ANALISIS FAKTOR INTANGIBLE PADA HARGA PRODUK (ANALYSIS OF INTANGIBLE FACTORS TO PRODUCT PRICING)

Reza Bayu Kurniawan, Ir. Subagyo, Ph.D

2014 | Tesis | S2 Teknik Industri

Penentuan harga merupakan hal yang sangat penting bagi perusahaan. Harga adalah salah satu aspek yang langsung menentukan besar pendapatan dari produk yang dijual, selain itu harga juga menunjukkan strategi perusahaan. Sehingga, keputusan untuk menentukan harga merupakan hal yang sangat vital bagi perusahaan. Dalam menentukan harga produknya perusahaan tidak hanya mempertimbangkan faktor yang terukur (tangible), melainkan juga harus mempertimbangkan faktor yang tak terukur (intangible). Fokus pada faktor tak terukur (intangible) meningkatkan nilai perusahaan yang nantinya berpengaruh pada penentuan harga dari produk yang dihasilkan. Pentingnya menghitung nilai intangible menjadi latar belakang pada penelitian ini. Penelitian bertujuan untuk membangun model prediksi nilai intangible guna penentuan harga produk. Obyek yang digunakan pada penelitian ini adalah 20 perusahaan di wilayah D.I. Yogyakarta dengan kategori produk shopping-specialty goods. Nilai intangible diprediksi dari faktor-faktor intangible yang dipertimbangkan. Faktor-faktor tersebut adalah brand, inovasi, length of relationship, dan perceived value. Nilai brand, length of relationship dan perceived value dihitung dari data konsumen dalam memahami faktor-faktor tersebut pada obyek. Nilai inovasi didapatkan dari data inovasi perusahaan, sedangkan nilai intangible itu sendiri didapatkan dari data keuangan perusahaan. Untuk membangun model prediksi nilai intangible digunakan 2 metode yaitu multiple regression analysis dan model Kano. Nilai intangible sebagai dependent variable, dan brand, inovasi, length of relationship, dan perceived value sebagai independent variable. Terdapat hubungan antara nilai intangible dengan kategori produk. Model prediksi nilai intangible (y) sebagai fungsi fungsionalitas produk (x), dengan persamaan fungsionalitas produk dibangun menggunakan 4 faktor intangible. Model prediksi nilai intangible memiliki nilai R2 sebesar 70,2%. Persamaan fungsionalitas produk dibangun dengan menggunakan 2 metode yaitu multiple regression analysis dan model Kano. Persamaan (x) yang terbaik dibangun dengan menggunakan multiple regression analysis dengan R2 sebesar 57,5% dan kemampuan prediksi sebesar 90,3%.

Pricing is a very important thing for the company. Price is one aspect which directly determines company’s revenue from products sold, but it also shows the company’s strategy. Thus, the decision to determine price is very vital for the company. In determining price, company does not only consider measurable factors (tangible), but it must also consider non-measurable factors (intangible). Focus on intangible factors will increase the company’s value affecting pricing decision. The importance of measuring intangible value is the background in this study. The research aims to develop a prediction model of intangible value for pricing. Objects used in this study are 20 companies in special region of Yogyakarta covering shopping-specialty product category. Intangible value is predicted from intangible factors considered. These factors are brand, innovation, length of relationship, and perceived value. The value of brand, length of relationship, and perceived value will be measured on how consumer get the understanding of these factors on the object. Innovation is obtained from company portfolio, while intangible value is obtained from company financial data. To develop a predictive model of intangible value will be used 2 methods namely multiple regression analysis and model of Kano. Intangible value as the dependent variable, while brand, innovation, length of relationship, and perceived value as the independent variable. There is a relationship between the value of the intangible and product category. Prediction model of intangible value (y) as a function of product functionality (x), where the functionality equation is constructed using 4 intangible factors. Prediction model of intangible value has R2 value of 70,2%. Product functionality equation is built using 2 methods namely multiple regression analysis and model of Kano. The selected equation (x) is the model developed using multiple regression analysis with R2 value of 57,5% and the value of predictive ability of 90.3%.

Kata Kunci : intangible, multiple regression analysis, model Kano, harga produk