Risha Ardasari Utama, Solimun, M. Bernadetha Mitakda.

Presentasi berjudul: "Risha Ardasari Utama, Solimun, M. Bernadetha Mitakda."— Transcript presentasi:

1 Risha Ardasari Utama, Solimun, M. Bernadetha Mitakda.
PENERAPAN ANALISIS MULTIDIMENSIONAL SCALING DENGAN PENDEKATAN BERBASIS KOMPOSISI Risha Ardasari Utama, Solimun, M. Bernadetha Mitakda.

2 Multidimensional scaling
ABSTRAK Produk mie instant Persepsi konsumen Multidimensional scaling Teknik penarikan contoh : nonprobability (accidental sampling) sebanyak 96 mahasiswa S1 jurusan Matematika, Kimia, Fisika dan Biologi Fakultas MIPA. Software yang digunakan : SPSS 17 untuk mengetahui peta persepsi multidimensional scaling berbasis komposisi

3 PENDAHULUAN TINJAUAN TEORI METODOLOGI HASIL DAN PEMBAHASAN KESIMPULAN

4 PENDAHULUAN Analisis Multidimensional scaling merupakan salah satu bentuk eksplorasi data untuk memetakan atau mencari konfigurasi dari sejumlah obyek dalam ruang dimensi rendah berdasarkan ukuran kedekatan antar obyek yang diteliti.

5 Metode pendekatan dalam MDS
Metode Komposisi melibatkan teknik multivariat Metode Dekomposisi tidak mengharuskan peneliti untuk mengidentifikasi serangkaian peubah dari suatu obyek

6 TINJAUAN TEORI Penskalaan dimensi ganda mengacu pada sebuah metode yang membantu mengidentifikasi ukuran pokok yang mendasari penilaian responden terhadap sebuah obyek (Hair et al, 1998). Tujuan penskalaan dimensi ganda : mentransformasikan menjadi sebuah jarak yang disajikan pada ruang dimensi rendah.

7 Peta persepsi : metode yang mengambarkan atau memetakan kesan relatif yang dirasakan terhadap sejumlah obyek (perusahaan,produk atau lainnya yang berhubungan dengan persepsi).

8 Penentuan koordinat setiap titik pada peta persepsi penskalaan dimensi ganda (Sibson 1979)
Keterangan : Xnxp = matriks pengamatan Xnxp*=matriks pengamatan yang telah dikoreksi terhadap nilai rata-rata Penguraian nilai singular Keterangan : L = matriks diagonal A = matriks vektor Representasi pengamatan Representasi peubah

9 Kedekatan antar obyek pada peta persepsi diperoleh dengan jarak Euclid antara obyek ke-I dengan obyek ke-j Keterangan : dij : jarak antara obyek ke-I dengan obyek ke-j xih : hasil pengukuran obyek ke-I dengan peubah h xjh : hasil pengukuran obyek ke-j dengan peubah h Tingkat kesesuaian model (Goodness of fit) menggunakan ukuran kriteria kesalahan (lack of fit or error) STRESS usulan Morrison (2005) Keterangan : dij : jarak antara obyek ke-I dengan obyek ke-j dij = disparities antara obyek ke-i dan obyek ke-j. Semakin kecil nilai STRESS menunjukkan bahwa hubungan monoton yang terbentuk antara ketidaksamaan dengan disparities semakin baik (didapat kesesuaian) dan kriteria peta persepsi yang terbentuk semakin sempurna.

10 METODOLOGI Data adalah persepsi responden terhadap karakteristik yang dimiliki oleh produk mie instan yang menjadi pertimbangan konsumen dalam membeli dan mengkonsumsi. Data primer yang digunakan merupakan hasil survei terhadap mahasiswa aktif S1 Fakultas MIPA Universitas Brawijaya.

11 Indomie Sedaap Gagamie ABC Salammie Sarimie Supermie Rasa Kemasan
Objek Penelitian Indomie Sedaap Gagamie ABC Salammie Sarimie Supermie Peubah Rasa Kemasan Harga Distribusi Periklanan

12 Tahapan analisis Menyusun data persepsi
Prosedur analisis pada data persepsi dimulai dari analisis Multidimensional scaling. Tahapan analisis Menyusun data persepsi Menginterpretasi secara umum peta persepsi Membentuk matriks data pengamatan X Menghitung nilai kesesuaian (Goodness of fit) peta persepsi penskalaan dimensi ganda Menghitung matriks X* Menghitung vektor ciri dan akar ciri menggunakan penguraian nilai singular Membuat plot untuk peubah pertama hingga peubah ke-p Membuat plot untuk obyek 87 pertama hingga peubah ke-n Menghitung matriks G = UL dan H = LA’

13 HASIL DAN PEMBAHASAN Penggambaran peta persepsi bertujuan untuk mengetahui posisi setiap obyek (mie instan) dan peubah.

14 Merek mie instan ABC dan Salammie yang terletak semakin ke atas (nilai semakin besar) memiliki karakteristik rasa yang lebih baik dan letaknya semakin ke bawah (nilai semakin kecil) memiliki karakteristik promosi melalui iklan jarang dan kemasan kurang baik. Sedangkan merek mie instan Supermie semakin ke atas memiliki karakteristik rasa yang baik. Berdasarkan peta persepsi diketahui bahwa merek mie instan Indomie, Sedaap dan Gagamie memiliki banyak persamaan karakteristik karena terletak bergerombol. Sedangkan merek mie instan ABC, Salammie, Sarimie dan Supermie terletak berjauhan karena memiliki banyak perbedaan karakteristik dengan merek mie instan yang lain. Kesesuaian model analisis multidimensional scaling dapat diperoleh dari nilai STRESS sebesar 8.47%. Hal ini mengindikasikan bahwa kelayakan model untuk tujuh merek mie instan baik karena terletak antara 5% sampai 10%.

15 KESIMPULAN Penerapan analisis multidimensional scaling berbasis komposisi pada produk mie instan menghasilkan dua dimensi pokok yang mendasari perilaku konsumen dalam mengevaluasi produk mie instan, yaitu: Dimensi “Distribusi dan Harga” sebagai nama dari dimensi satu. Dimensi “Produk dan Periklanan” sebagai nama dari dimensi dua. Dimensi satu meliputi peubah distribusi dan harga. Berdasarkan dimensi satu, peubah yang terletak paling kiri adalah distribusi, sedangkan peubah yang terletak paling kanan adalah harga. Dimensi dua meliputi peubah rasa, kemasan dan periklanan. Berdasarkan dimensi dua, peubah yang terletak paling atas adalah rasa, sedangkan peubah yang terletak paling bawah adalah kemasan dan periklanan. Berdasarkan peta persepsi yang terbentuk, merek mie instan Indomie, Sedaap dan Gagamie paling banyak memiliki kemiripan karakteristik atribut karena bergerombol. Sedangkan merek mie instan ABC, Salammie, Sarimie dan Supermie terletak berjauhan karena memiliki banyak perbedaan karakteristik dengan merek mie instan yang lain.

16 TERIMA KASIH