MDS Berbasis Atribut

DALAM menilai kemiripan (similarity) stimuli, kelihatannya metoda MDS berbasis atribut lebih objektif dibanding berbasis kesan umum (general impression) yang telah dibahas pada Bab 9. Sebab, dalam metoda ini, kemiripan dinilai berdasarkan berbagai atribut. Keuntungannya, dengan metoda ini, dimensi-dimensi yang mendasari kemiripan lebih mudah ditelusuri berdasarkan atribut-atribut yang dilibatkan. Selain itu, posisi setiap merek dapat dipetakan secara relatif dengan vektor yang menyatakan posisi setiap atribut.

Dengan metoda ini, ada beberapa hal yang perlu diperhatikan. Pertama, jumlah dan jenis atribut yang dilibatkan tidak selalu bisa dipastikan, apalagi kalau spesifikasi teknis produk (atau merek)  rumit (complicated), misalnya notebook. Kedua, atribut yang menjadi bahan pertimbangan (salient attributes) tidak selalu sama dari seseorang ke orang lain, baik jumlah dan jenisnya.  Ketiga, penentuan rating  suatu merek pada setiap atribut tetap saja bersifat subjektif, sehingga hasilnya tidak bisa dikatakan objektif, melainkan subjektif.

Pada metoda kesan umum (general impression method)[1] kita perlu menentukan stimuli atau objek[2]. Pada MDS berbasis atribut (attribute-based MDS)[3], kita perlu menentukan atribut-atribut objek (merek, produk, orang, partai, dan sebagainya), selain menentukan objek tentunya.

[1] Disebut juga attribute-free method dan decompositional method

[2] Lihat penjelasan pada Bab 8.

[3] Disebut juga metoda komposisi (composition method)

Penentuan atribut produk bisa dilakukan melalui riset eksplorasi (exploratory research).  Tekniknya bisa wawancara medalam dengan ahli. Misalnya, kalau mau tahu atribut salon kecantikan, wawancara dengan Rudy Hadisuwarno, pemilik jaringan salon yang juga bermerek Rudy Hadisuwarno, tentu sangat kredibel.

Teknik lain bisa melalui focus group dan survai terbatas terhadap sekelompok kecil responden.

Kalau menggunakan survai terbatas, makam atribut yang diam-bil adalah yang bersifat umum, yaitu yang disebutkan oleh sebagian besar atau semua responden.  Misalnya, dalam urusan air minum dalam kemasan, dari 20 responden yang ditanya semua menyebut atribut harga sebagai hal penting, maka atribut tersebut tentulah dipakai.  Lain halnya kalau sebuah atribut, misalnya warna tulisan merek, hanya dianggap penting oleh satu orang, sementara 19 lainnya tidak menganggapnya penting, maka atribut tersebut janganlah dipakai.

Kalau sudah memakai batasan angka-angka, persoalan yang muncul adalah sampai batas berapa orang yang menganggap penting baru sebuah atribut dipakai? Misalnya, dalam urusan AMDK tadi atribut desain kemasan disebutkan oleh 11 responden, apakah atribut ini masuk?

Tidak ada metoda yang betul-betul akurat untuk menentukan atribut-atribut objek yang bersifat umum.  Karena, pertama, untuk banyak produk, terutama produk yang rumit, konsumen tidak sepenuhnya dapat menyusun alasan rasional atas pembelian suatu merek. Misalnya, dalam memilih hi-fi, dari sekian banyak atribut objektif, paling-paling hanya beberapa yang dipertimbangkan konsumen.  Selebihnya, konsumen menggunakan perasaan (feeling), emosi (emotion) dan intuisi (intuition) dalam menentukan pilihan.

Alasan kedua, seringkali konsumen tidak memeriksa atribut produk, akan tetapi membayangkan pengalaman menggunakan produk, seperti dikatakan Richard H. Schmitt dalam experiental marketing.  Misalnya, untuk pilihan tujuan wisata, yang dijadikan sebagai bahan evaluasi adalah suasana yang akan dialami. Dalam situasi seperti ini, maka atribut produk menjadi tidak relevan.

Sekalipun ada banyak keterbatasan dalam upaya mencari atribut-atribut suatu objek, cara-cara berikut ini dapat dipertim-bangkan agar atribut-atribut yang dikumpulkan akurat.

  1. Lakukan uji proporsi. Tujuannya, hanya atribut yang memiliki proporsi pemilih yang samalah yang diambil.  Misalnya, dalam urusan AMDK, dari 20 responden,  harga dipilih 20 orang (100%), merek dipilih 17 orang (85%), rasa dipilih 16 orang (80%),  desain kemasan dipilih 11 orang (55%), dan warna merek dipilih 1 orang (5%).  Uji proporsi menguji atribut mana yang memiliki proporsi yang sama.  Secara sekilas terlihat proporsi pemilih harga, reputasi merek dan rasa tidak berbeda jauh.  Namun, agar lebih yakin, uji statistik, yaitu Cochran Q Test dapat dilakukan.
  2. Libatkan atribut-atribut tersebut dalam regresi ganda. Pertanyaannya, terhadap apa atribut-atribut itu diregresi? Memang, kalau ini dilakukan, kita perlu melakukan studi lain. Kita harus mencari variabel dependen (y) yang relevan. Katakanlah perceived quality kita jadikan sebagai variabel dependen. Atribut-atribut tadi kita jadikan sebagai variabel independen. Lakukan pengumpulan data. Lalu, setelah data dianalisis dengan regresi ganda, ujilah signifikansi setiap koefisien.  Pakailah atribut apabila koefisiennya signifikan.
  3. Lakukan MDS dengan sejumlah besar atribut. Lalu, coba keluar-masukkan atribut satu-satu. Kalau sebuah atribut yang kalau dikeluarkan tidak mengganggu hasil MDS secara berarti (tidak merubah peta persepsi, tidak menurunkan RSQ dan tidak menaikkan stress), atribut tersebut tidak perlu dipakai.

MDS Non-atribut Versus MDS Berbasis Atribut

 Telah panjang lebar dijelaskan adanya kesulitan dalam menentukan atribut produk.  Itu baru salah satu kekurangan MDS berbasis atribut.  Keuntungan dan kerugian MDS non-atribut dan MDS berbasis atribut, selengkapnya disajikan pada Tabel 10-1.

Teknik Analisis

Pada Bab 8 dijelaskan bahwa selain dengan MDS, perceptual map berbasis atribut juga bisa diperoleh dengan analisis faktor, analisis diskriminan, analisis korespondensi (correspondence analysis).

 MDS Berbasis Atribut

Dengan MDS berbasis atribut, selain memperoleh peta persepsi, kita dapat memperoleh vektor yang menyatakan posisi atribut.  Lihat contoh berikut ini.

Dari sebuah survai terbatas diperoleh atribut-atribut maskapai penerbangan, yaitu: (1) harga tiket, (2) ketepatan waktu, (3) layanan reservasi, (4) layanan personal, (5) kenyamanan pesawat, (6) reputasi merek dan (7) layanan bagasi.

Pertanyaan: “Bagaimana pendapat anda tentang maskapai penerbangan …..” (sebutkan nama maskapainya)

Harga tiket pesawat:

Sangat murah  1  2  3  4  5  6  7  Sangat mahal

 Ketepatan waktu:

Sangat baik  1  2  3  4  5  6  7  Sangat buruk

Layanan reservasi

Sangat baik   1  2  3  4  5  6  7  Sangat buruk

Layanan personal dalam pesawat

Sangat baik   1  2  3  4  5  6  7  Sangat buruk

Kenyamanan dalam pesawat

Sangat baik  1  2   3  4  5  6  7  Sangat buruk

Reputasi merek

Sangat baik  1  2   3  4  5  6  7  Sangat buruk

Layanan bagasi

Sangat baik  1  2   3  4  5  6  7  Sangat buruk

Hasil penelitian disajikan  pada Tabel 10-2 dan perceptual map ditampilkan pada Tampilan 10-1.

Tabel 10.2

Langkah-langkah Analisis

Masukkan data ke dalam SPSS. Tampak di layar:

Dari menu utama, pilih Analyze, lalu Scale, kemudian klik Multidimension Scaling.

Pada dialog box yang muncul, masukkan semua variabel ke dalam ruang Variables. Pastikan anda memilli  Data are distance dan Shape Rectangular.  Tampil di layar:

Pada dialog box, klik Model, lalu muncul dialog box:

Pada Level of Measurement pilih Interval, sesuai jenis data yang dianggap interval. Lalu, pada Conditionality, pilih Row.  Maksudnya, kalau mau dibanding-bandingkan, perbandingan hanya bisa dilakukan antar kolom, tidak bisa antar baris (row).

Klik Continue untuk kembali ke dialog box utama.

Pada dialog box utama, klik options, lalu minta Goup plots agar program memberikan perceptual map. Kemudian, klik Continue.

Untuk menyuruh program SPSS bekerja, klik OK. SPSS akan memberikan hasil (output).  Namun, yang ditampilkan pada kesempatan ini hanya perceptual map (Tampilan 10-1).

Interpretasi Perceptual Map

Pada Tampilan 10-1 kita memperoleh informasi tentang dua hal, yaitu posisi setiap merek dan vektor yang menyatakan poin ideal atribut. Dengan vektor tersebut, dua informasi yang kita peroleh.  Pertama, kedekatan setiap merek dengan vektor atribut.  Dengan cara menerjemahkan vektor yang telah dijelaskan pada Bab 9, untuk harga (atribut 1) misalnya, maka peringkat merek-merek, mulai dari yang paling murah adalah: Lion, Jatayu, Batavia, Adamair, Star Air, Mandala, Bouraq, Merpati dan Garuda (Tampilan 10-2).

Dengan keberadaan atribut, peneliti dimudahkan untuk menerjemahkan dimensi-dimensi yang membentuk peta persepsi. Pada Tampilan 10-1 terlihat bahwa harga (atribut 1) memiliki arah yang beda sendiri (bertolak belakang dengan yang lain). Oleh karena itu, harga ditengarai merupakan dimensi sendiri, yaitu dimensi harga.

Terlihat pula keenam atribut lain cenderung memiliki arah vektor yang sebidang.  Keenam atribut ditengarai memiliki dimensi yang sama, yaitu dimensi layanan.

Dari perceptual map itu dapat pula kita katakan bahwa dua maskapai yang posisinya jelas sebagai pemain harga, yaitu Lion dan Jatayu, karena selain vektor harga mengarah pada posisi kedua maskapai tersebut, enam vektor layanan lain, cenderung menjauhi posisi kedua maskapai tersebut.

Membuat Peta Persepsi dengan Analisis Faktor

Dengan analisis faktor kita dapat mengetahui dimensi-dimensi yang mendasari sejumlah atribut, seperti telah diuraikan pada Bab 4.  Dengan teknik ini, atribut-atribut sejumlah merek dianalisis.  Lalu, dengan skor-skor faktor yang dimiliki, kita dapat membuat sendiri perceptual map.  Dikatakan membuat sendiri karena memang analisis faktor tidak memberikan output berupa perceptual map, akan tetapi menyediakan data (yaitu skor faktor) yang dapat digunakan untuk keperluan itu.

Pada Bab 4, baris tabel yang berisikan data mentah berisikan responden.  Sedangkan untuk keperluan pembuatan perceptual map, baris bukan lagi responden, melainkan stimuli (berupa merek, atau produk) yang dianalisis. Kolom berisikan atribut, sehingga tabel peringkat merek pada setiap atribut.

Dalam sebuah penelitian ditemukan bahwa atribut-atribut yang dipertimbangkan pembeli dalam memilih mobil ada sebelas, yaitu:

Hasil penelitian tentang peringkat empat mobil keluarga  yang melibatkan 200 responden disajikan pada Tabel 10-3.

Hasil analisis dengan Principle Component Analysis (PCA) disajikan pada Tabel 10-4.  Langkah-langkah analisis faktor dijelaskan pada materi Analisis Faktor.

Tabel 10.5

Dari Tabel 10-4 terlihat bahwa analisis faktor menghasilkan tiga komponen atau faktor, yang juga disebut dimensi, yang memiliki eigenvalue satu atau lebih. Ketiga dimensi  secara kumulatif dapat menjelaskan 100% varian data.  Jadi, keterwakilan data oleh ketiga dimensi sangat tinggi.  Dengan demikian, kita harus membentuk perceptual map tiga dimensi.

Bagaimana caranya? Pakai skor setiap merek pada setiap dimensi yang disajikan pada Tabel 10-5. Skor-kor dimensi ini berasal dari skor faktor yang diberikan oleh SPSS. Cara memperoleh skor faktor telah dijelaskan pada topik analisis faktor. Selanjutnya,  berdasarkan data Tabel 10-5, kita hasilkan perceptual map seperti Tampilan 10-3, dengan  fasilitas Graph SPSS.

Tampilan 10.3

Menamakan Dimensi

Dengan analisis faktor, lebih mudah bagi kita untuk memberi nama dimensi-dimensi perceptual map, sebab dengan rotated component matrix, kita memperoleh informasi tentang variabel apa saja yang berkorelasi tinggi dengan setiap dimensi.

Dari Tabel 10-6 terlihat bahwa dimensi 1 dibentuk oleh X1 (harga jual kembali), X4 (kemudahan memperbaiki), X5 (kemudahan memperbaiki mesin), X6 (ketersediaan suku cadang), X8 (ketersediaan bengkel) dan X9 (layanan purna jual).  Semua atribut ini berkaitan dengan nasib pembeli setelah produk dibeli.  Oleh karena itu, dimensi yang mendasarinya dapat kita namakan kepastian pasca pembelian (after-sales assurance).

Dimensi 2 berkaitan dengan tiga variabel, yaitu X2 (keiritan pemakaian bahan bakar), X10 (desain interior) dan X11 (desain eksterior).  Dengan X2 korelasi negatif, sedangkan dengan dua variabel lainnya korelasi positif.  Oleh karena itu, dimensi 2 dapat kita namakan sebagai penampilan kendaraan.

Keiritan pemakaian bahan bakar memang cenderung berkorelasi negatif dengan bahan bakar.  Sebab,  penampilan yang lebih menarik, lebih mudah dihasilkan melalui bobot yang lebih berat, sehingga berkorelasi negatif dengan keiritan pemakaian bahan bakar.

Dimensi 3 berkorelasi negatif X3 (tenaga mesin) dan berkorelasi positif dengan X7 (ketersediaan bengkel).  Dengan demikian, dimensi ini kita namakan layanan perbaikan.

T

Membuat Perceptual Map dengan Analisis Diskriminan

Pada bagian ini, analisis diskriminan tidak dijelaskan secara rinci, sebab penjelasan demikian telah diberikan pada Bab 5 dan 6.  Yang dibahas pada bagian ini hanya output diskriminan yang berkaitan dengan pembentukan perceptual map.

Mari kita mulai dengan hal-hal ringan.  Ada tiga merek gagang kaca mata (frame), yaitu Mont Blanc, Chopard dan ST. Dupont.  Ketiga merek ini boleh dibilang raja gagang kacamata karena harga-harganya yang mahal, dengan kualitas seimbang tentunya.  Kebetulan pula masing-masing gagang memiliki pelanggan yang loyal.

Sejumlah pelanggan masing-masing frame diambil sebagai sampel.  Karena hanya sebagai contoh, dalam pembahasan berikut ini, ditampilkan 15 responden, setiap frame diwakili 5 pelanggan.

Atribut kacamata adalah harga (X1), model (X2), ketahanan (X3), warna (X4), bahan (X5) dan layanan purna jual (X6).  Hasil penelitian disajikan pada Tabel 10-7.

Pada Tabel 10-7, kolom D menyatakan pilihan frame, di mana skor-skor 1 melambangkan Mont Blanc, 2 melambangkan Chopard dan 3 adalah lambang dari St. Dupont.

Dari output analisis diskriminan SPSS, diperoleh scatterplot yang menunjukkan perceptual map ketiga merek. Langkah-langkah analisis diskriminan dengan SPSS dijelaskan pada Bab 6 halaman 139. Posisi setiap merek dianggap sebagai generalisasi persepsi individu, yang dalam perceptual map diwakili oleh centroid.  Persepsi setiap individu diwakili oleh titik-titik individu.

Selain memperoleh posisi setiap merek, dengan perceptual map ini, kita bisa menilai homogenitas persepsi setiap pelanggan dengan melihat persebarannya, apakah ada di sekitar centroid ataukah menyebar ke teritorial merek lain.

Umumnya terdapat homogenitas persepsi pelanggan terhadap merek pilihannya, kecuali satu anggota kelompok 2 (Chopard) yang  diprediksi oleh program ke wilayah merek St. Dupont.  Homogenitas ini perlu untuk menilai apakah posisi suatu merek sudah mantap atau belum.

Melihat persebaran persepsi pelanggan yang dekat dengan centroid, brand image merek 1 (Chopard) lebih kuat dibanding brand image dua merek saingannya.

Sebagai perceptual map, apa nama dimensi-dimensinya?  Pertanyaan ini dapat dijawab dengan menggunakan structure matrix, yaitu tabel yang berisikan koefisien korelasi setiap variabel (atribut)  dengan setiap fungsi diskriminan.  Hasilnya  pada Tabel 10-8.

Tabel 10.8

Tanda bintang menunjukkan dengan fungsi (dimensi) mana sebuah variabel berkorelasi paling tinggi.  Dari Tabel 10-5 terlihat bahwa  X1 (harga) berkorelasi paling tinggi dengan dimensi 1.  Oleh karena itu, dimensi 1 dapat dinamakan dimensi HARGA.

Fungsi 2 (dimensi 2) berkorelasi lebih dekat dengan (sesuai urutan): X5 (bahan), X2 (model), X3 (ketahanan), X4 (warna) dan X6 (layanan purna jual).  Semuanya ini, sebenarnya berkaitan dengan kualitas produk dan non-produk. Bila disatukan, keduanya menyatakan satu hal: KUALITAS MEREK.

image_pdfKlik to Download or Printimage_print
Posted in Multidimension Scaling and tagged .

Leave a Reply

Your email address will not be published. Required fields are marked *

This site uses Akismet to reduce spam. Learn how your comment data is processed.