Anda di halaman 1dari 6

BAB III

PEMBAHASAN
3.1 Studi Kasus
PT Aneka Pangan Indonesia akan melakukan pengembangan pada salah
satu produknya yaitu Mie Sedap. Sebelum melakukan pengembangan,
perusahaan ingin mengetahui posisi persaingan produk tersebut. Beberapa
merek dianggap menjadi pesaing Mie Sedap yaitu produk Mie Indomie, Mie
Sukses, dan Mie ABC. Analisa possitioning dilakukan dengan menggunakan
analisis Multidimensional Scaling berbasis atribut. Atribut yang digunakan yaitu
harga, desain kemasan, rasa, aroma, manfaat, volume, kebersihan, ketenaran
merk, kepraktisan kemasan, dan kemudahan diperoleh. Sebelum melakukan
analisis tersebut, lakukan uji valididtas dan reliabilitas terhadap data hasil
kuisoner.
3.2 Variabel Operasional
Dalam analisis pengembangan produk Mie Sedap ini, perusahaan
melakukan analisis mengenai posisi produknya melalui analisis multidimensioanl
scaling dengan menyebar kuisoner. Terdapat 10 variable operasional dari
kuisonernya yaitu harga, desain kemasan, rasa, aroma, manfaat, volume,
kebersihan, ketenaran merk, kepraktisan kemasan, dan kemudahan diperoleh.
Variabel harga disimbolkan dengan x1. Variabel desain kemasan disimbolkan
dengan x2. Variabel rasa disimbolkan dengan x3. Variabel aroma disimbolkan
dengan x4. Variabel manfaat disimbolkan dengan x5 Variabel volume
disimbolkan dengan x6. Variabel kebersihan disimbolkan dengan x7. Variabel
ketenaran merk disimbolkan dengan x8. Variabel kepraktisan kemasan
disimbolkan dengan x9. Kemudian, Variabel kemudahan diperoleh disimbolkan
dengan x10.
3.3 Langkah-Langkah Analisis Multidimensional Scaling
Langkah-langkah analisis Multidimensional Scaling dengan SPSS :
1. Hitung nilai rata-rata dari masing-masing atribut pada tiap merek yang
diteliti.
2. Buat tabel presepsi konsumen dari hasil rata-rata :
Merk Atribut
X1

Merk A

Merk B

Merk C

Merk D

3.
4.
5.
6.

....
Xn
Pada SPSS, variable view diganti tiap variabel dengan nama merk.
Masukkan data rata-rata pada data view.
Klik Analyze
Scale
Multidimensional Scaling (ALSCAL).
Pada kotak dialog Multidimensional Scaling (ALSCAL), masukkan semua

merek ke dalam kotak variable


7. Pada distance pilih menu data are distances. Pada shape pilih
rectanguler.
8. Pada model yang level of measurement pilih ratio dan conditionality pilih
row. Pada scalling model pilih euclidean distance dan klik Continue.
9. Klik Option, pada display pilih group plot, continue
10. Klik Ok
3.4 Interpretasi Hasil Analisa Multidimensional Scaling
3.4.1 Iterasi

Berdasarkan analisis MDS yang telah dilakukan didapatkan iterasi


sebanyak 45 proses. Maksud dari 45 iterasi ini adalah hasil analisa MDS yang
dilakukan telah melalui 45 proses pengulangan. Dari iterasi atau pengulangan
yang telah didapatkan, iterasi pertama bernilai 0,45165 dan berhenti pada iterasi
ke 45 dengan nilai 0,00095. Adapun nilai iterasi s-stress pertama hingga iterasi
ke 45 secara berurutan adalah 0,45166; 0,40747; 0,36000; 0,31713; 0,28019;
0,25068; 0,22761; 0,20842; 0,19084; 0,17380; 0,15750; 0,14276; 0,13036;
0,12051; 0,11294; 0,10714; 0,10258; 0,09885; 0,09565; 0,09280; 0,09019;
0,08772; 0,08537; 0,08311; 0,08091; 0,07878; 0,07670; 0,07467; 0,07271;
0,07080; 0,06895; 0,06717; 0,06544; 0,06378; 0,06219; 0,06066; 0,05919;

0,05780; 0,05647; 0,05520; 0,05400; 0,05286; 0,05179; 0,05078 dan terakhir


0,04982. Iterasi ini berhenti pada proses ke 45 karena nilai dari improvementnya
telah berada dibawah 0,1 (0,00095) .
3.4.2 Matrik

Pada table matrix terdapat nilai stress dan RSQ. Nilai stress menunjukkan
hasil output mendekati keadaan yang sebenarnya atau tidak. Diaman, semakin
mendekati 0 (nol), maka output yang dihasilkan semakin mirip dengan keadaan
yang sebenarnya. Selain itu, nilai stress juga digunakn untuk melihat data yang
tidak dapat dijelaskan serta untuk mengetahui nilai goodness of fit. Adapun nilai
stress yang diperoleh pada kasus ini sebesar 10,5% yang berarti bahwa
sebanyak 89,5% data dapat dijelaskan secara keseluruhan dan sisanya tidak
dapat dijelaskan. Nilai stress 10,5 % berada pada rentang (10%-20%) hal ini
menandakan bahwa goodness of fitn nya adalah sedang. Terlihat juga bahwa
nilai stress semakin mendekati 0 yang menandakan output yang dihasilkan
semakin mirip dengan keadaan sebenarnya. Kemudian, nilai RSQ yang
menunjukkan nilai kedekatan antara data, dimana apabila nilainya semakin
mendekati 1 maka dinyatakan semakin dekat. Didapatkan nilai RSQ sebesar
0,991 yang berarti bahwa jarak antar data tersebut dekat atau terpetakan dengan
sempurna.
3.4.3 Stimulus Coordinate

Stimulus coordinate merupakan data yang menunjukkan titik koordinat


kolom dan baris serta dimensi yang dapat mempermudah pemetaan presepsi
dari setiap komponen. Adapun komponen yang akan dipetakan adalah mie
sedap, mie indomei, mie abc, dan mie sukses. Pada table stimulus coordinates
menunjukkan bahwa pada kolom dimensi 1 menunjukkan x dan dimensi 2

menunjukkan y. Didapatkan koordinat dari mie sedap yaitu (1,1603; -1,8009)


kemudian mie indomie (2,0900; -1,0673) kemudian mie abc (0,7931; 1,9995) dan
mie sukses (-0,1543; -1,7529). Selain itu juga didapatkan koordinat row dari
factor-faktor yang diujikan yaitu dari X1 sampai X10. Variabel harga disimbolkan
dengan x1. Variabel desain kemasan disimbolkan dengan x2. Variabel rasa
disimbolkan dengan x3. Variabel aroma disimbolkan dengan x4. Variabel manfaat
disimbolkan dengan x5 Variabel volume disimbolkan dengan x6. Variabel
kebersihan disimbolkan dengan x7. Variabel ketenaran merk disimbolkan dengan
x8. Variabel kepraktisan kemasan disimbolkan dengan x9. Kemudian, Variabel
kemudahan diperoleh disimbolkan dengan x10. Kuadran pada koordinat tersebut
berputar melawan arah jarum jam diawali dari kuadran 1 pada pojok kanan atas.
Koordinat row 1 (0,9071; 0,0706) row 2 (-0,0516; 0,1672) row 3 (-1,2413; 0,2607)
row 4 (0,4776; 0,1617) row 5 (0,1224; 0,1630) row 6 (0,2405; 0,1016) row 7 (0,7434; 0,2173) row 8 (-0,1829; 0,2168) row 9 (-1,6151; 0,5493) dan row 10 (1,8024; 0,7134).
3.4.4 Derived Stimulus Configuration

Berdasarkan grafik derived stimulus configuration didapatkan letak


koordinat dari mie dan factor-faktor dari diagram yang menyerupai diagram
cartesius. Selain itu juga diketahui bahwa mie sedap memiliki kemiripan dengan
mie indomie karena berada dalam kuadran yang sama. Sedangkan mie ABC dan
mie sukses terletak jauh dengan mie sedap dan mie indomie yang mana hal ini
menandakan bahwa mie tersebut tidak mirip atau paling berbeda jika
dibandingkan dengan mie sedap dan mie indomie.
Berdasarkan analisis dimensi 1 (koordinat X), terlihat bahwa mie yang
memiliki kualitas yang paling bagus adalah mie indomie karena memiliki nilai x
yang paling besar yaitu 2,0900. Kemudian disusul oleh mie sedap yang memiliki

koordinat x sebesar 1,1603. Lalu, mie abc dengan koordinat x sebesar 0,7931
dan mie sukses berada pada posisi terakhir pada koordinat x yang bernilai
-0,1543. Analisis dimensi 2 (koordinat y), terlihat bahwa mie yang memiliki
kualitas yang paling bagus adalah mie abc karena memiliki nilai y yang paling
besar yaitu 1,9995. Kemudian disusul oleh mie indomie yang memiliki koordinat x
sebesar -1,0673. Lalu, mie sukses dengan koordinat x sebesar -1,7529 dan mie
sedap berada pada posisi terakhir pada koordinat x yang bernilai -1,8009. Dari
grafik tersebut kita juga dapat mengetahui bahwa antara mie sedap dan mie
indomie tidak dipengaruhi oleh row manapun. Kemudian mie abc dipengaruhi
oleh row 1 (harga), row 4 (berat per kemasan), row 6 (tidak mudah hancur), dan
row 5 (kelengkapan bumbu). Selanjutnya mie sukses juga tidak dipengaruhi oleh
row manapun.

3.4.5 Scatterplot of Linear Fit

Dari diagram scatterplot didapatkan data persepsi atau preferensi dari


responden. Hal tersebut bisa dilihat dari titik-titik yang telah ada pada diagram.
Semakin titik-titik tersebut berdekatan atau linier maka persepsi dari konsumen
semakin seragam dan begitu pula seballiknya. Pada grafik scatterplot tersebut
terlihat bahwa posisi titik-titiknya membentuk garis lurus dari kiri bawah menuju
kanan atas atau titik-titiknya relative rapat dan linier. Jadi, dapat disimpulkan
bahwa terdapatnya konsistensi responden dalam nilai kemiripan atau persepsi
responden yang didapatkan relative seragam pada keempat mie tersebut.
BAB IV
PENUTUP
4.1 Kesimpulan

PT Aneka Pangan Indonesia yang melakukan pengembangan pada salah


satu produknya. Pengembangan dilakukan dengan mengetahui posisi pesaing
terlebih dahulu dengan menggunakan analisis Multidimensional Scaling berbasis
atribut. Atribut yang digunakan yaitu harga, desain kemasan, rasa, aroma,
manfaat, volume, kebersihan, ketenaran merk, kepraktisan kemasan, dan
kemudahan diperoleh.
Berdasarkan penelitian yang dilakukan menggunakan analisis MDS
didapatkan jumlah pengulanagn proses atau iterasinya sebanyak 45 kali dan nilai
improvementnya iterasi terakhir adalah 0,00095 yang telah berada dibawah 0,1.
Kemudian, dilihat dari nilai stress (10,5%) penelitian ini mampu menjelaskan data
secara keseluruhan sebanyak 89,5% (100%-10,5%). Selanjutnya nilai stress
10,5 % menandakan bahwa goodness of fitn nya adalah sedang dan
berdasarkan nilai RSQ sebesar 0,991 yang menandakan bahwa jarak antar data
tersebut dekat atau terpetakan dengan sempurna. Adapun stimulus coordinate
dari masing-masing mie adalah (1,1603; -1,8009) untuk mie sedap, kemudian
mie indomie (2,0900; -1,0673) kemudian mie abc (0,7931; 1,9995) dan mie
sukses (-0,1543; -1,7529). Berdasarkan grafik derived stimulus configuration
pada sumbu x, mie yang paling bagus adalah mie indomie, kemudian mie sedap,
mie abc dan mie sukses. Jika dilihat dari sumbu y, mie yang paling bagus adalah
mie abc, kemudian mie indomie, lalu mie sukses dan yang terakhir mie sedap.
Diaman antara mie sedap dan indomie terdapat banyak kemiripan karena berada
dalam kuadran yang sama dan tidak dipengaruhi oleh atribut apapun. Pada
grafik scatterplot tersebut terlihat bahwa posisi titik-titiknya membentuk garis
lurus dari kiri bawah menuju kanan atas yang menandakan responden dalam
menilai mie tersebut relative seragam.
4.2 Saran
Waktu praktikum diharapkan lebih lama agar materi dan waktu test lebih
lama. Penjelasan yang diberikan juga diharapkan tidak terburu-buru agar materi
dapat tersampaikan dengan baik. Selain itu, softfile materi sebaiknya dapat
diberikan pada praktikan agar dapat diperdalam saat asistensi.