1 / 16

PENERAPAN ANALISIS MULTIDIMENSIONAL SCALING DENGAN PENDEKATAN BERBASIS KOMPOSISI

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

boaz
Download Presentation

PENERAPAN ANALISIS MULTIDIMENSIONAL SCALING DENGAN PENDEKATAN BERBASIS KOMPOSISI

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. RishaArdasariUtama, Solimun, M. BernadethaMitakda. PENERAPAN ANALISIS MULTIDIMENSIONAL SCALING DENGANPENDEKATAN BERBASIS KOMPOSISI

  2. ABSTRAK • Teknik penarikan contoh : nonprobability (accidental sampling) sebanyak 96 mahasiswa S1 jurusan Matematika, Kimia, Fisika dan Biologi Fakultas MIPA. • Software yang digunakan: SPSS 17 untukmengetahuipetapersepsimultidimensional scaling berbasiskomposisi Produkmie instant Persepsikonsumen Multidimensional scaling

  3. PENDAHULUAN TINJAUAN TEORI METODOLOGI HASIL DAN PEMBAHASAN KESIMPULAN

  4. PENDAHULUAN AnalisisMultidimensional scaling merupakansalahsatubentukeksplorasi data untukmemetakanataumencarikonfigurasidarisejumlahobyekdalamruangdimensirendahberdasarkanukurankedekatanantarobyek yang diteliti.

  5. TINJAUAN TEORI Penskalaandimensigandamengacupadasebuahmetodeyang membantumengidentifikasiukuranpokok yang mendasaripenilaianrespondenterhadapsebuahobyek (Hair et al, 1998). Tujuanpenskalaandimensiganda: mentransformasikanmenjadisebuahjarak yang disajikanpadaruangdimensirendah.

  6. Petapersepsi: metodeyang mengambarkanataumemetakankesanrelatif yang dirasakanterhadapsejumlahobyek (perusahaan,produkataulainnya yang berhubungandenganpersepsi).

  7. Penentuankoordinatsetiaptitikpadapeta persepsi penskalaan dimensi ganda (Sibson 1979) Keterangan : Xnxp= matrikspengamatan Xnxp*=matrikspengamatan yang telahdikoreksiterhadapnilai rata-rata • Penguraiannilai singular Keterangan : L = matriks diagonal A = matriksvektor • Representasipengamatan • Representasipeubah

  8. KedekatanantarobyekpadapetapersepsidiperolehdenganjarakEuclid antaraobyekke-I denganobyekke-j Keterangan : dij : jarakantaraobyekke-I denganobyekke-j xih : hasilpengukuranobyekke-I denganpeubah h xjh : hasilpengukuranobyekke-j denganpeubah h • Tingkat kesesuaian model (Goodness of fit) menggunakanukurankriteriakesalahan (lack of fit or error) STRESS usulan Morrison (2005) Keterangan : dij : jarakantaraobyekke-I denganobyekke-j dij = disparities antaraobyekke-idanobyekke-j. Semakin kecil nilai STRESS menunjukkan bahwa hubungan monoton yang terbentuk antara ketidaksamaandengandisparities semakinbaik (didapatkesesuaian) dankriteriapetapersepsi yang terbentuksemakinsempurna.

  9. METODOLOGI Dataadalahpersepsirespondenterhadapkarakteristik yang dimilikiolehprodukmieinstan yang menjadipertimbangankonsumendalammembelidanmengkonsumsi. Data primer yang digunakanmerupakanhasilsurveiterhadapmahasiswaaktif S1 FakultasMIPA UniversitasBrawijaya.

  10. Menyusun data persepsi • Membentukmatriks data pengamatan X • Menghitungvektorciridanakarcirimenggunakanpenguraiannilai singular • Membuat plot untukobyek 87 pertamahinggapeubahke-n • Membuat plot untukpeubahpertamahinggapeubahke-p • Menghitungnilaikesesuaian (Goodness of fit) petapersepsipenskalaandimensiganda • Menginterpretasisecaraumumpetapersepsi • Menghitungmatriks X* Prosedur analisis pada data persepsi dimulai dari analisis Multidimensional scaling. Tahapan analisis • Menghitungmatriks G = UL dan H = LA’

  11. HASIL DAN PEMBAHASAN Penggambaranpetapersepsibertujuanuntukmengetahuiposisisetiapobyek(mieinstan) danpeubah.

  12. Merek mie instan ABC dan Salammie yang terletak semakin ke atas (nilai semakin besar) memilikikarakteristik rasa yang lebihbaikdanletaknyasemakinkebawah (nilaisemakinkecil) memiliki karakteristik promosi melalui iklan jarang dan kemasan kurang baik. Sedangkan merek mie instan Supermie semakin ke atas memiliki karakteristik rasa yang baik. • BerdasarkanpetapersepsidiketahuibahwamerekmieinstanIndomie, SedaapdanGagamiememilikibanyakpersamaankarakteristikkarenaterletakbergerombol. SedangkanmerekmieinstanABC, Salammie, SarimiedanSupermieterletakberjauhankarenamemilikibanyakperbedaankarakteristikdenganmerekmieinstan yang lain. • Kesesuaianmodel analisismultidimensional scaling dapatdiperolehdarinilai STRESS sebesar8.47%. Hal inimengindikasikanbahwakelayakan model untuktujuhmerekmieinstanbaikkarenaterletak antara 5% sampai 10%.

  13. KESIMPULAN Penerapananalisismultidimensional scaling berbasiskomposisipadaprodukmieinstanmenghasilkan 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. Dimensisatumeliputipeubahdistribusidanharga. Berdasarkandimensisatu, peubahyang terletakpaling kiriadalahdistribusi, sedangkanpeubah yang terletak paling kananadalahharga. Dimensiduameliputipeubah rasa, kemasandanperiklanan. Berdasarkandimensidua, peubahyang terletakpaling atasadalah rasa, sedangkanpeubah yang terletak paling bawahadalahkemasandanperiklanan. Berdasarkanpetapersepsi yang terbentuk, merekmieinstanIndomie, SedaapdanGagamiepaling banyakmemilikikemiripankarakteristikatributkarenabergerombol. SedangkanmerekmieinstanABC, Salammie, SarimiedanSupermieterletakberjauhankarenamemilikibanyakperbedaankarakteristikdenganmerekmieinstan yang lain.

  14. TERIMA KASIH

More Related