○Analisis Gabungan

Aplikasi analisis gabungan yang paling umum adalah riset pasar dan
pengembangan produk.

○Metode
Analisis gabungan biasanya menggunakan input dari variabel-variabel
bebas nonmetrik. Tujuan analisis gabungan adalah menjamin skor
kegunaan (kadang-kadang disebut partworths) yang mewakili
pentingnya masing-masing aspek sebuah produk atau jasa dalam
rating preferensi keseluruhan dari subyek.
Langkah pertama dalam kajian gabungan adalah atribut-atribut yang
paling berkaitan dengan keputusan untuk membeli.Hal ini mungkin
memerlukana sebuah kajian eksplorasi seperti sebuah kelompok
fokus,atau dapat dikerjakan oleh seorang ahli dengan pengetahuan
dasar yang mendalam.Atribut-atribut yang dipilih merupakan variabel
bebas,yang disebut faktor
Setelah memilih faktor-faktor dan tingkatan,sebuah program
komputer menentukan jumlah deskripsi produk yang perlu untuk
mengestimasi kegunaan.

○ Contoh
Analisis gabungan merupakan alat yang efektif yang digunakan oleh
periset untuk mencocokan preferensi terhadap karakteristik pangsa
pasar dan desain yang diketahui atau mengarah ke sebuah produk

 Teknik Antarketergantungan (Interdependency

techniques)
○Analisi Faktor
Analisis faktor adalah istilah umum untuk beberapa teknik
perhitungan tertentu.Semua teknika bertujuan menurunkan variabel
sampai pada jumlah yang dapat dikelola yang dimiliki bersama dan
mempunyai karakteristik pengukuran yang tumpang tindih.Hubungan
prediktor kriteria yang telah ditemukan dalam situasi bergantung
digantikan oleh sebuah matriks yang saling berkorelasi diantara
beberapa variabel,dan tidak ada satu pun variabel dipandang sebagai
variabel bergantung terhadao variabel lainnya.

○Metode

Analisi faltor berawal dengan membangun sebuah himpunan variabel

baru berdasarkan hubungan dalam matriks korelasi.Meskipun hal ini
dapat dilakukan dalam beberapa cara,pendekatan yang paling serimg
digunakan adalah analis komponen utama (principak components
analysi). Metode ini melakukan transformasi sebuah variabel menjadi
sebuah himpunan variabel gabungan baru atau komponen utama yang
tidak saling berkorelaso.Kombinasi variabel linear,ini,disebut
faktor,yaitu varians data secara keseluruhan.Kombinasi yang paling
baik membentuk komponen utama pertama dan merupakan faktor
pertama.Komponen utama kedua didefinidikan sebagai kombinasi
variabel linear terbaik untuk menjelskan varians yang tidak
diperhitungkan oleh faktor pertama. Selanjutnya, mungkin terdapat
komponen ketiga,keempat dan ke-k,yang masing-masing menjadi
kombinasi variabel linear terbaik yang tidak diperhitungkan oleh
faktor-faktor sebelumnya.

○Contoh
Nilai-nilai mahasiswa merupakan contoh yang paling
menarik.Pimpinan progam MBA di Metro U telah meninjau nilai
mahasiswa tahun pertama dan dikejutkan oleh pola dalam data.
Dugaannya adalah terdapat berbagai jenis orang yang telibat kuliah
tersebut,dan ia memutuskan untuk mengumpulkan bukti atas dugaan
ini.
Andaikan sebuah sampel terdiri dari 21 laporan nilai dipilih dari
mahsiswa di bagian tengah rentang GPA.Terdapat tiga langkah yang
diikuti:
1. Hitung matrikd korelasi diantara nilai untuk semua pasangan
dari 10 mata kuliah
2. Lakukan analisis faktor terhadap maatriks menggunakan metode
komponen utama.
3. Pilihlah sebuah prosedur rotasi untuk memperjelas faktor-faktor
dan membantu dalam interprestasi

○Interprestasi
Rotasi varimaks muncul untuk memperjelas hubungan diantara nilai-
nilai mata kuliah,tetapi seperti ditunjukkan sebelumnya,interprestasi
hasil-hasilnya sangatlah subyektif.
Sejumlah masalah mempengaruhi interprestasi hasil-hasil ini.Yang
utama diantaranya adalah:
1. Sampelnya kecil dan upaya replikasi mungkin menghasilkan
pola muatan faktor yang berbeda
2. Dari data yang sama,sejumlah faktor selain ketiga faktor
tersebut dapat menyebabkan pola yang berbeda
3. Meskipun dilakukan repikasi atas temuan,perbedaan mungkin
muncula akibat bebagai pengaruha atau cara mereka
mengajarkan mata kuliah selain itu isi mata kuliahnya
4. Label-label mungkin tidak benar-benar mencerminkan konstril
laten yang mendasari faktor-faktor yang kita saring.
○Analisis gugus
Tidak seperti teknik untuk menganalisis hubungan antara variabel
analis gugus adalah serangkaian teknik untuk mengelompokkan
obyek atau orang yang suka.Awalnya teknik ini dikembangkam
sebagai perankat klarifikasi untuk taksonomo ,namun penggunaanya
telah menyebar karena pekerjaan klasifikasi dalam bidang obat-
obatan,biologi dan ilmu-ilmu laiinya.Kemudahanya dalam bidang-
bidang tersebut dan ketersediaa komputer kecepatan tinggi untuk
menjalankan penghitungan dalam jumlah yamg besar telah
mempercepat penggunaanya dalam bidang bisnis.
Analisis gugus menawarkan alat untuk riset segmentasi dan masalah-
masalah bisnis lain yang bertujuan untuk mengkalsifikasikan
kelompok-kelompok yang sama.Analisis mempunyai kesamaan
dengan analisi faktor,khususnya ketika analisis faktor diterapkan
untuk manusia (analisis-Q),pengganti variabel-variabel.

○Metode
Ada lima langkah dasar untuk menerapkan sebagian besar kajian
gugus:
1. Memilih sampael yang akan digugusakan (misalnya,pasien
rumah sakit,persediaan,produk,karyawan).
2. Mendefinisiskan variabel-variabel untuk mengukur
obyek,kejadian,atau orang-orang (misalnya,karakteristik,pangsa
pasar,definisi persaingan produk,status keuangan,afiliasi
politik,gejala-gejala,atribut produktivitas)
3. Menghitung kesamaan di antara entitas melalui korelasi,jarak
euclidean,dan teknik-teknik lain
4. Memilih gugus yang saling eksklusif (maksimisasi kesamaan
dalam gugus dan perbedaan antar-gugus) atau gugus yang
teratur secara hirarki
5. Perbandingan dan validasi gugus
Metode penggusan yang berbeda dapat digunakan dan akan
menghasilkan solusi yang berbeda.Sangat penting untuk mendapatkan
cukup informasi mengenai data untuk menegetahui kelompok yang
diperoleh adalah nyata dan bukan merupakan hasil dari sebuah
metode terhadapan data.
Contoh dalam peraga 20-20 memperlihatkan sebuah analisis gugs dari
individu-individu yang didasarkan pada tiga
dimensi:usia,pendapatan,dan ukuran keluarga.Analisis gugus dapat
digunakan untuo melakukan segmentasi populasi pembeli mobil ke
dalam pasar yang berbeda.

○ Skala multi dimensi

Pembuatan skala multi dimensi(multidimensiona scaling/MDS)
menciptakan deskripsi khusus persepsi responden tentang sebuah
produk,jasa atau obyek,pengamatan lain dalam peta
persepsi(perceptual map).Hal ini sering kali membatu periset untuk
memahami konstruk yang sulit diukur seperti kualitas produk dan
keinginan.

○ Metode
Kita mungkin memikirkan tiga jenis ruang atribut,di mana masing-
masing mewakili sebuah peta multi dimensi.Pertama adalah ruang
obyektif (objective space)di mana sebuah obyek dapat diposisikan
dalam kaitannya dengan atribut yang daoat diukur:rasa,berat dan nilai
nutrisi.Kedua adalah ruang subyektif,diaman persepsi rasa,berat,dan
nilai nutrisi bisa di posisikan.
Dengan peta ketiga kita dapat menggambarkan preferensi responden
menggunakan atribut atribut obyek.Hal ini mewakili keadaan
idealnya:semua obyek yang berdekatan dengan titik ideal ini
diinterprestasikan sebagai hal yang disukai responden dibandingkan
dengan obyek yang lebih jauh dari titik ideal.Dalam hal ini, analisis
gugus dan MDS dapat digabungkan untuk memetakan pangsa pasar
lalu memeriksa rancangan produk untuk segmen tersebut.

○Contoh
Kita mengilustrasikan pengambilan skala multi dimensi dengan
sebuah kajian 16 restoran di sebuah wilayah peristirahatan.Kita juga
mungkin meminta partisipan untuk menilai kesamaan di antara
pasang-pasangan restoran: kemudian kita menghasilkan sebua matriks
kesamaan menggunakan adata ordinal(nonmetrik).Matriks tersbut
akan berisi peringkat-peringkat dimana angka 1 mewakili pasangan
yang paling serupa dan n mengindikasikan pasangan yang paling
tidak serupa.
Sebuah program komputer digunakan untuk menganalisis matriks
data dan menciptakan sebuah peta persepsi.Tujuannya adalah
menemukan sebuah pola ruang multi dimensi yang menghasilkan
kembali urutan asli dari data.
Sebagian besar program lunak meneyertakan perhitungan indeks
tekanan (stress index atau S-stress atau Kruskal’s stress) yang
merentang dari ketepatan terburuk (1) hingga ketepatan sempurna
(0).Kajian ini,misalnya,mempunyai sebuah tekanan besar
0,001.Indeks lain,yaitu R2,diinterprestasikan sebagai propors varians
dari data transformasi yang dihasilkan oleh jarak dan model
MDS paling sering digunakan untuk menilai kesamaan dan perbedaan
yang dirasakn di antara obyek-obyekpenggunaan MDS
memungkinkan periset memahami kosntruk yang tidak dapat diukur
secara langsung.Prosen ini memberikan sebuah peta ruang yang
memperlihatkan kesamaan dalam hal jarak relatif.Hal ini paling baik
dipahami apabila dibatas untuk dua atau tiga dimensi yang dapat
ditampilakn dalam grafik