MDS Berbasis Preferensi

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

Preferensi dapat 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 memberikan 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 adalah 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 dia di Tabel 8.14 sebagai responden 1.  Data preferensi pada Tabel 8.14, yang berasal dari 10 responden, diperoleh dengan cara yang sama.

Langkah-langkah Analisis

  1. Masukkan data Tabel 8.14 ke dalam SPSS. Ingat, merek harus disusun sesuai urutan abjad.
  2. Dari menu utama, pilih Analyze, scale lalu klik Multidimension scaling, karena kita mau menggunakan ASCALL. Program ini cocok untuk menganalisis MDS dengan data preferensi.
  3. Pada kotak dialog yang muncul, masukkan semua merek ke ruang Variables. Lalu, pada pilihan shape, pilih Rectangular, karena memang bentuk matrik kali ini adalah persegi empat, dimana baris menyatakan responden dan kolom menyatakan merek.
  4. Pada kotak dialog, klik Model. Lalu, pada kotak dialog model, untuk Level of measurement pilih Ordinal, karena memang jenis data kita adalah ordinal.  Kemudian, pada Conditionality, pilih Matrix, karena kita tidak bisa membanding-bandingkan  kemiripan, baik antar baris maupun antar kolom.

  1. Jangan lupa meng-klik Option, lalu meminta Group plots pada kotak dialog utama, agar program memberikan perceptual map yang kita butuhkan.
  2. Klik OK pada kotak dialog utama. Dariperoleh perceptual map seperti Gambar 8.13.  Gambar ini sudah diedit untuk memperbaiki penampilan tanpa mengubah hasil.  Interpretasi Gambar 8.13 tidak diberikan. Pembaca dapat menyimak interpretasi Gambar 8.14.

 

Gambar 8.13

Preferensi dengan Cara Langsung (Direct Judgement)

Cara kedua adalah  preferensi berupa peringkat, yaitu urutan merek mulai dari yang paling diinginkan sampai 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 dipakai sama dengan kasus paired comparisons.

Tabel 8.15

Gambar 8.14

Selain menampilkan posisi setiap merek, Gambar 8.14 juga berisikan titik ideal (ideal point) setiap responden.  Logikanya, setiap responden memiliki harapan tentang produk ideal.  Semakin dekat sebuah merek terhadap harapan 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 pusat 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 menurut titik ideal adalah 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 dapat memprediksi urutan pertama.

Cara kedua dan paling mudah dilakukan adalah dengan menggunakan jarak garis lurus antara titik ideal dengan posisi setiap merek.  Semakin dekat jarak, semakin dekat posisi sebuah merek dengan titik ideal.

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

Dari Tabel 8.16 terlihat bahwa berdasarkan kedekatan dengan poin ideal responden 10, urutan preferensi adalah 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, sebetulnya 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 dapat 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.

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

Model Compensatory

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

Dengan model ini, kita dapat 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 memberikan harapan berlebihan tentang merek atau produk yang ideal baginya. Artinya, besar kemungkinan merek atau produk ideal itu sebagai sesuatu yang tak mungkin dicapai.  Namun, kemungkinan ini dapat dikurangi dengan memberikan pemahaman bahwa merek dan produk ideal itu adalah sebuah harapan 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 adalah rasa, aroma, kekentalan, dan harga.  Dengan atribut-atribut tersebut, kita susun daftar pertanyaan sampai kita memperoleh tingkat kepentingan atribut serta peringkat setiap merek pada setiap atribut dari setiap responden.  Misalkan, untuk responden 1 kita peroleh hasil seperti 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 bisa dibandingkan secara langsung. Oleh karena itu, kita harus menciptakan jarak dengan meminta program untuk men-create proximity.  Dengan program PROXSCALL, diperoleh perceptual map seperti Gambar 8.17.  Dari gambar tersebut terlihat bahwa kedekatan dengan poin ideal, klop dengan skor preferensi setiap merek (Tabel 8.18).

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

SIAPA PESAING TERDEKAT SAYA?

Selain untuk memetakan persepsi, peta persepsi juga dipakai untuk mengindentifikasi pesaing-pesaing sebuah merek ataupun perusahaan. Misalkan Mandala bertanya, siapakah pesaing terdekat saya?  Pada Gambar 8.8, dengan mudah kita menjawab bahwa pesaing Mandala adalah Merpati karena letak keduanya betul-betul berimpit. Lalu, pesaing kedua terdekat, yang juga terlihat jelas adalah Bouraq.

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

Untuk mengatasi masalah itu, kita dapat menghitung jarak euclidean masing-masing merek.  Prinsipnya, semakin kecil jarak euclidean, semakin dekat jarak setiap objek, dan semakin tinggi pula tingkat persaingannya.

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

Jarak euclidean dapat dihitung dengan rumus:

Dengan rumus di atas, disajikan perhitungan sekaligus hasilnya 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 bisa melihat peringkat kedekatan posisi persaingan antara Mandala dengan maskapai-maskapai penerbangan lainnya.

Siapa Bersaing Dengan Siapa?

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

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

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

Analisis visual memang dapat dilakukan.  Akan tetapi, agar lebih meyakinkan, kita dapat menggunakan analisis cluster dengan menggunakan data koordinat sebagai variabel.  Analisis klaster menggunakan koordinat masing-masing maskapai yang disajikan pada Tabel 8.6, seperti disajikan kembali pada Tabel 8.20.

Dengan prosedur 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 seperti 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)  memiliki tempat tersendiri. Hasil analisis cluster ini berkesesuaian dengan hasil MDS.