Last Updated on October 17, 2023 by Bilson Simamora
Value Map
Catatan: Apabila mau dipakai sebagai pembelajaran, data Excel halaman ini dapat di-download melalui link Latihan Value Map
Value map yang diperkenalkan Gale tahun 1994, merupakan alat untuk menganalisis apakah sebuah produk atau perusahaan telah memberikan nilai superior kepada para pelanggannya. Caranya dengan membandingkan market perceived quality (MPQ) dengan market perceived price (MPP) dalam peta dua dimensi.
MPQ merupakan penjumlahan hasil perkalian antara skor kinerja dan skor tingkat kepentingan pada setiap atribut kualitas, seperti kehandalan (reliability), tingkat lama dipakai (durability), tingkat keamanan (safety) dan lain-lain. MPP dihitung dengan cara yang sama, hanya saja MPP didasarkan pada atribut-atribut harga, seperti harga beli, harga jual kembali, diskon, tingkat suku bunga, dan lain-lain. Contoh dapat dilihat pada ulasan tentang P-I matrik yang digerakkan nilai (value-driven P-I matrix) berikut ini.
Value-Driven P-I Matrix
Pendekatan ini ditemukan pada Setijono dan Dahlgaard (2007) dan merupakan pengembangan dari P-I matrix gagasan Martilla dan James (1977). Dalam pendekata ini tingkat kepentingan (importance) dianggap sebagai perwakilan harapan (expectation). Oleh karena itu, perbandingan antara kinerja dan tingkat kepentingan, berdasarkan teori diskonfirmasi (Oliver, 1993; 1999), mencerminkan kepuasan konsumen.
Sebagai sebuah perbandingan, selalu ada tiga kemungkinan hasil perbandingan ’kinerja’ dengan ’harapan’. Pertama, kinerja melebihi harapan. Inilah keadaan yang menghasilkan keadaan sangat puas (delighted) (Oliver, 1993; 1999). Pada Gambar 1 keadaan ini tergambarkan dalam delighment area. Kemungkinan kedua adalah ’kinerja’ sama dengan ’harapan’, yang menghasilkan kepuasan. Keadaan ini digambarkan dalam satisfaction interval. Kemungkinan ketiga adalah kinerja lebih kecil dari harapan atau kinerja tidak memenuhi harapan yang berada pada yakni dissatisfaction area.
Sebagai ilustrasi, bayangkanlah ada dua produk yang bersaing pada segmen yang sama, yaitu produk A dan produk B. Hasil penelitian tentang kinerja dan tingkat kepentingan atribut-atribut kedua produk disajikan pada Tabel 1. Pada tabel ini disajikan skor atribut-atribut kinerja dan biaya. Sebelum melangkah lebih jauh, perlu diketahui adalah bahwa skor tinggi pada atribut-atribut biaya menunjukkan kenyamanan konsumen yang tinggi pada atribut-atribut tersebut. Misalnya, skor yang tinggi pada diskon menunjukkan bahwa diskon adanya yang tinggi, sedangkan pada harga, semakin tinggi skor menunjukkan harga yang semakin rendah.
Setelah memperoleh data yang ditampilkan pada Tabel 1, tahap berikutnya adalah menganalisis bobot (weight) kualitas dan biaya (cost) masing-masing atribut. Caranya adalah dengan menjumlahkan tingkat kepentingan atribut konsumen produk A dan konsumen produk B atau ’importance A + importance B’. Dari hasil penjumlahan tersebut, dicari bobot sedemikian, sehingga total bobot adalah 1.0 (Tabel 2).
Untuk mencari bobot total 1.0, apabila setiap atribut produk diukur menggunakan skala yang sama, maka perhitungan bobot bisa dilakukan dengan langsung menjumlahkan skor semua atribut. Misalnya, jumlah importance A adalah: 4.15 + 5.67 + … + 4.34 = 46.58. Kemudian, kita cari bobot kepentingan atribut dengan membagikan skor dengan skor total. Sebagai contoh, bobot Q1 produk A adalah: 4.15/46.58=0.09. Dengan cara itulah bobot importance semua atribut produk A dan produk B diperoleh (Tabel 2).
Bobot komponen biaya produk A dan produk B juga diperoleh dengan cara yang sama. Pertama-tama, skor importance dijumlahkan. Kemudian, dicari bobot dengan membagi importance setiap komponen biaya dan importance total. Untuk produk A, bobot C1 adalah: 3.37/20.93=0.16. Dengan cara demikianlah bobot komponen biaya produk A dan produk B diperoleh.
Selanjutnya, dicari hasil penjumlahan ’importance A + importance B’ untuk atribut quality dan komponen cost. Untuk atribut Q1, misalnya, perhitungannya adalah 0.09+0.07=0.16. Setelah dilakukan perhitungan untuk semua atribut, dicarilah totalnya: 0.16+0.25 + … + 0.18=2.00. Bobot artibut diperoleh dengan membagi skor setiap atribut dengan skor total dimaksud. Untuk Q1, bobotnya adalah 0.16/2.00=0.08. Cara yang sama dilakukan untuk komponen cost. Hasilnya disajikan pada Tabel 2.
Kemudian dengan cara yang sama, diperoleh juga rating performance (R) produk A dan Produk B yang disajikan pada Tabel 3. Misalnya, untuk Q1 RA adalah: 3.08 / 3.47 = 0.89. Sebaliknya, RB untuk Q1 adalah 3.47/3.08=1.13. Dengan cara demikianlah performance relatif pada Tabel 3 diperoleh.
Langkah berikutnya adalah menghitung customer cognitive judgment on quality (CCJQ) dan customer cognitive judgment on cost (CCJC) setiap produk.
Perhitungan CCJQ dan CCJC untuk produk A ditampilkan pada Tabel 4. Kolom weight (W) diambil dari Tabel 2. Kolom RA adalah hasil perbandingan kinerja produk A terhadap kinerja produk B, yang datanya ada pada Tabel 3. CCJQ dan CCJC adalah penjumlahan hasil perkalian antara W dan R. Perhitungan untuk produk A ditunjukkan pada Tabel 4. Tabel 5 adalah untuk produk B.
Dengan menjadikan skor-skor CCJQ dan CCJC sebagai absis dan ordinat atau x dan y, diperoleh titik koordinat pada setiap produk, seperti ditampilkan pada Gambar 2. Segera tampak bahwa posisi kedua produk yang berbeda. Produk A berada di sebelah kiri dan produk B berada di sebelah kanan garis ”fairnes”. Dalam posisi demikian, produk B memberikan nilai pelanggan (customer value) lebih tinggi dibanding produk A.
Gambar 2. Pemosisian Produk A dan Produk B berdasarkan CCJQ dan CCJC
Kalau memang nilai pelanggan produk A lebih rendah dari nilai pelanggan produk B, pertanyaannya adalah atribut-atribut dari produk A yang perlu dibenahi? Karena dalam pendekatan ini nilai adalah hasil perbandingan antara kinerja dan biaya, maka cara untuk meningkatkannya adalah dengan meningkatkan kinerja dan atau menurunkan biaya.
Pertama-tama kita bahas dulu cara meningkatkan kinerja. Yang menjadi pertanyaan adalah kinerja atribut mana yang perlu ditingkatkan? Jawabannya adalah kinerja atribut yang belum memenuhi harapan. Untuk itu, merujuk pada Setijono dan Dahlgaard (2007), kita cari terlebih dahulu selisih antara kinerja (performance) dan tingkat kepentingan (importance). Harap dicatat bahwa tingkat kepentingan di sini dipakai sebagai pengganti harapan (expectation), sesuai petunjuk kedua penulis. Rumus yang dipakai adalah:
Di mana, Dj = Perbedaan skor kinerja dan tingkat kepentingan pada atribut j, Pj= Rata-rata skor kinerja atau kualitas atribut j, Ij= Rata-rata tingkat kepentingan kinerja atau kualitas atribut j, Pi= Skor kinerja atribut produk tertentu yang diberikan pelanggan i, Ii= Skor tingkat kepentingan atribut produk tertentu menurut pelanggan i dan n= Jumlah keseluruhan konsumen.
Pembuatan peta pengendalian didasarkan pada asumsi bahwa untuk memperoleh nilai penggunaan (value in use), maka kinerja musti sama dengan harapan atau Dj=Pj-Ii=O. Tentu saja kinerja dan tingkat kepentingan tidak harus sama persis, berbeda sedikit boleh juga, asalkan perbedaan tersebut tidak melebihi batas tertentu. Pertanyaannya, mana batas tertentu dimaksud?
Setijono dan Dahlgaar (2007) menyatakan bahwa pembatas zona kepuasan dimaksud dapat diketahui melalui σ, yang dihitung melalui s, dengan cara:
Perhitungan Dj sampai s dilakukan pada Tabel 6.
Dari perhitungan tersebut dihasilkan bahwa s = 0.109. Dengan angka ini, merujuk pada Setijono dan Dahlgaard (2007), pembatas zona kepuasan (zone of satisfaction, disingkat ZOS) adalah:
ZOS = 3 X σ dan – ZOS = 3 X (-σ) ……………………………………………………………….. (4)
Dengan menggunakan rumus (2) dan (3), diperoleh bahwa σ, yang diwakili oleh s=0.109. Dengan demikian, ZOS=3 X 0.109 = 0. 326 dan –ZOS=-0.326. Kedua angka ini kemudian kita pakai untuk sebagai batas zona kepuasan untuk mengambil kesimpulan pada setiap atribut berdasarkan nilai Dj dan batas zona kepuasan.
Cara membacanya seperti berikut ini. Di atas batas atas (ZOS=0.3263) termasuk zona sangat memuaskan atau deligtment. Pada selang ZOS=-0.326 sampai ZOS=0.3263 termasuk memuaskan. Di bawah ZOS=-0.3263 adalah zona tidak memuaskan (dissatisfaction). Atribut Q1 memiliki D=-1.07. Karena negatif, maka kita harus menggunakan batas bawah -0.3263 sebagai perbandingan untuk atribut ini. Karena -1.07 lebih rendah dari -0.3263, maka Q1 berada pada zona dissatisfaction. Untuk Q3 nilai D=0.59, yang berada di atas 0.3263. Karena itu, kepuasan terhadap Q3 termasuk delightment. Yang masuk zona satisfaction adalah Q8. Demikianlah cara mengambil kesimpulan untuk semua atribut pada Tabel 7. Atribut-atribut yang berada pada zona ini perlu dibenahi, yaitu adalah Q1, Q2, Q4 dan Q7.
Tabel 7. Kepuasan terhadap Atribut-atribut Produk A berdasarkan Zona Kepuasan
Tabel 6 memperlihatkan kesimpulan atas setiap atribut berdasarkan nilai Dj dan batas zona kepuasan. Di atas batas atas (ZOS=0.3263) termasuk zona sangat memuaskan atau deligtment. Pada selang ZOS=-0.326 sampai ZOS=0.3263 termasuk memuaskan. Di bawah ZOS=-0.3263 adalah zona tidak memuaskan (dissatisfaction). Atribut-atribut yang berada pada zona ini perlu dibenahi, yaitu adalah Q1, Q2, Q4 dan Q7.
Dengan cara yang sama dapat kita lakukan manajemen atribut berdasarkan kepuasan terhadap produk B (Tabel 8). Dengan rumus (4) diperoleh ZOS=0.1055 dan –ZOS= -0.1055. Penghitungan ZOS (zone of satisfaction) tidak diperlihatkan di sini. Silakan dicoba sendiri untuk pembelajaran.
Tabel 8. Kepuasan terhadap Atribut-atribut Produk B berdasarkan Zona Kepuasan
Terlihat pada Tabel 8 bahwa atribut yang dissatisfied adalah Q2 dan Q7. Kedua atribut tersebut perlu dibenahi.
Hirarki Nilai
Menurut beberapa ahli, antara lain Woodruff (1977), Bagozzi dan Dholakia (1999), nilai produk berkaitan satu sama lain. Sebuah nilai dapat menyebabkan nilai yang lain, juga dapat menjadi konsekuensi nilai lainnya. Karena itu, nilai-nilai suatu produk dapat disusun secara berjenjang. Woodruff (1997) menyatakan bahwa hierarki tersebut … read more
Referensi
Bagozzi, R.P. & Dholakia, U. (1999). Goal setting and goal Striving in consumer behavior. Journal of Marketing, 63, 19-32.
Gale, B.T. (1994). Managing Customer Value: Creating Quality and Service That Customers Can See. The Free Press, New York.
Oliver, R.L. (1993). Cognitive, Affective, and Attribute Bases of the Satisfaction Response. The Journal of Consumer Research, Vol. 20, No. 3 , Dec., pg. 418-430.
Oliver, R.L. (1999). Whence consumer loyalty?. Journal of Marketing, 63, 33-44.
Setijono, D. & Dahlgaard, J.J. (2007). Customer value as a Key Performance Indikator (KPI) and A Key Improvement Indicator (KII). Measuring Business Excellence, 11(2), 44-61. https://doi.org/10.1108/13683040710752733.
Woodruff, R. (1997). Customer value: The next source for competitive advantage. Journal of the Academy of Marketing Science, 25 (2), 139–153.