel dengan
metode MCI.
Manfaat secara umum dari hasil penelitian adalah mengetahui cara konsumen dalam
melakukan belanja berdasarkan informasi geomarketing. Selanjutnya informasi ini dapat
digunakan oleh industri ritel untuk menyusun strategi-strategi pemasarannya. Aplikasi
software yang telah dibentuk juga mempermudah peneliti statistika dan marketing
research dalam menganalisis data.
1.4 Objek Penelitian
Objek dalam penelitian ini adalah aplikasi program MCI untuk analisis ritel dan
konsumen di Kabupaten Sleman, DIY. Aplikasi program adalah user interface MCI yang
dibangun dengan bahasa R dan java. Objek ritel yang digunakan adalah jenis ritel modern.
Pemilihan lokasi penelitian difokuskan di Kabupaten Sleman dengan alasan struktur
keruangan komersial kota tidak lagi memusat di tengah Daerah Pusat Kegiatan,
melainkan mulai menyebar ke arah pinggiran kota mengikuti perkembangan
permukiman penduduk. Guy dan Lord (2003), Pacione (2009) memahami proses
tersebut sebagai proses desentraliasi kota, yaitu proses perubahan spasial kota yang
dipengaruhi oleh gaya sentrifugal. Desentralisasi lokasi retail, menurut Rachmawati
(2014), juga akibat dari fenomena urban sprawl (proses perambatan permukiman kota).
1.5 Batasan Penelitian
Batasan penelitian meliputi: 1) Jenis ritel modern difokuskan pada minimarket; dan
2) Konsumen sebagai sampel adalah mereka yang tinggal di radius 2 km dari ritel terpilih.
17
BAB 2 TINJAUAN PUSTAKA
2.1 Studi Pendahuluan
Peneliti telah melakukan beberapa penelitian di bidang spasial, diantaranya Bekti
dan Sutikno (2010) dalam permodelan spasial pada hubungan antara aset kehidupan
masyarakat jawa timur dalam memenuhi kebutuhan pangan terhadap kemiskinan
menggunakan pemodelan SAR dan SEM. Selanjutnya Bekti dan Sutikno (2011)
menggunakan GWR, Bekti dan Sutikno (2012) menggunakan SDM, Bekti, Andiyono, dan
Irwnsyah (2014) menggunakan metode GWR. Pemodelan tersebut adalah pemodelan
spasial pada bidang sosial dan ekonomi.
Sebagai pengembangan metode, maka penelitian ini melakukan pengkajian dan
aplikasi metode spasial pada marketing dan ekonomi. Metode yang digunakan adalah
Multiplicative Competition Interaction (MCI) yang merupakan pemodelan dengan
pendekatan geomarketing dan spatial marketing. Referensi yang digunakan adalah
penelitian Zio (2014), Vega et al. (2015), Perales (2002), dan Nakanishi dan Cooper
(1974). Aplikasi program pada analisis spasial juga telah dibangun oleh peneliti,
diantaranya aplikasi untuk analisis Spatial Autoregressive model oleh Bekti, Nurhadiyanti,
dan Irwansyah (2014). Selanjutnya aplikasi kriging berbasis R Language oleh Rokhana et
al, (2013).
2.2 Industri Ritel
Industri ritel adalah kegiatan usaha menjual barang atau jasa kepada perorangan
untuk keperluan diri sendiri, keluarga, atau rumah tangga. Kegiatan ritel mencakup
penjualan barang dan jasa kepada pengguna yang bervariasi. Kegiatan penjualan adalah
langsung ke konsumen. Usaha eceran (retailing) adalah kegiatan yang terlibat dalam
penjualan barang atau jasa secara langsung kepada konsumen akhir untuk penggunaan
pribadi dan bukan bisnis.
Jenis ritel dibagi menjadi 3 jenis yaitu (Soliha, 2008) : a) Grosir (pedagang besar)
atau hypermarket. Kelompok ini umumnya hanya ada di kota-kota besar dan jumlahnya
sedikit. Di Indonesia yang termasuk dalam kelompok ini adalah PT Alfa Retailindo, PT
Makro Indonesia, PT Carrefour, PT Goro Batara Sakti, PT Hero Supermarket (Giant), PT
Matahari Putra Prima (Matahari); b) Supermarket; c) Pengecer besar atau menengah
dengan jumlah gerai sekitar 500 gerai; d) Minimarket modern.
18
Gambar 2.1 menunjukkan perkembangan dan persaingan antar industri ritel, salah satunya
minimarket pada tahun 2012.
Sumber : Apipudin (2013)
Gambar 2.1 Brand switching untuk ritel minimarket
2.3 Model Pemasaran Industri Ritel
Terdapat berbagai macam model dalam pemasaran industri ritel, yaitu secara
pendekatan desriptif-deterministik dan explicative-stochastik. Pendekatan deterministik
yaitu melalui teknik observasi dan teori normatif. Teknik observasi didasarkan pada
observas dan perhitungan wilayah pemsaran. Sedangkan pendekatan teori normatif
berdasarkan asumsi perilaku konsumen pada waktu perjalanan, salah satunya adalah
Central Place Theory (CPY).
Reillys’s law merupakan hukum gravitasi pasar ritel. Hukum ini menyatakan
bahwa toko yang berada di pusat kota dengan populasi yang besar akan menarik
konsumen yang berlokasi jauh dari toko dibandingkan oleh toko yang berada di lokasi
toko dengan area penjualan yang kecil. Hukum ini juga berkaitan dengan hukum Newton
tentang gravitasi, dimana “gaya gravitasi dipengaruhi oleh massa benda”. Berhubungan
dengan pasar ritel, maka ritel dengan jangkauan (luas) pasar yang luas akan lebih banyak
dijangkau oleh konsumen diibandingkan dengan ritel yang memiliki luas kecil.
Namun demikian, perkembangan teknologi dan gaya hidup konsumen
menyebabkan kegiatan marketing menjadi sangat kompleks, kontinue, dan probabilistik.
Oleh karena itu, pendekatan deterministik menjadi tidak relevan sehingga diperlukan
pendekatan stokastik. Beberapa metode untuk pendekatan ini adalah spatial iteraction
model, discrete-choice logit model, dan dynamic spatial model.
19
2.4. Metode Spatial Interaction Model
Spatial Interaction Model adalah model grafitasi pertama yang dikembangkan
untuk penelitian marketing. Metode ini didasarkan pada hukum grafitasi Newton, dimana
pembentukan modelnya didasarkan bahwa pergerakan individu pada dua lokasi
berbanding terbaik dengan jarak antar keduanya. Model ini digunakan oleh Reilly (1931)
dan Converse (1949) dalam Cliquet (2013) untuk menganalisis daya tarik, permintaan, dan
wilayah marketing. Selanjutnya joga oleh Huff (1963) dalam Cliquet (2013) yang
menyatakan bahwa konsumen memiliki banyak alternatif lokasi berbelanja maka mereka
akan mendatangi berbagai macam toko daripada hanya satu toko. Metode-metode dari
spatial interaction adalah Huff’s model dan multiplicative model.
Huff’s model adalah menghitung peluang konsumen dalam memilih toko (ritel).
Model ini menyatakan bahwa utilitas toko bergantung pada ukuran dan jarak.
Perhitungannya adalah (Cliquet, 2013):
n
j
ijj
ijj
ij
TS
TSP
1
)/(
)/(
(2.1)
Dengan Tij = jarak antara konsumen di lokasi ke-i dan toko ke-j, Sij = ukuran pasar yang
dihitung dari luasan area penjualan toko ke-j, dan = parameter-parameter yang
menunjukkan pengaruh pembelian konsumen yang berbeda-beda.
Berdasarkan hukum Relly’s law, Huff’s model memiliki peran penting pada
estimasi model pemilihan toko dan area perdagangan ritel. Model ini menjadi yang
pertama kali yang menyimpulkan bahwa perkembangan teknologi dan gaya hidup
konsumen menyebabkan kegiatan marketing menjadi sangat kompleks, kontinue, dan
probabilistik. Banyak penelitian yang menggunakan model. Namun demikian, banyak
faktor yang dapat mempengaruhi utilitas toko dan perilaku konsumen dalam memilih toko,
selain ukuran dan jarak yang sudah ada pada Huff’s model. Oleh karena itu dikembangkan
model Multiplicative Competitive Interaction (MCI) model. Model ini menambahkan
variabel-variabel yang dapat mempengaruhi, seperti waktu perjalanan, desain produk,
harga, fasilitas atau variabel-variabel psikologi perilaku konsumen dalam berbelanja. MCI
model dikembangkan dari Huff’s Model. Model ini menyatakan bahwa daya tarik dari
konsumen dapat diukur dari proporsional hubungan antara pasar dan tindakan pemasaran,
yaitu (Cliquet, 2013):
20
m
j
j
i
i
A
As
1
(2.2)
Dimana si = market share ke-i, m = jumlah objek. Ai merupakan fungsi daya tarik
konsumen yang dipengaruhi oleh beberapa variabel independen. Fungsi ini dapat
berbentuk linear, multiplicative atau eksponensial.
kK
k
kiki XfA
1
)( (2.3)
Dengan Xki = variabel independen, K = jumlah variabel independen, dan k = parameter
yang akan diestimasi.
Apabila dihubungkan dengan jarak antara lokasi (tempat tinggal) konsumen dan
lokasi toko, maka persamaan (2.2) dapat dituliskan menjadi (Vega et al, 2015):
m
j
q
k
kij
q
k
kij
ij
k
k
X
X
P
1 1
1
)(
)(
(2.4)
Dengan Pij = peluang konsumen di lokasi i dalam memilih objek (toko) ke-j, Xkji =
variabel independen ke-k yang mendeskripsikan objek ke-j pada situasi ke-i, k
=parameter ke-k, m= jumlah toko yang dipilih, dan q = jumlah variabel independen.
2.5. Estimasi parameter model Multiplicative Competitive Interaction
Nakanishi dan Cooper (1974) memaparkan estimasi parameter model
Multiplicative Competitive Interaction dengan metode least square. Metode least square
merupakan metode estimasi parameter dengan meminimumkan sum square error.
Persamaan (2.4) ditransfomrasi ke dalam persamaan linear yang mengspesifikasi error
(*
ij ):
m
j
q
k
ijkij
ij
q
k
kij
ij
k
k
X
X
P
1 1
*
*
1
)(
)(
(2.5)
Selanjutnya ditransformasi lagi menjadi persamaan regresi
mjMizy ij
q
k
kijkij ,...,3,2,1,...,3,2,1;1
(2.6)
Dengan
21
i
ij
ijp
Py ~log
ki
kij
kijx
xz ~log imii yyy ,...,y 21
'
i imiii ,..., 21
'
qimimim
qiii
qiii
i
zzz
zzz
zzz
....
...
....
....
Z
21
22221
11211
Persamaan 2.6 dapat dirubah ke bentuk matrik
ZβY (2.7)
Sehingga estimasi parameternya
YZZZ TT 1)(ˆ β (2.8)
2.6. R Software
Menurut Torgo (2011, p1), R adalah bahasa pemrograman yang baik untuk
komputasi statistik. Hal ini mirip dengan bahasa S yang dikembangkan oleh AT&T Bell
Laboratories oleh Rick Becker, John Chambers dan Allan Wilks. Ada beberapa macam
versi untuk R antara lain R untuk Unix, Windows, dan berbagai macam Mac. Selain itu R
juga dapat berjalan di berbagai arsitektur komputer seperti Intel, PowerPC, Alpha sistem,
dan sistem Sparc. Sumber kode dari setiap komponen R tersedia secara bebas sehingga
dapat diadaptasikan dengan baik. R memiliki keterbatasan dalam penanganan dataset yang
sangat besar karena semua perhitungan dilakukan dalam memori utama komputer.
R software memiliki beberapa kelebihan selain yang bersifar open source, yaitu
bersifat multiplatforms dengan file instalasi binary/file tar yang tersedia untuk sistem
operasi Windows, Mac OS, Mac OS X, Linux, Free BSD, NetBSD, irix, Solaris, AIX,
HPUX, dan lain-lain. Selain itu juga memiliki bahasa yang sama dengan S Plus, fungsi
dan kemampuan dari R sebagian besar dapat diperoleh melalui add-on packages/library,
menyediakan fasilitas untuk membuat fungsi yang didefinisikan user, selalu update
dengan cepat terhadap metode-metode baru, dan tersedia petunjuk dan contoh-contoh
analisis. Dalam pengembangannya, R software memberi kemudahan bagi developer untuk
membuat graphical user interface (GUI) yang dapat diakses melalui java language.
22
BAB 3. TUJUAN DAN MANFAAT PENELITIAN
Tujuan dalam penelitian adalah :
1. Mengetahui karakteristik setiap ritel yang diminati konsumen di setiap lokasi yang
berbeda-beda melalui model MCI
2. Mengetahui karakteristik konsumen dalam memilih ritel untuk berbelanja melalui MCI
3. Mengetahui faktor yang mempengaruhi minat konsumen dalam memilih ritel melalui
MCI.
4. Memudahkan pengguna software R dalam menganalisis marketing spasial ritel dengan
metode MCI.
Manfaat secara umum dari hasil penelitian adalah mengetahui cara konsumen
dalam melakukan belanja berdasarkan informasi geomarketing. Selanjutnya informasi ini
dapat digunakan oleh industri ritel untuk menyusun strategi-strategi pemasarannya.
Aplikasi software yang telah dibentuk juga mempermudah peneliti statistika dan
marketing research dalam menganalisis data.
23
BAB 4. METODE PENELITIAN
4.1 Proses Umum
Langkah-langkah penelitian secara umum disajikan pada Gambar 4.1, yaitu 1)
Pengkajian model Multiplicative Competitive Interaction (MCI), 2) Penyusunan aplikasi
program, 3) Pengumpulan data, 4) analisa data, dan 5) Pengujian aplikasi program.
Gambar 4.1 Diagram alur proses penelitian.
1. Pengkajian model Multiplicative Competitive Interaction (MCI)
Langkah ini bertujuan untuk mengkaji pembentukan estimasi parameter pada model
MCI. Pengkajian parameter menggunakan persamaan 2.6, 2.7, dan 2.8
2. Penyusunan aplikasi program
Aplikasi program ini disusun berdasarkan hasil langkah 1 (Pengkajian model MCI).
Langkah-langkah pembuatan aplikasi program disajikan di Gambar 4.2. Secara umum
adalah 1) menganalisis kebutuhan dan pendefinisian tentang pemodelan, 2)
Persiapan
Pengumpulan referensi dan data
sekunder (Podes, BPS, penelitian
sebelumnya)
MCI
Kesimpulan
Observasi/Survey
pendahuluan
Mendesain dan melakukan survey pada konsumen
Uji Validitas dan reliabilitas
Analisis data
Analisis perilaku dan
pemilihan lokasi
Penyusunan aplikasi
progam
Pengkajian metodi MCI
(pembentukan model)
Pengujian sistem
24
perancangan sistem dan perangkat lunak, 3) implementasi dari perangkat lunak yang
telah dirancang, 4) integrasi dan pengujian sistem menggunakan data kasus, dan 5)
pengoperasian hasil perangkat lunak
Gambar 4.2 Diagram Pembuatan Aplikasi Program
Gambar 4.3 Modul untuk Aplikasi Program
Pembuatan aplikasi program ini dilakukan dengan membuat graphical user
interface (GUI) di software R, Deducer, dan Rstudio. Gambar 4.3 menunjukkan modul-
modul pada aplikasi program yang akan di bentuk. Modul utama adalah pemodelan
spasial, yang terdiri dari kriging, autokorelasi spasial, GWR, dan MCI. Metode kriging,
autokorelasi spasial, dan GWR telah dikembangkan peneliti pada tahun 2013 dan 2014,
yaitu dengan judul “Perancangan Perangkat Lunak Pemodelan Statistika Spatial Dan
Kriging Berbasis R Language” (Rokhana et al, 2013) dan “Package Plug-In R untuk
Pemetaan Autokorelasi Spasial Kualitas Air” (Tanty et al, 2014).
Pemodelan Spasial
Kriging MCI
GWR
Interpretasi
peluang
Pemetaan
Autokorelasi
spasial
Estimasi
parameter
Analisis Kebutuhan
dan pendefinisiannya
Perancangan Sistem,
pembutan GUI di Deducer,
Pembuatan package
Implementasi
Integrasi dan
pengujian sistem
Pengoperasian
25
3. Pengumpulan data
Kegiatan pengumpulan data meliputi pengumpulan data primer dan sekunder. Data
sekunder dilakukan dengan pengumpulan referensi dan data-data tentang industri
(khususnya retail) dari Badan Pusat Statistik (BPS) dan Statistik Potensi Desa (Podes).
Data primer tersebut meliputi:
1. Observasi/survei pendahuluan yang telah dilakukan pada 17-18 Juni 2017.
Observasi dilakukan untuk memilih ritel yang menjadi objek dan penentuan atribur
di dalam kuisioner. Selanjutnya memetakan lokasi ritel tersebut dengan lokasi
konsumen untuk penentuan sampel survei.
2. Survey wawancara yang dilakukan di 6 Desa di Kecamatan Ngaklik, Kabupaten
Sleman, DIY yang telah dilakukan pada 19-21 Juli 2017. Survei dilakukan dengan
wawancara terhadap konsumen dengan menggunakan kuisioner. Survei ini telah
dilakukan pada Juli 2017. Wawancara dilakukan terhadap resonden/konsumen yang
pernah belanja di 8 minimarket di Kecamatan Ngaglik, yaitu Alfamart, Circle-K, De
halal mart, Ijo royo-royo, Indomart, Mina, Mirota, dan WS. Pengambilan data ini
menggunakan teknik sampling purposive, yaitu berdasarkan tujuan bahwa responden
yang diwawancara hanya yang pernah berbelanja kebutuhan pokok sehari-hari di
Indomaret di Kabupaten Sleman, yaitu sejumlah 150 orang. Kuisioner yang
digunakan dapat dilihat pada Lampiran 1.
4. Analisa Data
Metode analisis meliputi
1) analisis perilaku dan pemilihan lokasi konsumen dalam memilih ritel dan
2) Metode MCI untuk mengetahui karakteristik setiap ritel yang diminati konsumen di
setiap lokasi yang berbeda-beda, karakteristik konsumen dalam memilih ritel untuk
berbelanja, serta faktor-faktor apa yang mempengaruhi minat konsumen dalam memilih
ritel untuk berbelanja.
5. Pengujian aplikasi program
Langkah ini bertujuan untuk validasi program dengan menggunakan data yang telah
ada dan analisis yang dilakukan pada Langkah 4.
4.2 Lokasi Penelitian dan Sumber Data
Lokasi penelitian adalah di Kabupaten Sleman, DIY. Penelitian dilakukan dengan
melakukan survey wawancara terhadap konsumen indusri ritel. Jenis ritel yang menjadi
objek adalah ritel modern minimarket.
26
Sumber : Kecamatan Ngaglik dalam Angka 2017, survey 2017
Gambar 4.4 Lokasi Penelitian
4.3 Variabel Penelitian
Variabel penelitian yang digunakan mengacu pada penelitian Perales (2002).
Variabel-variabel tersebut disajikan pada isi kuisioner, yaitu
a. Letak geografis konsumen dan retail beserta jara antar keduanya
b. Demografi konsumen, meliputi : usia, jenis kelamin, pekerjaan, pendapatan,
pengeluaran, pendidikan
c. Perilaku berbelanja konsumen, meliputi: Pilihan nama-nama ritel yang digunakan
sebagai tempat berbelanja, frekuensi berbelanja di ritel, alasan pemilihan ritel, dan
ranking nama-nama ritel yang dipilih
d. Atribut-atribut ritel, berisi tentang tanggapan konsumen terhadap ritel yang meliputi :
penilaian persepsi responden tentang atribut minimarket yang terdiri dari tentang lokasi
minimarket (X1), jam buka (X2), pelayanan (X3), kebersihan (X4), kelengkapan produk
log10(OM)
log
10
(Pb
)
-7.74
-7.72
-7.70
-7.68
110.38 110.40 110.42
Donoharjo
Sardonoharjo
Sukoharjo
Minomartani Sariharjo
Sinduharjo
27
(X5), fasilitas parkir (X6) , atau harga yang ditawarkan (X7). Atribut-atribut tersebut
disusun dengan 4 skala likert, sangat tidak puas, tidak puas, puas, dan sangat puas.
4.4 Perancangan Layar
Dari Gambar 4.6 tentang modul untuk aplikasi program, maka perancangan layar
yang akan dibuat disajikan pada Gambar 4.8.
Gambar 4.5 Rancangan Tampilan untuk Pemodelan MCI
Variable Dependen
Pemodelan Spasial – MCI – Estimasi Parameter
o Pb
o F
o Ph
o Mn
o …
Run
Estimasi
Reset Cancel
Save output
Variabel independen
ANOVA
Prediksi
28
BAB 5. HASIL DAN LUARAN YANG DICAPAI
Dalam pembahasan hasil penelitian ini disajikan data hasil survey yang akan
digunakan sebagai simulasi pada aplikasi program yang disusun, aplikasi program yang
disusun, hingga hasil simulasi dari data survey. Selanjutnya menyajikan beberapa luaran
yang telah didapatkan.
5.1 Karakteristik Responden dan Atribut Minimarket
Sampel dalam penelitian ini adalah responden yang telah berbelanja di minimarket
yang dipilih dalam penelitian ini. Mereka terdiri dari 27 persen pria dan 73 persen
konsumen wanita yang berusia 18 sampai 71 tahun. Mereka bekerja sebagai pegawai (20
persen), ibu rumah tangga (36 persen), petani (6,7 persen), PNS / TNI (10 persen),
pengusaha (20,7 persen) dan lainnya. Berdasarkan jenis pendidikan terakhir, 60 persen
konsumen lulus dari sekolah menengah atas, 20 persen lulus dari perguruan tinggi, 12
persen lulus dari sekolah menengah pertama, dan 8 persen lulus dari sekolah dasar. Detail
karakteristik responden disajikan di Tabel 5.1 berikut:
Tabel 5. 1 Karakeristik Responden dan Belanja Responden
Karakteristik Persentase
Jenis Kelamin Laki-laki 27
Perempuan 73
Usia 18-21 tahun
Pekerjaan Ibu RT 36
Karyawan 20
Lainnya 7
Petani 7
PNS/TNI 10
Wiraswasta 21
Pendidikan D1/D2/D3/S1/S2/S3 20
SD/sederajat 8
SLTP/sederajat 12
SLTA/sederajat 60
Pengeluaran <1 juta 25
1 - 1,5 juta 43
1,6 - 2 juta 24
> 2 juta 9
Lokasi Donoharjo 17
Minomartani 17
Sardonoharjo 17
Sariharjo 16
Sinduharjo 17
29
Pasar minimarket ritel dalam penelitian ini, modern atau tradisional, tersebar di
setiap desa. Data ini diperoleh dari observasi. Sardonoharjo memiliki minimarket paling
banyak, yaitu 24 minimarket. Di lokasi lain, ada 17 minimarket di Sariharjo, 12
minimarket di Sinduharjo, 8 minimarket di Minomartani, 13 minimarket di Donoharjo,
dan 10 minimarket di Sukoharjo. Indomart dan Alfamart berada di setiap desa. Mina
terletak di Sariharjo, Donoharjo, dan Sukoharjo. WS dan Circle K terletak di Sinduharjo.
De Halal Mart dan Ijo Royo-Royo berada di Sardonoharjo. Mirota terletak di Sariharjo.
Tabel 5.2 menunjukkan penilaian persepsi responden tentang atribut minimarket yang
terdiri dari tentang lokasi minimarket (X1), jam buka (X2), pelayanan (X3), kebersihan
(X4), kelengkapan produk (X5), fasilitas parkir (X6) , atau harga yang ditawarkan (X7).
Ada tiga minimarket yang memiliki penilaian tinggi dibanding lainnya. Indomaret
memiliki penilaian lokasi, jam buka, dan fasilitas parkir yang tinggi. Alfamart memiliki
penilaian kebersihan yang tinggi. Mirota memiliki penilaian layanan yang tinggi,
kelengkapan produk, dan harga yang ditawarkan. Berdasarkan letak geografis, dapat
dilihat bahwa konsumen akan lebih memilih minimarket yang mudah dijangkau dari
rumah mereka. Contohnya, Indomaret dan Alfamart yang memiliki banyak gerai di setiap
desa.
Tabel 5. 2 Rata-rata penilaian konsumen terhadap minimarket
Minimarket Attribute
X1 X2 X3 X4 X5 X6 X7
Alfamart 3.010 3.393 3.227 3.447 3.003 3.050 2.523
Circle-K 2.390 2.823 2.770 2.823 2.543 2.617 2.470
De halal mart 2.500 2.530 2.530 2.533 2.497 2.550 2.517
Ijo royo-royo 2.507 2.567 2.573 2.567 2.547 2.560 2.547
Indomart 3.303 3.430 3.250 3.450 3.210 3.137 2.610
Mina 2.800 2.860 2.927 2.993 2.733 2.767 2.827
Mirota 2.320 3.267 3.273 3.387 3.350 2.687 3.147
WS 2.390 2.843 2.903 2.930 3.010 2.830 2.763
Average 2.653 2.964 2.932 3.016 2.862 2.775 2.675
Data hasil observasi dan survey disajikan di Lampiran 2.
30
5.2 Hasil Aplikasi Program MCI
5.2.1 Implementasi
Dalam melakukan implementasi program, minimum spesifikasi perangkat keras
yang disarankan adalah:
Processor : Intel Pentium Core i-3
Memory : 4 GB
Harddisk : 250 GB
VGA : 256 MB
Monitor : Resolusi 1366 x 768
Keyboard : Ya
Mouse : Ya
Spesifikasi perangkat lunak untuk implementasi program adalah:
Microsoft Office Excel minimal versi 1997 dan notepad
R untuk Deducer yang lengkap dengan RJava
RStudio -0.98.1062
Rtools
Berikut adalah petunjuk instalasi yang harus dilakukan :
1. Instal dan run R untuk Deducer
2. Setelah hasil plug-in di Deducer sukses dibentuk maka dilakukan:
- Instal package ‘MCImodel’ di Deducer
- Load package :
> library(MCImodel)
Package ‘MCImodel’ tersebut disusun di R Studio dengan deskripsi seperti berikut:
Gambar 5. 1 DESCRIPTION package MCImodel
Package: MCImodel
Type: Package
Title: MCImodel package for Spatial Ritail Analysis
Version: 1.0
Date: 2017-10-25
Author: Rokhana DB, Noviana P, and Maria Titah JP
Maintainer: Rokhana DB <[email protected]>
depends: MCImodel
Description: MCImodel package for Spatial Ritail Analysis
License: GPL-2
31
5.2.2 Plug-in di R Deducer
Petunjuk pemakaian sistem yang dibuat dimulai setelah menjalankan library
(MCImodel) sehingga akan muncul Plug-in Spatial Analysis di Deducer seperti pada
Gambar 5.2. Dialog box untuk model MCI disajikan di Gambar 5.3.
Gambar 5. 2 Menu Spatial Analysis pada Deducer
Gambar 5. 3 Dialog Box Model MCI
32
5.2.3 Evaluasi Program
Aplikasi program plug-in ini dapat memberikan hasil pemodelan MCI. Evaluasi
program dilakukan dengan mensimulasikan metode terebut. Data yang digunakan adalah
data hasil survei wawancara terhadap konsumen ritel miimarket yang dilakukan di 6 Desa
di Kecamatan Ngaklik. Variabel dependen adalah market share dan variable independen
adalah persepsi responden tentang atribut minimarket yang terdiri dari tentang lokasi
minimarket (X1), jam buka (X2), pelayanan (X3), kebersihan (X4), kelengkapan produk
(X5), fasilitas parkir (X6), dan harga yang ditawarkan (X7).
Cara penggunaan dialog box adalah seperti di Gambar 5.4 dan dihasilkan output
seperti di Gambar 5.5.
Gambar 5. 4 Dialog Box Model MCI pada data Kosumen Ritel Minimarket
33
Gambar 5. 5 Output Model MCI pada data Kosumen Ritel Minimarket
5.3 Analisis Model MCI
Tabel 5.3 menunjukkan pangsa pasar setiap minimarket di setiap lokasi. Nilai di
dalam table tersebut menunjukkan persentase penjualan produk perusahaan terhadap total
penjualan pesaing terbesarnya di enam desa. Nilai tersebut juga dihitung dari probabilitas
bahwa konsumen yang tinggal di desa ke-i dan memilih minimarket j. Berdasarkan nilai
probabilitas tersebut, dapat diketahui bahwa setiap minimarket memiliki pangsa pasar
yang berbeda di setiap lokasi. Indomaret memiliki pangsa pasar yang tinggi di
Sardonoharjo (0.3384, yaitu hampir 33,84%), Sinduharjo (34,48%), Sariharjo (35,45%),
dan Minomartani (97,18%). Nilai tersebut mengalahkan ritel lainnya dalam survei dalam
penelitian ini. Di Sardonoharjo, minimarket ini memiliki pesaing yang juga banyak
diminati oleh konsumen, seperti Mina dan WS di Sardonoharjo, Alfamart dan Cirkle K di
Sinduharjo, juga Alfamart dan Mirota di Sariharjo. Di Minomartani, pasar indomaret juga
sangat mendominasi.
Mina memiliki pangsa pasar yang tinggi dan mendominasi di Sukoharjo (32,03%)
dan Donoharjo (48,66%) yang mengalahkan minimarket lain di Donoharjo dan bersaing
dengan Mirota di Sukoharjo. Dalam studi ini, Mina berada di tiga lokasi (Sariharjo,
> summary(lm(data.MCI$Y~data.MCI$X1+data.MCI$X2+data.MCI$X3+data.MCI$X4+data.MCI$X5+data.MCI$X6+data.MCI$X7)) Call: lm(formula = data.MCI$Y ~ data.MCI$X1 + data.MCI$X2 + data.MCI$X3 + data.MCI$X4 + data.MCI$X5 + data.MCI$X6 + data.MCI$X7) Residuals: Min 1Q Median 3Q Max -1.21840 -0.24304 0.02452 0.19329 0.87742 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) -7.428e-10 6.521e-02 0.000 1.000000 data.MCI$X1 2.873e+00 1.456e+00 1.973 0.055480 . data.MCI$X2 5.141e+00 4.439e+00 1.158 0.253704 data.MCI$X3 1.032e+01 6.212e+00 1.661 0.104590 data.MCI$X4 -1.339e+01 6.146e+00 -2.178 0.035358 * data.MCI$X5 1.809e+00 2.670e+00 0.678 0.501860 data.MCI$X6 1.359e+01 3.484e+00 3.900 0.000359 *** data.MCI$X7 5.671e+00 2.202e+00 2.575 0.013818 * --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 0.4518 on 40 degrees of freedom Multiple R-squared: 0.8008, Adjusted R-squared: 0.7659 F-statistic: 22.97 on 7 and 40 DF, p-value: 3.806e-12
34
Sukoharjo, dan Donoharjo), namun memiliki banyak konsumen di Donoharjo. Sebagai
ritel lokal atau tradisional, minimarket ini mampu bersaing dengan ritel modern. Mirota
yang berada di Sariharjo memiliki pangsa pasar 29,8%. Ada banyak konsumen dari lokasi
lain meski tidak ada Mina di lokasi tersebut, seperti dari Sukoharjo dan Donoharjo. Ritel
WS, yang berada di Sinduharjo, memiliki pasar yang tinggi di Sardonoharjo meski tidak
mendominasi. Hal ini karena lokasi WS berada di daerah perbatasan antara Sinduharjo dan
Sardonoharjo. Circle K memiliki pasar yang tinggi di Sinduharjo, meski tidak
mendominasi. Minimarket lain seperti De Halal Mart dan Ijo Royo-Royo memiliki pasar
kecil.
Tabel 5. 3 Market share di lokasi i and minimarket j
Lokasi
Minimarket
Indom
aret
Alfama
rt Mirota Mina WS
Circle-
K
De
halal
mart
Ijo
royo-
royo
Sukoharjo 0.2422 0.0078 0.3203 0.3203 0.0859 0.0078 0.0078 0.0078
Donoharjo 0.0035 0.2118 0.1771 0.4896 0.1076 0.0035 0.0035 0.0035
Sardonoharjo 0.3384 0.0945 0.1250 0.2165 0.2165 0.0030 0.0030 0.0030
Sinduharjo 0.3448 0.3310 0.0014 0.0838 0.0838 0.1525 0.0014 0.0014
Sariharjo 0.3545 0.3404 0.2980 0.0014 0.0014 0.0014 0.0014 0.0014
Minomartani 0.9718 0.0040 0.0040 0.0040 0.0040 0.0040 0.0040 0.0040
Berdasarkan kajian spasial, hal tersebut menunjukkan bahwa lokasi memberikan
pengaruh yang tinggi pada pasar minimarket ritel. Yang pertama, minimarket yang
memiliki banyak toko di satu lokasi akan memiliki banyak pelanggan. Yang kedua,
konsumen lebih suka berbelanja di minimarket terdekat. Hal itu ditunjukkan oleh
minimarket yang memiliki pangsa pasar tinggi di lokasi dimana dia berada. Yang ketiga,
setiap lokasi memiliki pola perilaku konsumen yang berbeda. Hasil ini menjadi alasan
untuk analisis selanjutnya, yaitu penggunaan model Multiplicative Competitive
Interaction (MCI).
Model MCI digunakan untuk mendapatkan faktor-faktor yang mempengaruhi
pilihan konsumen ritel atau minimarket. Pilihan konsumen ditunjukkan oleh pangsa pasar
yang dapat diukur dari hubungan proporsional antara aksi pasar dan pemasaran. Dalam
penelitian ini, pangsa pasar dihitung dari probabilitas bahwa konsumen yang tinggal di
desa i, i = 1,2 .., 6 dan memilih minimarket eceran j, j = 1,2, ..., 8. Tindakan pemasaran
dilakukan oleh segala hal yang telah dilakukan oleh minimarket dan telah dirasakan oleh
35
konsumen, seperti tentang lokasi minimarket, jam buka, pelayanan, kebersihan,
kelengkapan produk, fasilitas parkir, atau harga yang ditawarkan.
Puig dkk (2016) menyatakan bahwa model MCI yang berasal dari teori interaksi
spasial adalah yang paling banyak digunakan oleh perusahaan saat menentukan lokasi
untuk mencari gerai baru. Hal ini mengkonseptualisasikan perilaku spasial konsumen dan
merupakan bagian dari teori interaksi spasial. Pemilihan lokasi memberikan peran yang
kompetitif, sehingga ada lebih dari satu minimarket yang bersaing di pasar spasial dan
interaksi di antara keduanya. Dalam penelitian ini, ada 8 minimarket yang saling bersaing
di 6 desa. Perilaku konsumen tentang minimarket tersebut juga berbeda di setiap lokasi.
Ringkasan hasil model MCI berdasarkan output di Gambar 5.5 disajikan pada
Tabel 5.4. Model ini menghasilkan koefficient determinasi (R square) 80.1%. pada uji
signifikansi parameter secara simultan dengan hipotesis nol β1 = β2 =… = β7 = 0,
didapatkan nilai Fhitung 2.97. Dengan daerah kritis F5%,7,40 = 2.25 dapat disimpulkan bahwa
terdapat minimal satu variabel independen yang signifikan berpengaruh terhadap
pemilihan minimarket. Berdasarkan uji t dengan hipotesis nol βk=0, k=1,2, …, 7 dan
daerah kritis t5%/2,40 = 2.201, dapat disimpulkan bahwa penilaian konsumen tentang lokasi
yang bersih dan nyaman (X4), fasilitas parkir yang cukup (X6), dan harga yang sesuai (X7)
adalah signifikan berpengaruh.
Tabel 5. 4 Hasil Estimasi Parameter model MCI
Variable Estimasi Standard Error tvalue Pvalue
Convenient location (X1) 2.873 1.45600 1.97 0.055
Appropriate opening hours (X2) 5.141 4.43900 1.16 0.254
Professional and friendly waiter (X3) 10.316 6.21200 1.66 0.105
Clean and comfortable (X4)* -13.387 6.14600 -2.18 0.035*
Product completeness (X5) 1.809 2.67000 0.68 0.502
Sufficient parking facility (X6)* 13.589 3.48400 3.90 0.000*
Affordable price (X7)* 5.671 2.20200 2.58 0.014*
Stepwise
Convenient location (X1)* 4.087 1.305 3.13 0.003
Sufficient parking facility (X6)* 13.288 2.213 6.00 0.000
Affordable price (X7)* 6.965 1.445 4.82 0.000
Note: *) signifikan pada α=5%
36
Proses stepwise juga dilakukan pada pemodelan ini. Koefisien determinasi yang
dihasilkan adalah 75.9% dan variabel yang signifikan berpengaruh adalah lokasi antara
konsumen dan minimarket (X4), fasilitas parkir yang cukup (X6), dan harga yang sesuai
(X7). Dengan demikian, dapat dikatakan bahwa pemilihan minimarket oleh konsumen di
lokasi penelitian sangat bergantung pada lokasi, fasilitas parkir, dan harga.
Estimasi model yang didapatkan adalah sebagai berikut:
i
ij
i
ij
i
ij
i
ij
x
x
x
x
x
x
p
P
7
7
6
6
1
1
~log965.6~log288.13~log087.4~log
Dalam kasus ini, estimasi parameter untuk tiga variabel masing-masing adalah
4.087, 13.288, dan 6.965. Nilai parameter yang positif menunjukkan bahwa minimarket
dengan penilaian "lokasi nyaman" yang lebih tinggi, "fasilitas parkir yang memadai", dan
"harga terjangkau" akan lebih diminati konsumen atau probabilitas market share yang
lebih tinggi. Sebagai contoh, Mina memiliki pangsa pasar yang tinggi dan mendominasi di
Sukoharjo (32,03%) dan Donoharjo (48,66%) dimana dia berada. Sebagian besar
konsumen di dua lokasi tersebut lebih memilih Mina karena letaknya yang dekat dengan
tempat tinggalnya. Pada kasus lain, jumlah Indomaret di setiap lokasi lebih banyak
daripada minimarket lainnya. Hal ini berdampak pada kemudahan konsumen dalam
mencapai indomaret, sehingga minimarket ini memiliki pangsa pasar yang tinggi.
5.4 Luaran yang Dicapai
Luaran penelitian yang telah dicapai dalam penelitian ini adalah sebagai berikut
Tabel 5. 5 Capaian Luaran
No Jenis Luaran Indikator capaian
1 Publikasi ilmiah di jurnal nasional ber
ISSN
Submit di Media Statistika
2 Pemakalah dalam
temu ilmiah
Internasional Sudah dilaksanakan di ISS IPB
Lokal -
3 Bahan ajar draft
4 Luaran lainnnya Aplikasi program MCI
5 Tingkat kesiapan teknologi (TKT) 4
Hasil penelitian telah di seminarkan pada the International Seminar on Sciences
(ISS) yang diselenggarakan oleh Faculty of Mathematics and Natural Sciences, Bogor
37
Agricultural University (FMIPA - IPB) dengan tema "Sciences for Green Development".
Seminar ini telah diselenggarakan pada 19-20 Oktober 2017. Sementara itu, pada
publikasi jurnal nasional, peneliti telah mengirimkan makalah pada jurnal Media Statistika
yang memiliki p-ISSN 1979 – 3693 di Jurusan Statistika Universitas Diponegoro pada 19
Oktober 2017. Bukti publikasi ini disajikan di Lampiran 4 dan Lampiran 5.
38
BAB 6 RENCANA TAHAPAN BERIKUTNYA
Berdasarkan pelaksanaan penelitian yang telah terlaksana maka beberapa tahapan
selanjutnya yang akan dilakukan peneliti adalah
1. Salah satu luaran penelitian adalah telah submit naskah di Jurnal Nasional Media
Statistika, p-ISSN 1979–3693, dengan judul Analisis Pengaruh Lokasi dan
Karakteristik Konsumen dalam Memilih Minimarket dengan Metode Regresi Logistik
dan CART. Langkah selanjutnya adalah menyelesaikan proses hingga naskah tersebut
terbit.
2. Target luaran lainnya adalah buku ajar yang baru tersususn draft. Langkah selanjutnya
adalah menyelesaikan buku ajar tersebut.
3. Hasil penelitian adalah terbentuknya package MCImodel package untuk membantu
analisis MCI di R. Langkah selanjutnya adalah mengkombinasikan package tersebut
dengan hasil penelitian sebelumnya, tentang analisis spasial
4. Hasil penelitian dan metode akan dijadikan salah satu materi pada kuliah Riset
Pemasaran yang telah diampu oleh ketua peneliti.
39
BAB 7 KESIMPULAN DAN SARAN
7.1 Kesimpulan
Beberapa kesimpulan dari hasil analisis adalah
1. Setiap Ritel (minimarket) di setiap desa di Kecamatan Ngaglik, Sleman DIY memiliki
market share yang berbeda-beda. Hal ini dikarenakan karakteristik masyarakat sebagai
konsumen juga berbeda-beda. Lokasi memberikan pengaruh yang tinggi pada pasar
minimarket ritel, dimana minimarket yang memiliki banyak toko di satu lokasi akan
memiliki banyak pelanggan, konsumen lebih suka berbelanja di minimarket terdekat.
Indomaret merupakan minimarket yang memiliki pangsa pasar yang tinggi, karena
konsumen memberikan penilaian lokasi, jam buka, dan fasilitas parkir yang tinggi.
2. Model MCI menggunakan 48 interaksi antara i=6 desa dan j=8 minimarket. Dengan
estimasi least square dan α=5%, model tersebut memberikan hasil bahwa variabel
yang signifikan berpengaruh adalah lokasi antara konsumen dan minimarket (X4),
fasilitas parkir yang cukup (X6), dan harga yang sesuai (X7). Dengan demikian, dapat
dikatakan bahwa pemilihan minimarket oleh konsumen di lokasi penelitian sangat
bergantung pada lokasi, fasilitas parkir, dan harga. Minimarket dengan penilaian
"lokasi nyaman" yang lebih tinggi, "fasilitas parkir yang memadai", dan "harga
terjangkau" akan lebih diminati konsumen atau probabilitas market share yang lebih
tinggi
3. Aplikasi program MCI untuk analisis marketing spasial ritel dibentuk ke dalam
package MCImodel di R Deducer. Aplikasi ini mampu memberika kemudahan
dalam mendapatkan hasil model MCI.
7.2 Saran
Beberapa saran yang diberikan adalah
1. Hasil analisis dengan model MCI dibandingkan dengan metode lain
2. Aplikasi program yang akan diselesaikan dapat membantu pengguna software R dalam
menganalisis marketing spasial ritel dengan metode MCI.
40
DAFTAR PUSTAKA
Apipudin. 2013. Brand Switching Analysis dalam Industri Ritel Modern. Didownload
pada 1 Maret 2016 di http://www.marketing.co.id/brand-switching-analysis-dalam-
industri-ritel-modern/
Bekti, R.D dan Sutikno, 2010, Permodelan Spasial pada Hubungan antara Aset
Kehidupan Masyarakat Jawa Timur dalam Memenuhi Kebutuhan Pangan terhadap
Kemiskinan, Seminar Nasional Pascasarjana X – ITS, Surabaya 4 Agustus 2010,
ISBN No. 979-545-0270-1
Bekti, R.D. (2011). Autokorelasi Spasial Untuk Identifikasi Pola Hubungan Kemiskinan di
Jawa Timur. Jurnal Comtech. (3):217-227.
Bekti, R.D. and Sutikno, 2012. Spatial Durbin Model to Identify Influential Factors of
Diarrhea. Journal of Mathematics and Statistics, 8 (3): 396-402.
DOI:10.3844/jmssp. 2012.396.402
Bekti, RD dan Irwansyah, E. 2013. Perancangan Perangkat Lunak Pemodelan Statistika
Spatial Dan Kriging Berbasis R Language. Hibah Binus. Jakarta : Binus
Universsity.
Bekti, R. D., dan Irwansyah, E. 2014. Mapping of Illiteracy and Information and
Communication Technology Indicators Using Geographically Weighted
Regression. Journal of Mathematics and Statistics, 10(2), 130.
Bekti, R. D., Nurhadiyanti, G., dan Irwansyah, E. 2014. Spatial pattern of diarrhea based
on regional economic and environment by spatial autoregressive model. In 3RD
INTERNATIONAL CONFERENCE ON FUNDAMENTAL AND APPLIED
SCIENCES (ICFAS 2014): Innovative Research in Applied Sciences for a
Sustainable Future (Vol. 1621, No. 1, pp. 454-461). AIP Publishing.
BPS. 2014. Produk Domestik Regional Bruto Kabupaten/Kota di Indonesia 2010–2014.
Jakarta :BPS.
Cliquet, G. 2013. Geomarketing : Methods and Strategies in Spatial Marketing. United
States : ISTE Ltd.
Guy, C.M. dan J.D. Lord. 2003. Transformation and The City Centre dalam Retail
Change, Diedit oleh Bromley, R.D.F & C.J. Thomas. Swansea: UCL Press
Jones, K.G., dan Simmons, J.W. 1993. Location, Location, Location: Analyzing the
Retail Environment, Canada: Nelson Education, Ltd.
41
Nakanishi, M., da Cooper, L. G. 1974. Parameter estimation for a multiplicative
competitive interaction model: least squares approach. Journal of Marketing
Research, 303-311.
Pacione, M. 2009. Urban Geography: A Global Perspective. Second Edition.
London: Routledge.
Paramarta, P.D. (2015). Analisis Persepsi dan Motivasi Konsumen terhadap Ritel Modern
dan Ritel Tradisional (Studi pada Konsumen Toko Tanaman dan Alfamart Ki
Mangun Sarkono di Kabupaten Tulungagung. Jurnal Ilmiah Mahasiswa FEB, 3(2).
Skripsi. Institut Pertanian Bogor.
Perales, R. C. 2002. Consumer choice in competitive location models. Disertasi.
Universitat Pompeu Fabra.
Peraturan Presiden Nomor 112 Tahun 2008 tentang Penataan dan Pembinaan Pasar
Tradisional, Toko modern, dan Pusat Perbelanjaan.
Rachmawati, R . 2014. Pengembangan Perkotaan dalam Era Teknologi Informasi dan
Komunikasi. Yogyakarta: Gadjah Mada University Press.
Setyawarman, A. 2009. Pola Sebaran dan Faktor-Faktor yang Mempengaruhi
Pemilihan Lokasi Retail Modern (Studi Kasus Kota Surakarta). Tesis.
Semarang: Program Pasca Sarjana Magister Pembangunan Wilayah dan Kota,
Universitas Diponegoro.
Shanti, S. I. 2007. Analisis keputusan konsumen dalam mengkomsumsi jeruk lokal dan
jeruk impor di Ritel Modern: kasus konsumen Giant Botani Square Bogor. Skripsi.
Institut Pertanian Bogor.
Soliha, E. (2008). Analisis Industri Ritel di Indonesia. Jurnal Bisnis dan Ekonomi, 15(2).
Vol 15 No 2. 128-142
Tanty, H., Bekti, RD dan Irwansyah, E. 2014. Package Plug-In R untuk Pemetaan
Autokorelasi Spasial Kualitas Air. Hibah Binus. Jakarta: Binus Universsity.
Torgo, L. 2011. Data Mining with R : Learning with Case Studies. USA : Taylor and
Francis Group, LLC.
Utami, C. W. 2010. Manajemen Ritel: Strategi dan Implementasi Operasional Bisnis
Ritel Modern di Indonesia, Jakarta: Salemba Empat
Vega, R. S., Acuna, J. L. G., & Díaz, M. R. (2015). Spatial analysis of consumer behavior
in a food products market. Theoretical and Empirical Researches in Urban
Management, 10(1), 25.
42
Zio, DS., dan Fontanella, L. 2014. Public geomarketing: Georeferencing IRT models to
support public decision. Italian journal of Applied Statistics.
43
LAMPIRAN
44
Lampiran 1. Kuisioner
45
Lampiran 2. Data hasil observasi dan survey
Tabel Daftar Ritel di Desa Sariharjo dan Sinduharjo
Desa Sariharjo desa sindoharjo
no Ritel Latitude Longitude no Ritel Latituded Longitude
1 Indomaret Monjali -7.753890 110.3699 1 Alfamart -7.721994 110.386699
2 Indomaret Monjali -7.751118 110.3705 2
Indomaret
Sindoharjo -7.739361 110.392408
3 Indomaret -7.746732 110.3729 3 Alfamart -7.736468 110.396238
4 Alfamart -7.745808 110.373665 4 K. Circle -7.735699 110.3947
5 Indomaret -7.745808 110.373665 5 Indomaret -7.735699 110.3947
6 Toko 19 -7.743377 110.3742 6 Alfamart -7.708954 110.4099
7 Artista -7.743698 110.374141 7
Toko Kota Mas
Bayu -7.731097 110.3932
8 Indomaret -7.736986 110.376791 8 Alfamart -7.734244 110.3916
9 Mirota -7.734440 110.377633 9 Indomaret Damai -7.734102 110.389916
10 Indomaret -7.733670 110.378002 10 Indomaret -7.722050 110.387994
11 Indomaret -7.720259 110.382856 11 Mina Swalayan -7.718797 110.404451
12 Alfamart -7.721150 110.381954 12 WS -7.7118935 110.4093586
13 Indomaret -7.720792 110.383432
14 Toko Setra -7.708737 110.387485
15 Swalayan Madani -7.708525 110.387565
16 Indomaret -7.751320 110.373040
17 Indomaret -7.732725 110.384913
Tabel Daftar Ritel di Desa Minomartani dan Donoharjo
Desa Minomartani Desa Donoharjo
no Ritel Latituded Longitude no Ritel Latituded Longitude
1 A Swalayan Paguon -7.746 110.400557 1 Indoasri -7.708490 110.373384
2
Indomaret Gurame
Raya -7.747 110.406647 2
Toko Rejo
Makmur -7.708456 110.373103
3
Indomaret Gurame
Selatan -7.749 110.406139 3 Alfamart -7.704087 110.375033
4 MC Mart -7.749 110.406229 4 Toko Spirit -7.705343 110.376525
5 Karisma Mart -7.74 110.4084 5
Fazha Buah
Swalayan -7.7046082 110.3865192
6 Indomaret -7.741 110.4083 6 Toko Suprihatin -7.7019980 110.3866982
7 Pepy Swalayan -7.74 110.407450 7 Toko Suprihatin -7.696528 110.387741
8 LoiSmart -7.735 110.403303 8 Toko Prima -7.696264 110.388001
46
9
Toko Surya
Abadi -7.6888018 110.3887216
10 Toko Persada -7.688786 110.3888832
11 Toko D'eva -7.6887071 110.3888454
12 Mina Swalayan -7.6873159 110.3889617
13 Alfamart -7.677224 110.390616
Tabel Daftar Ritel di Desa Sardonoharjo dan Sukoharjo
Desa Sardonoharjo Desa Sukoharjo
no Ritel Latituded Longitude no Ritel Latituded Longitude
1 Toko Sumber Rejeki -7.725139 110.394202 1 Mina Swalayan -7.7043500 110.4264650
2
Indomaret Kapten
Haryadi -7.725288 110.394986 2 Indomaret -7.7048989 110.4303881
3 Alfamart Kaliurang -7.7245038 110.4011718 3 Alfamart -7.7049654 110.4313735
4 Indomaret -7.7217157 110.4027556 4 Rhemart -7.696956 110.433217
5 Alfamart -7.7089271 110.4102336 5 Toko Gathot -7.693124 110.432799
6 Toko Candi -7.7062897 110.4118295 6 Indomaret -7.6950752 110.4183446
7 Zania MiniMart -7.7040626 110.4126657 7
Tok SUD Sura
Usaha Djadi -7.7136207 110.4235189
8 Indomaret -7.7030283 110.4132578 8 Toko Danik -7.7119053 110.4317413
9 Alfamart -7.7027054 110.4134687 9
Toko Luhur
Makmur -7.7117841 110.4315810
10 Indomaret -7.7004182 110.4152172 10 Toko Ikhlas -7.702916 110.422031
11 Toko Agung -7.7004474 110.4153476
12
PT. Ijoroyoroyo
Retailindo -7.6991573 110.4159615
13 Alfamart -7.6983343 110.4166035
14 Toko Samidi -7.6981612 110.4165522
15 Toko Prima -7.7009212 110.4090484
16 Toko CSS -7.7020914 110.4080097
17 Fikrunisa 2 -7.7018864 110.4080842
18 PKSM 3 Swalayan -7.7018957 110.4076138
19 Toko Qita -7.7004474 110.4051461
20
Murah Jaya
Swalayan -7.6992686 110.4033313
21 Toko Putra -7.7029044 110.3901442
22 Toko Sari Putra -7.7019143 110.3956904
23 Toko Barokah -7.7094690 110.3930182
24 De Halal Mart -7.7290524 110.3983052
47
Dokumentasi survey pendahuluan
Data hasil survey telah di entri sebagai berikut:
48
Lampiran 3. Personalia tenaga pelaksana beserta kualifikasinya
No Nama/NIDN Uraian Tugas
1 Rokhana Dwi Bekti, S.Si, M.si/
0306038601
Koordinator penelitian dan membuat
aplikasi software
2 Noviana Pratiwi, S.Si, M.Sc/
0505038601
Analisis data (aplikasi data yang telah
terkumpul ke pemodelam MCI)
3 Maria Titah Jatipaningrum, S.Si,
M.Sc/ 0512058301
Pengkajian Estimasi Pemodelan MCI
4 Wigbertus Ngabu Surveyor
5 Riska Indah S Surveyor
6 Sri Wahyuningsih Surveyor
7 Amarifa’i Surveyor
8 Sugiyarto Surveyor
49
Lampiran 4. Naskah pada ISS IPB
50
Multiplicative Competition Interaction Model to obtained Retail
Consumer Choice based on Spatial Analysis
Rokhana Dwi Bekti1*, Noviana Pratiwi2, Maria Titah Jatipaningrum3
1,2,3Department of Statistics, Institut Sains & Teknologi AKPRIND Yogyakarta, Yogyakarta, 55222,
Indonesia
*)Corresponding author: [email protected]
Abstract
The economic development in Indonesia is strongly supported by the existence of the retail industry. The
retail market potential is also quite large, which has grown from traditional to modern retail. Retails need to
improve its strategy to retain customers, both on design, pricing, facilities, or green retailing concepts. This
study provides the application of spatial marketing method Multiplicative Competition Interaction (MCI) for
retail marketing analysis and strategy. This method has advantages because it uses the concept of location
and retail interaction in each region. The sample used is minimarket type of ritel, both local and national in 6
villages in Ngaglik, Sleman Regency, Yogyakarta. Surveys also conducted to consumers about the
perception of minimarket quality when shopping for basic needs. The analysis shows that every minimarket
has different market share in every location. Consumers not only prefer minimarkets that provide complete
facilities, professional waiters, and affordable prices, but also prefer shop at minimarkets located closer to
their house, because it can save time and transportation costs. The MCI model used 48 interactions between i
= 6 villages and j = 8 minimarkets. By least square estimation and α = 5%, locations, parking facility, and
price of product influence to the minimarket consumer choice. The positive parameter estimates, ie 4.087,
13.288, and 6.965. It shows that minimarkets that have a high valuation of “convenient location”, “sufficient
parking facility”, and “affordable price” would achieve a higher capture of consumers.
Keywords: marketing spatial, Multiplicative Competition Interaction (MCI) model, Retail
51
Introduction
The retail industry is a strategic industry in its contribution to the Indonesian
economy. In the global context, the potential of Indonesia's retail market is quite large,
which has grown from traditional retail to modern retail. The retail industry has a
substantial contribution to Gross Domestic Product (GDP). In addition, the industry also
gives benefits because it plays a role in absorbing labor, encouraging public consumption,
and economic growth. According to the Association of Indonesian Retail Companies
(Aprindo), the growth of retail business in Indonesia is between 10% -15% per year in
2012.
Today, consumers have many options for shopping their basic needs, in traditional
market, minimarket, supermarket, store, online shop, and others. They chose place that
selling cheap products, complete, convenient location, close location, and others.
Therefore, every market, especially retail, should has a right strategy. Each retail as a
shopping place has different marketing and service strategies. Competition among retailers
is also increasingly tight between modern and traditional retailers to attract consumers and
increase sales. Some research on retail are Paramarta (2015) which uses qualitative
method to know consumer perception and motivation to modern and traditional retail.
Shanti (2007) used logistic regression method, and Importance Performance Analysis
(IPA) to know consumer decision in consuming local oranges and imported oranges in
modern retail. These methods analyze the behavior, perception, or level of customer
satisfaction regardless the geographical aspects between location of the consumer and
retail.
Marketing strategy requires a lot of information from various aspects, such as
consumers, markets, competitors, and products. Several methods of marketing strategy
that have been used only provide information on consumer’s behavior or customer
52
satisfaction. More important information is geographical aspects. There are two main keys
to retail success, location and inventory factors, but location has an important role. Jones
and Simmons (1993) and Setyawarman (2009) states that there are three important factors
determine a retailer's success: location and location and location. The choice of a retail
location is a strategic decision, because if once a location is chosen then retail owner must
bear all the consequences of that choice (Utami, 2010).
The marketing analysis method that use location information is Geo-marketing.
Zio and Fontanella (2014) and Cliquet (2013) state that geo marketing is a marketing
analysis that uses data collection which provides information geographically both
consumers and companies. Geo marketing consists of systems that integrate data,
statistical methods and graphical representation for decision making. This analysis is the
basis for spatial marketing analysis, where the spatial characteristics of the market are
influenced by two demand factors, the distribution system and the market geographical
component (Vega, Acuna and Diaz, 2015).
Spatial analysis is a method to get information of observations influenced by space
or location effect (Anselin, 1988). There are several development spatial modeling, such as
Spatial Autoregressive Models, Spatial Error Model, Spatial Durbin Model and Spatial
Autoregressive Moving Average (Bekti, Irwansyah, Andiyono, 2014). These model
generally use in econometrics. Some spatial methods for the analysis of retail business
areas are spatial interaction model, discrete choice logit model, and dynamic spatial
model. These methods are developed using the information given by the past to
understand the dynamics of retail competition and how consumers choose different
alternatives to shopping. Huff (1963) and Cliquet (2013) uses spatial interaction functions
and models for the first time in explaining consumer behavior. This method can be used to
estimate the retail trade area. Some of them are Huff's model and Multiplicative
53
Competition Interaction (MCI) model use information of distance factor along with other
factors to predict consumer behavior in choosing shopping place. Vega et al (2015) have
used MCI methods to analyze consumer behavior in store-based purchases based on
spatial perspective on Gran Canania. This method is used because it can identify how the
selection of consumers based on their interest. This interest depends on the facility and the
distance between the consumer and retail. Perales (2002) also uses MCI for analysis of
supermarket election in Spain and Great Britain.
This research uses spatial marketing analysis, especially MCI model, to analyze
consumer behavior in choosing retail, especially minimarket retail. It use to known how
the characteristics minimarket that consumers need based on geo marketing information
and the factors that influence consumers in choosing minimarket by notice the geo
marketing information. It use the data case study in Sleman District, Daerah Istimewa
Yogyakarta (DIY). Taking this location is based on the emergence of many modern
retailers, especially minimarkets, in Sleman District. BPS (2014) also mentioned that the
field of large and retail trade, not cars and motorcycles accounted for 6.80% in 2013 and
increased to 6.84% in 2014 to Gross Regional Domestic Product (GRDP) in DIY. By MCI
model can.
Methods
The data collection in this research consist of primary and secondary data collection.
Secondary data is collected from references and data about the industry, especially retail,
from Central Bureau of Statistics (BPS) and Village Potential Statistics (Podes). Primary
data is collected from a survey, which includes observation and interview surveys
conducted in 6 Villages in Ngaklik Sub district, Sleman Regency, Yogyakarta.
Observations were done to select the retail that became the research object and determine
54
the attributes in the questionnaire. Furthermore, the retail location is mapped with the
consumer location for the determination of the survey sample. The type of retail used is a
modern and local minimarket retail that sells basic needs. The number of retail selected is
eight minimarket which is a well-known and frequented by most of people in Ngaglik Sub
district. The six villages are shown in Figure 1. Based on observation data, there are 84
minimarkets located in these villages. It shown on blue dots.
Source : Ngaglik Distric in Figures 2017, survey 2017
Figure 1. The research location in Ngaglik Sub district, Sleman, Yogyakarta
The survey was conducted by interviewing 150 consumers using a questionnaire in
July 2017. The selected respondents are consumers who had been shopping at retail in
log10(OM)
log
10
(Pb
)
-7.74
-7.72
-7.70
-7.68
110.38 110.40 110.42
Donoharjo
Sardonoharjo
Sukoharjo
Minomartani Sariharjo
Sinduharjo
55
Ngaglik Sub-district. The sampling technique is purposive sampling, which is based on the
goal that the only respondent who ever shop in eight minimarket specified.
The analysis method to obtain the factors that influence the consumer choice is
Multiplicative Competitive Interaction (MCI). The independent variable are the customer
perceptions : convenient location (X1), appropriate opening hours (X2), professional and
friendly waiter (X3), clean and comfortable (X4), product completeness (X5), sufficient
parking facility (X6), and affordable price (X7). Valuation of perceptions is use the scale 1-
4, which the number 1 refer to negative valuation (disagree) and 4 refer to positive
valuation (agree)
Market share is part of the market dominated by a company that is the percentage of
sales a company's products against the total sales of its biggest competitors at a certain
time and place. The greater the company's efforts in marketing its products the greater the
market share will be obtained. The focus of Market share analysis is relationship of
competition between brands in the market. One of the characteristics of market share
analysis is competitive, the effects of an action must be analyzed by linking market
positions and actions of competitors.
Spatial approach is important in marketing and market share, especially retail
business. This approach is analogized between consumer behavior and Newton's law of
gravity. Cliquet (2013) states that the reasons for using this method include: 1) Consumer
demand varies greatly according to consumer space, such as income characteristics,
number of households, or lifestyle; 2) Supply also varies according to location, ie in the
case of available prices, services, products and stores vary by location; 3) Most economic
activities are affected by location, and inter-site activities require cost. In order to better
control, the location factor must be decomposed into a unit of analysis.
56
Multiplicative Competitive Interaction (MCI) is an econometric model for analyzing
market shares and/or market areas in a competitive environment where the market is
divided in j submarkets (e.g. groups of customers, time periods or geographical regions)
and served by i suppliers (e.g. firms, brands or locations). The model is nonlinear
(multiplicative attractivity/utility function with exponential weighting) but can be
transformed to be estimated by OLS (ordinary least squares) regression using the multi-
step log-centering transformation. MCI estimate parameter Huff Model with least squares
approach at the "real" local market shares were observed.
The Huff Model is a spatial interaction model that calculates gravity-based
probabilities of consumers at each origin location patronizing each store in the store
dataset. The Huff Model (Cliquet, 2013):
n
j
ijj
ijj
ij
TS
TSP
1
)(
)(
(1)
Where Pij = probability that a consumer in i moves to store j, Tij = distance consumer in i
moves to store j , Sij = square footage of store j; = customer sensitivity parameter of the
distance consumer. MCI states that the attractiveness of consumers can be measured from
the proportional relationship between market and marketing action, ie (Cliquet, 2013):
m
j
j
i
i
A
As
1
(2)
Dimana si = market share in i, m = number of objects. Ai is a function of consumer appeal
that influenced independent variables. This function can be linear, multiplicative or
exponential. kK
k
kiki XfA
1
)(
(3)
57
Where Xki = independent variable, K = number of indipendent variabels, dan k =
estimated parameter
If equation (2) is approached by the distance between the consumer's location
(residence) and the store location, then equation (2) can be written to (Vega et al, 2015):
m
j
q
k
kij
q
k
kij
ij
k
k
X
X
P
1 1
1
)(
)(
(4)
Where Pij = probability that a consumer in i moves to store j, Xkji = independent variable k
which describes object j in situation i, k =parameter k, m= number of store, dan q =
number of indipendent variabels.
Nakanishi dan Cooper (1974) proposed a least square approach for estimating
parameters of the Huff Model and named Multiplicative Competitive Interaction. Least
squares means that the overall solution minimizes the sum of the squares of the residuals.
Equation (4) is transformed into a linear equation that specifies error (*
ij ) :
m
j
q
k
ijkij
ij
q
k
kij
ij
k
k
X
X
P
1 1
*
*
1
)(
)(
(5)
Next transformed into a regression equation
mjMizy ij
q
k
kijkij ,...,3,2,1,...,3,2,1;1
(6)
with
58
i
ij
ijp
Py ~log
ki
kij
kijx
xz ~log imii yyy ,...,y 21
'
i imiii ,..., 21
'
qimimim
qiii
qiii
i
zzz
zzz
zzz
....
...
....
....
Z
21
22221
11211
Equation (6) can be converted to matrix
ZβY (7)
So the parameter estimation
YZZZ TT 1)(ˆ β (8)
Results and Discussion
1. Characteristic of respondent
The sample in this research is respondents who had been shopping at minimarkets
selected in the study. They are consist of 27 percent of male and 73 percent of female
consumers who are 18 until 71 years old. They are work as employee (20 percent),
housewife (36 percent), farmers (6.7 percent), PNS/TNI (10 percent), entrepreneur (20.7
percent) and others. Based on the last type of education, 60 percent consumers are
graduate from senior high school, 20 percent are graduated from college, 12 percent are
graduated from junior high school, and 8 percent are graduated from primary school.
2. Characteristic of minimarket attribute
The retail minimarket in this study, modern or traditional, spread in every villages.
This data was obtained from observation. Sardonoharjo has the most minimarket, which is
24 minimarkets. In other location, there is 17 minimarkets in Sariharjo, 12 minimarkets in
Sinduharjo, 8 minimarkets in Minomartani, 13 minimarkets in Donoharjo, and 10
minimarkets in Sukoharjo. Indomart and Alfamart are located in every village. Mina is
59
located in Sariharjo, Donoharjo, and Sukoharjo. WS and Circle K are located in
Sinduharjo. De Halal Mart and Ijo Royo-Royo are located in Sardonoharjo. Mirota is
located in Sariharjo.
Table 1 shows the valuation of respondent perception about minimarket attribute
which consist of about the location of minimarket (X1), opening hours (X2), service (X3),
cleanliness (X4), product completeness (X5), parking facilities (X6), or price offered (X7).
There are three minimarket that have high valuation than others. Indomaret has the high
valuation of location, opening hours, and parking fasilities. Alfamart has the high
valuation of cleanliness. Mirota has the high valuation of service, product completeness,
and price offered. Based on location on geographical aspect, it can be seen that consumer
will prefer minimarkets that easy to reach from their house. An example, Indomaret and
Alfamart that have many outlets in every village.
Table 1. Mean of minimarket attribute
Minimarket Attribute
X1 X2 X3 X4 X5 X6 X7
Alfamart 3.010 3.393 3.227 3.447 3.003 3.050 2.523
Circle-K 2.390 2.823 2.770 2.823 2.543 2.617 2.470
De halal mart 2.500 2.530 2.530 2.533 2.497 2.550 2.517
Ijo royo-royo 2.507 2.567 2.573 2.567 2.547 2.560 2.547
Indomart 3.303 3.430 3.250 3.450 3.210 3.137 2.610
Mina 2.800 2.860 2.927 2.993 2.733 2.767 2.827
Mirota 2.320 3.267 3.273 3.387 3.350 2.687 3.147
WS 2.390 2.843 2.903 2.930 3.010 2.830 2.763
Average 2.653 2.964 2.932 3.016 2.862 2.775 2.675
3. Results of Multiplicative Competitive Interaction (MCI) model
Table 2 shows the market share every minimarket in every location. It is a part of
the market dominated by a minimarket that is the percentage of sales a company's
60
products against the total sales of its biggest competitors at six village. It calculated from
the probability that a consumer living at village i chooses the minimarket j. Looking at the
results of this probability, it can be found that every minimarket has different market share in every
location. Indomaret has a high market share in Sardonoharjo (0..3384, which is almost 33.84%),
Sinduharjo (34.48%), Sariharjo (35.45%), and Minomartani (97.18%). It beats the other retail in the
survey in this study. In Sardonoharjo, this ritel has a competitor who is also much in
demand by consumers, such as Mina and WS in Sardonoharjo, Alfamart and Cirkle K in
Sinduharjo, also Alfamart and Mirota in Sariharjo. In Minomartani, it very dominates the
retail market. Mina has a high market share and dominate in Sukoharjo (32.03%) and
Donoharjo (48.66%). It beats the other minimarket in Donoharjo and competing with
Mirota in Sukoharjo.
In this location study, Mina located in three location (Sariharjo, Sukoharjo, and
Donoharjo), but it has many consumers in Donoharjo. As a local or traditional ritel, it was
able to compete with modern ritel. Mirota located in Sariharjo has market share 29.8%.
There are many consumer from other location even though the location does not exist,
such as from Sukoharjo and Donoharjo. Ritel WS, which located in Sinduharjo, has high
market in Sardonoharjo although not dominating. It because the location of WS is in the
border area between Sinduharjo and Sardonoharjo. Circle K has high market in Sinduharjo
where located although not dominating. Other minimarket De Halal Mart and Ijo Royo-
Royo has a small market.
Table 2. Market share in location i and minimarket j
Location
Minimarket
Indom
aret
Alfama
rt Mirota Mina WS
Circle-
K
De
halal
mart
Ijo
royo-
royo
Sukoharjo 0.2422 0.0078 0.3203 0.3203 0.0859 0.0078 0.0078 0.0078
61
Donoharjo 0.0035 0.2118 0.1771 0.4896 0.1076 0.0035 0.0035 0.0035
Sardonoharjo 0.3384 0.0945 0.1250 0.2165 0.2165 0.0030 0.0030 0.0030
Sinduharjo 0.3448 0.3310 0.0014 0.0838 0.0838 0.1525 0.0014 0.0014
Sariharjo 0.3545 0.3404 0.2980 0.0014 0.0014 0.0014 0.0014 0.0014
Minomartani 0.9718 0.0040 0.0040 0.0040 0.0040 0.0040 0.0040 0.0040
Based on spatial studies, it shows that the location has high impact on market of
retail minimarket. The first, minimarkets that have many stores in one location will have
many customers. The second, consumers prefer shopping in the nearest minimarket. It was
indicated by the minimarket that has a high market share in the location where it is. The
third, every location have a different consumer behavior pattern. These results used as a
reason do to the next analysis, Multiplicative Competitive Interaction (MCI) model. It
used to get factors that influence on retail or minimarket consumer choice. The consumer
choice shown by the market share and can be measured from the proportional relationship
between market and marketing action. In this research, the market share calculated from
the probability that a consumer living at village i, i=1,2..,6, chooses the retail minimarket
j, j=1,2,…,8. The marketing actions are perform by everything which has been done by the
minimarket and has been perceived by consumers, such as about the location of
minimarket, opening hours, service, cleanliness, product completeness, parking facilities,
or the price offered.
Puig et al (2016) states that MCI models derived from spatial interaction theory are
the most widely used by firms when deciding where to locate new outlets. It
conceptualizes consumers’ spatial behavior and a part of spatial interaction theory. It also
perform a competitive location, such that there is more than one minimarket competing in
the spatial market and interaction between them. In these research, there were 8
62
minimarket that competing each other in 6 village. Consumer behavior about these
minimarket also different among locations.
The summary results of MCI model are presented in Table 3. The dependent
variable used are probability that a consumer living at village i chooses the minimarket.
Independent variable are the customer perceptions, such as about the location of
minimarket, opening hours, service, cleanliness, product completeness, parking facilities,
or the price offered.
The model has coefficient determination (R square) 80.1%. In test of significance
simultaneously with the null hypothesis test is β1 = β2 =… = β7 = 0, it obtained the value of
F statistics is 2.97. By the critical value for the test F5%,7,40 = 2.25 and a 5% level of
significance, it can be concluded that there are some independent variable that significant
influence on minimarket choice. The significant independent variables at 5% level of
significance are clean and comfortable (X4), sufficient parking facility (X6), and affordable
price (X7). It was perform by testing hypotheses using the t-test with the null hypothesis
test is βk=0, k=1,2, …, 7, and the critical value for the test t5%/2,40 = 2.201.
Table 3. Estimation of parameter Multiplicative Competitive Interaction (MCI) model
Variable Estimation Standard
Error tvalue Pvalue
Convenient location (X1) 2.873 1.45600 1.97 0.055
Appropriate opening hours (X2) 5.141 4.43900 1.16 0.254
Professional and friendly waiter (X3) 10.316 6.21200 1.66 0.105
Clean and comfortable (X4)* -13.387 6.14600 -2.18 0.035*
Product completeness (X5) 1.809 2.67000 0.68 0.502
Sufficient parking facility (X6)* 13.589 3.48400 3.90 0.000*
Affordable price (X7)* 5.671 2.20200 2.58 0.014*
Stepwise
Convenient location (X1)* 4.087 1.305 3.13 0.003
63
Sufficient parking facility (X6)* 13.288 2.213 6.00 0.000
Affordable price (X7)* 6.965 1.445 4.82 0.000
Note: *) significant at α=5%
Stepwise process also done to get the best model. This model has coefficient
determination (R square) 75.9%. The independent variables that significant at 5% level of
significance are convenient location (X1), sufficient parking facility (X6), and affordable
price (X7). The choice of supermarket in location study depend on locations, parking
facility, and price of product. The parameter estimation was use Least squares estimation
such as in equation 8.
i
ij
i
ij
i
ij
i
ij
x
x
x
x
x
x
p
P
7
7
6
6
1
1
~log965.6~log288.13~log087.4~log `
In this case, the parameter estimate for three variables are respectively 4.087,
13.288, and 6.965. The positive value of parameter shows that supermarket with the
higher valuation of “convenient location”, “sufficient parking facility”, and “affordable
price” would achieve a higher capture of consumers, or higher probabilityijP . As example,
Mina has a high market share and dominate in Sukoharjo (32.03%) and Donoharjo
(48.66%) which is located. Most of consumer in two locations are choice Mina because it
located close to the house. The number of Indomaret stores in every locations is more than
other minimarket. It affects to the ease of consumers in reaching indomaret and these
minimarket has a high market share.
Conclusion
Spatial analysis in geo marketing has important rules to marketing strategy,
especially in retail minimarket. Consumers will prefer minimarkets that provide complete
64
facilities, professional waiters, and affordable prices. However, more consumers will also
prefer shop at minimarkets located closer to their house, because it can save time and
transportation costs. It is proved from the valuation of respondent perception about
minimarket location. Some of minimarkets have high valuation because they have many
outlets in every village and easy to reach from customer’s house.
Multiplicative Competitive Interaction (MCI) used to get factors that influence on
retail or minimarket consumer choice. The consumer choice shown by probability that a
consumer at village i will shop at minimarket j. The results analysis shows that the choice
of supermarket in location study depend on locations, parking facility, and price of
product. The positive value of parameter estimate indicated that supermarket with the high
valuation of “convenient location”, “sufficient parking facility”, and “affordable price”
would achieve a higher capture of consumers.
References
Anselin, L., 1988. Spatial Econometrics: Methods and Models. Ist Edn., Kluwer Academic
Publishers, Netherlands, ISBN-10: 9024737354, pp: 304.
Baviera-Puig, A., Buitrago-Vera, J., & Escriba-Perez, C. (2016). Geomarketing models in
supermarket location strategies. Journal of Business Economics and Management,
17(6), 1205-1221.
Bekti, R. D., dan Irwansyah, E. 2014. Mapping of Illiteracy and Information and
Communication Technology Indicators Using Geographically Weighted
Regression. Journal of Mathematics and Statistics, 10(2), 130.
BPS. 2017. Ngaglik Distric in Figures 2017. Jakarta : BPS
65
Cliquet, G. 2013. Geomarketing : Methods and Strategies in Spatial Marketing. United
States : ISTE Ltd.
Huff, D. 1963. A probabilistic analysis of shopping center trade areas. Land Economics
39, 81-90.
Jones, Ken and Simmons, Jim, 1993, Location, Location, Location, Analyzing The Retail
Environment, Second Edition, Canada, Nelson Canada.
Nakanishi, M., da Cooper, L. G. 1974. Parameter estimation for a multiplicative
competitive interaction model: least squares approach. Journal of Marketing
Research, 303-311.
Paramarta, P.D. 2015. Analisis Persepsi dan Motivasi Konsumen terhadap Ritel Modern
dan Ritel Tradisional (Studi pada Konsumen Toko Tanaman dan Alfamart Ki
Mangun Sarkono di Kabupaten Tulungagung. Jurnal Ilmiah Mahasiswa FEB, 3(2).
Skripsi. Institut Pertanian Bogor.
Perales, R. C. 2002. Consumer choice in competitive location models. Disertasi.
Universitas Pompeu Fabra.
Shanti, S. I. 2007. Analisis keputusan konsumen dalam mengkomsumsi jeruk lokal dan
jeruk impor di Ritel Modern: kasus konsumen Giant Botani Square Bogor. Skripsi.
Institut Pertanian Bogor.
Setyawarman, A. 2009. Pola Sebaran dan Faktor-Faktor yang Mempengaruhi
Pemilihan Lokasi Retail Modern (Studi Kasus Kota Surakarta). Tesis.
Semarang: Program Pasca Sarjana Magister Pembangunan Wilayah dan Kota,
Universitas Diponegoro.
Utami, C. W. 2010. Manajemen Ritel: Strategi dan Implementasi Operasional Bisnis
Ritel Modern di Indonesia, Jakarta: Salemba Empat
66
Vega, R. S., Acuna, J. L. G., & Díaz, M. R. (2015). Spatial analysis of consumer behavior
in a food products market. Theoretical and Empirical Researches in Urban
Management, 10(1), 25.
Zio, DS., and Fontanella, L. 2014. Public geomarketing: Georeferencing IRT models to
support public decision. Italian journal of Applied Statistics. 24(3), 301-320
67
Lampiran 5. Naskah pada Jurnal Media Statistika
68
minimarket, sedangkan sisanya adalah supermarket. Hal ini didukung juga oleh
peningkatan jumlah penduduk, konsumsi, dan gaya hidup masyarakat.
Minimarket menjadi andalan masyarakat sebagai konsumen dalam berbelanja
karena gerai yang mudah dijangkau, tempat yang nyaman, fasilitas legkap, penataan
barang yang menarik, layanan pembayaran yang lengkap, dan lain-lain. Konsumen
diberikan berbagai macam dan jenis ritel disekitarnya. Dengan demikian, persaingan
bisnis antar ritel menjadi sangat tinggi. Masing-masing ritel sebagai tempat belanja
memiliki strategi pemasaran dan pelayanan yang berbeda-beda. Persaingan antar
minimarket juga semakin ketat antara minimarket modern dan tradisional untuk menarik
minat konsumen dan meningkatkan penjualan. Salah satu strateginya adalah dengan
mengetahui hal-hal yang dapat mempengaruhi konsumen dalam memilih minimarket.
Seperti penelitian yang dilakukan oleh Natalia (2010) yang menyatakan bahwa lokasi,
kelengkapan produk, kualitas produk, harga, pelayanan, kenyamanan berbelanja dan
promosi berpengaruh terhadap minat konsumen untuk berbelanja. Selanjutnya Yola dan
Budianto (2013) menyatakan bahwa ruangan yang nyaman, kelengkapan produk,
potongan harga, kecakapan karyawann, fasilitas parkir dan toilet menjadi hal penting
untuk peningkatan kepuasan konsumen.
Metode-metode analisis yang telah bnyak digunakan dalam riset pasar minimarket
diantaranya metode kualitatif oleh Paramarta (2015), metode regresi yang digunakan oleh
Natalia (2010), metode regresi logistik oleh Shanti (2007), serta Yola dan Budianto (2013)
yang menggunakan metode Importance Performance Analysis (IPA). Metode-metode
tersebut menganalisis perilaku, persepsi, atau tingkat kepuasan konsumen tanpa
memperhatikan aspek geografis antara lokasi konsumen dan lokasi minimarket.Padahal
strategi pemasaran perlu juga memperhatikan aspek geografis antara kosumen dan
minimarket sehingga akan diketahui dimana lokasi yang tepat untuk membangun usaha,
atau bagaimana perilaku berbelanja konsumen di setiap lokasi. Dengan demikian
penelitian ini melakukan analisis factor-faktor yang mempengaruhi minat konsumen untuk
berbelanja di minimarket dengan melihat dari lokasi dan karakteristik konsumen.
Metode yang digunakan dalam penelitian ini adalah regresi logistik biner dan
Classification and Regression Trees (CART). Regresi logistik adalah salah satu model
untuk menduga hubungan antara peubah respon kategori dengan satu atau lebih peubah
prediktor yang kontinyu ataupun kategori. Peubah respon yang terdiri dari dua kategori
yaitu “ya (sukses)” dan “tidak (gagal)”, dan dinotasikan 1=”sukses” dan 0=”gagal
(Hosmer dan Lemeshow, 2000). CART merupakan metode yang dikembangkan untuk
keperluan analisis klasifikasi, baik untuk peubah respon kategorik maupun kontinu.
Metode ini juga akan mendapatkan variable-variabel penting yang berpengaruh dalam
klasifikasi.
Regresi logistik merupakan metode parametrik, sedangkan CART merupakan
metode nonparametric. Pada kasus ini, kedua metode digunakan untuk mengetahui apakah
lokasi dan karakteristik konsumen berpengaruh terhadap minat, selain itu juga hasil
klasifikasi konsumen dari hasil model. Pendekatan parametric digunakan karena metode
ini mengasumsikan data memiliki sebaran teoritik tertentu dan nilai data itu sendiri yang
digunakan dalam analisis. Regresi logistik merupakan bagian dari Generalized Linear
Model, dimana variable responnya adalah family eksponensial dan ada asumsi bahwa
fungsi logit dan variable independen. Sementara itu, pendekatan nonparametric tidak
mengasumsikan data memiliki sebaran teoritik tertentu. Pendekatan ini dilakukan karena
pada kasus studi lapangan, sering ditemui data tidak memenuhi asumsi yang dibutuhkan.
Metode CART memiliki keunggulan statistik sebagai teknik nonparametrik
yang tidak meminta asumsi tentang bentuk fungsional data. Dengan demikian, penelitian
ini juga membandingkan hasil dari kedua metode.
69
1. TINJAUANPUSTAKA
2.1. Industri Ritel
Industri ritel adalah kegiatan usaha menjual barang atau jasa kepada perorangan
untuk keperluan diri sendiri, keluarga, atau rumah tangga. Kegiatan ritel mencakup
penjualan barang dan jasa kepada pengguna yang bervariasi. Kegiatan penjualan adalah
langsung ke konsumen. Usaha eceran (retailing) adalah kegiatan yang terlibat dalam
penjualan barang atau jasa secara langsung kepada konsumen akhir untuk penggunaan
pribadi dan bukan bisnis.
Jenis ritel dibagi menjadi 3 jenis yaitu (Soliha, 2008) : a) Grosir (pedagang besar)
atau hypermarket. Kelompok ini umumnya hanya ada di kota-kota besar dan jumlahnya
sedikit. Di Indonesia yang termasuk dalam kelompok ini adalah PT Alfa Retailindo, PT
Makro Indonesia, PT Carrefour, PT Goro Batara Sakti, PT Hero Supermarket (Giant), PT
Matahari Putra Prima (Matahari); b) Supermarket; c) Pengecer besar atau menengah
dengan jumlah gerai sekitar 500 gerai; d) Minimarket modern. Minimarket sendiri
merupakan perantara pemasar antara produsen dan konsumen akhirdimana aktivitasnya
adalah melaksanakan penjualan eceran. Minimarket ini mengisi kebutuhan masyarakat
akan warung yang berformat modern.
2.2. Regresi Logistik
Metode regresi logistik adalah salah satu model untuk menduga hubungan antara
peubah respon kategori dengan satu atau lebih peubah prediktor. Apabila kategori respon
berupa biner maka dinamakan regresi logistik biner. Kategori peubah respon tersebut
misalnya “ya (sukses)” dan “tidak (gagal)”, dan dinotasikan 1=”sukses” dan 0=”gagal”.
Peubah respon dinotasikan dengan sedangkan peubah faktor dapat merupakan peubah
kategori, kontinu atau campuran dari keduanya. Hosmer dan Lemeshow (2000)
menjelaskan bahwa model regresi logistik biner dibentuk dengan menyatakan nilai
sebagai , yang dinotasikan sebagai berikut :
(1)
Dimana adalah variabel prediktor, ( ), = jumlah sampel, π( ) adalah
peluang terjadinya kejadian sukses, adalah konstanta, dan adalah nilai koefisien
regresi ke-j ( ).
Penaksiran parameter regresi logistik dilakukan dengan menggunakan metode
Maximum Likelihood Estimation (MLE) (Agresti, 2002). Metode iterasi yang digunakan
adalah metode iterasi Newton Raphson. Fungsi yang digunakan adalah logit, dengan logit
dari (persamaan 1) adalah:
Berdasarkan persamaan 1 maka dapat diperoleh model linier yang merupakan fungsi
linear dalam parameter-parameternya (Hosmer & Lemeshow. 1989) :
(2)
Uji signifikansi pada regresi logistik dapat dilakukan secara simutan dan parsial.
Uji signifikansi secara simultan dapat dilakukan dengan hipotesis sebagai berikut: H0 :
70
= = … = = 0 (tidak ada pengaruh antara variabel-variabel independen terhadap
variabel dependen), H1: minimal ada satu 0 ; p=1,2,3,...,p (minimal satu variabel
independen berpengaruh terhadap variabel dependen). Statistik uji:
(3)
Dengan log : likelihood tanpa variabel bebas dan log : likelihood dengan variabel
bebas. Pengambilan keputusan adalah apabila Selanjutnya uji signifikansi
regresi secara parsial dilakukan untuk menguji signifikansi masing-masing parameter.
Metode yang digunakan adalah uji wald, dengan hipotesis H0 : = 0 dan H1 :
0.Statistik uji:
(4)
Dengan : koefisien regresi ke-1,2...,p dan : standard errorke-1,2...,p.
Pengambilan keputusan adalah apabila Wald>
Nilai odds ratio pada regresi logistik diinterpretasikan sebagai
resiko/kecenderungan variabel-variabel penjelas terhadap variabel respon yang merupakan
perbandingan tingkat resiko relatif dari dua buah nilai variabel penjelas atau resiko
kecenderungan terhadap . Rumus dari odds ratio adalah :
(5)
Hosmer dan Lemeshow (2000) menyatakan bahwa peubah respon dengan dua
kategori (biner) dengan ketentuan jika maka hasil prediksi adalah 1,
jika maka hasil prediksiadalah 0. Klasifikasi menggunakan model peluang
dengan persamaan sebagai berikut:
) (6)
2.3. Classification and Regression Trees (CART)
Metode Classification and Regression Trees(CART) merupakan metode statistika
nonparametrik yang dikembangkan untuk keperluan analisis klasifikasi, baik untuk peubah
respon kategorik maupun kontinu. Breiman dkk (1993) menyatakan bahwa apabila
variabel respon adalah berbentuk kontinu maka metode yang digunakan adalah metode
regresi pohon (regression trees) yang akan menghasilkan pohon regresi. Apabila variabel
71
respon adalah berbentuk kategorik maka metode yang digunakan adalah metode
klasifikasi pohon (classification trees) yang akan menghasilkan pohon klasifikasi.
Pohon klasifikasi merupakan metode penyekatan data secara berulang sehingga
menghasilkan pohon yang tersusun atas banyak simpul (node) yang terbentuk dari proses
pemilahan rekursif biner. Lewis dan Roger (2000) menyatakan bahwa pembentukan
pohon klasifikasi pada CART menggunakan proses binary recrusive partitioning, yaitu
struktur pohon diperoleh melalui algoritma penyekatan rekrusif terhadap variabel
prediktor. Penyekatan pertama adalah membentuk dua simpul anak berdasarkan variabel
prediktor yang paling signifikan menjelaskan variabel responnya. Proses selanjutnya
adalah menyekat kembali simpul anak tersebut masing-masing menjadi dua simpul anak
baru. Proses penyekatan dilakukan berluang sampai diperoleh kelompok-kelompok
pengamatan yang mempunyai cirri-ciri yang relatif homogen berdasarkan variabel respon
dan prediktornya.
Beberapa penelitian yang telah menggunaan metode ini diantaranya adalah Hartati
dkk (2012), Gusriani dan Parmikanti (2016), serta Tanjung dan Kartiko (2017). Secara
umum, dalam pembangunan pohon klasifikasi CART terdapat tiga tahapan yaitu:
a. Pemilihan Pemilah. Proses ini dilakukan pada setiap simpul bertujuan mendapatkan
pemilah yang mampu menghasilkan simpul dengan tingkat kehomogenan nilai
peubah respon paling tinggi. Kehomogenan suatu simpul diukur berdasarkan nilai
impuritasnya melalui kriteria goodness-of-split
b. Penentuan Simpul Terminal. Simpul dikatakan sebagai simpul terminal ketika suatu
simpul t mencapai batas akhir yang ditentukan sehingga tidak terdapat penurunan
impuritas secara berarti. Beberapa syarat yang ada diantaranya : a) tidak terdapat
penurunan keheterogenan yang berarti sehingga simpul t tidak akan terpilah lagi, b)
hanya terdapat suatu pengamatan pada tiap simpul anak atau adanya batasan
mínimum n, atau c) adanya batasan jumlah tingkat kedalaman pohon maksimal
kemudian pohon berhenti.
c. Penandaan Label Kelas. Label kelas pada simpul terminal t ditentukan
melalui aturan jumlah terbanyak
Proses evaluasi metode klasifikasi dari pohon klasifikasi yang terbentuk dapat
dilakukan dengan menghitung tingkat keakurasian hasil klasifikasi yaitu total accuracy
rate yang merupakan peluang pengamatan yang diprediksi secara benar oleh fungsi
klasifikasi. Perhitungannya adalah:
(7)
Berikut ini skema pohon pada metode CART :
Sumber : Tanjung dan Kartiko (2017)
Gambar 1 Skema Pohon Klasifikasi dan Regresi
72
Dengan t1= Simpul asal, t2= Simpul dalam, dan t3,t4,t5= Simpul terminal
2. METODE PENELITIAN
3.1. Sumber Data
Penelitian ini menggunakan data primer, yang meliputi observasi dan survey
wawancara yang dilakukan di 6 Desa di Kecamatan Ngaklik, Kabupaten Sleman, DIY.
Observasi dilakukan untuk memilih ritel yang menjadi objek dan penentuan atribur di
dalam kuisioner. Selanjutnya memetakan lokasi ritel tersebut dengan lokasi konsumen
untuk penentuan sampel survei. Jenis ritel yang digunakan adalah ritel modern, yaitu
minimarket Indomart. Survei dilakukan dengan wawancara terhadap konsumen dengan
menggunakan kuisioner. Survei ini telah dilakukan pada Juli 2017. Wawancara dilakukan
terhadap resonden/konsumen yang pernah belanja di Indomaret di Kecamatan Ngaglik.
Pengambilan data ini menggunakan teknik sampling purposive, yaitu berdasarkan tujuan
bahwa responden yang diwawancara hanya yang pernah berbelanja kebutuhan pokok
sehari-hari di Indomaret di Kabupaten Sleman, yaitu sejumlah 150 orang.
3.2. Variabel dan Metode Analisis Penelitian
Variabel prediktor yang digunakan diantaranya karakteristik responden yang
meliputi jenis kelamin (X1), usia (X2), pekerjaan utama (X3), jenjang pendidikan terakhir
(X4), rata-rata pengeluaran per bulan (X5), serta lokasi yang diukur dari desa tempat
tinggal (X6). Jenis kelamin menggunakan koding 1=laki-laki dan 0=perempuan. Pekerjaan
menggunakan koding 1= Ibu rumahtangga (RT), 2= karyawan, 3= Lainnya, 4= Petani, 5=
PNS/TNI, dan 0=Wiraswasta. Pendidikan menggunakan koding 1= D1/D2/D3,
2=SD/sederajat, 3=SLTP/sederajat, dan 0=SLTA/sederajat. Pengeluaran menggunakan
koding 1 untuk kurang dari 1 juta rupiah, 2 untuk 1 juta-1.5 juta rupiah, 3 untuk 1.6 – 2
juta rupiah, dan 0 untuk lebih dari 2 juta rupiah. Lokasi menggunakan koding 1=
Donoharjo, 2= Minomartani, 3= Sardonoharjo, 4= Sariharjo, 5= Sinduharjo, dan
0=Sukoharjo. Sedangkan variable respon (Y) adalah tempat belanja terakhir. Jenis belanja
tersebut adalah jenis selain kebutuhan pokok. Variabel respon tersebut adalah berbentuk
biner, dimana bernilai 1 jika berbelanja di Indomaret dan 0 jika berbelanja di minimarket
lainnya.
Metode analisis meliputi: 1) deskriptif karakeristik responden dan belanja
responden, 2) metode regresi logistik biner, dan CART, 3) perbandingan metode melalui
identifikasi variabel yang paling berpengaruh dan nilai ketepatan klasifikasi.
4. HASIL DAN PEMBAHASAN
4.1. Karakteristik Responden
Pasar minimarket tersebar di setiap lokasi penelitian. Berdasarkan hasil observasi,
terdapat 24 minimarket di Sardonoharjo, 17 minimarket di Sariharjo, 12 minimarket di
Sinduharjo, 8 minimarket di Minomartani, 13 minimarket di Donoharjo, dan 10
minimarket di Sukoharjo. Indomaret berada di setiap desa. Karakteristik responden yang
berbelanja di Indomaret disajikan di Tabel 1. Sebagian besar konsumen yang pernah
berbelanja di Indomaret terakhir kali waktu survey penelitian adalah bekerja sebagai
karyawan dan wiraswasta, berpendidikan terakhir SLTA/sederajat, dan memiliki rata-rata
pengeluaran per bulan 1-1.5 juta rupiah. Konsumen terbanyak berada di Minomartani dan
Sinduharjo.
73
Tabel 1 Karakeristik Responden dan Belanja Responden
Variabel Berbelanja di Indomaret
Tidak Ya
Jenis Kelamin Laki-laki 3% 23%
Perempuan 35% 39%
Rata-rata Usia
42.52 tahun 41.99 tahun
Pekerjaan Ibu RT 22% 14%
Karyawan 1% 19%
Lainnya 4% 3%
Petani 3% 3%
PNS/TNI 3% 7%
Wiraswasta 5% 16%
Pendidikan D1/D2/D3/S1/S2/S3 8% 12%
SD/sederajat 5% 3%
SLTP/sederajat 4% 8%
SLTA/sederajat 21% 39%
Pengeluaran <1 juta 15% 9%
1 - 1,5 juta 15% 27%
1,6 - 2 juta 5% 19%
> 2 juta 2% 7%
Lokasi Donoharjo 16% 1%
Minomartani 0% 17%
Sardonoharjo 9% 7%
Sariharjo 1% 15%
Sinduharjo 1% 17%
4.2. Analisis Regresi Logistik
Analisis regresi logistik dilakukan dengan tujuan untuk menyelidiki variabel yang
berpengaruh terhadap minat belanja di Indomaret. Hasil estimasi disajikan pada Tabel 2.
Pada pengujian signifikansi parameter secara simultan, diperoleh statistik uji G sebesar
128,708 yang lebih besar dari = 28.869 maka H0 ditolak, berarti minimal satu
variabel predictor berpengaruh terhadap variabel respon. Selanjutnya, dilakukan uji
signifikansi secara parsial melalui uji Wald. Variabel predictor dikatakan signifikan
berpengaruh pada variabel respon jika wald> = 3,84. Pada taraf signifikansi α=5%
, dapat diketahui bahwa variabel rata-rata pengeluaran per bulan yang kurang dari 1 juta
rupiah dan 1 juta – 1.5 juta rupiah signifikan berpengaruh terhadap minat belanja di
Indomaret. Sedangkan pengeluaran 1.6 juta-2 juta rupiah signifikan berpengaruh pada
α=10%. Variabel lokasi tempat tinggal responden, khususnya Donoharjo, Sariharjo, dan
Sinduharjo juga signifikan berpengaruh.
Tabel 2 Estimasi Parameter
Variabel
S.E. Wald df P value Exp( )
Jenis Kelamin (X1)
Laki-laki (X11) 1.989 1.429 1.938 1 0.164 7.308
Usia (X2) 0.051 0.038 1.857 1 0.173 1.053
Pekerjaan (X3)
74
Ibu RT (X31) 0.161 0.909 0.032 1 0.859 1.175
Karyawan (X32) 1.521 1.453 1.096 1 0.295 4.576
Lainnya (X33) 0.048 1.53 0.001 1 0.975 1.049
Petani (X34) -1.027 1.721 0.356 1 0.551 0.358
PNS/TNI (X35) -2.51 1.954 1.649 1 0.199 0.081
Pendidikan (X4)
D1/D2/D3/S1/S2/S3
(X41) -0.084 0.948 0.008 1 0.929 0.92
SD/sederajat (X42) -1.057 1.276 0.686 1 0.408 0.347
SLTP/sederajat (X43) -0.496 1.052 0.222 1 0.637 0.609
Pengeluaran (X5)
<1 juta (X51) -4.875 1.984 6.039 1 0.014* 0.008
1 - 1,5 juta (X52) -3.786 1.904 3.954 1 0.047* 0.023
1,6 - 2 juta (X53) -3.124 1.834 2.901 1 0.089** 0.044
Lokasi (X6)
Donoharjo (X61) -4.943 2.366 4.363 1 0.037* 0.007
Minomartani (X62) 22.409 6.86 x
103 0.000 1 0.997 5.4 x 109
Sardonoharjo (X63) 0.91 0.824 1.222 1 0.269 2.485
Sariharjo (X64) 4.072 1.389 8.595 1 0.003* 58.686
Sinduharjo (X65) 4.113 1.32 9.705 1 0.002* 61.108
Constant 0.646 2.487 0.067 1 0.795 1.907
Keterangan : *) signifikan pada α=5%, **) signifikan pada α=10%
Berdasarkan hasil estimasi yang didapat, dapat diketahui bahwa tidak semua
variable signifikan berpengaruh, sehingga selanjutnya melakukan proses stepwise. Hasil
estimasi tersebut disajikan di Tabel 3. Dapat diketahui bahwa variable jenis kelamin, rata-
rata pengeluaran per bulan, dan tempat tinggal konsumen signifikan berpengaruh terhadap
minat belanja di Indomaret.
Tabel 3 Estimasi Parameter Setelah Uji Stepwise
Variabel
S.E* Wald df P value Exp( )
Jenis Kelamin (X1)
Laki-laki (X11) 1.351 0.813 2.764 1 0.096*
* 3.862
Pengeluaran (X5)
<1 juta (X51) -3.521 1.379 6.524 1 0.011* 0.030
1 - 1,5 juta (X52) -2.219 1.29 2.956 1 0.086*
* 0.109
1,6 - 2 juta (X53) -2.027 1.398 2.102 1 0.147 0.132
Lokasi (X6)
Donoharjo (X61) -2.879 1.347 4.569 1 0.033* 0.056
Minomartani (X62) 22.314 7.53 x
103 0.000 1 0.998 4.91 x 109
Sardonoharjo (X63) 1.43 0.752 3.613 1 0.057*
* 4.18
75
Sariharjo (X64) 4.167 1.2 12.047 1 0.001* 64.499
Sinduharjo (X65) 4.309 1.201 12.871 1 0.000* 74.353
Constant 1.008 1.25 0.65 1 0.420 2.739
Keterangan : *) signifikan pada α=5%, **) signifikan pada α=10%
Dengan demikian, estimasi model regresi logistik yang diperoleh dalam bentuk
transformasi dari logit adalah
Pada Tabel 3 juga disajikan nilai Exp( ) atau odds ratio, yang diinterpretasikan
sebagai resiko atau kecenderungan minat belanja di indomaret berdasarkan faktor-faktor
yang mempengaruhi. Nilai odd ratio pada variabel rata-rata pengeluaran perbulan kurang
dari 1 juta sebesar 0,030, menunjukkan bahwa konsumen yang memiliki rata-rata
pengeluaran perbulan kurang dari 1 juta memiliki peluang untuk berbelanja di Indomaret
sebesar 0,030 kali konsumen yang memiliki rata-rata pengeluaran perbulan lebih dari 2
juta. Nilai odd ratio untuk rata-rata pengeluaran 1-1.5 juta dan 1.6-2 juta adalah 0.109 dan
1.132. Dengan demikian, konsumen yang memiliki jumlah pengeluaran tinggi, dapat juga
diartikan memiliki pendapatan tinggi, akan memiliki peluang yang tinggi untuk berbelanja
di Indomaret.
Variabel lokasi tempat tinggal konsumen di Desa Donoharjo memiliki odd ratio
sebesar 0,056, menunjukkan bahwa konsumen yang tinggal di Desa Donoharjo memiliki
peluang untuk berbelanja di indomaret sebesar 0,056 kali dibandingkan penduduk yang
tinggal di Lokasi Sukoharjo. Konsumen di Desa Minomartani memiliki peluang yang
lebih tinggi untuk berbelanja di Indomaret dibandingkan konsumen yang tinggal di desa
lain.
Tabel 4 menunjukkan hasil perhitungan ketepatan hasil klasifikasi minat belanja di
indomaret dengan menggunakan model regresi logistik. Penduduk yang awalnya tidak
belanja di Indomaret dan diprediksi tidak akan belanja adalah sebanyak 45 orang.
Penduduk yang awalnya tidak belanja di Indomaret dan diprediksi akan belanja adalah
sebanyak 12 orang. Penduduk yang awalnya belanja di Indomaret dan diprediksi tidak
akan belanja adalah sebanyak 6 orang. Penduduk yang awalnya belanja di Indomaret dan
diprediksi akan tetap belanja di Indomaret sebanyak 87 orang. Dengan demikian,
persentase ketepatan model regresi logistik dalam mengklasifikasikan observasi adalah
88%. Sejumlah 12 orang yang diprediksi merubah tempat belanja tersebut adalah sebagian
besar memiliki rata-rata pengeluaran per bulan 1-1.5 juta rupiah, serta tinggal di Sukoharjo
dan Sardonoharjo.
Tabel 4 Ketepatan Klasifikasi Regresi Logistik
Observasi Prediksi
Persentase Tidak Ya
Tidak 45 12 78,9%
Ya 6 87 93,5%
Persentase Keseluruhan 88%
76
4.3. Analisis Classification and Regression Trees (CART)
Pohon klasifikasi yang terbentuk menghasilkan 7 simpul yang terdiri atas 1 simpul
asal, 2 simpul dalam, dan 4 simpul terminal dengan kedalaman pohon sebesar 5 pada
Gambar 2. Variable yang berperan paling penting dalam pembentukan pohon klasifikasi
adalah lokasi tempat tinggal konsumen, khususnya Desa Donoharjo, Sardonoharjo, dan
Sukoharjo. Variabel penting selanjutnya adalah rata-rata pengeluaran per bulan dan usia.
Gambar 2 Pohon klasifikasi CART minat belanja di Indomaret
Berdasarkan pohon klasifikasi yang terbentuk diperoleh bahwa
1. Rule 4, penduduk yang tinggal di Donoharjo diklasifikasikan pada tidak berbelanja di
Indomaret. Sejumlah konsumen yang ada di klasifikasi ini adalah terdapat 96%
konsumen yang belanja di minimarket selain Indomaret dan 4% konsumen berbelanja
di Indomaret.
2. Rule 10, penduduk yang tinggal di lokasi Sardonoharjo dan Sukoharjo, serta memiliki
rata-rata pengeluaran perbulan kurang dari 1 juta diklasifikasikan pada tidak
berbelanja di Indomaret
3. Rule 44, penduduk yang tinggal di Sardonoharjo dan Sukoharjo, usia kurang dari 44,
dan rata-rata pengeluaran perbulan 1-1,5 juta diklasifikasikan pada tidak berbelanja di
Indomaret
4. Rule 45, penduduk yang tinggal di Sardonoharjo dan Sukoharjo, rata-rata pengeluaran
perbulan lebih dari 1.5 juta, usia kurang dari 44, diklasifikasikan pada berbelanja di
Indomaret
5. Rule 23, penduduk yang tinggal di Sardonoharjo dan Sukoharjo, rata-rata pengeluaran
perbulan lebih dari 1 juta, dan usia lebih dari 44 diklasifikasikan pada berbelanja di
Indomaret
6. Rule 3, penduduk yang tinggal di Minomartini, Sariharjo, dan Sinduharjo
diklasifikasikan pada berbelanja di Indomaret
X6
X6
X5 = X51
X5 = X52
X2
77
Tabel 5 Ketepatan Klasifikasi Regresi Logistik pada CART
Prediksi Persentase
Aktual Tidak Ya
Tidak 49 8 85.9%
Ya 6 87 93.6%
Persentase Keseluruhan 91%
Tabel 5 menunjukkan hasil klasifikasi hasil dari pohon klasifikasi CART. Terdapat
8 orang penduduk yang awalnya tidak belanja di Indomaret dan diprediksi akan belanja di
Indomaret. Terdapat 87 penduduk yang awalnya belanja di Indomaret dan diprediksi akan
tetap belanja di Indomaret. Dengan demikian persentase ketepatan model CART dalam
mengklasifikasikan observasi adalah 91%.
5. KESIMPULAN
Berdasarkan hasil analisis dan pembahasan diperoleh kesimpulan sebagai berikut:
1. Faktor-faktor yang signifikan berpengaruh terhadap minat belanja di Indomaret
melalui metode regresi logistik pada taraf signifikansi α=10% adalah variabel jenis
kelamin, pengeluaran rata-rata perbulan untuk kategori kurang dari 1 juta dan 1-1.5
juta, dan lokasi tempat tinggal konsumen untuk kategori Donoharjo, Sardonoharjo,
Sariharjo, dan Sinduharjo.
2. Faktor yang berperan penting dalam pembentukan pohon klasifikasi CART adalah
lokasi Donoharjo, Sardonoharjo, dan Sukoharjo.
3. Berdasarkan perbandingan hasil, metode CART memberikan hasil ketepatan
klasifikasi yang lebih baik, dimana nilai klasifikasi pada model regresi logistik adalah
88%, sedangkan hasil klasifikasi pada model CART adalah 91%
6. DAFTAR PUSTAKA
Agresti, A. 2002. Categorical Data Analysis, Second Edition, USA. JohnWiley and Sons,
New York.
Breiman, L., Friedman, J.H, Olshen R.A dan Stone C.J. 1993. Classification and
Regression Tree. New York. Chapman And Hall
Damayanti, L.K. 2011. Aplikasi Algoritma CART untuk Mengklasifikasikan Data Nasabah
Asuransi Jiwa Bersama Bumiputera 1912 Surakarta, Skripsi Universitas Sebelas
Maret, Surakarta.
Gusriani, N. dan Parmikanti, K. 2016. Klasifikasi Ketepatan Masa Studi Mahasiswa
FMIPA Unpad Angkatan 2001-2006 dengan Menggunakan Metode Classification
and Regression Trees (CART). Jurnal Matematika Integratif, Vol. 11(1), pp 7-14.
Hartati, A., Zain, I., dan Ulama, B. S. S. 2012. Analisis CART (Classification And
Regression Trees) pada Faktor-Faktor yang Mempengaruhi Kepala Rumah Tangga
di Jawa Timur Melakukan Urbanisasi. Jurnal Sains dan Seni ITS, Vol. 1(1), pp
D100-D105.
Hosmer dan Lemeshow. 2000. Applied Logistic Regression. USA. John Wiley and Sons.
Lewis dan Roger, J. 2000. An Introduction to Classification and Regression Trees (CART)
Analysis, presented at the 2000 Annual meeting of society for Academic
Emergency medicine of San Fransisco, California.
78
Natalia, L. 2010. Analisis Faktor Persepsi yang Mempengaruhi Minat Konsumen Untuk
Berbelanja pada Giant Hypermarket Bekasi. Fakultas Ekonomi, Jurusan
Manajemen Universitas Gunadarma. Jakarta.
Paramarta, P.D. 2015. Analisis Persepsi dan Motivasi Konsumen terhadap Ritel Modern
dan Ritel Tradisional (Studi pada Konsumen Toko Tanaman dan Alfamart Ki
Mangun Sarkono di Kabupaten Tulungagung. Jurnal Ilmiah Mahasiswa FEB, pp
3(2).
Shanti, S. I. 2007. Analisis keputusan konsumen dalam mengkomsumsi jeruk lokal dan
jeruk impor di Ritel Modern: kasus konsumen Giant Botani Square Bogor. Skripsi.
Institut Pertanian Bogor.
Soliha, E. 2008. Analisis Industri Ritel di Indonesia. Jurnal Bisnis dan Ekonomi, Vol.
15(2), pp 128-142.
Tanjung, R. H. dan Kartiko, K. 2017. Penerapan Metode CART (Classification and
Regression Trees) untuk Menentukan Faktor-Faktor yang Mempengaruhi
Pembayaran Kredit oleh Nasabah (Studi Kasus Bank BRI Unit Aek Tarum–
Sumatera Utara). Jurnal Statistika Industri dan Komputasi, Vol. 2(2), pp 78-83
Yola, M. dan Budianto, D. 2013. Analisis kepuasan konsumen terhadap kualitas pelayanan
dan harga produk pada supermarket dengan menggunakan metode Importance
Performance Analysis (IPA). Jurnal Optimasi Sistem Industri, Vol. 12(12), pp
301-309.