Dokumentasi - Niat Beli Gen Z & Alkohol Impor

Tentang dokumen ini

Dokumen ini menjelaskan apa yang ditampilkan di halaman laporan, dari mana data berasal, bagaimana setiap angka dihitung, dan untuk apa angka itu digunakan. Tujuannya agar siapa pun yang menggunakan aplikasi ini - pembimbing, kolega, atau Anda sendiri di masa depan - dapat memverifikasi hasil tanpa menebak.

Definisi singkat istilah-istilah penting

Konstruk: Variabel laten (tidak diukur langsung) yang dioperasionalisasi melalui sekumpulan item pertanyaan. Contoh: Brand Image diukur dengan 5 item Likert.
Item: Satu pertanyaan kuesioner. Skor 1 (Sangat Tidak Setuju) sampai 5 (Sangat Setuju).
Skor konstruk: Rata-rata aritmatik (composite mean) dari skor seluruh item dalam konstruk tersebut untuk satu responden.
Reliabilitas: Konsistensi internal antar-item dalam satu konstruk. Diukur dengan Cronbach's α.
Validitas konvergen / diskriminan: Apakah item dalam satu konstruk benar-benar mengukur hal yang sama, dan apakah berbeda dari konstruk lain. Tidak dihitung di aplikasi ini - perlu PLS-SEM (SmartPLS).

Alur pengolahan data

Data mentah dari Google Forms (file .xlsx) diproses melalui tujuh tahap. Versi browser (impor langsung di halaman utama) mengikuti alur yang sama persis dengan versi Python (generate_data.py).

Pembacaan file Excel
Sheet pertama dibaca. Header (baris 1) dipakai untuk identifikasi kolom. Baris kosong dibuang.
Pemberian alias kolom
Kolom 1–49 diberi alias C1 sampai C49 agar mudah dirujuk. C1 = Timestamp, C2 = Email, C3 = Consent, C4–C6 = pertanyaan saringan, C7–C49 = 43 item Likert.
Penghitungan jumlah respons mentah
Distribusi jawaban C4 (Generasi Z), C5 (≥ 18 tahun), C6 (awareness alkohol impor) dihitung sebelum filter - untuk visualisasi screening di section 02 laporan utama.
Filter responden valid
Hanya responden yang menjawab Ya pada C4 dan C5 dan C6 yang dimasukkan ke analisis lanjutan. Pada data bawaan: 59 dari 71.
Konversi tipe numerik
Skor Likert dipaksa menjadi float. Nilai yang tidak bisa dikonversi (mis. teks atau kosong) menjadi null dan dikeluarkan dari perhitungan per-item.
Komputasi statistik
Per item: mean, SD, distribusi Likert 1–5. Per konstruk: skor responden, Cronbach's α, mean/SD agregat. Antar konstruk: matriks korelasi Pearson 9×9.
Render di UI
Semua hasil dikemas dalam window.SURVEY_DATA dan diteruskan ke SURVEY_APP.render(). Chart.js + custom DOM menggambar visualisasi.

Sembilan konstruk penelitian

Penelitian ini mengadaptasi Theory of Planned Behavior (Ajzen, 1991) dengan menambahkan lima konstruk pendukung yang relevan dengan konteks produk impor & Generasi Z.

Status Consumption (Konsumsi Status)

Apa yang diukur? Kecenderungan responden membeli produk untuk mengangkat citra sosial dan memperlihatkan status. Berdasarkan Eastman, Goldsmith & Flynn (1999).

Untuk apa? Memprediksi Attitude dan Purchase Intention pada produk impor (yang sering dianggap simbol status). Konstruk ini juga berkaitan erat dengan Hedonic Motivation.

Jumlah item: 5 (SC1–SC5) di kolom C7–C11.

SC1 Tertarik beli produk yang tingkatkan citra sosial
SC2 Lebih percaya diri dengan produk bergengsi
SC3 Pilih produk yang mencerminkan status sosial
SC4 Produk eksklusif lebih menarik
SC5 Menikmati produk simbol status

COO

Country of Origin (Negara Asal)

Apa yang diukur? Sejauh mana persepsi terhadap negara asal produk mempengaruhi penilaian konsumen. Adaptasi dari Roth & Romeo (1992), Pappu et al. (2007).

Untuk apa? Untuk produk alkohol impor, COO sangat relevan - wine dari Prancis, whisky dari Skotlandia, beer dari Belgia. Konstruk ini memprediksi Brand Image dan Purchase Intention.

Jumlah item: 5 (COO1–COO5) di kolom C12–C16.

COO1 Negara asal mempengaruhi penilaian kualitas
COO2 Lebih percaya produk dari negara tertentu
COO3 Produk impor dari negara maju dianggap lebih berkualitas
COO4 Pertimbangkan negara asal sebelum membeli
COO5 Citra negara mempengaruhi persepsi produk

Health Consciousness (Kesadaran Kesehatan)

Apa yang diukur? Tingkat perhatian responden terhadap kesehatan dalam pengambilan keputusan konsumsi. Adaptasi dari Gould (1988), Michaelidou & Hassan (2008).

Untuk apa? Dalam konteks alkohol, HC diharapkan menjadi hambatan (penghambat) Attitude dan Purchase Intention. Tren global sober curious menunjukkan Gen Z lebih health-conscious.

Jumlah item: 4 (HC1–HC4) di kolom C17–C20.

HC1 Memperhatikan dampak kesehatan produk
HC2 Menghindari produk berisiko kesehatan
HC3 Pertimbangkan dampak kesehatan alkohol
HC4 Kesadaran kesehatan mempengaruhi pilihan alkohol

Brand Image (Citra Merek)

Apa yang diukur? Persepsi positif terhadap merek - reputasi, kualitas, kepercayaan. Adaptasi dari Keller (1993), Aaker (1996).

Untuk apa? Sering bertindak sebagai mediator antara COO dan Purchase Intention. Konsumen percaya pada merek mapan, terutama untuk kategori produk yang sulit dinilai sebelum dikonsumsi seperti alkohol.

Jumlah item: 5 (BI1–BI5) di kolom C21–C25.

BI1 Lebih memilih merek terkenal
BI2 Merek faktor penting dalam pembelian
BI3 Merek terkenal mencerminkan kualitas lebih baik
BI4 Membeli berdasarkan reputasi merek
BI5 Lebih yakin dengan merek mapan

ATT

Attitude (Sikap)

Apa yang diukur? Evaluasi positif vs negatif terhadap perilaku membeli alkohol impor. Komponen TPB klasik (Ajzen, 1991).

Untuk apa? Salah satu prediktor utama Purchase Intention dalam kerangka TPB. Berbeda dari Brand Image - ATT spesifik pada perilaku, BI pada produk/merek.

Jumlah item: 6 (ATT1–ATT6) di kolom C26–C31.

ATT1 Pandangan positif terhadap alkohol impor
ATT2 Mencoba alkohol impor jadi pengalaman menyenangkan
ATT3 Alkohol impor menarik untuk dicoba
ATT4 Persepsi baik terhadap kualitas alkohol impor
ATT5 Membeli alkohol impor keputusan baik
ATT6 Alkohol impor pilihan menguntungkan

Subjective Norm (Norma Subjektif)

Apa yang diukur? Tekanan sosial yang dirasakan untuk melakukan/tidak melakukan perilaku. Komponen TPB.

Untuk apa? Memprediksi PI bersama ATT dan PBC. Untuk konteks Indonesia (mayoritas Muslim), SN diharapkan rendah karena alkohol terasosiasi dengan haram dan kurang didorong oleh lingkungan sosial.

Jumlah item: 4 (SN1–SN4) di kolom C32–C35.

SN1 Orang penting mendorong saya mencoba
SN2 Teman mendorong saya mencoba
SN3 Ada tekanan sosial untuk mencoba
SN4 Ikuti pendapat orang terdekat dalam memilih

PBC

Perceived Behavioral Control

Apa yang diukur? Persepsi kemudahan/kemampuan untuk melakukan perilaku - meliputi akses, informasi, dan sumber daya. Komponen TPB.

Untuk apa? Memprediksi PI dan juga dapat langsung memprediksi actual behavior. Tinggi PBC = responden merasa mampu membeli alkohol impor jika mau.

Jumlah item: 5 (PBC1–PBC5) di kolom C36–C40.

PBC1 Mampu mengontrol keputusan beli alkohol impor
PBC2 Memiliki akses untuk mendapatkan alkohol impor
PBC3 Cukup informasi untuk memilih alkohol impor
PBC4 Mudah menentukan pilihan alkohol impor
PBC5 Cukup sumber daya untuk membeli alkohol impor

Purchase Intention (Niat Beli)

Apa yang diukur? Variabel dependen utama penelitian - niat membeli alkohol impor. Adaptasi dari Dodds, Monroe & Grewal (1991).

Untuk apa? Outcome variable. Semua konstruk lain (SC, COO, HC, BI, ATT, SN, PBC, HM) dihipotesiskan memprediksi PI baik secara langsung maupun melalui mediator.

Jumlah item: 4 (PI1–PI4) di kolom C41–C44.

PI1 Berniat mencoba alkohol impor di masa depan
PI2 Berencana membeli alkohol impor dalam waktu dekat
PI3 Kemungkinan akan membeli alkohol impor
PI4 Akan berusaha membeli saat ada kesempatan

Hedonic Motivation (Motivasi Hedonis)

Apa yang diukur? Motivasi berbasis kesenangan, sensasi, dan pengalaman positif. Adaptasi dari Venkatesh et al. (2012), Hirschman & Holbrook (1982).

Untuk apa? Memprediksi PI khususnya untuk produk pengalaman seperti alkohol. Sering bekerja bersama SC dalam menjelaskan konsumsi produk premium.

Jumlah item: 5 (HM1–HM5) di kolom C45–C49.

HM1 Tertarik karena memberi pengalaman menyenangkan
HM2 Mengonsumsi alkohol impor terasa menyenangkan
HM3 Menikmati sensasi saat mencoba
HM4 Aktivitas yang menghibur
HM5 Terdorong untuk kesenangan pribadi

Item kuesioner lengkap

Total 43 item Likert (kolom C7–C49 pada file Excel), dikelompokkan ke 9 konstruk. Tiap item dinilai pada skala 1–5: 1 Sangat Tidak Setuju, 2 Tidak Setuju, 3 Netral, 4 Setuju, 5 Sangat Setuju.

Selain itu, tiga pertanyaan saringan (C4–C6) berformat Ya/Tidak untuk memastikan kelayakan responden, dan satu pertanyaan persetujuan (C3).

Daftar lengkap item dapat dilihat di section Konstruk di atas, atau di tabel "Distribusi jawaban per item" di halaman laporan utama.

Statistik yang dihitung

5.1 Statistik deskriptif (mean, SD, median)

Untuk setiap konstruk, skor agregat per responden dihitung dahulu sebagai rata-rata aritmatik (composite mean) dari item-itemnya:

skor_konstruk_responden = mean(item_1, item_2, ..., item_k)

Kemudian dihitung mean, SD, dan median antar responden untuk konstruk tersebut.

Mengapa composite mean, bukan total score? Karena jumlah item per konstruk berbeda (4, 5, atau 6), composite mean menjaga skor tetap berada di rentang 1–5 dan dapat diperbandingkan langsung antar konstruk.

5.2 Reliabilitas - Cronbach's α

Mengukur konsistensi internal antar-item dalam satu konstruk. Formulanya:

α = (k / (k − 1)) × (1 − Σ Var(item_i) / Var(total))

dengan k = jumlah item, Var(item_i) = variansi tiap item, dan Var(total) = variansi dari skor total tiap responden.

Nilai α	Interpretasi	Badge di laporan
≥ 0.90	Excellent - reliabilitas sangat tinggi	Excellent
0.80 – 0.89	Good - reliabilitas baik	Good
0.70 – 0.79	Acceptable - masih dapat diterima	Good
0.60 – 0.69	Questionable - perlu hati-hati	Poor
< 0.60	Poor - pertimbangkan revisi item	Poor

Catatan: α tinggi tidak menjamin validitas. α hanya menunjukkan bahwa item-item bertindak konsisten - tidak menjawab apakah mereka benar-benar mengukur konstruk yang dimaksud. Untuk validitas konvergen, hitung AVE; untuk diskriminan, gunakan kriteria Fornell-Larcker atau HTMT (pakai SmartPLS).

5.3 Korelasi Pearson antar konstruk

Mengukur kekuatan hubungan linear antar dua konstruk:

r = Σ (x_i − x̄)(y_i − ȳ) / √(Σ (x_i − x̄)² × Σ (y_i − ȳ)²)

Hasilnya berada di rentang [−1, +1]. Tanda positif = kedua konstruk bergerak searah, negatif = berlawanan arah.

\|r\|	Kekuatan
0.00 – 0.19	Sangat lemah / tidak ada
0.20 – 0.39	Lemah
0.40 – 0.59	Sedang
0.60 – 0.79	Kuat
0.80 – 1.00	Sangat kuat

Di laporan utama, heatmap menampilkan matriks 9×9 dengan gradasi warna: hijau-olive untuk korelasi positif, merah-anggur untuk negatif. Bar chart pendamping menampilkan korelasi setiap konstruk dengan Purchase Intention - variabel prediktor terkuat untuk PI muncul di posisi paling atas.

Korelasi ≠ kausalitas. Korelasi tinggi tidak berarti satu konstruk menyebabkan konstruk lain. Untuk uji kausal/hipotesis, perlu regresi atau SEM.

5.4 Distribusi Likert per item

Untuk setiap item, dihitung berapa persen responden memilih masing-masing skor 1, 2, 3, 4, 5. Ditampilkan sebagai stacked horizontal bar chart dengan kode warna:

1 - Sangat Tidak Setuju
2 - Tidak Setuju
3 - Netral
4 - Setuju
5 - Sangat Setuju

Tujuannya untuk melihat polarisasi jawaban: item dengan banyak skor ekstrem (1 dan 5) berarti membelah responden; item dengan distribusi terpusat di tengah berarti opini netral.

Cara impor data baru dari UI

Di bagian atas halaman laporan, terdapat bar dengan tombol Impor .xlsx. Anda juga dapat menyeret & melepas file di area drop zone.

Pastikan struktur kolom sesuai
File harus memiliki minimal 49 kolom dalam urutan yang sama: Timestamp (1), Email (2), Consent (3), Generasi Z (4), Usia ≥ 18 (5), Awareness (6), lalu 43 item Likert (7–49). Pengunduhan ulang langsung dari Google Forms akan menghasilkan struktur yang benar.
Klik tombol impor atau drag file
Parser SheetJS akan membaca sheet pertama. Notifikasi toast akan muncul dengan status (memproses, berhasil, atau error).
Visualisasi diperbarui otomatis
Semua chart, tabel reliabilitas, distribusi Likert, dan heatmap di-render ulang dengan data baru. Tidak perlu reload halaman.
(Opsional) Unduh data.js untuk deployment
Klik Unduh data.js untuk men-download file yang sudah berisi hasil komputasi. Letakkan di folder app/ dan re-deploy untuk membuat data baru menjadi default.
Klik Reset untuk kembali ke data bawaan
Halaman akan dimuat ulang dan menggunakan data.js yang ada di server.

Privasi: Semua parsing terjadi di browser Anda. File tidak diunggah ke server mana pun. Aman untuk data sensitif/anonim.

Cara deploy ke produksi

Web app ini adalah static site tanpa backend. Lihat README.md di root project untuk panduan lengkap. Ringkasan:

Lokal

cd app
python -m http.server 8765

Lalu buka http://localhost:8765

Vercel (rekomendasi)

Push ke Git - push folder app/ (atau seluruh repo) ke GitHub/GitLab/Bitbucket.
Import di Vercel - buka vercel.com/new, pilih repo, set Root Directory ke app, kosongkan Build Command.
Deploy - klik tombol, tunggu ~30 detik. Anda akan dapat URL *.vercel.app.

Update data setelah respons bertambah

Dua jalur:

Cepat (browser only): impor file melalui UI di halaman utama. Perubahan hanya berlaku di sesi tersebut.
Permanen: impor → klik Unduh data.js → replace file di folder app/ → push ke Git → Vercel akan re-deploy otomatis.

Referensi teoretis

Konstruk-konstruk pada penelitian ini diadaptasi dari literatur berikut. Untuk daftar artikel pendukung yang lebih lengkap, lihat section Literatur dan Tematik di laporan utama.

Ajzen, I. (1991). The theory of planned behavior. Organizational Behavior and Human Decision Processes, 50(2), 179–211.
Eastman, J. K., Goldsmith, R. E., & Flynn, L. R. (1999). Status consumption in consumer behavior: Scale development and validation. Journal of Marketing Theory and Practice, 7(3), 41–52.
Roth, M. S., & Romeo, J. B. (1992). Matching product category and country image perceptions. Journal of International Business Studies, 23(3), 477–497.
Gould, S. J. (1988). Consumer attitudes toward health and health care: A differential perspective. Journal of Consumer Affairs, 22(1), 96–118.
Michaelidou, N., & Hassan, L. M. (2008). The role of health consciousness, food safety concern and ethical identity on attitudes and intentions towards organic food. International Journal of Consumer Studies, 32(2), 163–170.
Keller, K. L. (1993). Conceptualizing, measuring, and managing customer-based brand equity. Journal of Marketing, 57(1), 1–22.
Dodds, W. B., Monroe, K. B., & Grewal, D. (1991). Effects of price, brand, and store information on buyers' product evaluations. Journal of Marketing Research, 28(3), 307–319.
Venkatesh, V., Thong, J. Y. L., & Xu, X. (2012). Consumer acceptance and use of information technology: Extending the unified theory of acceptance and use of technology. MIS Quarterly, 36(1), 157–178.
Hirschman, E. C., & Holbrook, M. B. (1982). Hedonic consumption: Emerging concepts, methods and propositions. Journal of Marketing, 46(3), 92–101.
Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297–334.

Bagaimana data diolah, dianalisis, dan ditampilkan.

Tentang dokumen ini

Alur pengolahan data

Sembilan konstruk penelitian

Item kuesioner lengkap

Statistik yang dihitung

5.1 Statistik deskriptif (mean, SD, median)

5.2 Reliabilitas - Cronbach's α

5.3 Korelasi Pearson antar konstruk

5.4 Distribusi Likert per item

Cara impor data baru dari UI

Cara deploy ke produksi

Lokal

Vercel (rekomendasi)

Update data setelah respons bertambah

Referensi teoretis