Thursday, January 12, 2017

√ Mds Berbasis Preferensi

MDS sanggup memakai data preferensi untuk membentuk peta persepsi.  Karena merupakan perilaku relatif terhadap satu merek dibanding merek lain, maka dalam pengambilan preferensi, objek yang diambil yaitu yang setara, yaitu yang masuk sebagai merek-merek pertimbangan para responden.


Preferensi sanggup diperoleh dengan tiga cara, yaitu paired comparison, direct judgement dan compensotory model.


Paired Comparisons


Misalkan kita punya delapan stimuli (disebut juga objek), yaitu A, B, C, D, E, F, G, H.  Kedelapan stimuli tersebut kita pasangkan.  Hasilnya akan ada 8(9-1)/2=28 pasangan.  Kita minta responden menawarkan tanda 1 ataupun 0 sebagai hasil perbandingan antara kolom dan baris. Apabila ‘kolom’ menang’ atau lebih disukai dibanding baris, berikan angka 1, kalau sebaliknya berikan angka 0. Misalnya, Avanza (kolom 1) versus Atoz (kolom 1) dan responden lebih menyukai Avanza, maka pada baris 1 dan kolom 1 kita isikan angka 1.  Setelah dilakukan perbandingan antar merek, maka ranking masing-masing merek kita tentukan berdasarkan banyaknya angka 1 yang diperoleh.


Instrumen demikian dinamakan paired comparisons.  Tujuan kita yaitu untuk mengetahui preferensi responden terhadap merek-merek city car dengan metoda tidak langsung.


Data Tabel 8.13 diperoleh hanya dari seorang responden dan kita nyatakan ia di Tabel 8.14 sebagai responden 1.  Data preferensi pada Tabel 8.14, yang berasal dari 10 responden, diperoleh dengan cara yang sama.


MDS sanggup memakai data preferensi untuk membentuk peta persepsi √ MDS Berbasis Preferensi


MDS sanggup memakai data preferensi untuk membentuk peta persepsi √ MDS Berbasis Preferensi


Langkah-langkah Analisis



  1. Masukkan data Tabel 8.14 ke dalam SPSS. Ingat, merek harus disusun sesuai urutan abjad.

  2. Dari hidangan utama, pilih Analyze, scale kemudian klik Multidimension scaling, lantaran kita mau memakai ASCALL. Program ini cocok untuk menganalisis MDS dengan data preferensi.

  3. Pada kotak obrolan yang muncul, masukkan semua merek ke ruang Variables. Lalu, pada pilihan shape, pilih Rectangular, lantaran memang bentuk matrik kali ini yaitu persegi empat, dimana baris menyatakan responden dan kolom menyatakan merek.

  4. Pada kotak dialog, klik Model. Lalu, pada kotak obrolan model, untuk Level of measurement pilih Ordinal, lantaran memang jenis data kita yaitu ordinal.  Kemudian, pada Conditionality, pilih Matrix, lantaran kita tidak sanggup membanding-bandingkan  kemiripan, baik antar baris maupun antar kolom.


MDS sanggup memakai data preferensi untuk membentuk peta persepsi √ MDS Berbasis Preferensi



  1. Jangan lupa meng-klik Option, kemudian meminta Group plots pada kotak obrolan utama, semoga agenda menawarkan perceptual map yang kita butuhkan.

  2. Klik OK pada kotak obrolan utama. Dariperoleh perceptual map ibarat Gambar 8.13.  Gambar ini sudah diedit untuk memperbaiki penampilan tanpa mengubah hasil.  Interpretasi Gambar 8.13 tidak diberikan. Pembaca sanggup menyimak interpretasi Gambar 8.14.


 


MDS sanggup memakai data preferensi untuk membentuk peta persepsi √ MDS Berbasis Preferensi

Gambar 8.13


Preferensi dengan Cara Langsung (Direct Judgement)


Cara kedua yaitu  preferensi berupa peringkat, yaitu urutan merek mulai dari yang paling diinginkan hingga yang kurang diinginkan.  Cara ini relatif mudah.  Responden tinggal diminta mem-buat peringkat sekumpulan merek sesuai dengan tingkat kecende-rungan responden memilihnya.  Contoh preferensi terhadap 8 merek handphone dari sepuluh responden tersaji pada Tabel 8.15 dan perceptual map-nya pada Gambar 8.14.  Prosedur yang digunakan sama dengan masalah paired comparisons.


Tabel 8.15


MDS sanggup memakai data preferensi untuk membentuk peta persepsi √ MDS Berbasis Preferensi


MDS sanggup memakai data preferensi untuk membentuk peta persepsi √ MDS Berbasis Preferensi

Gambar 8.14


Selain menampilkan posisi setiap merek, Gambar 8.14 juga berisikan titik ideal (ideal point) setiap responden.  Logikanya, setiap responden mempunyai cita-cita perihal produk ideal.  Semakin bersahabat sebuah merek terhadap cita-cita tersebut, maka preferensi konsumen terhadap merek tersebut semakin tinggi.  Masalahnya, bagaimana menilai kedekatan stimuli dengan titik ideal tersebut?


Ada dua cara.  Pertama, menganggap titik ideal sebagai vektor.  Caranya, kita tarik garis dari titik sentra ke titik ideal setiap responden.  Itulah vektor titik ideal. Lalu, kita tarik garis tegak lurus dari setiap merek terhadap vektor.  Kemudian, lakukan penelusuran mulai dari ujung vektor.  Pada Gambar 8.15, untuk responden 10, urutan merek berdasarkan titik ideal yaitu F, G, H, E, A, D, C, dan terakhir B. Menurut hasil observasi, urutan merek adalah  F, E, D, G, H, A, B, dan C (lihat Tabel 8.15).  Hasilnya tidak sama persis.  Akan tetapi, model sanggup memprediksi urutan pertama.


MDS sanggup memakai data preferensi untuk membentuk peta persepsi √ MDS Berbasis Preferensi


Cara kedua dan paling gampang dilakukan yaitu dengan memakai jarak garis lurus antara titik ideal dengan posisi setiap merek.  Semakin bersahabat jarak, semakin bersahabat posisi sebuah merek dengan titik ideal.


Dari Gambar 8.16 gampang terlihat bahwa merek paling bersahabat dengan titik ideal responden 10 yaitu F dan kedua G.  Masalahnya yaitu menentukan yang ketiga dan selanjutnya, lantaran sulit memastikan secara visual jarak mana terdekat, apakah h, e dan d.  Oleh lantaran itu, untuk memastikannya, ada baiknya kita hitung jarak geometris.  Rumus 8-2 digunakan, balasannya pada Tabel 8.16.


MDS sanggup memakai data preferensi untuk membentuk peta persepsi √ MDS Berbasis Preferensi


MDS sanggup memakai data preferensi untuk membentuk peta persepsi √ MDS Berbasis Preferensi


Dari Tabel 8.16 terlihat bahwa berdasarkan kedekatan dengan poin ideal responden 10, urutan preferensi yaitu F, G, D, A, H, E, C, dan B.  Urutan ini memang sedikit berbeda dari urutan hasil riset, yaitu F, E, D, G, H, A, B, dan C.


Dalam perceptual map berbasis preferensi, bergotong-royong yang terpenting bukanlah analisis individual, melainkan analisis segmental. Peneliti beroleh kesempatan untuk melihat keberadaan segmen-segmen dalam pasar (dengan catatan sampel yang diambil representatif).  Pada Gambar 8.16, secara subjektif sanggup kita lihat keberadaan empat segmen.  Responden 7 dan 10 satu segmen, res-ponden 8 dan responden 9 satu segmen, responden 3, 4 dan 5 satu segmen, dan segmen terakhir responden 1, 6 dan 2.


MDS sanggup memakai data preferensi untuk membentuk peta persepsi √ MDS Berbasis Preferensi


Perusahaan sanggup menilik apakah produk atau mereknya sudah berada di dalam ataukah di luar segmen yang dijadikan sasaran (yang disebut pasar sasaran).  Kalau belum, posisi merek sanggup digeser dengan cara mengubah dimensi-dimensi yang membentuk perceptual map.  Sebelumnya dimensi-dimensi itu perlu diinter-pretasi terlebih dahulu.


Model Compensatory


Cara ketiga yaitu preferensi berbasis atribut, yaitu dengan model compensatory.  Dengan model ini, preferensi diperoleh secara tidak eksklusif melalui rumus 8-3.


MDS sanggup memakai data preferensi untuk membentuk peta persepsi √ MDS Berbasis Preferensi


Dengan model ini, kita sanggup memperoleh poin ideal setiap responden secara langsung, yaitu dengan cara meminta responden mendeskripsikan produk atau merek yang ideal baginya.  Resikonya, dengan cara ini, besar kemungkinan responden menawarkan cita-cita berlebihan perihal merek atau produk yang ideal baginya. Artinya, besar kemungkinan merek atau produk ideal itu sebagai sesuatu yang tak mungkin dicapai.  Namun, kemungkinan ini sanggup dikurangi dengan menawarkan pemahaman bahwa merek dan produk ideal itu yaitu sebuah cita-cita yang layak, sesuai dengan harga yang dibayar (deserve expectation).


Model compensatory dimulai dengan memastikan atribut-atribut produk.  Misalkan atribut-atribut yang menyusun preferensi susu kental manis yaitu rasa, aroma, kekentalan, dan harga.  Dengan atribut-atribut tersebut, kita susun daftar pertanyaan hingga kita memperoleh tingkat kepentingan atribut serta peringkat setiap merek pada setiap atribut dari setiap responden.  Misalkan, untuk responden 1 kita peroleh hasil ibarat Tabel 8.17.  Dengan cara demikianlah diperoleh preferensi sepuluh responden pada Tabel 8.18.


Karena  diperoleh secara tidak langsung, maka skor-skor preferensi yang diperoleh melalui hitungan, bukanlah jarak yang sanggup dibandingkan secara langsung. Oleh lantaran itu, kita harus membuat jarak dengan meminta agenda untuk men-create proximity.  Dengan agenda PROXSCALL, diperoleh perceptual map ibarat Gambar 8.17.  Dari gambar tersebut terlihat bahwa kedekatan dengan poin ideal, klop dengan skor preferensi setiap merek (Tabel 8.18).


MDS sanggup memakai data preferensi untuk membentuk peta persepsi √ MDS Berbasis Preferensi


MDS sanggup memakai data preferensi untuk membentuk peta persepsi √ MDS Berbasis Preferensi


Model ini mengasumsikan bahwa setiap poin ideal setiap subjek diwakilkan oleh satu vektor preferensi.  Cara menerjemahkannya mudah, ibarat yang terdahulu. Namun,  sekalipun gampang dan tampak menarik, jarang digunakan para praktisi.


MDS sanggup memakai data preferensi untuk membentuk peta persepsi √ MDS Berbasis Preferensi


SIAPA PESAING TERDEKAT SAYA?


Selain untuk memetakan persepsi, peta persepsi juga digunakan untuk mengindentifikasi pesaing-pesaing sebuah merek ataupun perusahaan. Misalkan Mandala bertanya, siapakah pesaing terdekat saya?  Pada Gambar 8.8, dengan gampang kita menjawab bahwa pesaing Mandala yaitu Merpati lantaran letak keduanya betul-betul berimpit. Lalu, pesaing kedua terdekat, yang juga terlihat terperinci yaitu Bouraq.


Kalau peta persepsi sebagus Gambar 8.8, memang kita sanggup menyimpulkan siapa pesaing terdekat.  Masalahnya, kalau dalam perceptual map tidak terlihat perbedaan letak secara visual, penentuan pesaing terdekat sanggup menjadi kiprah yang sulit.


Untuk mengatasi duduk kasus itu, kita sanggup menghitung jarak euclidean masing-masing merek.  Prinsipnya, semakin kecil jarak euclidean, semakin bersahabat jarak setiap objek, dan semakin tinggi pula tingkat persaingannya.


Untuk menghitung jarak euclidean, perlu di ketahui koordinat setiap objek (dalam masalah ini objek yaitu merek).  Pada Tabel 8.6 disajikan koordinat setiap objek untuk peta persepsi tiga, dua dan satu dimensi.  Untuk masalah ini, cukup kita hitung jarak pada peta dua dimensi.  Data koordinat serta perhitungan jarak euclidean ditampilkan pada Tabel 8.19.


Jarak euclidean sanggup dihitung dengan rumus:


MDS sanggup memakai data preferensi untuk membentuk peta persepsi √ MDS Berbasis Preferensi


Dengan rumus di atas, disajikan perhitungan sekaligus balasannya pada Tabel 8.19.  Dari tabel tersebut terlihat bahwa memang Merpatilah pesaing terdekat Mandala.  Benar pula bahwa Bouraq pesaing terdekat kedua.  Untungnya, dari perhitungan ini, kita sanggup melihat peringkat kedekatan posisi persaingan antara Mandala dengan maskapai-maskapai penerbangan lainnya.


MDS sanggup memakai data preferensi untuk membentuk peta persepsi √ MDS Berbasis Preferensi


Siapa Bersaing Dengan Siapa?


Pada bab “Siapakah Pesaing Terdekat Saya”, kita membahas merek mana yang menjadi pesaing suatu merek berdasarkan jarak.  Kotler menyampaikan bahwa persaingan terdiri dari empat jenis, yaitu brand competition, industry competition, benefit competition dan generic competition.  Ada pula yang mengelompokkan pesaing menjadi pesaing eksklusif (direct competitor) dan pesaing tidak eksklusif (indirect competitor).


Kalau pengelompokan terakhir dipakai, yang menjadi pertanyaan, mana pesaing bersahabat dan mana pesaing jauh?


MDS sanggup memakai data preferensi untuk membentuk peta persepsi √ MDS Berbasis Preferensi


Pada Gambar 8.18, secara visual terlihat bahwa Bourag, Merpati dan Mandala merupakan satu kelompok persaingan.  Kelompok lainnya yaitu Adam Air, Jatayu, Batavia, dan Lion Air.  Kemudian, Star Air dan Garuda, masing-masing mempunyai posisi sendiri yang tidak bersaing eksklusif dengan maspakai-maskapai penerbangan lainnya. Apakah pengelompokan dengan judgement ini sudah cukup?


Analisis visual memang sanggup dilakukan.  Akan tetapi, semoga lebih meyakinkan, kita sanggup memakai analisis cluster dengan memakai data koordinat sebagai variabel.  Analisis klaster memakai koordinat masing-masing maskapai yang disajikan pada Tabel 8.6, ibarat disajikan kembali pada Tabel 8.20.


MDS sanggup memakai data preferensi untuk membentuk peta persepsi √ MDS Berbasis Preferensi


MDS sanggup memakai data preferensi untuk membentuk peta persepsi √ MDS Berbasis Preferensi


Dengan mekanisme yang telah dijelaskan pada analisis cluster, maka kita memperoleh dendogram (Gambar 8.19).  Terlihat pada gambar tersebut bahwa 1 (Adam Air), 2 (Batavia), 5 (Jatayu), dan 6 (Lion) berada dalam satu klaster, sama ibarat pada Gambar 8.18.  Kemudian, 3 (Boouraq), 7 (Mandala), 8 (Merpati), juga berdekatan.  No. 9 (StarAir) juga berdekatan pada kelompok ini, tetapi pada aglomerasi keempat. Garuda (4)  mempunyai daerah tersendiri. Hasil analisis cluster ini berkesesuaian dengan hasil MDS.


 


MDS sanggup memakai data preferensi untuk membentuk peta persepsi √ MDS Berbasis PreferensiKlik to Download or PrintMDS sanggup memakai data preferensi untuk membentuk peta persepsi √ MDS Berbasis Preferensi

Sumber https://www.bilsonsimamora.com