MDS Preferensi berbasis Sikap

Apabila konsumen memiliki sejumlah pilihan merek, sebenarnya preferensi adalah sikap relatif. Artinya, merek yang memiliki skor sikap tertinggi memperoleh prioritas pertama atau most-preferred. Oleh karena itu, apabila kita memiliki data sikap konsumen pada sejumlah merek, MDS berbasis preferensi dapat diolah. Tentu saja, pada program harus diminta create similarity from yang kita miliki adalah data tidak langsung menyatakan preferensi.

Perceptual Map Merek

Prosedur

  1. Download data dari link ini dan buka di SPSS.
  2. Klik menu: Analyze>Scale>Multidimension Scaling (ASCALL)
  3. Higlight semua merek kemudian geser ke space Variables.
  4. Klik Measure>Interval>Euclidean distances
  5. Biarkan Standardized: None
  6. Di bawah Create Distance Matrix click Between Valiables
  7. Klik Model, Level of Measurement=Interval, Conditionality=matrix, Scaling model=Euclidean Distance, Continue
  8. Klik Options dan tandai Group Plot.
  9. Eksekusi dengan menekan tombol OK

Hasil

Uji Kelayakan Model

Nilai Stress=0.00366 atau 0.366%. Angka ini berada pada selang 0 – 2.4% yang termasuk sebagai ‘near perfect’ menurut kategori Dugard et al. (2010), seperti dijelaskan di sini.

Nilai RSQ=0.99993, artinya model dapat menjelaskan 99.993% data yang diolah, yang berarti model sangat baik karena mampu menjelaskan hampir 100% data.

Koordinat perceptual map:

                           Dimension
Stimulus    Stimulus      1        2
 Number       Name
   1          BEN        1,1415    ,2487
   2          CAR       -1,9001   -,0149
   3          IDEA       1,9116   -,0485
   4          IM         -,1063   -,4421
   5          NN        -1,0467    ,2569

Perseptual Map

Tampak secara visual bahwa merek NN dan Car serta Idea dan Ben bersaing dekat, sedangkan IM memiliki posisi relatif jauh dari keempat saingannya.

Pemetaan Responden

MDS dapat digunakan untuk men-segmentasi responden berdasarkan preferensi mereka terhadap merek-merek yang tersedia. Prinsipnya, semakin mirip preferensi, posisi dalam perceptual map semakin dekat, demikian pula sebaliknya.

Prosedur

  1. Buka data di SPSS.
  2. Klik menu: Analyze>Scale>Multidimension Scaling (ASCALL)
  3. Higlight semua merek kemudian geser ke space Variables.
  4. Klik Measure>Interval>Euclidean distances
  5. Biarkan Standardized: None
  6. Di bawah Create Distance Matrix click Between Cases
  7. Klik Model, Level of Measurement=Ordinal, Conditionality=matrix, Scaling model=Euclidean Distance, Continue
  8. Klik Options dan tandai Group Plot.
  9. Eksekusi dengan menekan tombol OK

Hasil

Uji Kelayakan Model

Nilai Stress=0.10641 atau 10.641%. Angka ini berada pada selang 10%-19.9% yang termasuk sebagai ‘fair’ menurut kategori Dugard et al. (2010), seperti dijelaskan pada link ini.

Nilai RSQ=0.93639, artinya model dapat menjelaskan 93.639% data yang diolah, yang berarti model cukup baik karena mampu menjelaskan data di atas 90%.

   Stimulus Coordinates
                        Dimension
Stimulus   Stimulus     1        2
 Number      Name
    1      VAR1        ,5422   -,2582
    2      VAR2       2,2826    ,5909
    3      VAR3       -,9463  -1,1731
    4      VAR4      -1,2178   1,2166
    5      VAR5        ,6298   1,1364
    6      VAR6       -,1881    ,1786
    7      VAR7        ,9790  -1,8450
    8      VAR8       -,5795    ,5599
    9      VAR9       -,6797    ,4519

Group Plot

Nilai Stress=0.10641 atau 10.641%. Angka ini berada pada selang 10%-19.9% yang termasuk sebagai ‘fair’ menurut kategori Dugard et al. (2010).

Nilai RSQ=0.93639, artinya model dapat menjelaskan 93.639% data yang diolah, yang berarti model cukup baik karena mampu menjelaskan data di atas 90%.

Tampak bahwa secara visual responden 8 dan responden 9 adalah yang paling dekat. Coba cek data sikap mereka apakah memang paling mirip.