ANALISIS KLASTER UNTUK SEGMENTASI PEMIRSA PROGRAM BERITA SORE STASIUN TV SWASTA

Transkripsi

1 Analss Klaster (Aan Rosatun) ANALISIS KLASTER UNTUK SEGMENTASI PEMIRSA PROGRAM BERITA SORE STASIUN TV SWASTA Aan Rosatun Tat Wdharh, Dah Saftr Staf Nusantara Sat Motor Jaarta Staf Pengaar Prod Statsta FMIPA UNDIP Abstract A procedure maret segmentaton s desgnng the maret segmentaton use the method of cluster -means analyze whch appled n process desgnng the maret evenng news audences on tv chanels. The process of groupng audences nto each segment whch formed, based on leness of characterstc owned and t formed 3 maret segment evenng news audences, that s audences group who gve low evaluaton, audences group who gve enough evaluaton, and audences group who gve hgh evaluaton. Result from the maret segmentaton wth case study at Pangah dstrct Tegal regency got frst cluster s 5. %, second cluster s 46 %, and thrd cluster s 8.8 %. Maretng strategy can target be old > 0 years because t has members total of cluster s bggest. The result can be used by a televson company to determne maretng strategy. Keywords: Characterstc, Maret Segmentaton, Cluster K-Means Analyss. Pendahuluan Analss laster merupaan salah satu alat untu mengelompoan seumlah n obye berdasaran p varat yang secara relatf mempunya esamaan araterst d antara obye-obye tersebut. Harapan yang ngn dcapa bahwa eragaman dalam elompo lebh ecl dar pada eragaman antar elompo. Obye tersebut bsa berupa barang, asa, tumbuhan, dan manusa (responden, onsumen, nasabah dan lan-lan). Obye dlasfasan e dalam satu atau lebh laster (elompo) sehngga obye-obye yang berada dalam satu laster aan mempunya emrpan atau esamaan arater [9]. Analss laster telah dgunaan dalam bdang pemasaran untu segmentas pasar [0]. Secara gars besarn prosedur penglasteran ada dua metode yatu herar dan non-herar (serng dsebut metode -means laster). Segmentas pasar adalah proses pemsahan sebuah pasar menad elompo-elompo pembel atau produ yang seens dan meml elompo (atau elompo-elompo) yang palng tepat untu dlayan perusahaan [7]. Hal n merupaan upaya palng efetf dalam menyngap peluang pasar. Beberapa ens segmentas utama adalah geograf, demograf, psograf, perlau dan manfaat [6]. Secara gars besar penelasan masng-masng ens sebaga berut:. Segmentas Geograf, merupaan pembagan pasar menad unt-unt geografs yang berbeda. Msalnya: wlayah, negara, negara bagan, propns, ota dan epulauan.. Segmentas Demograf, dmana pasar delompoan berdasaran varabel-varabel pendapatan, ens elamn, penddan, umlah pendudu, usa, uuran eluarga, peeraan, agama, ras, generas, ewarganegaraan dan elas sosal. 3. Segmentas Psograf, mengelompoan pasar dalam varabel gaya hdup, nla dan eprbadan. Gaya hdup uga dtunuan oleh orang-orang yang menonol pada elas sosal. Mnat terhadap suatu produ uga dpengaruh oleh gaya hdup. Oleh arena tu barang yang dbel oleh orang-orang tersebut adalah untu menunuan gaya hdupnya. 4. Segmentas Perlau, membag elompo berdasaran status pemaa, eadan, tngat penggunaan, status esetaan, tahap esapan pembel, dan sap. Pasar 93

2 Meda Statsta, Vol. 3, No., Desember 00: 93-0 dsn dapat delompoan menad buan pemaa, beas pemaa, pemaa potensal, pemaa pertama al dan pemaa tetap dar suatu produ. 5. Segmentas Manfaat, menglasfasan pasar berdasaran atrbut/nla atau manfaat yang terandung dalam suatu produ. Pada tulsan n dgunaan segmentas demograf arena pasar aan delompoan berdasaran varabel-varabel ens elamn, penddan, usa, peeraan dan stasun TV yang dtonton. Berta adalah laporan tentang perstwa atau pendapat yang meml nla pentng, menar bag sebagan halaya, mash baru dan dpublasan secara luas melalu meda massa secara perod [8]. Berta sore yang dmasud dalam tulsan n adalah berta yang dtayangan melalu meda massa televs dar am 6.00 sampa 0.00 WIB pada stasun TV swasta d Jaarta. Data dumpulan pada tanggal September 009 d Kecamatan Pangah Kabupaten Tegal Jawa Tengah, dengan melbatan 0 stasun TV yatu : RCTI, SCTV, Trans TV, Trans 7, Indosar, Metro TV, TV One, Global TV, ANTV, dan TPI. Analss laster yang dgunaan dalam tulsan n adalah analss laster nonherar (-means laster) untu mengelompoan pemrsa program berta sore. Pemrsa memberan penlaan terhadap program berta sore dengan menggunaan varabel-varabel: ertsan berta, narasumber yang terpercaya, eanearagaman berta, dnmat oleh semua alangan, am tayang yang sesua, edalaman s berta, bahasa yang mudah dmengert, eatualan berta, berta dapat dpercaya, berta dsaan secara menar, penamplan penya berta dan duras program. Varabel-varabel tersebut aan dgunaan sebaga dasar pembentuan laster. Tuuan dar penulsan n untu mengetahu segmentas pasar pemrsa program berta sore yang dtonton sehngga terbentu elas-elas dar pemrsa program berta sore berdasaran varabel-varabel dalam suatu berta sehngga hasl n dapat dadan acuan untu menngatan pangsa pasar dan penlaan pemrsa terhadap program berta sore yang dtonton. Klaster yang dbentu sebanya tga masng masng untu laster dengan penlaan rendah, sedang dan tngg dar pemrsa terhadap program berta yang dtonton.. Konsep Dasar Klaster Non-Herar. Penglasteran dengan menggunaan metode non-herar serng uga dsebut dengan metode penglasteran -means laster. Ada tga pendeatan yang basa dgunaan yatu sequental threshold, parallel threshold dan optmalsas []. Pendeatan yang dgunaan dalam tulsan n adalah pendeatan optmalsas. Responden dmasuan e dalam laster-laster dengan mengoptmalan seumlah rtera yatu ara rata-rata dalam laster, varans dalam laster dan varans antar laster. Langah-langah dalam prosedur pembentuan -means laster berdasaran p varabel yang dgunaan :. U ebebasan antar varabel untu mengetahu data yang dperoleh laya danalss (varabel-varabel yang dgunaan salng berhubungan / tda salng bebas). Untu mengu ebebasan antar varabel n dgunaan u Bartlett sphercty berut [6] : H 0 : R = I (Antar varabel bersfat salng bebas/ndependen) H : R I (Antar varabel bersfat tda salng bebas/dependen) p 5 Statst u : htung n ln R 6 Krtera u : Tola Ho a atau sg. < α htung dengan R : matrs orelas dar data I : matrs denttas. ; p( p) 94

3 Analss Klaster (Aan Rosatun). Tentuan umlah laster (), dalam tulsan n dambl =3. 3. Tentuan pusat laster (centrod) d tap-tap laster yatu c, c, dan c 3. Pusat laster (centrod) adalah buah pengamatan pertama. Pada paet program SPSS, centrod telah dtentuan secara aca dan secara otomats sehngga tda perlu menentuan centrod sendr. 4. Htung ara Eucldean antara tap obye dengan centrod. 5. Masuan tap obye e suatu laster berdasaran ara Eucldean terdeat dengan pusat laster (centrod) yang berpadanan. 6. Bentu laster awal yang berupa obye-obye yang d dalamnya belum tetap menad anggota laster tersebut arena mungn mash mengalam pemndahan obye antar laster. Lauan perhtungan embal untu mengece apaah laster tersebut sudah tetap dan tda ada lag pemndahan obye antar lasternya. 7. Htung embal pusat laster (centrod) yang baru terbentu d tap-tap laster yatu c, c, dan c 3 yang baru dengan merata-rataan nla tap varabel yang masu menad anggota laster awal. 8. Ulang penghtungan ara antara setap obye dengan centrod yang baru dengan menggunaan ara eucldean (sepert pada persamaan.5.3.4) 9. Masuan tap obye pada suatu laster berdasaran ara terdeat dengan pusat laster (centrod) yang baru 0. Bentu laster baru yang berupa obye-obye yang d dalamnya belum tetap menad anggota laster tersebut arena mungn mash mengalam pemndahan obye antar laster. Lauan perhtungan embal untu mengece apaah laster tersebut sudah tetap dan tda ada lag pemndahan obye antar lasternya.. Lauan pengecean apaah laster yang baru terbentu sudah tda ada lag pemndahan obye antar laster. Ja ternyata mash ada pemndahan obye antar laster maa embal e langah 6 sampa tda ada lag pemndahan obye antar laster.. Hentan proses a sudah tda ada lag pemndahan obye antar laster sehngga terbentu laster ahr yang obye-obye d dalamnya sudah tetap menad anggota laster tersebut. 3. Lauan nterpretas dan proflsas laster. Interpretas dlauan untu mencar araterst tap laster yang has. Pengelompoan uga tda bermanfaat a tda mengetahu profl setap elompo. Untu mengnterpretas laster dan membuat profl, dgunaan rata-rata setap laster pada setap varabel (yang dnamaan centrod). Centrod memungnan member label untu setap laster. 4. Lauan u valdas terhadap hasl laster yang dperoleh untu mengetahu apaah laster-laster yang dperoleh aurat menggunaan MANOVA (dalam hal n dperluan multnormaltas dan homogentas dar resdual). U multnormal untu resdual menggunaan plot quantl-quantl antara ara mahalanobs dan Chuadrat tabel dengan deraat bebas p yang berpadanan dengan ara mahalanobs sebaga berut: T a. Menentuan d ( x x) S ( x x),,,..., n b. Mengurutan nla x d sesua urutan na d () d ()... d ( n) c. Menentuan quantl Ch uadrat 00q % dengan q = (-0.5)/n, =,,, n dan deraat bebas = p. d. Plot pasangan ( d, x ). Bla plot yang terbentu mendeat gars lurus maa asums multnormal bsa dterma [4]. 95

4 Meda Statsta, Vol. 3, No., Desember 00: 93-0 Sedangan u homogentas mats varans-ovarans dengan u Box M berut: Ho :... H : Statst u : untu htung ( c) v ln S ln S pool vs p 3p dengan : S pool c v n v v 6( p )( ) v Terma hpotess nol yang berart matrs varans-ovarans bersfat homogen a dengan banyanya populas yang aan dbandngan dan p htung ; ( ) p( p) banyanya varabel yang dgunaan [4]. Asums- asums dalam analss laster:. Tda adanya outler. Suatu data merupaan outler maa Z-score masng-masng varabel urang dar atau lebh dar 3.00 [5].. Sampel yang mewal Penguan sampel yang mewal populas dapat dlauan dengan u Kaser- Mayer-Oln (KMO) dan Bartlett dengan hpotess: H 0 : Sampel belum memada atau belum laya untu danalss lebh lanut H : Sampel sudah memada atau sudah laya untu danalss lebh lanut U Statst Bartlett : dengan: S n ( x x) B ( p p { /( n V ) ln( p p v S ) p (/ v ) / ) v v }/{3( p )} v ln S p = banyanya varabel v = deraat bebas v = n n = umlah observas/obye e- B = nla statst u Bartlett Krtera Pengamblan Keputusan : Tola H 0 a B > X α, p(p-)/ atau Tola H 0 a probabltas / nla sg < α Kaser-Mayer Oln (KMO) = p p r p p p p r dengan: r = orelas antara varabel dan, dengan < = orelas parsal antara varabel dan, dengan < 96

5 Analss Klaster (Aan Rosatun) Ja 0. 0, varabel penguuran merupaan sebuah fator, dan KMO =. Ja. 0, varabel penguuran buan sebuah fator, dan KMO = 0.0 Ja nla KMO 0.50 maa sampel sudah laya untu danalss. Sedangan untu mengu varabel yang ada dapat dgunaan atauah tda dapat dgunaan, berdasaran nla ant-mage correlaton. Ant mage correlaton yatu matrs dar orelas parsal antara varabel setelah danalss fator, dmana hasl fatornya menerangan fator yang lan. Sedangan MSA (Measure of Samplng Adequacy) adalah penguuran yang dhtung antara masuan orelas matrs dan masng-masng varabel yang devalus elayaannya dar penggunaan analss fator. Nla MSA bersar dar 0 sampa dengan rtera : MSA =, varabel tersebut dpreds tanpa esalahan oleh varabel lan. MSA > 0.5, varabel mash bsa dpreds dan bsa danalss lebh lanut. MSA < 0.5, varabel tda bsa dpreds dan tda dapat danalss lebh lanut, atau deluaran dar varabel lannya []. 3. Tda adanya multolnertas Multolnertas adalah emungnan adanya orelas antar varabel atau perstwa teradnya hubungan lner antar beberapa atau semua varabel. Sebanya multolnertas n tda terad, untu mengetahu adanya multolnertas adalah dengan menghtung nla Varance Inflaton Factors (VIF) dengan rumus : VIF, R dengan R adalah nla oefsen determnas varabel dependen e- dengan varabel ndependen selan varabel e-. Ja nla masmal (VIF ) > 0 maa mengndasan teradnya multolnertas []. 3. Metodolog Peneltan Tahapan yang dlauan dalam pengumpulan data dan analss data pemrsa program berta sore d Kecamatan Pangah Kabupaten Tegal Jawa Tengah sebaga berut:. Penyusunan Kusoner. Kusoner dbuat dengan setap responden mengs denttas dr berupa: usa, ens elamn, peeraan, penddan. Penlaan atas program berta sore dengan menggunaan varabel yatu : ertsan berta, narasumber yang terpercaya, eanearagaman berta, dnmat oleh semua alangan, am tayang yang sesua, edalaman s berta, bahasa yang mudah dmengert, eatualan berta, berta dapat dpercaya, berta dsaan secara menar, penamplan penya berta dan duras program. Sala penlaan dar setap varabel tersebut dgunaan sala nterval.. U valdtas dan relabltas usoner. U valdtas dengan menggunaan hpotess: H 0 : Item uesoner tda vald H : Item uesoner vald n xy x y Statst U: r htung n x x. n y y dengan : r = oefsen orelas, x = sor tem uesoner, y = sor total tap fator uesoner, 97

6 Meda Statsta, Vol. 3, No., Desember 00: 93-0 n = banyanya observas Ja r htung > r ; n, maa Ho dtola sehngga dapat dsmpulan tem pernyataan sgnfan, sehngga uesoner tersebut vald [3]. U relabltas dgunaan ten Cronbanch s Alpha dengan penguan hpotess sebaga berut : H 0 : Item uesoner tda relabel H : Item uesoner relabel c S c Statst U : c c S total dengan : C = nla Cronbach Alpha c = banyanya tem/pertanyaan, S = varan tem uesoner e-, total dengan S n [ x ( x. ) ] n n S = varan dar total sor tem uesoner, dengan n S total= [ x. ( x.. ) n n a n a n x.. x x. = r ], dan Ja Cronbach Alpha > ; n, maa Ho dtola sehngga dapat dsmpulan tem pernyataan sgnfan. Hal n berart bahwa uesoner tersebut relabel [3]. Untu eperluan u valdtas dan relabltas n dgunaan sampel pendahuluan sebanya 30 responden. 3. Pengamblan data responden. Sampel yang dgunaan sebanya 40 responden dengan metode penyampelan udgment sampel, dar 3 desa yang ada dplh 8 desa sebaga sampel. 4. Analss data. Tahapan yang dlauan dalam analss data adalah : a. Detes outler, data yang merupaan outler deluaran dar analss. b. U KMO dan Barlet untu elayaan data dapat danalss. c. U multolnertas. d. U ebebasan antar varabel yang dgunaan. e. Pembentuan laster dan anggota laster. f. Valdas hasl. 4. Hasl dan Pembahasan.. U valdtas usoner. Berdasaran perhtungan yang dlauan, semua tem (varabel) yang dgunaan adalah vald, selengapnya sepert Tabel berut: x. 98

7 Analss Klaster (Aan Rosatun) Tabel. Hasl U Valdtas dar Kusoner. Varabel r htung Sg. eputusan Kertsan Berta 0,49 0,00 Item vald Narasumber Terpercaya 0,65 0,000 Item vald Keanearagaman Berta 0,334 0,03 Item vald Dnmat Semua Kalangan 0,69 0,000 Item vald Jam Yang Sesua 0,498 0,00 Item vald Kedalaman Is Berta 0,694 0,000 Item vald Bahasa Mudah Dmengert 0,686 0,000 Item vald Keatualan Berta 0,73 0,000 Item vald Berta Dapat Dpercaya 0,59 0,00 Item vald Dsaan Secara menar 0,796 0,000 Item vald Penamplan Penya Berta 0,69 0,000 Item vald Duras Program 0,40 0,0 Item vald. U relabltas usoner. Berdasaran pengolahan yang dlauan dperoleh nla Cronbach Alpha 0,89 > r 0.05;30 = 0,368, sehngga usoner relabel. 3. Detes outler. Berdasaran pengolahan yang dlauan dperoleh ada satu data yang dcurga sebaga outler sengga deluaran dar analss. 4. U KMO dan Bartlet. Berdasaran perhtungan yang dlauan dperoleh nla KMO 0,86 > 0,05 maa sampel sudah laya untu danalss. Sedangan harga statst Bartlet B = 357,38 > sehngga sampel sudah laya untu danalss. Nla MSA dar eduabelas varabel lebh besar dar 0,5 sehngga varabel-varabel tersebut mash bsa dpreds dan bsa danalss lebh lanut. 5. U multolnertas. Berdasaran penghtungan nla VIF yang dlauan dperoleh hasl sepert Tabel berut: Tabel. Nla VIF untu Masng-masng Varabel. No. Varabel Nla R Nla VIF Kertsan Berta 0,04,56 Narasumber Terpercaya 0,30,433 3 Keanearagaman Berta 0,34,55 4 Dnmat Semua Kalangan 0,87,403 5 Jam Yang Sesua 0,59,350 6 Kedalaman Is Berta 0,344,54 7 Bahasa Mudah Dmengert 0,66,36 8 Keatualan Berta 0,338,5 9 Berta Dapat Dpercaya 0,357,555 0 Dsaan Secara menar 0,406,684 Penamplan Penya Berta 0,366,577 Duras Program 0,86,40 Nla VIF untu masng-masng varabel < 0 sehngga mengndasan tda terad multolnertas. 6. Pembentuan laster. a. U Kebebasan antar varabel. Berdasaran penghtungan yang dlauan dperoleh nla Ch-uadrat htung 3,73 dengan sgn 0,00, berart varabel yang dgunaan bersfat tda salng bebas sehngga analss multvarate laya dgunaan. b. Fnal laster yang terbentu (dengan 3 laster) sepert pada Tabel 3 berut: 99

8 Meda Statsta, Vol. 3, No., Desember 00: 93-0 Tabel 3. Interpretas Klaster pada Fnal Klaster Ratarata Cluster Cluster Varabel 3 3 Kertsan Berta 7, 6,79 7,097 7,798 rendah sedang tngg Narasumber Terpercaya 7,46 6,605 7,03 8,53 rendah sedang tngg Keanearagaman Berta 7,583 7,08 7,599 8,05 rendah sedang tngg Dnmat Semua Kalangan 7,69 6,83 7,63 8,539 rendah sedang tngg Jam yang Sesua 7,44 6,547 7,547 8,056 rendah sedang tngg Kedalaman Is Berta 7,805 6,467 7,90 8,8 rendah sedang tngg Bahasa mudah Dmengert 8,037 7,88 8,039 8,689 rendah sedang tngg Keatualan Berta 7,9 7,08 7,769 8,874 rendah sedang tngg Berta Dapat Dpercaya 7,633 6,54 7,687 8,75 rendah sedang tngg Dsaan secara Menar 8,043 6,855 8,044 9,08 rendah sedang tngg Penamplan Penya Berta 8,373 7,66 8,33 9,4 rendah sedang tngg Duras Program 7,83 6,547 7,009 8,0 rendah sedang tngg c. Proflsas Klaster Tabel 4. Jumlah Anggota Klaster Berdasaran Usa, Jens Kelamn, Penddan, Peeraan, Dan Statun TV Yang Dtonton No. Dasar Klaster Penglasteran (Penlaan Rendah) (Penlaan Sedang) 3 (Penlaan Tngg) Usa < 0 tahun 4 (,9 %) 8 (5,8 %) 3 (, %) > 0 tahun 3 (,3 %) 56 (40,3 %) 37 (6,6 %) Jumlah 35 (5, %) 64 (46,0 %) 40 (8,8 %) Jens Kelamn La-la (7,9 %) 9 (3,7 %) 3 (9,4 %) Perempuan 4 (7,3 %) 45 (3,4 %) 7 (9,4 %) Jumlah 35 (5, %) 64 (46,0 %) 40 (8,8 %) 3 Penddan SD 9 (6,5 %) 4 (0, %) 3 (9,4 %) SMP 9 (6,5 %) 7 (, %) (7,9 %) SMA 4 (0, %) 6 (8,7 %) 3 (9,4 %) Lannya 3 (, %) 7 (5,0 %) 3 (, %) Jumlah 35 (5, %) 64 (46,0 %) 40 (8,8 %) 4 Peeraan Pegawa Neger (,4 %) 4 (,9 %) 4 (,9 %) Pegawa Swasta (,4 %) 7 (5,0 %) (,4 %) Pelaar/Mahasswa 4 (,9 %) 7 (5,0 %) 3 (, %) Ibu rumah tangga 4 (0, %) 30 (,6 %) 5 (0,8 %) Lannya 3 (9,4 %) 6 (,5 %) 6 (,5 %) Jumlah 35 (5, %) 64 (46,0 %) 40 (8,8 %) 5 Stasun TV ANTV (,4 %) 0 0 Global TV (,4 %) (,4 %) (0,7 %) Indosar 9 (6,5 %) 8 (,9 %) 6 (,5 %) Metro TV (0,7 %) 0 (0,7 %) RCTI 3 (, %) 9 (6,5 %) 3 (, %) SCTV 4 (,9 %) 9 (6,5 %) 5 (3,6 %) TPI 0 (,4 %) 0 Trans 7 4 (,9 %) 8 (5,8 %) 4 (,9 %) Trans TV 7 (5,0 %) 6 (,5 %) 7 (5,0 %) TV One 3 (, %) 0 3 (, %) Jumlah 35 (5, %) 64 (46,0 %) 40 (8,8 %) 00

9 Analss Klaster (Aan Rosatun) Berdasaran penghtungan yang dlauan dperoleh banyanya anggota masng-masng laster (beserta prosentasenya) berdasaran usa, ens elamn, Penddan, peeraan, dan statun TV yang dtonton dsaan pada Tabel 4. d. Valdas hasl. Dengan menggunaan MANOVA dperoleh nla Wls Lamda 0,54 dan setelah dtransformas e statst F Fsher adalah 6,68 dengan sgn 0,000 berart ada perbedaan yang berart antar laster abat pengaruh dar varabel yang dgunaan. Asums multnormal dar resdual terpenuh berdasaran Gambar dmana tt-tt yang terbentu dapat ddeat dengan gars lurus. Gambar. Quantl-Quantl Chuadrat Asums ehomogenan matrs varan ovaran uga terpenuh, dengan nla Box M sebesar 6,588 dengan sgn 0,046 > 0,0. 5. Kesmpulan Berdasaran analss yang telah dlauan dperoleh esmpulan berut:. Pemrsa berta sore yang berusa lebh dar 0 tahun sebesar 40,3 % memberan penlaan yang sedang terhadap program berta yang dtonton.. Pemrsa berta sore yang berens elamn perempuan sebesar 3,4 % memberan penlaan yang sedang terhadap program berta yang dtonton. 3. Pemrsa berta sore yang berpenddan SMA sebesar 8,7 % memberan penlaan yang sedang terhadap program berta yang dtonton. 4. Pemrsa berta sore yang beera sebaga bu rumah tangga sebesar,6 % memberan penlaan yang sedang terhadap program berta yang dtonton. 5. Pemrsa berta sore yang menonton Indosar sebesar,9 %, Trans TV sebesar,5 %, RCTI dan SCTV sebesar 6,5 %, Trans 7 sebesar 5,8 %, Global TV dan TPI sebesar,4 % memberan penlaan yang sedang terhadap program berta yang dtonton. 0

10 Meda Statsta, Vol. 3, No., Desember 00: 93-0 DAFTAR PUSTAKA. Ghozal, I., Aplas Analss Multvarat dengan Program SPSS, Badan Penerbt Undp, Semarang, 00.. Har, J.F.A. et al., Multvarate data Analyss, Prentce Hall Internatonal, New Jersey, Hasan, M.I., Poo-Poo Mater Metodolog Peneltan dan Aplasnya, Ghala Indonesa, Jaarta, Johnson, R.A., Appled Multvarate Statstcal Analyss Thrd Edton, Prentce Hall Internatonal, Inc., New Jersey, Montgomery, D.C., Desgn and Analyss of Experment, 6 nd Edton, John Wley & Sons, New Yor, Morssan, Sales-Maretng Poo Bahasan : Segmentas Pasar, 009, URL: 7. Peter, J. P and Olson, J.C., Consumer Behavor : Perlau Konsumen dan Strateg Pemasaran, Erlangga, Jaarta, Sanuddn, Ten Penulsan Berta TV, 009, URL: 9. Sharma, S., Appled Multvarate Technques, John Wlley & Sons, New Yor, Smamora, B., Analss Multvarat Pemasaran, Grameda Pustaa Utama, Jaarta,