Metode Riset Segmentasi

Metode riset untuk melakukan segmentasi ada berbagai macam bentuk metode. Namun,metode segmentasi pemasaran yang umum menggunakan analisis cluster. Analisis cluster pada dasarnya melakukan pembentukan sub sub kelompok berdasarkan prinsip kesamaan (similarity) . Responden yang saling berdekatan atau memberi jawaban/ respons yang kurang lebih sama akan masuk dalam sub kelompk (cluster) yang sama. Sedangkan mereka yang berjauhan akan dikelompokkan pada sub kelompok lain yang memberi respons mirip-mirip dengan dirinya. Dengan demikian dalam analisis cluster pengukuran jarak menjadi sangat penting karena akan menentukan siapa saja yang akan menjadi anggota suatu cluster

CLUSTER ANALYSIS Cluster Analysis adalah suatu teknik penggerombolan obyek (responden) sehingga terbentuk beberapa kelompok, disebut cluster, dimana obyek di dalam suatu cluster lebih mirip dibandingkan antar cluster. Kemiripan ini sudah didasarkan pada sekumpulan variabel secara simultan. KEGUNAAN identifikasi banyaknya cluster dari sekumpulan obyek identifikasi karakteristik setiap cluster prediksi jumlah anggota masing-masing subpopulasi berdasarkan perhitungan anggota setiap cluster yang diperoleh dari data sampel

Cluster Analysis merupakan penelitian eksploratori yang artinya bagaimana suatu masalah itu ingin digali dan dipecahkan, tanpa harus menjelaskan hubungan antara variabel seperti pada penelitian eksplanatif

Metode Analysis 1) Hirarki (berjenjang) : - Banyak kelompok belum diketahui - Output berupa dendogram - pemotongan : jarak lompatan terjauh 2) Tidak Berhirarki (Non Hirarki/tdk berjenjang): - Banyak kelompok ditentukan terlebih dahulu (diketahui) - Output : anggota kelompok dan centroid

CLUSTER HIRARKI ILUSTRASI Pada suatu daerah “X” ingin diketahui bagaimana segmentasi dari konsumen produk laptop. Terdapat beberapa variabel yang diamati, dan diukur menggunakan instrumen penelitian berupa kuisioner.

Variabel X1=desain (skor 1=sangat tidak penting,5=sangat penting),X2=kecepatan (skor 1=sangat tidak penting,5=sangat penting),X3=keringanan(skor 1=sangat tidak penting,5=sangat penting),X4=harga (skor 1=sangat tidak menjadi masalah, 5=sangat masalah),X5=kelengkapan feature (skor 1=sangat tidak penting,5=sangat penting), X6=daya tahan baterai (skor 1=sangat tidak penting,5=sangat penting) Pengamatan dilakukan terhadap 100 responden pengunjung pameran laptop dan hasilnya disajikan pada Tabel berikut :

Hasil Analisis

Koefisien agglomerasi menghasilkan lompatan (selisih) terbesar dari stage 97 ke 98, yaitu dari 15,612 ke 9717,8079. Dengan demikian dapat diketahui bahwa dari responden trsbt tersebut membentuk 3 cluster.

Untuk melakukan identifikasi karakteristik setiap cluster, dilakukan analisis deskriptif.

Karateristik kelompok 1: pertimbangan utama dalam memilih laptop adalah desain dan kecepatan, sedangkan pertimbangan keduanya adalah keringanan dan kelengkapan feature. Harga bagi kelompok ini tidak menjadi masalah asalkan variabel lain terpenuhi. Karateristik kelompok 2 : semua variabel berada pada kisaran cukup/sedang. Jadi pada kelompok 2 ini menekankan pada karateristik laptop yang biasa2 saja. Karateristik kelompok 3 : agak tidak terlalu berminat pada laptop, karena rata-rata jawabannya semuanya rendah.

Cluster Non Hirarki Ilustrasi Suatu perusahaan sepatu kulit, ingin mengelompokkan 10 kota didaerah Jawa Timur (ditetapkan 2 kelompok) berdasarkan indikator penjualan sepatu kulit pada tahun 2008: Volume penjualan Laba Penjualan Jumlah produksi 10 kota di daerah Jawa Timur ( Surabaya, Malang, Kediri, Blitar, Nganjuk, Madiun, Mojokerto, Pasuruan, Probolinggo, Batu )

No. Kota Volume Penjualan Laba Penjualan Jumlah Produksi 1 Surabaya 3.480 35.987 3.894 2 Malang 2.856 23.876 3.291 3 Kediri 2.198 20.765 2.793 4 Blitar 2.453 21.962 2.512 5 Nganjuk 2.310 21.375 2.490 6 Madiun 2.911 25.943 3.487 7 Mojokerto 1.823 18.439 2.423 8 Pasuruan 1.307 16.392 2.523 9 Probolinggo 1.176 13.635 2.156 10 Batu 2.812 25.524 2.945

Hasil Analisis Terdapat 3 daerah di cluster 1, dan 7 daerah di cluster 2

Cluster 1 berisi kota Surabaya, Madiun dan Batu (Penjualan Tinggi), sedangkan pada cluster 2 terdiri atas Malang, Kediri, Nganjuk, Madiun, Blitar, Pasuruan, dan Probolinggo (penjualan rendah). Signifikansi pada ketiga indikatoe (sig.) berada dibawah 0,05, sehingga dapat disimpulkan bahwa volume, laba dan jumlah produksi membedakan kedua kelompok.

TERIMA KASIH..

PANDUAN MENGOLAH DENGAN SPSS ANALISIS CLUSTER HIRARKI Klik Analyze pada line atas, kemudian cari Classify dan Klik Hierarchical Cluster Masukkan semua variabel yang akan dianalisis ke dalam kotak Variable(s) Klik Plots, kemudian Klik Dendogram, selanjutnya Klik Continue Klik Methods, kemudian pada Cluster Methods cari dan Klik Beetween group linkage, selanjutnya Klik Continue. Untuk melakukan analisis Klik OK. Sampai tahap ini, kita baru mendapatkan informasi mengenai identifikasi banyaknya cluster Untuk mendapatkan informasi karakteristik dan anggota setiap cluster, ulangi langkah (1) s/d (4).

Klik Save, kemudian Klik Single Solution dan ketikan banyaknya cluster hasil analisis sebelumnya, selanjutnya Klik Continue. Untuk melihat anggota setiap cluster anda Klik Window, kemudian cari dan Klik …. SPSS Data Editor. Untuk mengidentifikasi karekteristik setiap gerombol, dilakukan analisis deskriptif. Klik Analyze kemudian Compare means dan Means, lalu masukkan Rerata X1, Y1 dan Y2 pada Dependent List dan Single Lingkake pada Independent List, kemudian Klik OK.

ANALISIS CLUSTER NON HIRARKI Klik Analyze pada line atas, kemudian cari Classify dan Klik K-Means Cluster Masukkan semua variabel yang akan dianalisis ke dalam kotak Variable(s) Klik Save, kemudian Klik Cluster Membership, selanjutnya Klik Continue Klik Options, kemudian Klik ANOVA Table dan Cluster information for each case, selanjutnya Klik Continue Untuk melakukan analisis Klik OK.