Kelompok Hore:
DEPARTEMEN MANAJEMEN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS AIRLANGGA
Exploratory Factor Analysis (EFA)
1. Unity atau total variance merupakan suatu ubahan yang terdiri dari tiga
variance yaitu; common, specific dan error.
2. Common variance atau komunalitas merupakan bagian dari reliable variance
yang berhubungan dengan variabel lain. Komunalitas merupakan jumlah
kuadrat dari common variance dan dilambangkan dengan simbol h (Fruchter,
1954).
3. Specific variance merupakan bagian dari reliable variance yang tidak
berhubungan dengan variabel lain.
4. Error variance merupakan hasil dari kesalahan-kesalahan sampling,
pengukuran, kondisi tes yang tidak standar, pengaruh fisiologi atau pengaruh
lain dalam diri individu yang membuat tidak reliabel. Variance ini tidak
berkorelasi dengan reliable variance.
Exploratory Factor Analysis ini berguna untuk tujuan menggenerasikan struktur, model-
model teoritis dan mengetes hipotesis (Gorsuch, 1983 dalam Crowley & Fan, 1997).
Tujuan utama analisis faktor adalah untuk menjelaskan struktur hubungan di antara
banyak variabel dalam bentuk faktor atau vaiabel laten atau variabel bentukan. Faktor
yang terbentuk merupakan besaran acak (random quantities) yang sebelumnya tidak
dapat diamati atau diukur atau ditentukan secara langsung
Analisis Cluster
Definisi
Analisis cluster adalah suatu analisis statistik yang bertujuan memisahkan obyek kedalam
beberapa kelompok yang mempunyai sifat berbeda antar kelompok yang satu dengan yang
lain. Dalam analisis ini tiap-tiap kelompok bersifat homogen antar anggota dalam kelompok
atau variasi obyek dalam kelompok yang terbentuk sekecil mungkin.
dalam analisis
MDS
(Multidemonsional Scaling)
1. Pengertian
Merupakan salah satu teknik peubah ganda yang dapat digunakan untuk menentukan
posisi (menggambarkan struktur dimensional) suatu obyek lainnya berdasarkan penilaian
kemiripannya.
Fokus utama MDS adalah menilai ketidaksamaan (disimiliar) antar objek atau stimuli.
Ketidaksamaan dapat berarti jarak relatif (proximity) satu objek terhadap objek lainnya.
Multidimensional scalling (MDS) merupakan sebuah susunan prosedur yang digunakan
untuk menampilkan hubungan yang diamati dari data yang mewakili similarity dan
preferensi.
Analisis penskalaan multidimensional dipergunakan didalam bisnis/pemasaran untuk
mengenali (mengidentifikasi), hal-hal berikut:
- Banyaknya dimensi dan sifat/ cirinya yang dipergunakan untuk mempersepsikan
merek yang berbeda di pasar.
- Penempatan (positioning) merek yang diteliti dalam dimensi ini.
- Penempatan merek ideal dari pelanggan dalam dimensi ini.
2. Tujuan MDS
Memberikan gambaran visual dari pola kedekatan yang berupa kesamaan atau
jarak diantara sekumpulan objek-objek.
Menunjukkan dimensi penilaian dari responden secara langsung ke dalam pola
visualisasi kedekatan mengenai kesamaan produk.
3. Tahapan MDS
1) Tujuan MDS
2) Desain Penelitian MDS
3) Asumsi MDS
4) Solusi MDS & Menilai Overall Fit
5) Interpretasi Hasil MDS
6) Validasi Hasil MDS
Conjoint Analysis
Definisi
Sebuah teknik analisis yang dapat digunakan untuk menentukan tingkat kepentingan
relatif berdasarkan persepsi pelanggan yang dibawa oleh suatu produk tertentu dan nilai
kegunaan yang muncul dari atribut-atribut produk terkait. Digunakan untuk membantu
mendapatkan kombinasi atau komposisi atribut-atribut suatu produk barang atau jasa baik
produk baru maupun lama yang paling disukai konsumen.
Tujuan
Menentukan tingkat kepentingan relatif atribut-atribut pada proses pemilihan yang
dilakukan oleh konsumen.
Membuat estimasi pangsa pasar suatu produk tertentu yang berbeda tingkat
atributnya.
Untuk menentukan komposisi produk yang paling disukai oleh konsumen.
Untuk membuat segmentasi pasar yang didasarkan pada kemiripan preferensi
terhadap tingkat-tingkat atribut.
Manfaat
Merancang harga
Memprediksi tingkat penjualan atau penggunaan produk (market share), uji coba konsep
produk baru.
Segmentasi preferensi
Merancang strategi promosi
Aturan saat pemilihan produk
Maximum utility rule, responden dianggap akan memilih produk dengan utility tertinggi.
Share of utility rule, masing-masing produk akan mendapatkan share pembelian sesuai
dengan share utility.
Logit choice rule, mirip dengan 'share of utility rule' dengan ditambah unsur keacakan
Persyaratan untuk melakukan analisis conjoint diperlukan 2 file yaitu :
1.File Data, yaitu berisi nilai preferensi atau berupa ranking atribut yang diberikan oleh
konsumen.
2.File Perencanaan, yaitu berisi seperangkat atribut produk yang dinilai responden dan
harus dibuat dengan menggunakan prosedur Generated Orthogonal Design.
Tahapan Conjoint Analysis
1.Perumusan masalah
2.Merancang Kombinasi Atribut (Stimuli)
3.Menentukan Metode Pengumpulan Data
4. Memilih Prosedur Analisis Conjoint
5. Hasil analisis dan interpretasinya (part-worth functions)
6. Uji Validitas dan Reliabilitas