KAJIAN METODE THURSTONIAN DALAM MENGANALISIS DATA ORDINAL

Transkripsi

1 KAJIAN METODE THURSTONIAN DALAM MENGANALISIS DATA ORDINAL (Stud Kasus : Penlaan Tngkat Kepentngan Terhadap Berbaga Aspek dalam Menggunakan Transaks Non Tuna) INA WIDAYANTY DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2007

2 ABSTRAK INA WIDAYANTY. Kaan Metode Thurstonan dalam Menganalss Data Ordnal (Stud Kasus : Penlaan Tngkat Kepentngan Terhadap Berbaga Aspek dalam Menggunakan Transaks Non Tuna). Dbmbng oleh HARI WIJAYANTO dan ANANG KURNIA. Data ordnal basanya dgunakan dalam peneltan pada bdang sosal. Salah satu penggunaan data ordnal adalah ketka penelt ngn menla skap, perseps, atau reaks seseorang terhadap sebuah pernyataan yang daukan. Thurstone memperkenalkan metode untuk mengolah data ordnal tersebut dantaranya metode Thurstone (the law of comparatve udgement), metode equal appearng ntervals, dan metode successve ntervals. Prnsp dasar metode-metode tersebut adalah mentransformas data dar skala ordnal menad data berskala nterval agar relevan dalam melakukan nterpretas. Selan tu, metode tersebut dapat menla perngkat suatu atrbut dan mengukur seberapa besar perbedaan kepentngan suatu atrbut terhadap atrbut lannya. Metode Thurstone dapat mengurutkan perngkat atrbut berdasarkan prnsp perbandngan berpasangan (par comparson). Metode equal appearng nterval dapat mengurutkan perngkat atrbut berdasarkan penghtungan nla medan. Metode successve nterval dapat mengurutkan perngkat atrbut dan mampu menempatkan atrbut pada kategor yang tertentu. U kesesuaan model dan penghtungan tngkat kesalahan dapat dlakukan pada metode Thurstone dan metode successve ntervals. Metode equal appearng ntervals tdak dapat mengu kesesuaan model dan mengukur tngkat kesalahan. Pada kasus penlaan tngkat kepentngan responden dalam menggunakan transaks non tuna, hasl u kesesuaan model pada metode Thurstone dan metode successve ntervals menyatakan bahwa model telah cukup bak menggambarkan konds data sebenarnya dengan tngkat kesalahan masng-masng 2.3% dan 4.5%. Metode Thurstone relatf tdak senstf terhadap perubahan bobot atau skala penlaan pada suatu atrbut. Metode Thurstone hanya melhat bagamana hasl penlaan berpasangan antara dua atrbut, namun tdak mampu melhat perbedaan penlaan yang dberkan oleh responden terhadap atrbut-atrbut tersebut. Penlaan tngkat kepentngan dalam menggunakan transaks non tuna memberkan hasl tga perngkat teratas yang menunukkan tngkat kepentngan palng tngg dalam melakukan transaks non tuna yatu pada aspek tngkat kemudahan atau aksesbltas, tngkat keamanan, dan kecepatan transaks. Kenyamanan merupakan aspek yang tngkat kepentngannya palng rendah dbandngkan atrbut lan.

3 KAJIAN METODE THURSTONIAN DALAM MENGANALISIS DATA ORDINAL (Stud Kasus : Penlaan Tngkat Kepentngan terhadap Berbaga Aspek dalam Menggunakan Transaks Non Tuna) INA WIDAYANTY Skrps Sebaga salah satu syarat untuk memperoleh gelar Sarana Sans pada Departemen Statstka DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2007

4 Judul Skrps : Kaan Metode Thurstonan dalam Menganalss Data Ordnal (Stud Kasus : Penlaan Tngkat Kepentngan terhadap Berbaga Aspek dalam Menggunakan Transaks Non Tuna) Nama : Ina Wdayanty NRP : G Menyetuu, Pembmbng I Pembmbng II Dr. Ir. Har Wayanto, MS Anang Kurna, MS NIP NIP Mengetahu : Dekan Fakultas Matematka dan Ilmu Pengetahuan Alam Insttut Pertanan Bogor Prof. Dr. Ir. Yonny Koesmaryono, MS NIP Tanggal Lulus :

5 RIWAYAT HIDUP Penuls lahr d Jakarta pada tanggal 2 Agustus 1984 dar ayah Muhammad Hdayat dan bu Duwta Legawat. Penuls merupakan anak sulung dar empat bersaudara. Tahun 1996 penuls lulus Sekolah Dasar Neger Pengadlan 3 Bogor kemudan dlanutkan d SLTPN 4 Bogor sampa tahun Tahun 2002, penuls menamatkan penddkan menengah lanutan atas d SMU Neger 1 Bogor dan pada tahun yang sama dterma sebaga mahasswa Departemen Statstka, Fakultas Matematka dan Ilmu Pengetahuan Alam, Insttut Pertanan Bogor melalu alur Undangan Seleks Masuk IPB (USMI). Pada tahun 2006, penuls mengkut kegatan praktek lapang d Center for Statstcs and Publc Opnon (CESPO). Semasa menad mahasswa, penuls aktf pada berbaga organsas kemahasswaan, dantaranya sebaga anggota departemen kesekretaratan Hmpunan Profes Gamma Sgma Beta (Hmpro GSB), anggota departemen syar Keluarga Mahasswa Muslm Statstka (KAMMUS), dan redaktur meda Islam NUANSA. Penuls pernah menad Juara III Statstka Ra 2005.

6 PRAKATA Segala pu dan syukur bag Allah SWT yang telah memberkan karuna yang tak terbatas bag penuls, sehngga penuls dapat menyelesakan skrps dengan bak. Skrps n dtuls sebaga salah satu syarat merah gelar sarana sans pada Departemen Statstka, Fakultas Matematka dan Ilmu Pengetahuan Alam, Insttut Pertanan Bogor. Lebh auh dar tu, skrps n penuls buat sebaga pemenuhan rasa ngn tahu penuls terhadap salah satu analss statstka yang berhubungan dengan konsep pskolog. Pada kesempatan n, tema yang dangkat penuls adalah mengena beberapa metode Thurstonan yang basa dgunakan dalam menganalss data skala skap (atttude scale). Metode yang dka yatu metode Thurstone (the law of comparatve udgement), metode equal appearng ntervals, dan metode successve ntervals. Ketga metode tersebut akan dbandngkan dan daplkaskan pada data penlaan tngkat kepentngan terhadap berbaga aspek dalam melakukan transaks non tuna. Terakhr, penuls sangat mengharapkan saran dan krtk yang membangun dar semua phak dem perbakan kualtas karya-karya selanutnya. Semoga karya kecl n dapat memberkan manfaat yang besar bag pembaca. Bogor, Januar 2007 Ina Wdayanty

7 UCAPAN TERIMA KASIH Penuls menyadar sepenuhnya bahwa karya n tdak akan dapat dselesakan dengan bak tanpa adanya petunuk, kemudahan, dan kash sayang dar Sang Pemlk Ilmu. Oleh karena tu, penuls mengucapkan rasa syukur yang mendalam kepada-nya atas seluruh nkmat dan karuna yang tak pernah hent kepada penuls. Alhamdulllaah Rabbl Aalamn. Tak lupa shalawat serta salam semoga selalu tercurah kepada utusan-nya, Muhammad SAW sebaga model prbad terbak sepanang masa dalam menalan kehdupan d bum n. Rasa terma kash yang tulus penuls sampakan kepada : 1. Bapak Dr. Ir. Har Wayanto, MS dan Bapak Anang Kurna, MS atas bmbngannya selama penulsan skrps n 2. Ibuku tercnta atas segala kash sayang, doa, dan pengorbanan untuk penuls. Skrps n ad kado ultahmu, Bu... Semoga aku bsa member yang terbak 3. Bapak dan ketga adkku yang selalu member cnta, mendoakan, dan menyemangat penuls dengan caranya yang tdak basa. 4. Seluruh dosen Departemen Statstka atas lmu dan nasehat yang berharga dan bermanfaat bag penuls. Semoga Allah menadkannya sebaga amal yang tak pernah putus 5. Guru-guruku seak TK, SD, SMP, dan SMA, terutama untuk guru yang telah mengaarku mengenal huruf, membaca, dan menuls. Terma kash atas kesabaran dalam menddk dan mengaarku. Semoga seluruh peruanganmu menad amalan yang mengantarkan ke surga 6. Seluruh staf Departemen Statstka (Bu Markonah, Bu Suls, Bu Dede, Bang Sudn, Mang Herman, Bang Dur, Pak Ian) atas bantuannya selama penuls belaar d IPB 7. Teman seperuangan, senasb, dan sepenanggungan.. Statstka 39. Terma kash atas kebersamaannya dalam segala suasana hat. Bar auh d mata, tap tetap dekat d hat. We are the one-one-one!! We are the best-best best!! We are the good good good 8. Tc dan Isha (terma kash atas semua dukungannya), Ran, Wwn, Och, Rzka (teman satu bmbngan, konsultas dan berbag saran), Ibenk, Her, Cerl (terma kash telah meneman penuls selama PL d CESPO), Ida, Yol, Yauml (terma kash sudah menampung penuls d tempat kost untuk tdur, belaar,dll), Fahm (partner semnar) 9. Kakah kelas dan adk kelas cvtas statstka 10. Teman-teman d GSB, KAMMUS, NUANSA. Terma kash telah memberku kesempatan berekspres 11. Semua phak yang telah membantu dan semua orang yang pernah hadr dalam hatku, dalam lntasan pkranku, dalam angkauan pandangan dan pendengaranku. Terma kash telah mengnspras dan mewarna lka-lku kehdupanku.

8 DAFTAR ISI Halaman DAFTAR TABEL... v DAFTAR GAMBAR... v DAFTAR LAMPIRAN... v PENDAHULUAN Latar Belakang... 1 Tuuan... 1 TINJAUAN PUSTAKA Penskalaan... 1 Skala Pengukuran... 1 Metode Thurstonan... 2 Metode Thurstone (The Law of Comparatve Judgements) Metode Equal Appearng Intervals... 4 Metode Successve Intervals... 5 BAHAN DAN METODE Bahan... 6 Metode... 6 HASIL DAN PEMBAHASAN Eksploras Data... 6 Metode Rataan... 7 Metode Thurstone (The Law of Comparatve Judgements)... 7 Metode Equal Appearng Intervals... 7 Metode Successve Intervals... 8 Perbandngan Hasl... 8 Pemlhan Metode Terbak... 9 KESIMPULAN... 9 DAFTAR PUSTAKA LAMPIRAN... 11

9 DAFTAR TABEL Halaman 1. Rataan Data Awal Nla Skala pada Metode Thurstone (The Law of Comparatve Judgements) Nla Skala pada Metode Equal Appearng Interval Nla Skala dan Selang Kategor pada Metode Successve Intervals Urutan Kepentngan Atrbut pada Berbaga Metode Perbandngan Metode... 9 DAFTAR GAMBAR 1. Skala Pengukuran Sebaran Data Atrbut... 6 DAFTAR LAMPIRAN 1. Data Awal Hasl Pengolahan dengan Metode Thurstone Kasus V Hasl Pengolahan dengan Metode Equal Appearng Intervals Hasl Pengolahan dengan Metode Successve Intervals... 14

10 1 PENDAHULUAN Latar Belakang Data ordnal basanya dgunakan pada peneltan sosal. Salah satu penggunaan data ordnal adalah ketka penelt ngn menla skap, perseps, atau reaks seseorang terhadap sebuah pernyataan yang daukan. Data ordnal dapat danalss secara sederhana dengan menggunakan analss statstka deskrptf, sepert dtamplkan dalam bentuk tabel frekuens, grafk, tabulas slang, atau metode rataan. Thurstone memperkenalkan metode untuk mengolah data ordnal, khususnya mengena penlaan skap, perseps, atau reaks seseorang terhadap sebuah pernyataan atau atrbut. Metode tersebut dantaranya metode Thurstone (the law of comparatve udgement), metode equal appearng ntervals, dan metode successve ntervals. Ketga metode n dplh karena prnsp dasar metode tersebut adalah mentransformas data dar skala ordnal menad data berskala nterval. Transformas n pentng karena dalam penggunaan data ordnal responden mengalam keterbatasan untuk melakukan penlaan yang sesungguhnya. Beberapa responden yang memberkan penlaan yang sama terhadap suatu atrbut dalam bentuk skala ordnal belum tentu memlk penlaan yang sama pula ketka menla suatu atrbut dalam skala nterval. Selan tu, metode tersebut dapat menla perngkat suatu atrbut dan mengukur seberapa besar perbedaan kepentngan suatu atrbut terhadap atrbut lannya. Semakn serngnya data berskala ordnal n dgunakan dalam berbaga peneltan, maka kaan mengena teknk analss untuk mengolah data ordnal menad salah satu hal yang menark dan pentng untuk dlakukan. Tulsan n membahas metode yang dkembangkan oleh Thurstone serta aplkasnya dalam duna perbankan, khususnya pada transaks non tuna. Tuuan Tuuan dar peneltan n adalah : 1. Membandngkan metode yang dkembangkan oleh Thurstone, yatu metode Thurstone (the law of comparatve udgement), metode equal appearng ntervals, dan metode successve ntervals. 2. Mengaplkaskan ketga metode Thurstonan dalam menla aspek-aspek yang danggap pentng ketka melakukan transaks non tuna. TINJAUAN PUSTAKA Penskalaan Menurut Steven (1959), penskalaan adalah suatu teknk bagamana mendapatkan angka yang memberkan art untuk menla suatu atrbut berdasarkan aturan tertentu. Alasan utama dlakukan penskalaan adalah mendapatkan suatu nla yang dapat merepresentaskan skap seseorang terhadap atrbut yang dberkan oleh penelt. Skala Pengukuran Berdasarkan tngkatannya, skala pengukuran dapat dbedakan menad skala nomnal, ordnal, nterval, dan raso. Ilustras mengena skala pengukuran dapat dlhat pada Gambar 1. Gambar 1 Skala Pengukuran Skala nomnal memlk makna pembedaan. Artnya, skala n hanya mampu membedakan antar obek yang bernla sama. Contoh data berskala nomnal adalah ketka membedakan ens kelamn, ens pekeraan, suku, agama, dan sebaganya. Skala ordnal mempunya satu tngkatan lebh tngg dbandngkan skala nomnal. Selan dapat membedakan suatu obek, skala n pun mampu menggolongkannnya dalam suatu urutan lebh tngg atau lebh rendah. Kelemahan skala ordnal adalah tdak mampu mengukur perbedaan arak antara dua obek. Contoh data berskala ordnal adalah ketka mengukur tngkat kepuasan terhadap suatu obek yang dnla dengan skala tertentu, msalkan dengan skala 1-5 dengan asums semakn tngg nla skala, maka semakn tngg pula tngkat kepuasan responden, atau sebalknya.

11 2 Skala nterval dapat membedakan, mengurutkan, sekalgus dapat mengukur arak antara dua obek. Skala nterval tdak dapat dbandngkan secara raso karena tdak memlk nla nol yang bersfat mutlak. Contoh data berskala nterval adalah ketka mengukur suhu dan nla IQ. Skala raso adalah skala yang mampu membedakan, mengurutkan, membedakan arak antara 2 obek, dan mengukur secara raso perbedaan obek tersebut karena memlk nla nol yang bersfat mutlak. Contoh data berskala raso adalah ketka mengukur tngg dan berat badan. Metode Thurstonan Lous L. Thurstone mengembangkan metode yang dgunakan untuk data hasl penskalaan. Beberapa metode tersebut adalah metode Thurstone (the law of comparatve udgement), metode equal appearng ntervals, dan metode successve ntervals. A. Metode Thurstone (The law of comparatve udgement) The law of comparatve udgement merupakan salah satu hukum pskofsk yang pertama kal dkembangkan oleh Lous L. Thurstone pada tahun Pskofsk adalah lmu yang mempelaar hubungan kuanttatf antara benda-benda atau keadan fsk dengan respon dar pengamat. Benda-benda atau keadan fsk dsebut sebaga stmul atau atrbut yang berfungs sebaga perangsang respon dar pengamat. Prnsp dasar metode Thurstone (the law of comparatve udgement) n adalah metode perbandngan berpasangan (par comparsons) pada seluruh kemungknan pasangan atrbut. Seorang pengamat dapat memberkan penlaan terhadap seluruh pasangan atrbut secara berulang-ulang pada kesempatan yang berbeda atau beberapa pengamat yang hanya sekal memberkan penlaan terhadap seluruh pasangan atrbut. Penlaan tersebut akan dletakkan pada gars skala yang memuat semua nla pengukuran. Gars skala n dsebut rangkaan pskolog (psychologcal contnuum). Ketka pengamat melakukan penlaan, secara pskologs terdapat proses dalam dr pengamat untuk memberkan reaks terhadap sebuah atrbut. Proses n dsebut sebaga proses dskrmnal. Thurstone menyatakan proses dskrmnal adalah suatu proses dentfkas, pencran, atau reaks seseorang terhadap atrbut. Setap proses dskrmnal memlk satu nla rangkaan pskolog. Pada kenyataannya, pengamat serngkal memberkan penlaan pembandngan yang berbeda terhadap pasangan atrbut yang sama pada kesempatan yang berbeda. Dengan kata lan, seorang pengamat memlk proses dskrmnal yang berbeda pada penlaan sebuah atrbut dan akan membentuk sebaran frekuens pada rangkaan pskolog proses dskrmnalnya. Sebaran frekuens proses dskrmnal pada suatu atrbut membentuk sebuah sebaran normal dengan nla tengah sama dengan nla modus dar atrbut tersebut. Interpretas nla modus dar sebuah atrbut adalah sebaga proses dskrmnal yang palng serng berasosas dengan atrbut tersebut atau serng dsebut modal proses dskrmnal. Smpangan dskrmnal (dscrmnal devaton) adalah selsh proses dskrmnal untuk suatu atrbut pada suatu kesempatan dengan proses modus untuk atrbut tersebut. Smpangan baku dar sebaran proses dskrmnal dsebut dspers dskrmnal (dscrmnal dsperson). Selsh penlaan dua stmulus pada suatu kesempatan penlaan dsebut beda dskrmnal atau dscrmnal dfference. The law of comparatve udgement merupakan sebuah persamaan yang menghubungkan propors dar frekuens atrbut lebh tngg darpada atrbut sesua dengan kategor yang dberkan. Persamaan the law of comparatve udgement dapat ddefnskan sebaga berkut : 2 2 S S = Z σ + σ 2rσ σ dengan : S, S = Nla skala dar atrbut dan Z = Nla dar tabel normal baku yang berhubungan dengan propors penlaan p >. Bla p > lebh dar 0.5, maka Z bernla postf. Sedangkan Bla p > kurang dar 0.5, maka Z bernla negatf σ = Dspers dskrmnal dar atrbut σ = Dspers dskrmnal dar atrbut r = Korelas antara smpangan dskrmnal dar atrbut dan Asums-asums yang mendasar persamaan d atas yatu : 1. Setap persamaan dalam deret atrbut berasosas dengan suatu proses modus yang dgunakan pengamat untuk mengdentfkas atrbut.

12 3 2. Proses modus untuk semua atrbut setdaknya mempertahankan beberapa denttas walaupun atrbut tersebut dkombnaskan dengan atrbut lan dan menad suatu penlaan tunggal. 3. Proses modus dapat dsusun dalam suatu skala lnear dengan perngkat yang sama terhadap atrbut yang bersangkutan. 4. Sebaga tambahan untuk menyusun proses dskrmnal dalam perngkat, arak pemsah lnear d antara proses tersebut ddasar asums bahwa sebaran dspers dskrmnal untuk sembarang atrbut menyebar normal. 5. Smpangan-smpangan dskrmnal untuk atrbut yang berbeda dasumskan berkorelas. Bla tdak berkorelas, maka persamaannya menad : 2 2 S S = Z σ + σ 6. Semua selsh (S -S ) bernla postf karena penlaan yang dberkan > dan sebalknya Berdasarkan perbedaan asums, pendekatan penlaan oleh pengamat dan perbedaan deraat penyederhanaan, maka aplkas Thurstone n durakan dalam lma kasus yang berbeda, yatu : 1. Kasus I Dalam kasus n, the law of comparatve udgement dterapkan dalam bentuk lengkap dengan asums tap-tap atrbut salng berkorelas. Persamaan yang dgunakan yatu : 2 2 S S = Z σ + σ 2r σ σ Kasus n dapat daplkaskan pada pengukuran kualtatf dan kuanttatf. Pengamatan dlakukan oleh pengamat tunggal dengan penlaan berulang pada seluruh pasangan atrbut. 2. Kasus II Pengamatan dlakukan oleh sekelompok pengamat, masng-masng memberkan satu penlaan untuk tap pasang atrbut sebaga penggant pengamatan berulang yang dlakukan oleh seorang pengamat. Persamaan yang dgunakan sama dengan persamaan pada kasus I. 3. Kasus III Asums yang dgunakan yatu asums pada kasus I dan kasus II dtambah dengan asums tdak ada korelas antar smpangan dskrmnal (r=0), sehngga persamaannya menad : S S = Z 2 σ + σ 2 4. Kasus IV Asums tambahan yang dgunakan adalah dspers dskrmnal antar atrbut tdak auh berbeda, sehngga σ = σ + d. Dengan mensubsttuskan persamaan tersebut dengan persamaan pada kasus III dan dasumskan nla d 2 sangat kecl sehngga dapat dabakan, maka persamaan yang dgunakan menad : Z S S = ( σ + σ ) 2 = Z ( σ + σ ) 5. Kasus V Kasus n adalah kasus palng sederhana yatu mengasumskan bahwa dspers dskrmnal antar atrbut adalah homogen, sehngga persamaan yang dgunakan adalah : S S = Z 2σ 2 = Z σ 2 Dengan asums semua dspers dskrmnal bernla sama dengan satu, maka persamaan yang dgunakan menad: S S = Z 2 Konstanta 2 dapat dhlangkan karena yang ngn dcar adalah arak skala relatf antar atrbut. Persamaan akhr yang dgunakan untuk kasus V adalah : S S = Z Mosteller (1951) dalam Green (1954a) memberkan u ch square untuk melhat kesesuaan model dar hasl yang dperoleh. Nla Z harapan dan Z amatan dkonverskan menad propors harapan (P ) dan propors amatan (P ) menggunakan transformas normal baku. Propors n kembal dtransformas dengan transformas arcsn, yatu : θ '= arcsn p' Nla Ch-Square dhtung dengan formula : 2 ( θ θ ' ) 2 < χ = 821/ N N adalah banyaknya penlaan yang dberkan untuk setap pasangan atrbut. Deraat bebas dar nla ch square n adalah

13 4 (k-1)(k-2)/2, dengan k adalah banyaknya atrbut. Bla χ 2 htung kurang dar χ 2 (α; db=(k-1)(k-2)/2), berart nla amatan tdak berbeda nyata dengan nla harapan, sehngga dapat dnyatakan bahwa model telah cukup bak menggambarkan konds data sebenarnya. Metode Thurstone memlk kelebhan dbandngkan metode lannya, yatu mampu menghtung tngkat keakuratan dengan menggunakan nla average dscrepancy (AD). Semakn kecl nla AD, maka semakn tepat perngkat yang dperoleh. Formula untuk menghtung nla AD adalah : P' P { AD = k( k 1) / 2 Prosedur penlaan dengan metode the law of comparatve udgement n adalah : 1. Melakukan perbandngan berganda pada seluruh pasangan atrbut dan seluruh pengamatan. Aturannya adalah : 1, bla atrbut > atrbut F = 0, bla atrbut < atrbut 0.5, bla atrbut = atrbut 2. Menumlahkan skor seluruh pengamatan dan menempatkan skor tersebut pada kolom dan bars yang mewakl tap atrbut. Tahap n menghaslkan matrks frekuens (F ). 3. Menghtung matrks propors (P ) dengan cara mambag unsur-unsur pada matrks frekuens dengan umlah responden. 4. Mentransformaskan unsur-unsur dalam matrks propors menad nla kurva normal baku (Z ). Menurut Green (1954), nla Z yang lebh dar atau kurang dar harus dtolak karena hal n mencermnkan peluang keunggulan yang hampr sempurna (lebh dar 0.975) dan danggap tdak mungkn terad. 5. Menghtung rataan tap kolom tanpa menyertakan unsur dar dagonal matrks, kemudan kolom durutkan mula dar kolom dengan rataan terkecl hngga terbesar. 6. Menghtung selsh antar kolom terdekat. Atrbut dengan rataan tertngg dkurang dengan atrbut dengan rataan yang lebh rendah. Haslnya merupakan arak antara dua atrbut yang salng berdekatan. 7. Menghtung nla skala tap atrbut dengan menetapkan nla skala pertama bernla nol. Nla skala selanutnya dhtung dengan mencar nla kumulatf dar nla skala sebelumnya. B. Metode Equal Appearng Intervals Metode yang dkembangkan oleh Thurstone dan Chave (1929) n memlk prnsp dasar yatu mencar medan bag seluruh atrbut. Metode n mash bak dgunakan, walaupun sebaran datanya tdak smetrk. Prosedur penlaan dengan metode equal appearng ntervals adalah sebaga berkut : 1. Menghtung frekuens awaban pada atrbut ke- dan kategor ke- (F ), propors (P ), dan propors kumulatf (C ). 2. Menghtung nla medan setap atrbut (M ) dengan formula : 0.5 C( 1) M a b p = + dengan : M = Medan atau nla skala atrbut ke- a = Batas bawah dar kategor tempat medan berada C (-1) = Propors kumulatf dar kategor d bawah kategor medan berada p = Propors dar kategor dmana medan berada b = Lebar kategor dasumskan sama dengan 1 Thurstone dan Chave (1929) dalam Edwards (1957) menggunakan arak antar kuartl (JAK) untuk melhat keragaman penlaan pada sebuah atrbut. Nla JAK ddapat dengan menghtung selsh antara nla kuartl ketga (Q 3 ) dan nla kuartl pertama (Q 1 ) : JAK = Q 3 Q 1, Nla Q 1 dan Q 3 dapat dhtung dengan rumus: 0.25 C( 1) Q a 1 = + b p dengan : Q 1 = Nla kuartl pertama a = Batas bawah dar kategor tempat kuartl pertama berada C (-1) = Propors kumulatf dar kategor d bawah kategor kuartl pertama berada p = Propors dar kategor dmana kuartl pertama berada b = Lebar kategor dasumskan sama dengan 1

14 C( 1) Q a 3 = + b p dengan : Q 1 = Nla kuartl ketga a = Batas bawah dar kategor tempat kuartl ketga berada C (-1) = Propors kumulatf dar kategor d bawah kategor kuartl ketga berada p = Propors dar kategor dmana kuartl ketga berada b = Lebar kategor dasumskan sama dengan 1 Nla arak antar kuartl yang besar merupakan ndkas utama bag pertanyaan yang bersfat ambgu. Dengan kata lan, pernyataan-pernyataan yang daukan oleh penelt dnterpretaskan dengan cara yang berbeda-beda pada setap responden. C. Metode Successve Intervals Metode successve ntervals pertama kal dkemukakan oleh Saffr (1937). Metode n drekomendaskan ketka terlalu banyak atrbut yang dbandngkan bla menggunakan metode par comparson. Thurstone menyarankan agar atrbut yang dgunakan memlk keragaman yang relatf kecl. Keragaman atrbut yang besar mengndkaskan adanya ambgutas pada atrbut tersebut. Teknk pengolahan data pada metode n dbag menad dua kasus, yatu untuk kasus sel data lengkap dan sel data tdak lengkap. Kasus sel data lengkap yatu bla seluruh sel data dalam tabulas slang antara atrbut dan kategor ters seluruhnya. Prosedur penlaan dengan metode successve ntervals untuk kasus matrks sel data lengkap adalah sebaga berkut : 1. Menghtung frekuens awaban pada atrbut ke- dan kategor ke- (F ), propors (p ), dan propors kumulatf (P ). 2. Melakukan transformas data dar propors kumulatf (P ) menad nla sebaran normal baku (Z ). 3. Menghtung rataan setap atrbut ke- dan kategor ke-. c p 1 1 S = Z dan K = Z c = 1 p = 1 Keterangan : S = Rataan atrbut ke- (=1,2, c) K = Rataan kategor ke- (=1,2, p) Nla rataan kategor uga berfungs sebaga batas kategor. 4. Menghtung rataan dar seluruh rataan atrbut (G) dengan rumus : p 1 G = S p = 1 5. Menghtung nla skala (SV ) dengan formula : SV = G S 6. Letakkan atrbut pada kategor yang tepat berdasarkan nla skala (SV ) dan batas kategor (K ). Prosedur penlaan dengan metode successve ntervals untuk kasus matrks sel data tdak lengkap adalah sebaga berkut : 1. Menghtung frekuens awaban pada atrbut ke- dan kategor ke- (F ), propors (p ), dan propors kumulatf (P ). 2. Melakukan transformas data dar propors kumulatf (P ) menad nla sebaran normal baku (Z ). Nla Z yang lebh dar atau kurang dar harus dtolak karena hal n mencermnkan peluang keunggulan yang hampr sempurna (lebh dar 0.975) dan danggap tdak mungkn terad. 3. Menghtung selsh normal baku dar kategor ke- (D )dengan rumus : D = Z ( + 1) Z 4. Menghtung rataan dar D, yatu M. Nla M 1 tdak ada karena tdak ada kategor sebelumnya. p 1 M = D p = 1 5. Menghtung nla batas atas setap kategor (t ). Nla t 1 sama dengan nol. t = t 1 + M 6. Menghtung selsh batas atas kategor dengan nla normal bakunya (B ). B = t Z 7. Menghtung nla skala setap atrbut (SV ) dengan merata-ratakan B. p 1 SV = B p = 1 8. Letakkan atrbut pada kategor yang tepat berdasarkan nla skala (SV ) dan batas kategor (t ). Mosteller (1951) dalam Green (1954b) memberkan u ch square untuk melhat kesesuaan model dar hasl yang dperoleh. U n serupa dengan u yang dgunakan pada metode Thurstone. Prnsp penghtungan nla

15 6 AD pun sama sepert metode Thurstone yatu menghtung rata-rata perbedaan antara propors amatan dan propors harapannya. BAHAN DAN METODE Bahan Data yang dgunakan dalam peneltan n adalah rawdata hasl survey yang dlakukan atas kerasama antara Drektorat Akuntng & Sstem pembayaran Bank Indonesa dan FEM- IPB pada bulan Agustus Tuuan survey n adalah menelt perseps, preferens, dan perlaku masyarakat terhadap penggunaan pembayaran/transaks non tuna. Transaks non tuna dalam peneltan n ddefnskan sebaga cara pembayaran yang dlakukan oleh nasabah tanpa menggunakan uang tuna sebaga alat pembayaran, namun menggunakan cek, kartu kredt atau kartu debet, dan lan sebaganya. Kuesoner dsebarkan kepada 57 responden d Kampar dan Samarnda dengan metode purposve samplng. Responden yang berhak mengkut survey n adalah orangorang yang berumur tahun dan pengeluaran per bulannya datas Rp Dalam kuesoner n responden dmnta untuk memberkan penlaan tentang aspekaspek yang mendorong responden untuk melakukan transaks non tuna dalam skala : 1 = Sangat Pentng (SP) 2 = Pentng (P) 3 = Basa (B) 4 = Tdak Pentng (TP) 5 = Sangat Tdak Pentng (STP) Aspek yang dnla (atrbut) adalah: 1. Tngkat keamanan (V1) 2. Akuras transaks (V2) 3. Kecepatan transaks (V3) 4. Kemudahan / Aksesbltas (V4) 5. Baya transaks (V5) 6. Kenyamanan (V6) 7. Efsens (V7) 8. Layanan Khusus (V8) Metode Tahapan yang dlakukan dalam peneltan n adalah : 1. Melakukan eksploras data untuk setap atrbut. 2. Menganalss data dengan menggunakan metode statstka deskrptf, yatu metode rataan. 3. Menganalss data dengan menggunakan metode Thurstone (the law of comparatve udgement). 4. Menganalss data dengan menggunakan metode equal appearng ntervals. 5. Menganalss data dengan menggunakan metode successve ntervals. 6. Mengevaluas hasl yang dperoleh dar metode analss yang dgunakan. 7. Menympukan aspek-aspek yang danggap pentng oleh responden dalam melakukan transaks non tuna. HASIL DAN PEMBAHASAN Eksploras Data Sebaran data dar kedelapan aspek yang dnla tngkat kepentngannya dapat dlhat pada Gambar 2. Skala v1 v2 Gambar 2 Sebaran Data Atrbut v3 Dar boxplot tersebut terlhat bahwa sebaran data untuk hampr seluruh atrbut tdak smetrk. Hanya atrbut V7 yang terlhat semetrk. Atrbut V1-V5 memlk sebaran data yang menulur ke kanan. Hal yang sebalknya terad pada atrbut V6 dan V8. Terdapat pula data penclan/outler pada empat atrbut pertama. Atrbut V8 memlk arak antar kuartl terbesar. Secara deskrptf, hal n menunukkan bahwa atrbut n memlk keragaman terbesar dbandngkan atrbut lannya. v4 v5 Metode Rataan Hasl dar metode rataan dapat dlhat pada Tabel 1. Karena skala ordnal yang dgunakan bersfat menurun, maka nla rataan yang semakn kecl mengndkaskan tngkat kepentngan yang semakn menngkat. Berdasarkan Tabel 1, aspek yang dnla palng pentng oleh responden dalam melakukan transaks non tuna adalah tngkat keamanan, kemudan dkut oleh aspek v6 v7 v8

16 7 kemudahan/aksesbltas, kecepatan transaks, dan akuras transaks. Aspek kenyamanan dnla palng rendah tngkat kepentngannya dbandngkan aspek lannya. Tabel 1 Rataan Data Awal ATRIBUT RATAAN Keamanan Kemudahan Kecepatan Akuras Baya Efsens Layanan Khusus Kenyamanan Metode rataan adalah metode palng sederhana dan mudah untuk dgunakan, namun metode n memlk kelemahan bla dgunakan pada data dengan sebaran yang tdak smetrk. Selan tu, data yang berasal dar data ordnal tdak dapat langsung dolah dengan mencar nla rataan. Nla rataan yang dperoleh menad tdak bermakna karena prnsp dasar dar skala ordnal hanya mampu membedakan data dalam suatu urutan lebh rendah ataupun lebh tngg, namun tdak mampu mengukur arak antara 2 atrbut yang dukur. Meskpun demkan, hasl dar metode rataan n dapat memberkan gambaran awal mengena urutan kepentngan atrbut yang dtelt. Metode Thurstone (The Law of Comparatve Judgement) Prnsp dasar yang dgunakan pada metode n adalah par comparson pada seluruh pasangan atrbut. Pengumpulan data pada peneltan n tdak menggunakan prnsp par comparson, tetap menggunakan penlaan skala ordnal untuk menla atrbutatrbut yang dberkan oleh penelt. Prnsp par comparson dgunakan dalam pngolahan data berdasarkan penlaan yang dberkan responden pada setap pasangan atrbut. Metode Thurstone mampu menamplkan perngkat kepentngan atrbut. Analss yang dgunakan adalah metode Thurstone untuk kasus V (lma) dengan asums dspers dskrmnal antar atrbut danggap homogen. Penguan kesesuaan model telah memberkan nla χ 2 htung dan nla χ 2 tabel dengan deraat bebas 21 dan taraf nyata 1% adalah Dengan demkan, nla amatan tdak berbeda nyata dengan nla harapannya, sehngga dapat dnyatakan bahwa model telah cukup bak menggambarkan konds data sebenarnya. Hasl metode n n dsakan pada Tabel 2. Aspek kemudahan melakukan transaks adalah aspek yang dnla palng pentng dalam melakukan transaks non tuna, sedangkan kenyamanan merupakan urutan yang palng rendah tngkat kepentngannya. Keunggulan analss n adalah dapat menghtung tngkat kesalahan dengan mengukur nla AD. Nla AD untuk hasl d atas adalah Artnya, metode n memberkan sektar 2.3% ketdaktepatan hasl. Tabel 2 Nla Skala pada Metode Thurstone (The Law of Comparatve Judgement) NILAI ATRIBUT SKALA Kemudahan Keamanan Kecepatan Akuras Baya Efsens Layanan Khusus Kenyamanan Metode Equal Appearng Intervals Hasl dar metode equal appearng ntervals dsakan pada Tabel 3. Aspek kecepatan transaks memlk nla medan terkecl dbandngkan dengan aspek lannya. Artnya, aspek n memlk tngkat kepentngan yang palng tngg dbandngkan ketuuh aspek lannya. Kenyamanan merupakan aspek dengan tngkat kepentngan terendah dengan nla medan Tabel 3 Nla Skala pada Metode Equal Appearng Intervals NILAI ATRIBUT SKALA Kecepatan Kemudahan Keamanan Akuras Baya Efsens Layanan Khusus Kenyamanan 3.970

17 8 Metode Successve Intervals Metode successve ntervals dapat menghaslkan selang kategor dan nla skala setap atrbut, sehngga poss relatf setap atrbut dapat dketahu. Hasl pengolahan dengan metode successve ntervals dsakan pada Tabel 4. Tabel 4 Nla Skala dan Selang Kategor Atrbut Menurut Metode Successve Intervals Kategor Sangat Pentng Atrbut (Nla Skala) V4 (-0.196) V1 (-0.156) V3 (-0.115) V2 (-0.001) Selang Kategor <0.000 Pentng V5 (0.265) Basa V7 (0.806) V8 (1.042) Tdak Pentng V6 (1.290) Sangat Tdak >1.708 Pentng Keterangan : V1:Keamanan ; V2:Akuras ; V3:Kecepatan V4:Kemudahan ; V5:Baya ; V6:Kenyamanan V7: Efsens ; V8: Layanan Khusus Kelebhan metode successve nterval adalah dapat menghtung batas setap kategor secara obyektf, sehngga dapat menempatkan atrbut pada kategor yang sesua dengan nla skalanya. Aspek kemudahan (V4), keamanan (V1), kecepatan (V3), dan akuras (V2) termasuk dalam kategor sangat pentng dalam melakukan transaks non tuna. Baya transaks (V5) termasuk kategor pentng. Aspek yang dnla basa oleh responden adalah aspek efsens (V7) dan layanan khusus (V8), sedangkan aspek yang dnla tdak pentng adalah aspek kenyamanan (V6). U kesesuaan model menghaslkan nla χ 2 htung sebesar Pada taraf nyata 1%, nla χ 2 dengan deraat bebas 21 adalah Artnya, model telah cukup bak menggambarkan konds data sebenarnya. Metode n pun dapat menghtung tngkat kesalahan dengan menggunakan nla AD. Nla AD yang dperoleh adalah yang artnya metode n memberkan ketdaktepatan hasl sebesar 4.5%. Perbandngan Hasl Metode rataan memberkan hasl bahwa tngkat kemanan merupakan urutan terpentng dalam menggunakan transaks non tuna, kemudan aspek kemudahan dan kecepatan pada urutan kedua dan ketga. Metode Thurstone dan successve ntervals memberkan hasl yang sama dalam menla motvas seseorang mengunakan transaks non tuna. Menurut kedua metode n, aspek kemudahan merupakan aspek terpentng, kemudan dsusul oleh aspek keamanan dan kecepatan transaks. Berdasarkan metode equal appearng ntervals, aspek yang dnla palng pentng berturut-turut adalah kecepatan transaks, kemudahan, dan tngkat keamanan. Seluruh metode memberkan hasl yang sama pada urutan tngkat kepentngan yang keempat hngga terakhr. Tngkat kenyamanan merupakan aspek yang dnla palng rendah tngkat kepentngannya dbandngkan dengan aspek lannya. Hasl selengkapnya mengena urutan tngkat kepentngan atrbut pada setap metode dsakan pada Tabel 5. Tabel 5 Urutan Kepentngan Atrbut pada Berbaga Metode Atrbut Rataan LCJ EAI SI Keamanan Akuras Kecepatan Kemudahan Baya Kenyamanan Efsens Layanan Khusus Keterangan : LCJ: The Law of Comparatve Judgement EAI: Equal Appearng Intervals SI : Successve Intervals Hasl yang berbeda pada urutan kepentngan atrbut keamanan, kecepatan, dan kemudahan untuk berbaga metode analss data ordnal dsebabkan atrbut tersebut memlk pola sebaran dan nla tengah yang relatf tdak terlalu berbeda. Gambar 2 menggambarkan bahwa ketga atrbut tersebut memlk sebaran data dan nla tengah yang hampr sama. Kekonsstenan perngkat pada atrbut akuras, baya, kenyamanan, efsens, dan layanan khusus dsebabkan karena pola sebaran data dan nla tengah atrbut tersebut relatf berbeda. Perbandngan ketga metode dsakan secara lengkap pada Tabel 6.

18 9 Tabel 6 Perbandngan Metode Teknk Penghtungan The Law of Comparatve Judgement Transformas ke sebaran normal baku dar matrks propors berdasarkan prnsp par comparson Equal Appearng Interval Berdasarkan perhtungan langsung dar nla pengamatan (Mencar nla Medan) Successve Interval Transformas ke sebaran normal baku berdasarkan propors kumulatf suatu atrbut terhadap kategor tertentu Asums Smpangan dskrmnal menyebar normal Sebaran Data tdak smetrk Kenormalan Data Batas Penskalaan Tdak ada Tdak ada Ada Penghtungan Error Ada (Average dscrepancy) Tdak ada Ada (Average dscrepancy) U Kesesuaan Model Ada Tdak Ada Ada Pemlhan Metode Terbak Pemlhan metode terbak dapat dlakukan dengan melhat sebaran data terlebh dahulu dan dsesuakan pula dengan tuuan peneltan. Metode Thurstone dapat dgunakan untuk menla perngkat atrbut berdasarkan asumsasums yang dsepakat. Metode equal appearng ntervals mash bak dgunakan walaupun sebaran datanya tdak smetrk. Kelemahan metode equal appearng ntervals adalah tdak dapat melakukan penguan kesesuaan model dan menghtung tngkat kesalahan pendugaan. Metode successve ntervals dgunakan bla peneltan bertuuan untuk memberkan perngkat setap atrbut sekalgus mengelompokkan atrbut berdasarkan kategor yang dtentukan. Pada kasus penlaan tngkat kepentngan responden dalam menggunakan transaks non tuna, hasl u kesesuaan model dengan menggunakan metode Thurstone dan successve ntervals menunukkan bahwa model telah cukup bak menggambarkan konds data sebenarnya. Tngkat kesalahan yang dukur dengan nla AD pada metode Thurstone dan successve ntervals masngmasng adalah 2.3 % dan 4.5%. Salah satu hal yang harus dperhatkan oleh penelt adalah mengena kesenstfan metode Thurstone bla data dkumpulkan dengan memberkan penlaan skala ordnal terhadap seluruh atrbut, sepert yang dlakukan pada peneltan n. Metode Thurstone tdak membedakan bobot penlaan setap responden dalam menla suatu atrbut karena hal yang dperhatkan pada metode n adalah bagamana pola responden dalam menla atrbut secara berpasangan. Sebaga contoh, metode Thurstone memberkan penlaan bahwa V x lebh pentng darpada V y, tanpa melhat berapa bobot atau nla yang dberkan responden terhadap atrbut V x dan V y. Bla terad perubahan bobot/nla pada suatu atrbut, maka akan berakbat langsung terhadap perubahan nla rataan atrbut, namun belum tentu mengubah hasl penlaan dengan metode Thurstone. Metode Thurstone relatf lebh stabl dbandngkan dengan metode rataan meskpun terdapat data penclan. Hal n terad karena metode Thurstone hanya melakukan perbandngan berpasangan terhadap atrbut, tanpa mempedulkan besarnya bobot atau penlaan atrbut tersebut. Bla penelt menganggap besarnya bobot atau penlaan responden terhadap suatu atrbut sebaga hal yang pentng, maka hasl yang dperoleh dengan metode rataan dapat mengambarkan hal tersebut lebh elas, namun demkan metode rataan lebh senstf terhadap nla penclan. KESIMPULAN Pengolahan data ordnal yang dkembangkan oleh Thurstone dantaranya adalah metode Thurstone (the law of comparatve udgement), metode equal appearng ntervals, dan metode successve ntervals. Metode Thurstone dapat mengurutkan perngkat atrbut berdasarkan prnsp perbandngan berpasangan. Metode

19 10 equal appearng ntervals dapat mengurutkan perngkat atrbut berdasarkan penghtungan nla medan. Metode successve ntervals dapat mengurutkan perngkat atrbut dan mampu menempatkan atrbut pada kategor yang tertentu. U kesesuaan model dan penghtungan tngkat kesalahan dapat dlakukan pada metode Thurstone dan metode successve ntervals. Pada kasus peneltan n, hasl u kesesuaan model dengan menggunakan metode Thurstone dan successve ntervals menunukkan bahwa model telah cukup bak menggambarkan konds data yang sebenarnya. Tngkat kesalahan yang dukur dengan nla AD pada metode Thurstone adalah 2.3%, sedangkan tngkat kesalahan pada metode successve ntervals sebesar 4.5%. Metode Thurstone relatf tdak senstf terhadap perubahan bobot atau skala penlaan pada suatu atrbut. Metode Thurstone hanya melhat bagamana hasl penlaan berpasangan antara dua atrbut, namun tdak mampu melhat perbedaan penlaan yang dberkan oleh responden terhadap atrbutatrbut tersebut. Tngkat kepentngan palng tngg dalam melakukan transaks non tuna yatu pada aspek tngkat kemudahan atau aksesbltas, tngkat keamanan, dan kecepatan transaks. Kenyamanan merupakan aspek yang tngkat kepentngannya palng rendah dbandngkan atrbut lan. DAFTAR PUSTAKA Edwards, A.L The Method of Equal Appearng Intervals dalam Maranell, GM Scalng : A Sourcebook For Behavoral Scentst. Chcago: Aldne Publshng Company. Green, B. 1954a. Pared Comparson Scalng Procedures dalam Maranell, GM Scalng : A Sourcebook For Behavoral Scentst. Chcago: Aldne Publshng Company. Green, B. 1954b. The Method of Successve Intervals dalam Maranell, GM Scalng : A Sourcebook For Behavoral Scentst. Chcago: Aldne Publshng Company. Gulford, J.P Psychometrc Methods. London: Mc Graw-Hll Company Inc. Maranell, G.M Scalng: A Sourcebook For Behavoral Scentst. Chcago: Aldne Publshng Company. Oktavyanto, D Kaan beberapa Metode Analsa Statstka Terhadap Data Ordnal. [Skrps]. Bogor: Jurusan Statstka. FMIPA IPB. Stevens, S.S Measurement. dalam Maranell, GM Scalng : A Sourcebook For Behavoral Scentst. Chcago: Aldne Publshng Company. Thurstone, L.L A Law of Comparatve Judgement dalam Maranell, GM Scalng : A Sourcebook For Behavoral Scentst. Chcago: Aldne Publshng Company. Thurstone, L.L Psychophyscal Analyss dalam Maranell, GM Scalng : A Sourcebook For Behavoral Scentst. Chcago: Aldne Publshng Company. Toha, A Metode Thurstonan: Pengolahan Data Pembandngan Stmulus Untuk Memperoleh Skala Dmens Tunggal. [Skrps]. Bogor: Jurusan Statstka. FMIPA IPB. Trochm, W.M.K General Issues n Scalng. net/kb/scalgen.htm (18 Oktober 2006)

20 11 Lampran 1 Data Awal No Responden V1 V2 V3 V4 V5 V6 V7 V

21 12 Lampran 2 Hasl Pengolahan Dengan Metode Thurstone Kasus V Matrks Frekuens Atrbut J (kolom) dnla lebh pentng darpada atrbut I (bars) V6 V8 V7 V5 V2 V1 V3 V4 V V V V V V V V Sums Matrks Propors Matrks frekuens dbag umlah responden V6 V8 V7 V5 V2 V1 V3 V4 V V V V V V V V Sums Matrks Z V6 V8 V7 V5 V2 V1 V3 V4 V V V V V V V V Sums Matrks Selsh Nla Z V8-V6 V7-V8 V5-V7 V2-V5 V1-V2 V3-V1 V4-V3 V V V V V V V V Sums k Means Atrbut # Nla Skala Ch Square = ; Average Dscrepancy = 0.023

22 13 Lampran 3 Hasl Pengolahan Dengan Metode Equal Appearng Intervals Atrbut Urutan Kategor Nla Skala JAK SP P B TP STP F V1 P Cp V2 F P Cp V3 F P Cp V4 F P Cp V5 f p cp V6 f p cp V7 f p cp V8 f p cp Keterangan : V1 = Keamanan f = Frekuens V2 = Akuras p = Propors V3 = Kecepatan cp = Cumulatve proporton (propors kumulatf) V4 = Kemudahan JAK = Jarak Antar Kuartl V5 = Baya V6 = Kenyamanan V7 = Efsens V8 = Layanan khusus SP = Sangat Pentng P = Pentng B = Basa TP = Tdak Pentng STP = Sangat Tdak Pentng

23 14 Lampran 4 Hasl Pengolahan Dengan Metode Successve Intervals Tabel Frekuens SP P B TP STP TOTAL v v v v v v v v Propors (p) SP P B TP STP TOTAL V V V V V V V V Propors Kumulatf (P) SP P B TP STP V V V V V V V V Nla Z Z 1 Z 2 Z 3 Z 4 V V V V V V V V SP = Sangat Pentng P = Pentng B = Basa TP = Tdak Pentng STP = Sangat Tdak Pentng

24 15 Selsh Normal Baku (D) D 2 D 3 D 4 v v v v v v v v Jumlah Rataan D (M) Batas Atas kategor (t ) Selsh Batas Atas Kategor (t ) dengan Normal Baku (B = t Z ) B 1 B 2 B 3 B 4 Rataan Bars V V V V V V V V Selang Kategor dan Nla Skala Peubah Menurut Metode Successve Intervals Kategor Sangat Pentng Atrbut (Nla Skala) V4 (-0.196) V1 (-0.156) V3 (-0.115) V2 (-0.001) Selang Kategor <0.000 Pentng V5 (0.265) Basa V7 (0.806) V8 (1.042) Tdak Pentng V6 (1.290) Sangat Tdak Pentng >1.708 Keterangan : V1:Keamanan ; V2:Akuras ; V3 :Kecepatan ; V4:Kemudahan ; V5:Baya ; V6:Kenyamanan ; V7:Efsens ; V8:Layanan khusus

25 16 UJI KESESUAIAN MODEL Nla Z v v v v v v v v Nla P v v v v v v v v Nla θ = arcsn P q v v v v v v v Nla θ = arcsn P v v v v v v v v

26 17 2 χ = ( θ θ ' 821/ N ) 2 = / 57 = Dscrepancy Matrx (P -P ) v v v v v v v v Average Dscrepancy = 0.045