ANALISIS CLUSTER PSIKOGRAFIS KONSUMEN KEDIRI TOWN SQUARE (CLUSTER ANALYSIS PSYCHOGRAPHIC CONSUMERS KEDIRI TOWN SQUARE)

Transkripsi

1 ANALISIS CLUSTER PSIKOGRAFIS KONSUMEN KEDIRI TOWN SQUARE (CLUSTER ANALYSIS PSYCHOGRAPHIC CONSUMERS KEDIRI TOWN SQUARE) Amin Tohari Universitas Nusantara PGRI Keiri, Abstrak Perkembangan pusat perbelanjaan yang semakin pesat i kota Keiri menimbulkan aanya persaingan usaha, sehingga ibutuhkan strategi pemasaran seperti segmentasi konsumen paa komponen emografis an psikografis. Dalam statistika, komponen-komponen tersebut apat inyatakan sebagai variabel. Untuk meringkas ata engan banyak variabel, akan igunakan analisis cluster engan metoe k-means cluster. Data yang igunakan aalah ata hasil penyebaran kuisioner kepaa konsumen Keiri Town Square. Analisis cluster akan ilakukan paa komponen psikografis konsumen Keiri Town Square. Metoe sampling yang igunakan aalah systematic ranom sampling engan jumlah sampel sebanyak 103 responen. Analisis cluster menghasilkan empat segmen yaitu segmen yang icirikan oleh konsumen yang lebih mempertimbangkan kualitas karena kualitas bagi mereka aalah nomer satu, segmen yang icirikan oleh konsumen yang setia engan merek, segmen yang tiak mempermasalahkan harga, an segmen yang impulsive yaitu konsumen yang suka membeli barang yang tiak irencanakan sebelumnya. Kata kunci: Analisis Cluster, K-means, Komponen Psikografis Abstract The evelopment of shopping centers, which grow rapily in Keiri, rise to the competition, so it takes a marketing strategy such as customers segmentation at the emographic an psychographic components. In statistics, these components can be expresse as a variable. To summarize ata with many variables, will be use cluster analysis with k-means cluster metho. The ata use is ata from questionnaires to a sample of consumers Keiri Town Square. Cluster analysis will be performe on the consumer psychographic components Keiri Town Square. Sampling metho use is systematic ranom sampling with a total samples of 103 responents. Cluster analysis resulte in four segments, a segment which is characterize by consumers who consier about the quality because for them quality is priority, a segment that is characterize by consumers who are loyal to the bran, a segment which the consumers on t care about the price, an a segment that impulsive that consumers who prefer often buy goos that are not planne. Keywors: Cluster Analysis, K-means, Psychographic Components PENDAHULUAN Pembangunan i Inonesia khususnya alam biang retail mengalami perkembangan yang pesat, banyak pusat perbelanjaan baru beriri baik i kota Jurnal Matematika an Peniikan Matematika Vol. I No. September

2 besar maupun kota kecil. Demikian juga yang terjai i Kota Keiri Jawa Timur, banyak pusat perbelanjaan baru beriri sehingga menimbulkan persaingan yang memerlukan penekatan consumer atau customer riven. Penekatan ini igunakan untuk menentukan prouk baik berupa barang maupun jasa yang benar-benar sesuai engan kebutuhan konsumen atau pelanggan. Keistimewaan pusat perbelanjaan yang apat memenuhi semua kebutuhan konsumen alam satu tempat, menyebabkan keberaaannya semakin ibutuhkan, hal ini mengakibatkan pusat perbelanjaan tumbuh menjai bisnis yang menguntungkan. Agar usaha tersebut apat bersaing, maka ibutuhkan strategi pemasaran yang tepat. Salah satu bagian ari strategi pemasaran yang perlu iperhatikan aalah tentang pengelompokan (segmentasi) konsumen. Segmentasi konsumen, menurut Umar (000: 45) iasarkan paa komponen emografis an psikografis. Dalam statistika, komponen psikografis tersebut apat inyatakan sebagai variabel. Untuk meringkas ata engan banyak variabel, akan igunakan analisis multivariate yaitu analisis cluster. Analisis ini bertujuan untuk mengelompokkan objek-objek berasarkan karakteristik i antara objek-objek tersebut (Johnson & Wichern, 007: 671). Hasil ari analisis ini akan terbentuk kelompok-kelompok engan ciri khas tiap kelompok. Dari penelitian ini nantinya akan iapatkan hasil pengelompokan segmen konsumen berasarkan komponen psikografis konsumen. Beberapa penelitian tentang analisis cluster yang pernah ilakukan aalah analisis persepsi konsumen an strategi pemasaran beras analog (Rizki kk., 013), analisis klaster untuk pengelompokan kabupaten/kota i provinsi Jawa Tengah berasarkan inikator kesejahteraan rakyat (Yulianto & Hiayatullah, 014), analisis cluster terhaap tingkat pencemaran uara paa sektor inustri i Sumatra Selatan (Sitepu kk., 011). Penelitian ini ilakukan paa konsumen Keiri Town Square yang iharapkan mampu menunjukkan segmentasi konsumen ari Keiri Town Square. Selain itu, ari hasil pengelompokan ini apat menjai pertimbangan untuk melakukan strategi pemasaran yang lain seperti positioning an targeting. KAJIAN TEORI Analisis cluster aalah pengelompokan objek-objek yang sama engan menggunakan ata ari objek tersebut (Seber, 004: 347). Seangkan menurut Malhotra & Birk (007: 670), Analisis cluster merupakan suatu teknik yang igunakan untuk mengklasifikasikan objek atau kasus ke alam kelompok yang relatif homogen, objek i setiap cluster cenerung memiliki kemiripan satu sama lain an berbea engan objek yang beraa paa cluster lainnya. Lebih lanjut Hair kk., (010: 481) menyatakan bahwa sebagai analisis multivariate, analisis cluster bertujuan mengklasifikan objek ke alam satu set karakteristik pengguna yang ipilih, cluster yang ihasilkan harus menunjukkan homogenitas tinggi antar anggota alam satu cluster (within-cluster) an heterogenitas yang tinggi antar cluster yang satu engan cluster yang lainnya (between-cluster). Untuk mengelompokan obyek yang mirip alam kelompok yang sama, iperlukan beberapa ukuran untuk mengetahui seberapa mirip atau berbea objekobjek tersebut. Penekatan yang paling biasa aalah mengukur kemiripan yang inyatakan alam jarak (istance) antara pasangan objek, semakin besar ukuran kemiripan atau jarak antar ua buah objek, makin besar pula perbeaan antara ua objek tersebut, sehingga makin cenerung untuk tiak menganggapnya kealam Jurnal Matematika an Peniikan Matematika Vol. I No. September

3 kelompok yang sama (Yulianto & Hiayatullah, 014: 58). Dasar yang igunakan untuk melakukan pengelompokan aalah ukuran keekatan antar pengamatan yang isebut engan jarak. Jarak eucli sering igunakan an paling seerhana untuk variabel kontinu. Rumus jarak eucli aalah: p ij ik jk k 1 x x (1) x pengamatan ke- j paa variabel ke-ij ik imana: jarak antara pengamatan ke- i an pengamatan ke-j x pengamatan ke- i paa variabel ke-k jk Syarat jarak eucli aalah variabel yang iamati tiak saling berkorelasi, mempunyai satuan ukuran yang sama an nilai stanarisasi ata mempunyai ratarata nol an stanar eviasi satu (Manly, 1986: 101). Apabila terapat korelasi antar variabel, jarak mahalanobis apat igunakan sebagai alternatif jarak yang igunakan. Sharma (1996: 197) menyatakan bahwa jarak mahalanobis iefinisikan sebagai jarak antara ua titik yang melibatkan covariance atau korelasi antar variabel. Jarak Mahalanobis antara pengamatan ke-i an ke-j irumuskan sebagai berikut : imana : ij ij x i1 j1 x i 1 x x x x r x x x x 1 r S S S S i1 j1 i j i1 j1 i j 1 1 = jarak antara pengamatan ke-i an ke-j = pengamatan ke-i paa variabel ke-1 x = pengamatan ke-j paa variabel ke-1 j = pengamatan ke-i paa variabel ke- x = pengamatan ke-j paa variabel ke- r = koefisien korelasi antar ua variabel S 1 an S = varian untuk variabel ke-1 an ke- Menurut Afifi & Clark (1990: 38), jarak mahalanobis merupakan generalisasi ari jarak kuarat eucli yang istanartkan. Jika variabel-variabel tiak saling berkorelasi atau r 0, maka jarak mahalanobis sama engan jarak kuarat eucli yang istanartkan. Seangkan untuk kasus engan jumlah variabel lebih ari ua (p-variabel), maka jarak mahalanobis antara ua pengamatan inyatakan alam bentuk vektor an matrik (Sharma, 1996: 198) : T 1 ij ik jk ik jk X X S X X (3) imana : jarak antara pengamatan ke- i an ke-j ij X X S ik jk = vektor pengamatan ke- i paa variabel ke-k = vektor pengamatan ke- j paa variabel ke- k = matrik varian covariance () Jurnal Matematika an Peniikan Matematika Vol. I No. September

4 S S cov( x, x ) cov( x, x ) cov( x, x ) S cov( x, x ) 1 p p S cov( x, x ) cov( x, x ) S p 1 p p S S S 1 1 1p S S S 1 p S S S p1 p p Jarak yang iperoleh iringkas alam matrik simetri n x n : 0 D 1 1n 0 1 n i mana n1 n an 0 ik ki ii 0 Metoe Pengelompokan Hirarki Metoe pengelompokan hirarki igunakan untuk mengelompokkan pengamatan secara terstruktur berasarkan kemiripan sifatnya. Selain itu, analisis ini igunakan apabila paa awal analisis kurang aanya informasi tentang karakteristik pengamatan-pengamatan yang akan ikelompokkan, sehingga banyaknya kelompok yang iinginkan belum iketahui. Terapat ua macam cara untuk menapatkan kelompok engan metoe pengelompokan hirarki yaitu engan cara penggabungan (aglomerative) an pemisahan (evisive) kelompok (Mattjik & Sumertajaya, 011: 199). Metoe penggabungan ilakukan engan menganalisis sebanyak k kelompok (seluruh pengamatan), langkah selanjutnya aalah menggabungkan ua kelompok terekat sehingga paa akhirnya hanya terbentuk satu kelompok. Sementara metoe pemisahan imulai engan satu buah kelompok besar kemuian anggota kelompok yang paling tiak mirip atau ekat engan pengamatan yang lain ipisahkan menjai kelompok yang lain (Mattjik & Sumertajaya, 011: 199). Berasarkan rumus jarak yang igunakan, metoe penggabungan ini ibagi menjai tiga macam (Johnson & Wichern, 007: 68), yaitu: 1. Metoe Pautan Tunggal (Single Linkage) Metoe pautan tungal iefinisikan sebagai jarak minimum antara kelompok (UV) engan satu atau beberapa pengamatan i luar kelompok yang terbentuk sebelumnya. Jarak antara kelompok (UV) engan pengamatan W yaitu: (UV)W = minimum ( UW, VW ) (4). Metoe Pautan Lengkap (Complete Linkage) Metoe pautan lengkap iefinisikan sebagai jarak maksimum antara kelompok (UV) engan satu atau beberapa pengamatan i luar kelompok Jurnal Matematika an Peniikan Matematika Vol. I No. September

5 yang terbentuk sebelumnya. Jarak antara kelompok (UV) engan pengamatan W yaitu: (UV)W = maksimum ( UW, VW ) (5) 3. Metoe Pautan Rata-rata (Average Linkage) Paa metoe ini ihitung jarak minimum antara semua pasangan pengamatan ari kelompok yang igabung. Rata-rata jarak antara kelompok (UV) yang merupakan gabungan jarak antara kelompok U an kelompok V engan kelompok W aalah : UV W i mana: ik i k ik n( UV ) n( W ) = jarak antara pengamatan ke-i alam kelompok (UV) an pengamatan ke-k kelompok W n(uv) = banyaknya pengamatan alam kelompok (UV) n(w) = banyaknya pengamatan alam kelompok W Langkah-langkah paa pengelompokan hirarki penggabungan untuk mengelompokkan n pengamatan aalah (Johnson & Wichern, 007: 681): 1. Dimulai engan n kelompok i mana tiap kelompok teriri ari satu pengamatan matrik jarak atau kemiripan berukuran n x n, inotasikan D. Menentukan matrik jarak untuk pasangan ua pengamatan terekat, misalnya jarak terekat antara kelompok U an V aalah UV. 3. Menggabungkan kelompok U an V menjai satu kelompok baru yaitu kelompok (UV). Elemen matrik jarak apat iperbarui engan cara : a. Menghapus baris an kolom yang menghubungkan kelompok U an V. b. Menambah baris an kolom yang berisi nilai jarak antara kelompok (UV) engan kelompok-kelompok yang tersisa. 4. Mengulangi langkah an 3 sebanyak n kali sampai semua pengamatan masuk alam satu kelompok. Paa setiap langkah, kelompok yang terjai igambarkan alam bentuk enogram. Untuk memperoleh kelompok yang terbentuk, iaakan pemotongan enogram yaitu paa selisih terbesar antara jarak penggabungan (Mattjik & Sumertajaya, 011: 0). Metoe Pengelompokan Non Hirarki Mattjik & Sumertajaya (011: 14) menjelaskan bahwa metoe pengelompokan non hirarki imulai engan menentukan besarnya nilai k (yaitu banyaknya kelompok, an menentukan centroi paa setiap kelompok), langkah keua aalah menghitung jarak antara setiap objek engan setiap centroi, kemuian ilanjutkan langkah ketiga engan menghitung kembali centroi untuk kelompok yang baru terbentuk, an langkah keempat mengulangi langkah keua sampai tiak aa lagi peminahan objek antar kelompok. Dua masalah utama yang harus iketahui alam pengelompokan non hirarki aalah jumlah kelompok an pemilihan pusat kelompok (centroi). Lebih lanjut, hasil pengelompokan biasanya bergantung paa pusat (centers) yang ipilih an biasanya paa pengelompokan non hirarki memilih objek pertama sebagai centroi, sehingga hasil pengelompokan apat bergantung paa observasi alam ata. Metoe ini ij (6) Jurnal Matematika an Peniikan Matematika Vol. I No. September

6 sering isebut engan k-means Cluster yang bertujuan untuk mengelompokan ata seemikian hingga jarak tiap-tiap ata ke centori kelompok alam satu kelompok minimum. Dalam bentuk yang paling seerhana, algoritma metoe k-means Cluster teriri ari tiga tahap (Mattjik & Sumertajaya, 011: 15): 1. Bagi objek-objek ke alam k kelompok awal. Masukkan tiap objek ke suatu kelompok berasarkan rataan terekat, alam hal ini ukuran keekatan iasarkan paa jarak. 3. Ulangi langkah ua sampai tiak aa lagi peminahan objek antar kelompok Dalam membagi objek ke alam k kelompok awal, sebelumnya apat itentukan centroi untuk k inisial an ilanjutkan paa langkah berikutnya, penentuan terakhir suatu objek ke suatu kelompok tertentu tiak bergantung ari k inisial yang pertama kali itentukan (Mattjik & Sumertajaya, 011: 15). METODE Penelitian ini merupakan penelitian survei engan mengumpulkan ata an informasi menggunakan kuisioner. Data yang igunakan aalah ata primer yang iambil paa bulan Desember 015 ari konsumen Keiri Town Square i Kota Keiri Jawa Timur. Metoe sampling atau tehnik pengambilan sampel yang igunakan aalah systematic ranom sampling engan jumlah sampel sebanyak 103 konsumen. Variabel yang igunakan merupakan komponen psikografis teriri ari: 1. Price Consciousness: Keseiaan berjalan lebih jauh untuk menapatkan harga yang murah (Y1), Membaningkan harga barang (Y) an Suka engan harga iskon (Y3). Quality Consciousnes: Kualitas aalah nomer satu (Y4) an Harga bukan suatu permasalahan (Y5) 3. Image/ Prestige: Merek terkenal (Y6), Merek yang igunakan oleh artis (Y7) an Bangga engan harga mahal (Y8) 4. Risk Taker: Suka mencoba-coba barang baru (Y9) 5. Konservatif: Merek yang suah lama igunakan (Y10) an Lebih suka engan merek yang biasa igunakan oleh ortu, sauara/teman (Y11) 6. Impulsive: Membeli i luar rencana (Y1), Membeli apa saja (Y13) an Membeli barang yang tiak saya butuhkan (Y14) 7. Well Plane: Merencanakan sebelum membeli barang (Y15), an Mempertimbangkan engan seksama (Y16) Dalam menganalisis ata penelitian, penulis menggunakan langkahlangkah sebagai berikut: 1. Melakukan transformasi engan metoe rating yang ijumlahkan, ilakukan engan makro Minitab.. Melakukan uji valiitas an uji reliabilitas, ilakukan engan SPSS for Winows versi Menerapkan k-means cluster menggunakan Minitab 16 engan langkah sebagai berikut: a. Membagi objek-objek ke alam k kelompok awal b. Memasukkan setiap objek (iniviu) ke alam suatu kelompok berasarkan rataan terekat Jurnal Matematika an Peniikan Matematika Vol. I No. September

7 c. Mengulangi langkah keua sampai tiak aa lagi peminahan objek antar kelompok HASIL DAN PEMBAHASAN Setelah memperoleh ata ari 103 konsumen Keiri Town Square, maka ilakukan pengujian valiitas an reliabilitas, kemuian ilakukan segmentasi konsumen menggunakan analisis cluster engan metoe k-means cluster. Berasarkan 16 inikator alam faktor psikografis konsumen ari analisis cluster iapatkan 4 kelompok konsumen Keiri Town Square engan karakteristiknya masing-masing seperti apat ilihat paa tabel 1 an tabel. Tabel 1. Hasil Cluster Centroi Variabel Cluster 1 Cluster Clsuter 3 Cluster 4 Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Sumber: Output Minitab, iolah Tabel. Hasil Analisis Cluster Konsumen Keiri Town Square No Objek Cluster No Objek Cluster 1 Konsumen Konsumen 10 4 Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen 60 Konsumen Konsumen Konsumen Konsumen 3 6 Konsumen Konsumen Konsumen Konsumen Konsumen 9 4 Jurnal Matematika an Peniikan Matematika Vol. I No. September

8 Lanjutan Tabel. Hasil Analisis Cluster Konsumen Keiri Town Square No Objek Cluster No Objek Cluster 13 Konsumen Konsumen Konsumen 5 66 Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen 94 7 Konsumen Konsumen Konsumen 46 4 Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen 3 8 Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen Konsumen 9 4 Sumber: Output Minitab, iolah Jurnal Matematika an Peniikan Matematika Vol. I No. September

9 Tabel 1 an memperlihatkan perbeaan karakteristik antar 4 kelompok konsumen yang menggambarkan nilai tengah ari masing-masing inikator i setiap kelompok. Dari hasil analisis cluster yang ilakukan, apat iketahui bahwa ciri atau karakteristik konsumen yang berbelanja i Keiri Town Square aa konsumen yang termasuk quality consciousnes, tiak mempersoalkan harga, konservatif, an impulsive. Untuk konsumen yang termasuk alam cluster 1 merupakan konsumen engan ciri atau karakteristik kualitas aalah nomor satu, konsumen yang termasuk alam cluster merupakan konsumen engan ciri atau karakteristik konservatif, konsumen yang termasuk alam cluster 3 merupakan konsumen yang tiak mempersoalkan harga, an konsumen yang termasuk alam cluster 4 merupakan konsumen engan ciri atau karakteristik impulsive. Berasarkan hasil analisis cluster i atas, maka apat iketahui segmentasi ari konsumen Keiri Town Square sebagai berikut: 1. Segmen 1: segmen ini icirikan oleh konsumen yang lebih mempertimbangkan kualitas, karena kualitas bagi konsumen ini aalah nomer satu.. Segmen : segmen ini icirikan oleh konsumen yang setia engan merek, karena konsumen i segmen ini lebih suka engan merek yang biasa igunakan. 3. Segmen 3: Segmen yang ketiga ini aalah kelompok ari konsumen Keiri Town Square yang tiak mempersolkan harga barang, karena bagi konsumen i segmen ini harga barang bukan merupakan permasalahan 4. Segmen 4: Segmen keempat aalah segmen yang icirikan oleh konsumen yang impulsive, karena konsumen i segmen ini sering membeli barang yang sebenarnya tiak ibutuhkan an tiak irencanakan sebelumnya. Hasil segmentasi berasarkan analisis cluster engan metoe k-means cluster apat igambarkan sebagai berikut: Gambar 1. Prosentase segmentasi konsumen Keiri Town Square Berasarkan gambar 1 i atas, iketahui bahwa hasil analisis cluster konsumen Keiri Town Square teriri ari 4 kelompok (segmen), ari 4 kelompok konsumen yang terbentuk anggota sampel paling besar yaitu sebanyak 54 responen atau 5% konsumen aalah paa segmen 4 yaitu segmen konsumen yang impulsive, segmen 3 yaitu segmen konsumen yang tiak mempersoalkan Jurnal Matematika an Peniikan Matematika Vol. I No. September

10 harga barang sebanyak 7 konsumen atau 6% konsumen, segmen yaitu segmen konsumen yang konservatif sebanyak 15 konsumen atau 15% konsumen, an hanya aa bebarapa konsumen saja yaitu sebanyak 7 responen atau 7% konsumen yang mempertimbangkan kualitas barang. SIMPULAN DAN SARAN Dari hasil analisis cluster apat iketahui segmentasi konsumen Keiri Town Square, imana terapat 4 segmen konsumen. Keiri Town Square apat melakukan targeting paa segmen engan jumlah anggota cluster paling besar yaitu paa segmen konsumen yang impulsive yaitu konsumen yang sering membeli barang yang sebenarnya tiak ibutuhkan an tiak irencanakan sebelumnya. Saran untuk penelitian selanjutnya yaitu melakukan analisis biplot sehingga apat iketahui positioning Keiri Town Square berupa keunggulankeunggulan yang imiliki ibaningkan engan pesaing i kota Keiri. DAFTAR RUJUKAN Afifi, A. A., & Clark, V. (1990). Computer-aie Multivariate Analysis (n e.). New York: Chapman & Hall. Hair, J. F., Black, W. C., Babin, B. J., & Anerson, R. E. (010). Multivariate Data Analysis. New Jersey: Pearson Prantice Hall. Malhotra, N.K., & Birk, D.F. (007). Marketing Research An Applie Approach. New Jersey: Prentice Hall, Inc. Publication. Manly, B. F. J. (1986). Multivariate Statistical Methos A Primer. New York: Chapman an Hall. Mattjik, A.A., & Sumertajaya, I.M. (011). Siik Peubah Gana engan Menggunakan SAS. Bogor: IPB Press Rizki, D.A., Munanar, J.M., & Anrianto, M.S. (013). Analisis Persepsi Konsumen an Strategi Pemasaran Beras Analog (Analog Rice). Jurnal Manajemen an Organisasi., 4 (), (Online), ( iakses 1 Juni 016). Seber, G.A.F. (004). Multivariate Observations. New York: A John Wiley & Sons, Inc. Publication. Sharma, S. (1996). Applie Multivariate Techniques. New York: John Wiley an Sons, Inc. Sitepu, R., Irmeilyana, & Gultom, B. (011). Analisis Cluster terhaap Tingkat Pencemaran Uara paa Sektor Inustri i Sumatra Selatan. Jurnal Penelitian Sains., 14 (3), (Online), ( iakses 1 Juni 016). Umar, H. (000). Riset Pemasaran an Perilaku Konsumen. Jakarta: Grameia. Yulianto, S. & Hiayatullah, K.H. (014). Analisis Klaster Untuk Pengelompokan Kabupaten/Kota i Provinsi Jawa Tengah Berasarkan Inikator Kesejahteraan Rakyat. Jurnal Statistika., (1), (Online), ( iakses 1 Juni 016). Jurnal Matematika an Peniikan Matematika Vol. I No. September