BAB I PENDAHULUAN. menggali informasi sebanyak-banyaknya. Tanpa keberadaan informasi, mustahil ilmu

Transkripsi

1 BAB I PENDAHULUAN 1. 1 Latar Belakang Perkembangan ilmu dan teknologi yang sangat cepat mendorong kita untuk menggali informasi sebanyak-banyaknya. Tanpa keberadaan informasi, mustahil ilmu pengetahuan dan teknologi dapat maju dan berkembang. TV Borobudur merupakan salah satu diantara sekian media elektronik yang menyajikan berbagai informasi melalui tayangannya untuk masyarakat. TV Borobudur sebuah stasiun televisi swasta yang berpusat di Semarang, Jawa Tengah. Stasiun ini mulai tayang pada tgl 12 Mei 2003 yang berada di channel 47 UHF pertengahan tahun 2003, dengan jangkauan siaran hanya di daerah Jawa Tengah bagian utara saja. Pada awal beroperasi, studio TVB terletak Jl. Setiabudi 5A Semarang, terpisah dari kantor pemasarannya, yang berlokasi di Jl Sultan Agung 115A. Untuk memenuhi tuntutan pemirsanya, TV Borobudur terus melakukan berbagai pembenahan. Salah satu perubahan yang terjadi adalah perpindahan lokasi studio dan kantor pemasaran ke Gedung SCJ Plaza lantai 5-6 Johar Semarang. Pada tanggal 9 September 2011 setelah diambil alih pihak KOMPAS TV, management, materi siaran dan lain sebagainya, semua dari KOMPAS TV yang berlokasi di Jl Palmerah Jakarta. Visi dan misipun juga berubah total. Sesuai dengan visi misi yang diusung, Kompas TV mengemas program tayangan news, adventure & knowledge, entertainment yang mengedepankan kualitas (Kompas TV, 2013). 1

2 2 Konten program tayangan Kompas TV menekankan pada eksplorasi Indonesia dari mulai kekayaan alam, khasanah budaya, keadaan Indonesia kini, hingga artis berprestasi. Kompas TV juga menyediakan kanal televisi berbayar pertama di Indonesia yang memiliki kualitas High Definition (HD). Kualitas High Definition menyajikan gambar dengan resolusi tinggi sehingga pemirsa dapat menikmati detail gambar dengan kontur jelas dan warna yang lebih tajam. Kompas TV sebagai pionir kualitas High Definition juga tengah mengarah pada sistem televisi digital sesuai standar yang lazim digunakan secara internasional (Kompas TV, 2013). Kompas TV tentu memperhatikan kualitas program tayangan yang ditampilkan. Tumbuh dalam indutri televisi komersial dengan persaingan yang sangat ketat, Kompas TV berusaha untuk tetap berada pada koridor visi misi sehingga dapat selalu menyajikan pogram tayangan inspiratif dan informatif dengan kemasan menarik bagi keluarga Indonesia. Menjawab tantangan dunia media di Indonesia, sebagai bagian dari Kompas Gramedia Group yang memiliki motto Enlightening People, Kompas TV didukung dengan komposisi karyawan berkualitas dan berdedikasi tinggi senantiasa berusaha menyalurkan informasi yang akan menjadi Inspirasi Indonesia (Kompas TV, 2013). Adapun materi tayangan atau segmen berita setelah diambil alih pihak KOMPAS TV tertera pada tabel berikut dibawah ini.

3 3 Tabel 1. Acara Kompas TV Jam Tayang Nama Acara Jam Tayang Nama Acara 0.00 K 20 ( kumpulan lagu) Comic Action 02.0 Penjuru Kota Jendela Jateng Sore Urban Sebuah Nama Sebuah Cerita Kompas Sport Kompas Petang Kompas Pagi Kompas Sport Versus Suka Suka Agung Podomoro Versus Cemal Cemil Jejak Nusantara Kita Bisa Stand Up Comedy New Star Super Mom Word of Wayang Tekno Kompas Siang Kompas Foreign Documentery Sience Is Fun Jalan Sesama Kompas Malam Perkembangan pertelevisian di Indonesia akhir-akhir ini memang sangat pesat, televisi-televisi swasta bermunculan melengkapi dan memperkaya TV yang sudah ada. Fenomena ini tentu saja menggembirakan karena masyarakat bisa memimilih acara yang lebih menarik mereka tonton. Perusahaan termasuk stasiun-stasiun TV yang memutuskan untuk beroperasi dalam pasar yang luas menyadari bahwa dirinya tidak dapat melayani seluruh pelanggan dalam pasar tersebut (Kolter dan Susanto, 2000).

4 4 Setiap stasiun TV menggunakan segmen pasar dengan harapan program yang ditayangkan setiap hari dapat jelas sehingga dapat menarik hati para pemirsa untuk menonton program tersebut dan rating program yang dihasilkanpun juga tinggi (Peter dan Olson, 2000). Banyak perusahaan yang menggunakan ilmu matematika untuk menjalankan bisnisnya, terutama dalam bidang pemasaran seperti analisis klaster dan segmentasi pasar. Analisis klaster adalah suatu kelas teknik, yang digunakan untuk mengklasifikasi objek atau kasus (responden) ke dalam kelompok yang relatif homogen, yang disebut klaster (Supranto, 2004). Harapan yang ingin dicapai bahwa keragaman dalam kelompok lebih kecil dari pada keragaman antar kelompok. Obyek tersebut bisa berupa barang, jasa, tumbuhan, dan manusia (responden, konsumen, nasabah dan lain-lain). Obyek diklasifikasikan ke dalam satu atau lebih klaster (kelompok) sehingga obyek-obyek yang berada dalam satu klaster akan mempunyai kemiripan atau kesamaan karakter. Sedangkan segmentasi pasar adalah proses membagi pasar menjadi bagian- bagian atau irisan irisan konsumen yang khas yang mempunyai kebutuhan atau sifat yang sama dan kemudian memilih satu atau lebih segmen yang akan dijadikan sasaran (Kertajaya, 2004). Penelitian ini menggunakan segmentasi demografi karena pasar akan dikelompokkan berdasarkan variabel-variabel jenis kelamin, pendidikan, usia, pekerjaan dan program acara yang ditonton. Ada lima alasan mengapa pendekatan demografi ini disertakan, antara lain karena informasi yang mudah dijangkau dan murah untuk mengidentifikasikan target market, informasi demografi

5 5 memberikan wawasan (insight) tentang trend yang sedang terjadi, meski tidak dapat untuk meramalkan perilaku konsumen, demografi dapat dilihat untuk melihat perubahan permintaan aneka produk dan yang terakhir demografi dapat digunakan untuk mengevaluasi kampanye-kampanye pemasaran (Porter, 1991). Penelitian ini menggunakan analisis klaster dengan metode k-means klaster untuk mengelompokkan pemirsa program berita berdasarkan variabel-variabel dalam suatu berita seperti daya tangkap siaran, frekuensi menonton, perbandingan menonton dengan televisi lain, program acara yang disukai seperti program hiburan, program pendidikan, program budaya, program ekonomi dan bisnis, respon masyarakat, mencirikan budaya daerah, apakah keberadaan Kompas Televisi penting, kualitas program, kualitas siaran, memenuhi kebutuhan masyarakat, tujuan menonton dan kepuasan menonton. Hasil penelitian Supranto (2004) terdapat kesimpulan bahwa tujuan analisis klaster ialah mengklasifikasikan objek (kasus/ elemen) seperti orang, produk atau barang, toko, perusahaan kedalam kelompok- kelompok yang relatif homogen didasarkan pada suatu set variabel yang dipertimbangkan untuk diteliti. Dari uraian diatas peneliti ingin menguraikan tentang pengaplikasian analisis klaster untuk segmentasi pemirsa Kompas TV, dimana analisis klaster digunakan untuk mengkelompokan atau menggabungkan obyek tertentu yang memiliki keserupaan.

6 6 1.2 Rumusan Masalah Rumusan masalah yang diambil dalam penelitian ini adalah 1. mengetahui sejauh mana prosentase penilaian program acara dan keberadaan menurut pemirsa KOMPAS TV? 2. mengetahui penilaian kwalitas program acara atau variabel mana yang perlu ditingkatkan lagi menurut pemirsa Kompas TV? 3. mengetahui hasil dari pengelompokan baik klaster rendah, sedang dan klaster yang tinggi? 1.3 Tujuan Penelitian Tujuan yang ingin dicapai pada penelitian ini adalah 1. mengetahui prosentase penilaian pemirsa terhadap program acara KOMPAS TV, berdasarkan variabel yang ada, sehingga hasil ini dapat dijadikan acuan untuk meningkatkan pangsa pasar; 2. mengetahui program acara mana yang perlu ditingkatkan lagi; 3. mengetahui hasil dari segmentasi pasar klaster berdasarkan variabel- variabel yang ada. 1.4 Manfaat Penelitian Manfaat yang dapat diperoleh dari penelitian ini adalah 1. memberikan masukan kepada pihak KOMPAS TV terhadap kualitas acara yang telah disajikan selama ini dengan melihat tingkat harapan dan persepsi pemirsa; 2. meningkatkan kepuasan pemirsa terhadap kualitas acara yang diberikan oleh pihak KOMPAS TV;

7 7 3. bagi mahasiswa dapat menerapkan ilmu yang telah didapat, serta dapat menambah wawasan bagi pihak-pihak yang membutuhkan Batasan Penelitian Dalam penelitian ini batasan yang digunakan adalah 1. responden pada penelitian ini adalah mahasiswa S1 Universitas Muhammadiyah Semarang (UNIMUS) dan; 2. masyarakat Kecamatan Kendal, Kabupaten, Kendal, Jawa Tengah.

8 BAB II TINJAUAN PUSTAKA 2.1 Analisis Klaster Analisis klaster adalah suatu kelas teknik yang digunakan untuk mengklasifikasikan obyek-obyek ke dalam beberapa kelompok dengan ciri-ciri/ karakteristik-karakteristik tertentu yang relatif homogen berdasarkan kedekatan jarak. Responden yang saling berdekatan atau memberi jawaban/ respon yang kurang lebih sama akan masuk dalam kelompok yang sama. Sedangkan yang berjauhan akan dikelompokkan pada kelompok lain. Dengan demikian, dalam analisis klaster pengukuran jarak menjadi sangat penting karena akan digunakan sebagai penentu suatu anggota klaster (Supranto, 2004). 2.2 Tujuan Analisis Klaster Tujuan utama analisis klaster ialah mengklasifikasi objek (kasus/elemen) seperti orang, produk (barang), toko, perusahaan ke dalam kelompok-kelompok yang relatif homogen didasarkan pada suatu set variabel yang dipertimbangkan untuk diteliti. Objek di dalam setiap kelompok harus relatif mirip/sama (relatively similiar). Begitu klaster terbentuk terserah kepada peneliti untuk memberikan suatu intervensi pemasaran (atau bidang lain, seperti ekonomi, manajemen). Hal ini sama dengan pemberian nama faktor pada hasil analisis factor. Ciri- ciri suatu klaster yang baik mempunyai: Homogenitas Internal (within cluster); yaitu kesamaan antar anggota dalam suatu klaster. Heterogenitas External (between cluster); yaitu perbedaan antar klaster yang satu dengan klaster yang lain (Supranto, 2004). 8

9 9 Pengelompokan pada n obyek dengan p variabel pada masing-masing obyek, ditentukan terlebih dahulu ukuran keserupaan antar obyeknya. Ukuran keserupaan yang sering digunakan adalah jarak Euclidean (Euclidien Distance) antara dua obyek dari p dimensi pengamatan (Supranto, 2004). Jika obyek pertama x = [x 1, x 2, x 3,,x p ] T dan obyek kedua y = [y 1, y 2, y 3,, y p ] T rumus sebagai berikut : d p 2 ( x, y) ( x j y j ) j 1 Persamaan diatas dapat diartikan bahwa semakin kecil nilai d, maka semakin besar keserupaan antar obyek tersebut. Metode pengelompokkan yang digunakan dalam penelitian ini adalah metode pengelompokkan non hierarkhi. Pengelompokkan non hierarki digunakan apabila jumlah kelompok yang akan didapatkan sudah diketahui atau ditentukan terlebih dahulu (Supranto, 2004). Pada metode ini tidak diperlukan matriks jarak (euclidien), sehingga baik digunakan untuk data jumlah besar dan banyak variabel. Prosedur pengelompokkan pada metode non hirarki adalah dengan menggunakan metode K-Means. Metode ini bertujuan mengelompokkan obyek sedemikian hingga jarak tiap obyek ke pusat kelompok dalam satu kelompok adalah minimum. Secara garis besar prosedur pengklasteran ada dua metode yaitu hierarki dan non-hierarki yang disebut metode k-means klaster (Supranto, 2004).

10 Metode Hierarki Metode ini digunakan jika tidak ada informasi mengenai jumlah kelompok. Teknik pengelompokan hirarki menunjukkan pembagian. Berdasarkan metode agglomerative dan devisive dan hasil dari metode tersebut dapat disajikan dalam bentuk dendogram. Proses pembentukannya dengan mengelompokkan semua obyek menjadi n kelompok dimana masing-masing kelompok beranggotakan satu obyek atau obyek itu sendiri. Penentuan jumlah kelompok sangat bergantung pada subyektifitas peneliti atas dasar pertimbangan yang sesuai (Supranto, 2004). Beberapa metode penentukan jarak dalam pengelompokan hierarki, yaitu a. Metode Pautan Tunggal (Single Linkage) Metode ini menggunakan aturan jarak minimum antar kelompok. penelompokkan diawali dengan menentukan 2 obyek yang mempunyai jarak minimum. Misalkan dua obyek tadi u dan v, maka jaraknya adalah d (uv). Selanjutnya dicari obyek lain yang memiliki jarak minimum dengan kelompok pertama ini (misal obyek w). Jarak minimum antara uv dengan w adalah d (uv)w = min [d uw, d vw ] dimana : d uw = jarak antara kelompok u dan w d vw = jarak antara kelompok v dan w

11 11 b. Metode Pautan Lengkap (Complete Linkage) Pautan lengkap adalah kebalikan dari metode pertama. Proses penggabungan diawali dengan menentukan 2 obyek yang mempunyai jarak maksimum. Jarak maksimum antara kelompok uv dan w adalah d (uv)w = maks [d uw, d vw ] dimana : d uw = jarak antara kelompok u dan w d vw = jarak antara kelompok v dan w c. Metode Pautan Rata-rata (Average Linkage) Pautan rata-rata adalah gabungan dari single dan complete linkage. Langkah awalnya dengan menemukan 2 obyek yang mempunyai jarak minimum menjadi satu kelompok. Langkah selanjutnya didasarkan aturan rata-rata jarak dua kelompok. Jarak antara kelompok uv dengan w adalah d (uv)w = 1 N N uv w d ij dimana : d ij = Jarak antar obyek i dalam kelompok uv dengan obyek j dalam kelompok w N uv = Jumlah anggota dalam kelompok uv N w = Jumlah anggota dalam kelompok w Definisi penggabungan dari metode ini adalah : d (uv)w = (d uw + d vw ) / 2 d (uvw)z = (d uz + d vz + d wz ) / 3 dan seterusnya

12 Metode Non Hirarki. Metode ini digunakan jika peneliti ingin mengelompokan n obyek ke dalam k kelompok (k n), dimana nilai k telah ditentukan sebelumnya berdasarkan kriteria yang ada. Metode ini tidak diperlukan matriks jarak (similarities), sehingga baik digunakan untuk data jumlah besar dan banyak variabel. Prosedur pengelompokan pada non hirarki adalah dengan menggunakan metode K-Means. Metode ini bertujuan mengelompokkan obyek 16sedemikian hingga jarak tiap-tiap obyek ke pusat kelompok di dalam satu kelompok adalah minimum (Supranto, 2004) Pengujian Perbedaan Vektor Rata-Rata Pengujian hasil pengelompokkan dengan menggunakan analisis varian multivariat (Manova) (Supranto, 2004) dengan hipotesis sebagai berikut : H 0 : 1 = 2 =... = g = 0 H 1 : Paling tidak ada Satu i 0 ; i = 1, 2,...,g Statistik uji yang digunakan adalah Wilks Lamda ( ): Wilks Lamda( )= B W W dimana W dan B masing-masing adalah matrik jumlah kuadrat dan cross product dalam kelompok dan antar kelompok dengan derajat bebas g n i i 1 g dan g 1.

13 13 W = g n i 1 j 1 i X ij X X i ij X i ' =(n 1 1)S 1 +(n 2-1)S (n g 1) S g B = g i 1 n i X ij X i X ij X i ' Dimana : X ij = pengamatan ke-j pada kelompok ke-i X i = vektor rata-rata kelompok ke-i n i = jumlah individu kelompok pada kelompok ke-i X = vektor rata-rata semua kelompok. Tolak Ho jika Lambda dapat didekati dengan statistik uji F, jika sangat kecil. Statistik Wilks lebih besar dari F tabel maka Ho ditolak yang berarti terdapat perbedaan rata-rata antar kelompok (Supranto, 2004) Langkah Analisis Klaster Langkah pertama merumuskan masalah pengklasteran dengan mengidentifikasi variabel-variabel yang dipergunakan untuk dasar pengklasteran (pengelompokkan). Kemudian jarak yang tepat harus dipilih. Ukuran jarak menentukan kemiripan atau ketidakmiripan dari objek yang akan dikelompokkan (dimasukkan dalam klaster). Prosedur pengklasteran sudah dikembangkan dan peneliti harus memilih salah satu yang tepat untuk memecahkan masalah yang sedang dihadapi. Untuk menentukan banyaknya klaster yang diperlukan, memerlukan pertimbangan secara objektif. Klaster yang diperoleh harus diinterpretasikan, dinyatakan dalam variabel-variabel yang dipergunakan untuk dasar pembentukan klaster dan diprofilkan dinyatakan dalam penambahan variabel yang penting. Akhirnya, peneliti harus mengakses validitas proses pengklasteran (Supranto, 2004).

14 Merumuskan Masalah Hal yang paling penting di dalam perumusan masalah analisis klaster ialah pemilihan variabel-variabel yang akan dipergunakan untuk pengklasteran (pembentukan klaster). Memasukkan satu atau dua variabel yang tidak relevan dengan masalah pengklasteran/ pengelompokkan akan mendistorsi hasil pengklasteran yang kemungkinan besar sangat bermanfaat. Pada dasarnya set variabel yang akan dipilih harus menguraikan kemiripan antara objek, yang memang benar-benar relevan dengan masalah riset pemasaran. Variabel harus dipilih berdasarkan penelitian sebelumnya, teori atau suatu pertimbangan berkenan dengan hipotesis yang akan diuji. Di dalam riset eksplorasi peneliti harus menggunakan pertimbangan dan intuisi (Supranto, 2004) Memilih Ukuran Jarak atau Smilaritas Tujuan pengklasteran ialah intuk mengelompokkan objek yang mirip dalam klaster yang sama, maka beberapa ukuran diperlukan untuk mengakses seberapa mirip atau berbeda objek-objek tersebut. Pendekatan yang paling bisa ialah mengukur kemiripan dinyatakan dalam jarak antara pasangan objek. Objek yang lebih pendek antara mereka akan lebih mirip atau sama lain dibandingkan dengan pasangan dengan jarak yang lebih panjang. Ada beberapa cara untuk mengukur jarak antara dua objek. Ukuran kemiripan yang paling biasa dipakai ialah jarak yuklidian atau nilai kuadratnya. Jarak yuklidian ialah akar dari jumlah kuadrat perbedaan/ deviasi di dalam nilai untuk setiap variabel. Ada juga ukuran jarak lainnya, yaitu the city block or manhattan distance antara dua objek merupakan jumlah perbedaan mutlak/ absolut di dalam nilai

15 15 untuk setiap variabel. The chebyshev distance antara dua objek ialah perbedaan mutlak/ absolut yang maksimum di dalam nilai untuk setiap variable (Supranto, 2004) Memilih Suatu Prosedur Pengklasteran Prosedur pengklasteran bisa hierarki dan bisa juga non hierarki. Pengklasteran hierarki ditandai dengan pengembangan suatu hierarki atau struktur mirip pohon. Metode hierarki bisa aglomeratif atau divisif. Pengklasteran aglomeratif mulai dengan setiap objek dalam suatu klaster yang terpisah. Klaster dibentuk dengan mengelompokkan objek (responden) ke dalam klaster yang semakin membesar (semakin banyak elemen atau objek yang menjadi anggotanya). Proses ini dilanjutkan sampai semua objek menjadi anggota dari suatu klaster tunggal. Sebaliknya pengklasteran devisif dimulai dari semua objek dikelompokkan menjadi klaster tunggal. Kemudian klaster dibagi atau dipisah, sampai setiap objek berada di dalam klaster yang terpisah (Supranto, 2004). Metode aglomeratif biasanya dipergunakan di dalam riset pemasaran. Metodemetode tersebut terdiri dari metode terkait (linkagemethod), error sums of squares or variance methods and centroid methods. Linkagemethods meliputi single likage,complete likage and average linkage,complete linkage and average linkage. Linkage method didasarkan pada jarak minimum atau aturan tetangga dekat (nearest neighbour rule). Dua objek pertama yang masuk klaster dalam objek yang jaraknya paling kecil. Jarak terkecil berikutnya ditemukan, objek yang ketiga digabung dengan dua objek pertama satu klaster dua objek yang baru dibentuk. Pada setiap tahap, jarak antara dua klaster merupakan jarak antara dua titik terdekat. Dua klaster digabung setiap tahap dengan the single shorthest link between them (Supranto, 2004).

16 16 Proses ini dilanjutkan sampai semua objek berada dalam satu klaster. The single linkage method tidak memberikan hasil yang bagus, kalau klaster didefinisikan secara tidak baik. The complete linkage method sama dengan the single linkage method kecuali bahwa the complete linkage method berdasarkan pada jarak maksimum atau the furthest neighbour approach. Pada complete linkage, jarak antara dua klaster dihitung sebagai jarak antara dua titik yang paling jauh, the average linkage juga sama. Akan tetapi di dalam average method, jarak antara dua klaster didefinisikan sebagai rata-rata jarak antara semua pasangan objek, di mana salah satu anggota dari pasangan berasal dari setiap klaster (Supranto, 2004). Seperti bisa dilihat metode rata-rata linkage menggunakan informasi pada semua pasangan jarak, tidak hanya jarak maksimum atau minimum. Berdasarkan alasan ini sering dipilih single dan complete linkage method. Metode variance mencoba menghasilkan klaster dengan meminimumkan variance dalam klaster. Metode variance yang biasanya dipergungkan ialah ward s procedure. Untuk setiap klaster rata-rata dari seluruh variabel dihitung, kemudian setiap objek, jarak yuklidian kuadrat ke rata-rata klaster dihitung. Jarak ini dijumlahkan untuk semua objek. Pada setiap tahap, dua klaster dengan kenaikan terkecildi dalam overall sum of squares within cluster distances digabung. In the centroids method, jarak antara dua klaster merupakan jarak antara centroids (rata-rata dari seluruh variable), dan setiap objek dikelompokan, centroid baru dihitung.

17 17 Kenyataan menunjukan, metode hierarki, rata-rata linkage, dan metode ward lebih baik dari pada metode lainya. Jenis prosedur pengklasteran kedua, metode pengklasteran non-hierarki, sering disebut K-means clustering. Metode ini meliputi sequential threshold, paralel threshold dan optimizing partitioning. Di dalam sequential threshold method suatu pusat klaster dipilih dan semua objek dalam suatu prespesifed threshold value dari pusat, digabung bersama. Kemudian suatu pusat klaster yang baru atau seed dipilih, dan proses diulangi, untuk titik-titik yang belum diklasterkan (dikelompokan) atau the unclustered points. Suatu objek yang telah diklasterkan dengan seed, tidak perlu lagi dipertimbangkan untuk diklasterkan dengan seeds selanjutnya. The parallel threshold method berlaku sama, kecuali beberapa pusat klaster dipilih secara simultan dan dalam objek threshold level dikelompokan dengan pusat terdekat. The optimizing partitioning method berbeda dari prosedur dua threshold, dimana objek selanjutnya di reassigned ke klaster untuk mengoptimalkan suatu kriteria menyeluruh, seperti average within cluster distance sejumlah klaster tertentu. Dua kelemahan dari prosedur non- hierarki adalah bahwa banyaknya klaster harus disebutkan/ ditentukan sebelumnya dan pemilihan pusat klaster sembarang (arbitrary). Hasil pengklasteran mungkin tergantung pada bagaiman pusat (centers) dipilih. banyak program non- hierarki, memilih k objek (kasus) yang pertama, tanpa ada nilai yang hilang sebagai pusat klaster awal (k=banyaknya klaster). Jadi, hasil peningkatan mungkin tergantung pada urutan observasi pada data.

18 18 Pengklasteran non-hierarki lebih cepat dari pada mtode hierarki dan lebih menguntungkan kalau jumlah objek/ kasus atau observasi besar sekali (sampel besar). Metode hierarkis dan non- hierarkis digunakan secara berdampingan (in tandem). Pertama, suatu pemecahan pengklasteran awal, diperoleh dengan menggunakan prosedur hierarkis, seperti misalnya average linkage atau WARD. Banyaknya klaster dan centroid klaster yang diperoleh dpergunakan sebagai input untuk optimizing partitioning method. Pilihan suatu metode penklasteran dan piliha suatu ukuran jarak, berkaitan satu sama lain. Sebagai contoh, jarak euclidien yang dikuadratkan ( squared eucledean distance) harus dipergunakan dengan metode ward dan centroid. Beberapa prosedur non- hierarki juga menggunakan jarak euclidien yang dikuadratkan Klasifikasi Prosedur Pengklasteran Prosedur pengklasteran bisa hierarki dan juga non hierarki. Pengklasteran hierarki ditandai dengan pengembangan suatu hierarki atau struktur mirip pohon. Metode hierarki bisa aglomeratif atau divisif. Pengklasteran aglomeratif mulai dengan setiap objek dalam suatu klaster yang terpisah. Klaster dibentuk dengan mengelompokkan objek (responden) ke dalam klaster yang semakin membesar (semakin banyak elemen atau objek yang menjadi anggotanya). Proses ini dilanjutkan sampai semua objek menjadi anggota dari suatu klaster tunggal. Sebaliknya pengklasteran devisif dimulai dari semua objek dikelompokkan menjadi klaster tunggal (Supranto, 2004).

19 19 Kemudian klaster dibagi atau dipisah, sampai setiap objek berada di dalam klaster yang terpisah. Metode aglomeratif biasanya dipergunakan di dalam riset pemasaran. Metode-metode tersebut terdiri dari metode terkait (linkagemethod), error sums of squares or variance methods and centroid methods. Linkagemethods meliputi single likage,complete likage and average linkage, complete linkage and average linkage. Linkage method didasarkan pada jarak minimum atau aturan tetangga dekat (nearest neighbour rule). Dua objek pertama yang masuk klaster dalam objek yang jaraknya paling kecil (Supranto, 2004). 2.4 Aplikasi Pengklasteran Non-Hierarki Berdasarkan pada hasil pengklasteran hierarki, suatu pemecahan tiga klaster dibuat terlebih dahulu (pre specified). Pusat klaster awal merupakan nilai tiga objek/ kasus pertama. Klasifikasi pusat klaster merupakan pusat sementara (interim centers) dipergunakan untuk penugasan / penunjukan kasus/objek, ditugaskan/digabungkan pada klasifikasi pusat klaster terdekat. Klasifikasi pusat diperbarui (up dated) sampai kriteria pemberhentian (stopping criteria) tercapai. Pusat klaster akhir mewakili rata-rata variable untuk objek/ kasus dalam klaster terakhir (terakhir dibentuk) Konsep Dasar Klaster Non-Hierarki Pengklasteran dengan menggunakan metode non-hierarki sering disebut dengan metode pengklasteran k-means klaster. Ada tiga pendekatan yang biasa digunakan yaitu sequential threshold, parallel threshold dan optimalisasi. Pendekatan yang digunakan dalam penulisan ini adalah pendekatan optimalisasi.

20 20 Responden dimasukan ke dalam klaster-klaster dengan mengoptimalkan sejumlah kriteria yaitu jarak rata-rata dalam klaster, varians dalam klaster dan varians antar klaster. Berikut langkah-langkah dalam prosedur pembentukan k-means klaster berdasarkan p variabel yang digunakan 1. Uji kebebasan antar variabel untuk mengetahui data yang diperoleh layak dianalisis (variabel variabel yang digunakan saling berhubungan atau tidak saling bebas) Untuk menguji kebebasan antar variabel ini digunakan uji Bartlett Sphericity berikut: Ho : R = I (Antar variabel bersifat saling bebas/ independen) Hı : R I (Antar variabel bersifat tidak saling bebas/ dependen) Statistik uji : = - { n-1- }1n R Kriteria uji :Tolak Ho jika atau sig.<α Dengan R : matriks korelasi dari data I : matriks identitas 2. Tentukan jumlah klaster (k), dalam tulisan ini diambil k= 3, yaitu klaster dengan penilaian rendah, sedang dan tinggi. 3. Tentukan pusat klaster (centroid) di tiap-tiap klaster yaitu,, dan. Pusat klaster (centroid) adalah k buah pengamatan pertama. 4. Hitung jarak Euclidean antara tiap obyek dengan centroid. 5. Masukkan tiap obyek ke suatu klaster berdasarkan jarak Euclidean terdekat dengan pusat klaster (centroid) yang berpadanan.

21 21 6. Bentuk klaster awal yang berupa obyek-obyek yang di dalamnya belum tetap menjadi anggota klaster tersebut karena mungkin masih mengalami pemindahan obyek antar klaster. Lakukan perhitungan kembali untuk mengecek apakah klaster tersebut sudah tetap dan tidak ada lagi pemindahan obyek antar klasternya. 7. Hitung kembali pusat klaster (centroid) yang baru terbentuk di tiap-tiap klaster yaitu,, dan yang baru dengan merata-ratakan nilai tiap variabel yang masuk menjadi anggota klaster awal. 8. Ulangi penghitungan jarak antara setiap obyek dengan centroid yang baru dengan menggunakan jarak Euclidean. 9. Masukkan tiap obyek pada suatu klaster berdasarkan jarak terdekat dengan pusat klaster (centroid) yang baru. 10. Bentuk klaster baru yang berupa obyek-obyek yang di dalamnya belum tetap menjadi anggota klaster tersebut karena mungkin masih mengalami pemindahan obyek antar klaster. Lakukan perhitungan kembali untuk mengecek apakah klaster tersebut sudah tetap dan tidak ada lagi pemindahan obyek antar klasternya. 11. Lakukan pengecekan apakah klaster yang baru terbentuk sudah tidak ada lagi pemindahan obyek antar klaster. Jika ternyata masih ada pemindahan obyek antar klaster maka kembali ke langkah 6 sampai tidak ada lagi pemindahan obyek antar klaster. 12. Hentikan proses jika sudah tidak ada lagi pemindahan obyek antar klaster sehingga terbentuk klaster akhir yang obyek-obyek di dalamnya sudah tetap menjadi anggota klaster tersebut.

22 Lakukan interpretasi dan profilisasi klaster. Interpretasi dilakukan untuk mencari karakteristik tiap klaster yang khas. Pengelompokan juga tidak bermanfaat jika tidak mengetahui profil setiap kelompok. Untuk menginterpretasi klaster dan membuat profil, digunakan rata-rata setiap klaster pada setiap variabel (yang dinamakan centroid). Centroid memungkinkan memberi label untuk setiap klaster. 14. Lakukan uji validasi terhadap hasil klaster yang diperoleh untuk mengetahui apakah klaster-klaster yang diperoleh akurat menggunakan MANOVA (dalam hal ini diperlukan multinormalitas dan homogenitas dari residual). Uji multinormal untuk residual menggunakan plot quantil-quantil antara jarak mahalanobis dan Chikuadrat tabel dengan derajat bebas p yang berpadanan dengan jarak mahalanobis sebagai berikut: a. Menentukan ( ) S ( ), J = 1, 2,.,n b. Mengurutkan nilai sesuai urutan naik (1) (2). (n) c. Menentukan quantil Chi kuadrat 100q % dengan q = (j-0.5)/n, j = 1, 2,, n dan derajat bebas = p. d. Plot pasangan (, ) Bila plot yang terbentuk mendekati garis lurus maka asumsi multinormal bisa diterima. Sedangkan uji homogenitas matriks varians kovarians dengan uji Box M berikut: : :

23 23 Statistik uji : = - 2 (1- ) ½ i In - ½ In ] dengan : = = [ Terima hopotesis nol yang berarti matriks varians kovarians bersifat homogen jika dengan k banyaknya populasi yang akan dibandingkan dan p banyaknya variabel yang digunakan ( Widiharih, 2010) Asumsi-asumsi dalam Analisis Klaster Tidak adanya Outlier. Data Outlier (pencilan) adalah data yang secara nyata berbeda dengan data- data yang lain. Suatu data merupakan outlier maka Z- score masing masing variabel kurang dari 3.00 atau lebih dari (Ferdinand, 2002) Sampel yang mewakili. Pengujian sampel yang mewakili populasi dapat dilakukan dengan uji Kaiser Mayer- Olkin (KMO) dan Bartlett dengan hipotesis: : Sampel belum memadai atau belum layak untuk dianalisis lebih lanjut. : Sampel sudah memadai atau sudah layak untuk dianalisis lebih lanjut. Uji Statistik Bartlett: B= Dengan: = / - 1) P = banyaknya variabel

24 24 V = derajat bebas - 1 N = jumlah observasi/ obyek ke i B = nilai statistic Bartlett Kriteria Pengambilan Keputusan : Tolak jika B > atau tolak, jika probabilitas/ nilai sig < α Kaiser Mayer Olkin (KMO) = dengan = korelasi antara variabel I dan j, dengan I < j = korelasi parsial antara variabel i dan j, dengan I < j Jika = 0.0, variabel pengukuran merupakan sebuah factor, dan KMO = 1. Jika = 1.0, variabel pengukuran bukan sebuah factor, dan KMO = 0.0 Jika nilai KMO 0.50 maka sampel sudah layak untuk dianalisis. Sedangkan untuk menguji variabel yang dapat digunakan ataukah tidak dapat digunakan, berdasarkan nilai anti-image correlation. Anti image correlation yaitu matriks dari korelasi parsial anatara variabel setelah dianalisis factor, dimana hasil faktornya menerangkan faktor yang lain. Sedangkan MSA (Measure of Sampling Adequacy) adalah pengukuran yang dihitung antara masukan korelasi matriks dan masing-masing variabel yang dievaluasi kelayakannya dari penggunaan analisis faktor.

25 25 Nilai MSA berkisar dari 0 sampai 1 dengan kriteria : MSA = 1, variabel tersebut diprediksi tanpa kesalahan oleh variabel lain. MSA > 0.5, variabel masih bisa diprediksi dan bisa dianalisis lebih lanjut. MSA < 0.5, variabel tidak bisa diprediksi dan tidak dapat dianalisis lebih lanjut, atau dikeluarkan dari variabel lainnya (Widiharih, 2010) Tidak Adanya Multikolinieritas Multikolinieritas adalah kemungkinan adanya korelasi antar variabel atau peristiwa terjadinya hubungan linier antar beberapa atau semua variabel. Sebaiknya multikolinieritas ini tidak terjadi, untuk mengetahui adanya multikolinieritas adalah dengan menghitung nilai Variance Inflation Factors (VIF) dengan rumus :, dengan adalah nilai koefisien determinasi variabel dependen ke j dengan variabel independen selain variabel ke j. Jika nilai maksimal ( ) > 10 maka mengindikasikan terjadinya multikolinieritas (Widiharih, 2010) Segmentasi Pasar Segmentasi pasar adalah proses membagi pasar menjadi bagian bagian atau irisan irisan konsumen yang khas yang mempunyai kebutuhan atau sifat yang sama dan kemudian memilih satu atau lebih segmen yang akan dijadikan sasaran. Segmentasi merupakan seni mengidentifikasi serta memanfaatkan peluang peluang yang muncul di pasar. Segmentasi memungkinkan pemasar menghindari persaingan langsung. Ini dimungkinkan karena perusahaan bisa menjalankan bisnisnya dengan cara yang berbeda terhadap kompetitornya, melalui perbedaan harga, corak, kemasan, daya tarik promosi, cara distribusi dan service memadai (Kertajaya, 2004).

26 26 Thompson (2000) menyatakan bahwa tantangan dalam pemasaran adalah untuk mengidentifikasi pasar potensial yang menguntungkan untuk dilayanai karena jarang sekali satu program pemasaran dapat memuaskan pasar yang heterogen yang berbeda selera dan karakteristik untuk itu diperlikan segmentasi pasar. Berdasarkan pengertian diatas dapat disimpulkan bahwa segmentasi memiliki peran penting dalam sebuah perusahaan. Segmentasi tersebut memiliki peran penting karena beberapa alasan yaitu pemfokusan alokasi sumber daya manusia dan penentuan komponen strategi. Beberapa jenis segmentasi adalah geografi, demografi, psikografi dan manfaat. Secara garis besar penjelasan masing masing jenis sebagai berikut: 1. segmentasi geografi, merupakan pembagian pasar menjadi uni-unit geografis yang berbeda. Misalnya: wilayah, negara, negara bagian, propinsi, kota, dan kepulauan; 2. segmentasi demografi, dimana pasar dikelompokan berdasarkan variabel variabel pendapatan, jenis kelamin, pendidikan jumlah penduduk, usia, ukuran keluarga, pekerjaan, agama, ras, generasi, kewarganegaraan dan kelas sosial; 3. segmentasi psikografi mengelompokan pasar dalam variabel gaya hidup, milai dan kepribadian. Gaya hidup juga ditunjukan oleh orang orang yang menonjol pada kelas, minat terhadap suatu produk juga dipengaruhi oleh gaya hidup. Oleh karena itu barang yang dibeli oleh orang orang tersebut adlah untuk menunjukan gaya hidupnya; 4. segmentasi perilaku, membagi kelompok berdasarkan status pemakai, kejadian, tingkat penggunaan, status kesetiaan, tahap kesiapan pembeli, dan sikap. Pasar disini dapat dikelompokan menjadi bukan pemakai, bekas pemakai, pemakai potensial, pemakai pertama kali dan pemaki tetap dari suatu produk;

27 27 5. segmentasi manfaat, mengklasifikasikan pasar berdasarkan atribut/nilai atau manfaat yang terkandung dalam suatu produk. Suatu perusahaan melakukan segmentasi pasar dengan tujuan untuk meningkatkan efektivitas strategi pemasaran yang telah disusun, serta lebih terarah dan sumber daya perusahaan dapat digunakan secara efektif dan efisien. Seperti dapat merencanakan produk yang benar- benar sesuai dengan permintaan pasar, dan perusahaan akan dapat mendeteksi secara dini mengenai kecenderungan kecenderungan dalam pasar yang senantiasa berubah. Tetapi segmentasi pasar memiliki kelemahan juga yaitu, biaya penelitian/ riset pasar akan bertambah searah dengan bertambahnya ragam dan macam segmen pasar yang ditetapkan, dan kemungkinan akan menghadapi pesaing yang membidik segmen serupa. Bahkan mungkin akan terjadi persaingan yang tidak sehat, misalnya kanibalisme sesama produsen untuk produk dan segmen yang sama (Kertajaya, 2004). 2.5 Pendekatan Utama Segmentasi Pasar Langkah awal yang dilakukan untuk membangun strategi segmentasi adalah menentukan pendekatan segmentasi yang sesuai dengan segmen yang ada di pasar. Umumnya ada 2 pendekatan utama segmentasi yaitu pendekatan a-priori dan pendekatan post-hoc. Pendekatan a-priori adalah pendekatan yang dilakukan sebelum suatu penelitian dilakukan, dimana peneliti sudah mengkotak- kotak pasar berdasarkan ciri-ciri seperti yaitu geografi, demografi, psikografi, gaya hidup, kedekatan, loyalitas dan variabel kepuasan (Supranto, 2004).

28 28 Pendekatan post-hoc adalah pendekatan yang tidak mengkotak- kotak pasar sebelum data dikumpulkan dan dianalisis (Supranto, 2004). Segmen dibuat setelah data dikumpulkan dan dianalisis sesuai dengan atribut atribut yang dianggap penting oleh peneliti. Jadi pendekatan post- hoc adalah pendekatan yang berorientasi pada riset dan dikembangkan untuk produk produk spesifik pada suatu jangkauan waktu tertentu. Dengan demikian kekuatanya sangat bergantung pada pengetahuan pemasar terhadap produk dan pasar yang ditekuninya. Pengetahuan inilah yang akan membimbing pemasar menentukan atribut atribut yang layak digunakan sebagai analisis segmentasi yang dilakukan, serta menentukan kepekaan pemasar dalam mengamati pasar (Thompson, 2000). 2.6 Statistika Deskriptif Statistika Deskriptif adalah metode- metode yang berkaitan dengan pengumpulan dan penyajian suatu gugus data sehingga memberikan informasi yang berguna. Pengklasifikasian menjadi statistika deskriptif dan statistika inferensia dilakukan berdasarkan aktivitas yang dilakukan. Statistika deskriptif hanya memberikan informasi mengenai data yang dipunyai dan sama sekali tidak menarik inferensia atau kesimpulan apapun tentang gugus induknya yang lebih besar. Kumpulan data yang diperoleh data statistika dekriptif akan tersaji dengan ringkas dan rapi serta dapat memberikan informasi inti dari kumpulan data yang ada. Informasi yang dapat diperoleh dari statistika deskriptif ini anatara lain ukuran pemusatan data, ukuran peyebaran data, serta kecenderungan suatu gugus data (Ronald, 1995).

29 BAB III METODOLOGI PENELITIAN Bahan Penelitian 3.1 Sumber Data Data yang digunakan dalam penelitian ini adalah dari satu sumber yaitu data primer Data Primer Data primer adalah data yang langsung diperoleh dari jawaban kuisioner yang disebar ke pada responden yang ditemui. 3.2 Teknik Pengambilan Sampel Populasi adalah keseluruhan subjek atau pengamatan yang diteliti (Arikunto, 2002:108). Populasi dalam penelitian ini adalah warga pemirsa yang berada di lingkup Jawa Tengah. Sampel adalah sebagian untuk diambil dari keseluruhan obyek yang diteliti dan dianggap mewakili seluruh populasi (Soekidjo, 2005: 79). Dalam penelitian ini teknik pengambilan sampel menggunakan Purposive sampling atau judgmental sampling yaitu penarikan sampel yang dilakukan memiih subjek berdasarkan kriteria spesifik yang ditetapkan peneliti. Sedangkan tahapan yang dilakukan dalam pengumpulan dan analisis data dalam penelitian ini adalah responden atau pemirsa program berita KOMPAS TV di Kecamatan Kendal, Kabupaten Kendal, Jawa Tengah dan mahasiswa S1 Universitas Muhammadiyah Semarang (UNIMUS), yang dilakukan pada bulan Juli sampai Agustus

30 Penyusunan Kuisioner. Kuisioner yaitu daftar pernyataan mengenai gambaran umum dari responden, serta sebuah set pertanyaan yang secara logis berhubungan dengan masalah penelitian, dan tiap pertanyaan merupakan jawaban- jawaban yang mempunyai makna dalam menguji hipotesis guna mendapatkan data primer yang merupakan sumber data yang diperoleh dari pihak pihak yang berhubungan dengan penelitian ini (Sudjana, 1997: 5). Pada penelitian ini pemberian skor untuk masing- masing jawaban dalam kuisioner adalah 1= Rendah 2= Sedang dan 3= Tinggi. Skala penilaian dari setiap variabel tersebut digunakan skala interval, yaitu data yang sudah diurutkan (rangking) objek dan sudah memberikan interval subjek satu dengan yang lainnya Uji Validitas dan Reliabilitas Kuisioner. Uji validitas dengan menggunakan hipotesis: : Item kuesioner tidak valid : Item kuesioner valid Uji validitas dilakukan untuk mengetahui tingkat kevaliditasan dari instrumen (kuesioner) yang digunakan dalam pengumpulan data yang diperoleh dengan cara mengkorelasi setiap skor variabel jawaban responden dengan total skor masing-masing variabel, kemudian hasil korelasi dibandingkan dengan nilai kritis pada taraf siginifikan 0,05 dan 0,01. Tinggi rendahnya validitas instrumen akan menunjukkan sejauh mana data yang terkumpul tidak menyimpang dari gambaran tentang variabel yang dimaksud.

31 31 Adapun perhitungan korelasi Pearson s Moment Product, dengan rumus seperti yang dikemukakan oleh Arikunto (1998): Statistik Uji: r Dengan r = koefisien korelasi x = skor item kuesioner y = skor total tiap faktor kesioner n = banyaknya observasi jika > maka ditolak sehingga dapat disimpulkan item pernyataan signifikan, sehingga kuisioner tersebut valid. Uji reliabilitas digunakan teknik Cronbach s Alpha dengan pengujian hipotesis sebagai berikut : : Item kuisioner tidak reliabel : Item kuisioner reliabel Statistik Uji : = 1- ] Dengan : = nilai Cronbach Alpha c = banyaknya item/ pertanyaan varian item kuisioner ke-j, dengan [ - ( ] = varian dari total skor item kuesioner, dengan [ - ( ], dan

32 32 x = = = Jika Cronbach alpha > maka ditolak sehingga dapat disimpulkan item pernyataan signifikan. Hal ini berarti bahwa kuesioner tersebut reliabel. Untuk keperluan uji validitas dan reliabelitas ini digunakan sampel sebanyak 50 responden Pengambilan Data Responden Sampel yang digunakan sebanyak 50 responden dengan metode penyampelan judgment sampel (kebijaksanaannya) sendiri yang dalam hal ini cukup mewakili, dan dari 20 desa yang ada di pilih 8 desa sebagai sampel Analis Data Tahapan yang dilakukan dalam analisis data adalah: a. Deteksi outlier, data yang merupakan outlier dikeluarkan dari analisis. b. Uji KMO dan Barlet untuk kelayakan data dapat dianalisis. c. Uji multikolinieritas. d. Uji kebebasan antar variabel yang digunakan. e. Pembentukan klaster dan anggota klaster. f. Validasi hasil.

33 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Diskripsi Obyek Penelitian (Responden) Identitas responden dalam penelitian ini, akan dijelaskan tentang jenis kelamin responden, umur responden, pendidikan responden, pekerjaan responden dan pendapatan responden yang diambil dari 50 kuisioner yang dibagikan kepada responden. 4.2 Karakteristik Responden Karakteristik responden dalam penelitian ditinjau dari jenis kelamin, umur, tingkat pendidikan, pekerjaan dan pendapatan dapat disajikan pada table berikut ini: Jenis Kelamin Responden Tabel 4.1 Jenis Kelamin Responden No Jenis Kelamin Frekuensi Prosentasi 1. Laki-laki % 2. Perempuan % Jumlah % Berdasarkan table 4.1 di atas dapat diketahui bahwa dari 50 orang responden, sebagian besar adalah laki-laki yaitu 32 orang (64 %) dan sisanya perempuan 18 orang (36). Hal ini disebabkan rata-rata responden pemirsa KOMPAS TV yang ditemui pada saat penelitian sebagian besar laki-laki. 33

34 Umur Responden Tabel 4.2 Distribusi Umur Responden No Rentang Umur (Tahun) Frekuensi Prosentasi 1. < 20 tahun 0 0 % tahun % tahun % tahun 6 12 % 5. >51 tahun 2 4 % Jumlah % Berdasarkan tabel 4.2 di atas dapat diketahui bahwa dari 50 responden, sebagian besar responden dalam penelitian ini memiliki tingkatan umur antara tahun yaitu sebanyak 32 orang (64 %). Sedangkan yang paling kecil memiliki tingkatan umur lebih dari 51 tahun yaitu 2 orang (4 %), setelah usia dibawah 20 tahun yaitu (0 %). Hal ini disebabkan karena pada saat dilakukan penelitian tidak ditemui responden yang berusia dibawah 20 tahun.

35 Tingkat Pendidikan Responden Tabel 4.3 Distribusi Tingkat Pendidikan Responden No Tingkat Pendidikan Frekuensi Prosentasi 1. < SMA 0 0 % 2. SMA 8 16 % 3. Diploma 3 6 % 4. Mahasiswa % 5. Sarjana % Jumlah % Berdasarkan tabel 4.3 di atas menunjukan bahwa responden dalam penelitian ini terbanyak memiliki tingkat pendidikan sebagai mahasiswa yaitu (44 %) sedangkan yang paling sedikit memilik tingkat pendidikan diploma tiga yaitu 3 orang (6 %), setelah pendidikan tingkat dibawah Sekolah Menengah Atas (SMA) yaitu (0 %). Sementara lainya yaitu pendidikan tingkat diploma 3 orang (6 %), SMA 8 orang (16 %), dan tingkat sarjana 17 orang (34 %). Hasil penelitian tersebut menunjukan bahwa pendidikan responden dalam penelitian ini cukup tinggi.

36 Pekerjaan Responden Tabel 4.4 Distribusi Pekerjaan Responden No Pekerjaan Responden Frekuensi Prosentasi 1. Pegawai Negeri Sipil (PNS) % 2. Karyawan Swasta % 3. Mahasiswa % Jumlah % Berdasarkan tabel 4.4 tersebut di atas menunjukan bahwa responden dalam penelitian ini yang terbanyak adalah mahasiswa yaitu 22 orang (44 %). Kemudian Pegawai Negeri Sipil sebanyak 16 orang (32 %). Sedangkan yang paling sedikit adalah karyawan swasta yaitu 12 orang (24 %). Hasil penelitian tersebut menunjukan bahwa, pada saat dilakukan penelitian rata-rata responden pemirsa KOMPAS TV yang ditemui sebagian besar adalah mahasiswa.

37 Pendapatan Responden Tabel 4.5 Distribusi Pendapatan Responden No Pendapatan Responden Frekuensi Prosentasi 1. < Rp ,- (Mahasiswa berpenghasilan) 3 6 % 2. Rp ,- - Rp , % 3. Rp ,- -Rp , % 4. Rp ,- -Rp ,- 4 8 % 5. > R ,- 1 2 % 6. Mahasiswa tidak berpenghasilan % Jumlah % Berdasarkan tabel 4.5 tersebut di atas dapat diketahui bahwa mahasiswa yang berpendapatan <Rp , sebanyak 3 orang (6 %), yang berpendapatan antara Rp , - Rp sebanyak 5 orang (10 %), yang berpendapatan antara Rp , - Rp , sebanyak 20 orang (40 %), yang berpendapatan antara Rp ,- Rp ,- sebanyak 4 orang (8 %), sedangkan yang berpenghasilan diatas Rp ,- sebanyak 1 orang (2 %), sementara mahasiswa yang tidak berpenghasilan adalah sebanyak 17 orang ( 34 %). Hasil penelitian tersebut menunjukan bahwa, pada saat dilakukan penelitian rata-rata responden pemirsa KOMPAS TV yang ditemui sebagian besar adalah responden yang berpenghasilan antara Rp , - Rp ,

38 Frekuensi Menonton Kompas Televisi Tabel 4.6 Frekuensi Menonton Kompas Televisi No Frekuensi Menonton Jumlah Responden Prosentasi kali dalam seminggu % kali dalam seminggu % kali dalam seminggu % Jumlah % Berdasarkan tabel 4.6 tersebut di atas menunjukan bahwa responden yang menonton Kompas Televisi, 1-2 kali dalam satu minggu ada sebanyak 23 orang (46 %), sedangkan yang menonton 3-5 kali dalam seminggu sebanyak 13 orang (26 %). Sementara yang menonton 6-7 kali dalam seminggu ada sebanyak 14 orang (28 %). Hasil penelitian tersebut di atas menunjukan bahwa saat dilakukan penelitian, sebagain besar masyarakat menonton siaran Kompas Televisi frekuensinya 1-2 kali dalam satu minggu.

39 Perbandingan Menonton Kompas Televisi dengan TV lain Tabel 4.7 Perbandingan Menonton Kompas Televisi dengan TV lain No Perbandingan menonton Jumlah Responden Prosentasi 1 Lebih sering Kompas Televisi 1 2 % 2 Lebih sering televisi lain % 3 Sama % Jumlah % Berdasarkan tabel 4.7 tersebut di atas menunjukan bahwa responden yang lebih sering menonton Kompas Televisi, ada sebanyak 1 orang (2 %), sedangkan yang menonton Televisi lain ada sebanyak 39 orang (78 %). Sementara yang menonton antara Kompas Televisi dan Televisi lain atau sama sama keduanya ada sebanayk 10 orang (20 %). Hasil penelitian tersebut di atas menunjukan bahwa saat dilakukan penelitian, sebagain besar masyarakat lebih sering menonton siaran Televisi lain dibanding menonton Kompas Televisi.

40 Program Acara Hiburan yang Diminati Pemirsa Tabel 4.8 Program Acara Hiburan yang Diminati Pemirsa No Program Acara Jumlah Responden Prosentasi 1. Suka-Suka % 2 Stand up Komedi % 3. Super Mom 1 2 % 4. Jalan Sesama 0 0 % 5. New Star 1 2 % 6. Musik (k-20) 8 16 % Jumlah % Berdasarkan tabel 4.8 tersebut di atas menunjukan bahwa responden yang suka menonton acara hiburan Stand up Komedi di Kompas Televisi, ada sebanyak 25 orang (50 %). Sedangkan yang suka menonton acara Suka - Suka sebanyak 15 orang (30 %), dan yang suka acara musik (k- 20) ada sebanyak 8 orang (16 %). Responden yang suka acara Super Mom dan New Star sebanyak 1 orang (2 %), sedangkan acara Jalan Sesama tak ada satupun responden yang menyukai acara ini atau kosong (0 %). Hasil penelitian tersebut di atas menunjukan bahwa saat dilakukan penelitian, sebagain besar responden menyukai acara hiburan Stand up Komedi, dan acara hiburan yang responden tidak sukai adalah acara Jalan Sesama.

41 Program Acara Pendidikan Tabel 4.9 Program Acara Pendidikan No Program Acara Jumlah Responden Prosentasi 1 Kita bisa % 2 Sience Is Fun % 3 Foreign Documentery % 4 Versus 11 22% Jumlah % Berdasarkan tabel 4.9 tersebut di atas menunjukan bahwa responden yang suka menonton acara hiburan Sience Is Fun di Kompas Televisi, ada sebanyak 14 orang (28 %). Sedangkan yang suka menonton acara Foreign Documentery sebanyak 13 orang (26 %), yang suka acara kita bisa ada sebanyak 12 orang (24 %), dan yang suka acara Versus sebanyak 11 orang (22 %). Hasil penelitian tersebut di atas menunjukan bahwa saat dilakukan penelitian, sebagain besar responden menyukai acara hiburan Sience Is Fun, dan acara hiburan yang responden tidak sukai adalah acara Versus.

42 Program Acara Budaya Tabel 4.10 Program Acara Budaya No Program Acara Jumlah Responden Prosentasi 1. Word of Wayang 2 4 % 2. Jejak Nusantara % 3. Urban 8 16 % 4. Penjuru kota 2 4 % jumlah % Berdasarkan tabel 4.10 tersebut di atas menunjukan bahwa responden yang suka menonton program acara budaya Jejak Nusantara di Kompas Televisi, ada sebanyak 38 orang (76 %). Sedangkan yang suka menonton acara Urban 8 orang (16 %), yang suka acara Word of Wayang ada sebanyak 2 orang (4 %), dan yang suka acara Penjuru Kota sebanyak 2 orang (2 %). Hasil penelitian tersebut di atas menunjukan bahwa saat dilakukan penelitian, sebagain besar responden menyukai acara hiburan Jejak Nusantara, dan acara budaya yang responden tidak sukai adalah acara Word of Wayang dan Penjuru Kota, keduanya mempunyai nilai yang sama yaitu 2 orang (4 %)..

43 Program Acara Ekonomi Bisnis Tabel 4.11 Program Acara Ekonomi Bisnis No Program Acara Jumlah Responden Prosentasi 1. Kompas % 2. Tekno % 3. Agung Podomoro 8 16 % Jumlah % Berdasarkan tabel 4.11 tersebut di atas menunjukan bahwa responden yang suka menonton acara hiburan Kompas 100 di Kompas Televisi, ada sebanyak 26 orang (52 %). Sedangkan yang suka menonton acara Tekno sebanyak 16 orang (32 %), dan yang suka acara Agung Podomoro sebanyak 8 orang (16 %). Hasil penelitian tersebut di atas menunjukan bahwa saat dilakukan penelitian, sebagain besar responden menyukai acara Kompas 100, dan acara Ekonomi Bisnis yang responden tidak sukai adalah acara Agung Podomoro.