ANALISIS KORESPONDENSI UNTUK MENGETAHUI VARIABEL UNGGULAN (STUDI KASUS PADA MALL PANAKKUKANG, MALL TRADE CENTER, DAN MALL RATU INDAH) . ERMAWATI
Muh. Fajaruddin Nur2
Jurusan Matematika, Fakultas Sains dan Teknologi, UINAM
[email protected]
Mahasiswa Jurusan Matematika FST-UINAM
ABSTRAK
Info: Jurnal MSA Vol. 2 No. 1 Edisi: Januari – Juni 2014 Artikel No.: 9 Halaman: 60 - 68 ISSN: 2355-083X Prodi Matematika UINAM
Correspondence analysis is a technique of data presentation between rows, between columns and between rows and columns of contingency tables (twoway which can then be extended to multi-way contingency table) at a smalldimensional vector space and optimal. This analysis is also designed to be used in the development of groupings that represent the data frequency.The purpose of this analysis is to determine the relevant attributes that meet the perceived similarity between objects MP, MTC and MaRI, as well as the flagship of the categories of variables determining the attributes and object categories. The data used in this study is the primary data using a questionnaire research instrument. The results of correspondence analysis found that the MP has the advantage of the diversity of the counter (25%), and the architecture of the building gives the percentage of 20% compared to the other. Later in the MTC has the advantage in a row on the location and condition of access to toilet facilities with a large percentage of 22% and 21%. MaRI has the advantage of very high compared to the MP and MTC in terms of access to the location with the percentage of 33%. Results The study concluded that if you want to find a quality product and a counter that varies with the architecture satisfying the MP is the right choice to visit, where the level of satisfaction about the quality of its products by 65%, the diversity of the counter by 75% and 78% of building architecture, but if you want to feel the atmosphere of peace and security both inside the mall, the MTC is a fitting choice for the enjoy, where the percentage of MTC's satisfaction in terms of composure by 27% and 28% security. Kata Kunci: correspondence analysis, chi square and contingency tables
1. PENDAHULUAN Secara umum dalam kehidupan sehari-hari seringkali kita mengamati sesuatu hal yang banyak melibatkan sejumlah variabel saling terkait antar satu sama lain. Pada masa sekarang ini, banyaknya persaingan-persaingan yang dilakukan oleh sejumlah perusahaan yang melibatkan beberapa unsur-unsur penting yang harus mereka lakukan demi perkembangan usaha mereka, Hal semacam inilah yang akan lebih mudah diinterpretasikan jika kita menggunakan analisis multivariat. Analisis korespondensi adalah suatu teknik penskalaan multidimensial data kualitatif dalam riset pemasaran. Data input merupakan bentuk tabel kontingensi yang menunjukkan suatu asosiasi kualitatif antara baris dan kolom kemudian mengubah data nonmetrik menjadi
60
data metrik serta melakukan reduksi dimensional dan perceptual mapping (dalam penulisan ini didasarkan pada atribut yang terlibat) dalam bentuk data kualitatif. Manfaat analisis korespondensi akan mengurangi permintaan pengumpulan data yang dibebankan kepada responden, sebab hanya data binary atau kategori yang diperoleh. Data manajemen pemasaran merupakan data yang memerlukan penyelesaian dengan menggunakan analisis korespondensi, yaitu suatu metode yang berfungsi untuk menyederhanakan data kompleks dengan menggambarkan suatu hal yang lengkap dan nyata dari setiap sudut informasi data. Kepuasan konsumen berkunjung dan berbelanja dipusat perbelanjaan/mall bukanlah hal yang mudah dikendalikan oleh perusahaan, namun
Jurnal MSA Vol 2. No. 1 Ed. Jan-Juni 2014 diperlukan informasi yang mendukung mengenai pendapat pelanggan terhadap sikap yang dilakukan perusahaan dan beberapa atribut yang secara umum dikenal dan mampu membentuk persepsi, asosisi, serta kepuasan konsumen selama berada dalam pusat perbelanjaan/mall tersebut, dengan mempertimbangkan keterbatasan dana dan sumber daya yang dimiliki perusahaan tidak mungkin semua atribut itu dibenahi dan dirancang ulang untuk memuaskan konsumen.
secara serempak dari suatu tabel kontingensi dua arah dalam ruang vektor berdimensi ganda.
Berdasarkan uraian di atas, maka dalam tulisan ini akan membahas tentang penentuan atributatribut terkait sehingga persepsi kemiripan antar objek terpilih dapat terpenuhi dan penentuan variabel unggulan dari masing-masing ketegori (atribut dan objek) secara simultan.
UT U VT V I , dan matriks diagonal =diag( 1 2 ... J 1 ) memuat nilai-nilai singular, sepanjang diagonal yang diurutkan dari yang terbesar ke yang terkecil.
2. TINJAUAN PUSTAKA Konsep Dasar Program Linear Menurut Greenacre (1984), Analisis korespondensi (Correspondence Analysis) adalah suatu ilmu yang mempelajari hubungan dua atau lebih variabel kualitatif, yaitu dengan teknik eksplorasi data secara grafik untuk tabel kontingensi dan data kategori multivariat dalam sebuah tabel frekuensi, kita akan memperhatikan tabel frekuensi dua arah yang biasa disebut tabel kontingensi (contingency table) dan disini akan menggunakan istilah tabel silang. Jika I baris J kolom, diagram yang dihasilkan oleh analisis korespondensi memuat dua himpunan titik, satu himpunan I titik yang bersesuaian dengan baris dan satu himpunan J titik bersesuaian dengan kolom. Posisi titik-titik tersebut merefleksikan hubungan. Titik–titik baris yang saling berdekatan menunjukkan bahwa baris mempunyai profil yang serupa sepanjang kolom. Titik–titik kolom yang saling berdekatan mempunyai indikasi bahwa kolom memiliki profil yang serupa sepanjang baris, akhirnya, titik–titik baris yang berdekatan dengan titik– titik kolom menunjukkan kombinasi yang sering terjadi dari pada yang diharapkan pada model bebas (independency models), yakni kategori baris tidak berkaitan dengan kategori kolom. Analisis korespondensi adalah teknik analisis data yang memperagakan baris dalam kolom
61
Langkah-langkah utama untuk menggambar hubungan dalam sebuah tabel silang dua arah. Langkah 1. Cari nilai singular dekomposisi dari P .
P
( I J )
U
VT
(2.1)
I ( J 1) ( J 1)( J 1) ( J 1) J
Dimana
rank
( P )
=
rank( P ) J 1 ,
Langkah 2. Tetapkan U D1r 2 V dan V D1c 2 V , kemudian gunakan (i) dan (ii), sehingga nilai singular dekomposisi P adalah J 1
P p rcT UVT j u j vTj
(2.2)
j 1
Dimana u j adalah vektor kolom ke-j dari U dan
v j adalah vektor kolom ke-j dari V . Dalam representasi vektor-vektor kiri dan kanan dinormalkan untuk mendapatkan satuan panjang secara berurutan dalam matriks Dr 1 dan Dc1 . Jadi,
UT D1 U VT D1c V
( J 1) I ( I I )r I ( J 1)
( J 1) J ( J J ) J ( J 1)
I
( J 1)( J 1)
.
Kolom dari U mendefinisikan sumbu-sumbu koordinat untuk titik-titik yang menyatakan profil dari P. Dengan cara serupa, kolom dari V mendefinisikan sumbu-sumbu koordinat untuk titik-titik yang menyatakan profil baris dari P. Langkah 3. Hitung koordinat dari profil baris
Y D1r U
I ( J 1)
( I I ) I ( J 1) ( J 1)( J 1)
(2.3)
dan koordinat dari profil kolom
Z D1c V
J ( J 1)
( J J ) J ( J 1) ( J 1)( J 1)
(2.4)
Langkah 4. Inersia disajikan pada ujung sumbu koordinat dalam diagram dua dimensi yang
Jurnal MSA Vol 2. No. 1 Ed. Jan-Juni 2014 merupakan kuadrat dari nilai-nilai singular yang bersesuaian dimensi-dimensi ini. Keseluruhan inersia didefinisikan sebagai jumlah kuadrat dari semua nilai-nilai singular yang tidak nol.
4.
K
Keseluruhan inersia adalah
i 1
2 i
Dimana 1 2 ... k >0 adalah unsur-unsur diagonal yang tidak nol dari . Disini, K=rank( P ), dan seperti biasanya, rank( P )=min{I-1, J1}. Titik-titik baris yang saling berdekatan menunjukkan bahwa baris mempunyai profil serupa (sebaran bersyarat) sepanjang kolom. Titik-titik kolom yang saling berdekatan mempunyai indikasi bahwa kolom memiliki profil yang serupa (sebaran bersyarat) sepanjang baris. Dengan demikian, titik-titik baris yang berdekatan dengan titik-titik kolom menunjukkan kombinasi yang lebih sering terjadi daripada yang diharapkan pada model bebas (independent models), yakni kategori baris tidak berkaitan dengan kategori kolom. Hasil yang biasa diperoleh dari analisis korespondensi meliputi representasi terbaik dua dimensi, sepanjang koordinat dari titik-titik yang digambar, dan ukuran inersia (inertia) dari sejumlah informasi yang dipertahankan dalam setiap dimensi. Dalam analisis korespondensi ada beberapa asumsi yang harus dipenuhi, yaitu 1. Ukuran jarak chi-square antar titik-titik (nilai kategori) analogi dengan konsep korelasi antar variabel, maksudnya hubungan keeratan dalam analisis ini dapat dilihat dari jarak chi-square nya. Semakin kecil jarak chi-square antar dua variabel berarti semakin erat hubungan variabel tersebut. 2. Variabel kolom yang tepat di variabel kategori baris diasumsikan homogen, yaitu nilai pengamatan dari variabel pada lajur baris pada setiap kolom yang dijelaskan adalah sama. 3. Analisis Korespondensi hanya digunakan untuk dua atau tiga variabel.
5.
6.
Analisis Korespondensi adalah sebuah teknik nonparametrik yang tidak memerlukan pengujian asumsi seperti kenormalan, autokorelasi, multikolinearitas, heteroskedastisitas, linieritas sebelum melakukan analisis selanjutnya. Dimensi yang terbentuk dalam Analisis Korespondensi disebabkan dari kontribusi titik-titik dari dimensi yang terbentuk dan penamaan dari dimensinya subjektif dari kebijakan, pendapat dan error. Dalam Analisis Korespondensi variabel yang digunakan yaitu variabel diskrit yang mempunyai banyak kategori Model Matematis
Penentuan Jarak Profil Untuk menghitung jarak profil baris/kolom dalam kategori yang sama, digunakan jarak chisquare, yang didefinisikan sebagai berikut; Jarak antara dua individu baris ke-i dan ke-i' adalah: 2 k
1 fij
f (2.5) f
d2 (i , i') =
j 1
j
i
fi ' j fi '
Jarak antara 2 variabel kolom ke–j dan kolom ke 2 j' adalah; k
2
d (j , j') = dimana ;
i 1
1 fi
fij fij ' f f j j '
(2.6)
i = (1 ... r) dan j = (1 ... k) fij = Frekuensi relatif sel baris ke–i kolom ke–j fi = Frekuensi relatif baris ke–i fj = Frekuensi relatif baris ke- j. Jarak ini disebut jarak chi-square. Jarak ini berbeda dari jarak euclides dalam arti bahwa setiap kuadrat diberi bobot kebalikan dari frekuensi yang sesuai dengan suku yang bersangkutan. Dalam menyatakan jarak d 2 ( j, j ) antara dua keuntungan j dan j*, hanya dua suku, katakanlah T1 dan T2 yang menggunakan i1 dan i2 :
62
Jurnal MSA Vol 2. No. 1 Ed. Jan-Juni 2014 2
1 f i j fi j 1 f i j f i j T1 T2 1 1 2 2 fi1 . f. j f. j fi2 . f. j f. j
a) b) c) d) e) f) g)
2
Setelah dijumlahkan, T1 dan T2 diganti oleh T0 sehingga diperoleh:
1 fi0 j fi0 j T0 fi0 f. j f. j
2
2. Variabel Objek, yaitu obyek/tempat pusat perbelanjaan (mall) yang akan kita teliti. a) Mall Panakkukang (Panakkukang Square) b) Mall Ratu Indah (MaRI) c) Makassar Trade Center (MTC)
Kita dapat membuktikan bahwa T0 T1 T2 , dengan menggunakan hubungan
fi0 . fi1 . fi2 . .
Arsitektur bangunan Keamanan saat berada dalam mall Kualitas produk yang ada dalam mall Keragaman/penyusunan counter Keamanan saat berada dalam mall Akses menuju lokasi Kondisi sarana toilet
4. HASIL DAN PEMBAHASAN
Rumus chi-square;
HASIL PENELITIAN
( f0 fe )2 fe Di mana:
Data yang di peroleh berdasarkan hasil dari pendapat-pendapat para pengunjung mengenai pusat perbelanjaan (Mall) yang pernah mereka kunjungi, dimana informasi awal yang bisa di lihat adalah usia dari masing-masing pengunjung yang telah mendapatkan kuisioner
2
2 : Nilai chi-square fe : Frekuensi yang diharapkan f0 : Frekuensi yang diperoleh/diamati.
Usia
Frek
Usia
Frek
Usia
Frek
3. METODE PENELITIAN
16
14
22
4
31
17
Data yang digunakan dalam penelitian ini merupakan data primer dengan menggunakan instrument penelitian kuesioner. Kuesioner berisi beberapa pertanyaan dalam bentuk skala rating, dengan objeknya adalah pengunjung/konsumen dibeberapa pusat perbelanjaan di makassar yaitu Mall Panakkukang (MP), Mall Ratu Indah (MaRI), dan Makassar Trade Center (MTC), di Makassar yang dipilih secara acak sebagai sampel.
17
10
23
8
37
21
18
17
24
3
38
10
19
24
25
16
40
5
20
15
28
2
41
3
21
20
30
10
42
1
Variabel yang digunakan dalam penelitian ini adalah sebagai berikut; 1. Variabel Atribut, yaitu atribut-atribut yang sangat mempengaruhi sikap kepuasan pada saat berada dalam pusat perbelanjaan/mall tersebut.
63
Setelah mendapatkan hasil data yang diperoleh dari kuisioner, langkah selanjutnya yang akan ditentukan adalah melakukan uji chi-square dengan membuat tabel kontingensi dimana nilai yang di masukkan adalah nilai/jumlah data pengunjung yang menyatakan sikap sangat puas. Dalam hal ini, yang hanya ditentukan adalah nilai yang menyatakan sikap sangat puas karena hanya berpusat pada satu tujuan yakni kepuasan para pengunjung mall itu sendiri
Jurnal MSA Vol 2. No. 1 Ed. Jan-Juni 2014 Tabel 4.2. Tabel kontingensi awal dari total baris dan kolom
H1 : Ada kepuasan kunjungan konsumen terhadap pusat perbelanjaan terhadap atributatribut terkait
Atribut Suasana Tenang
Kualitas Produk
Kondisi Keamanan
Akses Menuju Lokasi
Kondisi Toilet
Keragaman Counter
Arsitektur Bangunan
MP
85
43
68
106
34
70
13
MTC MaRI
19 4
24 21
20 16
21 14
21 18
43 65
40 58
Mall
H0 : Tidak ada kepuasan konsumen terhadap pusat perbelanjaan dengan atribut-atribut terkait
Pada tahap selanjutnya, menentukan nilai frekuensi harapan pada setiap kolom di atas dengan menggunakan rumus;
Sebelum menganaisis data, peneliti merumuskan hipotesis kerja dengan menentukan H0 dan H1,
fe
Total _ Baris Total _ Kolom Total _ Keseluruhan
Sehingga hasil tabel yang diperoleh sebagai berikut;
Tabel 4.3. Tabel kontingensi hasil dari total baris dan kolom Atribut Mall
AB
KP
KC
KA
AML
KT
Total
fo
fe
fo
fe
fo
fe
fo
fe
fo
fe
fo
fe
fo
fe
85
56,35
43
45,92
68
54,27
106
73,57
34
38,09
70
92,88
13
57,92
419
19
25,29
24
20,60
20
24,35
21
33,01
21
17,09
43
41,67
40
25,99
188
4
26,36
21
21,46
16
25,38
14
34,42
18
17,82
65
43,45
58
27,09
196
108
108
88
88
104
104
141
141
73
73
178
111
111
803
MP MT C MaR I Total
ST
Selanjutnya untuk mencari nilai chi-square, maka kita gunakan rumus;
2
fo fe fe
2 = 14,562 + 0,185 + 3,476 + 14,292 + 0,439 + 5,636 + 34,837 + 1,562 + 0,560 + 0,777 + 4,370 + 0,894 + 0,042 + 7,555 + 18,968 + 0,011 + 3,470 + 12,111 + 0,002 + 10,692 + 35,256 = 169,698 Df = (Baris-1)(Kolom-1)
17 8
= (3-1)(7-1) = 12 169,698 ˃ 21,026 (H0 ditolak). Berarti ada hubungan signifikan antara tingkat kepuasan kunjungan konsumen ke pusat perbelanjaan dengan atribut-atribut terkait pada α=0,05. Tahap selanjutnya adalah menentukan hasil dari tabel kontingensi yang selanjutnya akan diproses dengan menggunakan bantuan paket program Minitab.14 Setelah membuat tabel kontingensi seperti di atas, maka data yang diperoleh kemudian diinput kedalam program minitab, sehingga hasil yang kita peroleh antara lain sebagai berikut:
64
Jurnal MSA Vol 2. No. 1 Ed. Jan-Juni 2014 Tabel 4.4. Rangkuman analisis dari tabel kontingensi Analisis dari Tabel Kontingensi Axis 1 2 Total
Inertia 0,2072 0,0041 0,2113
Proportion 0,9804 0,0196
Cumulative 0,9804 1,0000
Histogram *****************
Tabel 4.5. Nilai perbandingan atribut unggulan Profil Baris Atribut Arsitektur Bangunan Suasana Tenang Kualitas Produk Keragaman Counter Kondisi Aman Akses Menuju Lokasi Kondisi Toilet Mass
MP 0,787 0,489 0,654 0,752 0,466 0,393 0,117 0,522
MTC 0,176 0,273 0,192 0,149 0,288 0,242 0,360 0,234
MaRI 0,037 0,239 0,154 0,099 0,247 0,365 0,523 0,244
Mass 0,134 0,110 0,130 0,176 0,091 0,222 0,138
MTC 0,101 0,128 0,106 0,112 0,112 0,229 0,213 0,234
MaRI 0,020 0,107 0,082 0,071 0,092 0,332 0,296 0,244
Mass 0,134 0,110 0,130 0,176 0,091 0,222 0,138
Tabel 4.6. Nilai atribut pada tiap obyek Profil Kolom Atribut Arsitektur Bangunan Suasana Tenang Kualitas Produk Keragaman Counter Kondisi Aman Akses Menuju Lokasi Kondisi Toilet Mass
MP 0,203 0,103 0,162 0,253 0,081 0,167 0,031 0,522
Tabel 4.7. Gambaran umum atribut Kontribusi Baris ID 1 2 3 4 5 6 7
Name Arsitektur Bangunan Suasana Tenang Kualitas Produk Keragaman Counter Kondisi Aman Akses Menuju Lokasi Kondisi Toilet
Qual
Mass
Inert
Component Coord Corr
1,000
0,134
0,207
0,568
1,000
0,110
0,004
1,000
0,130
1,000
1 Contr
Component Coord Corr
2 Contr
0,992
0,209
0,050
0,008
0,081
-0,046
0,241
0,001
0,081
0,759
0,173
0,046
0,272
0,998
0,046
0,002
0,004
0,176
0,181
0,464
0,987
0,183
0,013
0,120
1,000
0,091
0,008
-0,086
0,409
0,003
0,591
0,238
1,000
0,222
0,096
-0,292
0,927
0,091
0,073
0,359
1,000
0,138
0,458
-0,836
0,999
0,466
0,001
0,026
0,011 0,053 0,104 0,082 0,028
Tabel 4.8. Gambaran umum obyek penelitian Kontribusi Kolom Component ID 1 2 3
65
Name MP MTC MaRI
Qual 1,000 1,000 1,000
Mass 0,522 0,234 0,244
Inert 0,433 0,093 0,474
Coord 0,418 -0,268 -0,637
Corr 0,998 0,856 0,989
1 Contr 0,44 0,081 0,478
Component Coord -0,017 0,110 -0,069
Corr 0,002 0,144 0,011
2 Contr 0,038 0,685 0,278
Jurnal MSA Vol 2. No. 1 Ed. Jan-Juni 2014 Selanjutnya, pada model grafik dibawah ini merupakan gambaran pemetaan dari masingmasing kategori atribut dan obyek penelitian yang terdiri dari pemetaan atribut, pemetaan obyek, serta pemetaan atribut pada obyek penelitian yang merupakan gabungan dari pemetaan atribut dan obyek. Perlu diingat dan diketahui pula bahwa untuk melihat keunggulan dari beberapa atribut pada obyek penelitian, maka yang kita perhatikan adalah jarak antara titik yang terdekat pada setiap segmen plot profil baris dan profil kolom, dimana simbol dari kategori atribut (row) adalah lingkaran merah, sedangkan simbol dari kategori obyek (column) adalah kotak biru. Gambar 4.1. Pemetaan atribut Symmetric Plot 0,50
Component 2
0,25 MTC Kondisi man SuasanaATenang
Kondisi Toilet
0,00
MaRI A k ses Menuju Lok asi
A rsitek tur Bangunan Kualitas Produk MP Keragaman C ounter
-0,25 -0,50 -0,75 -1,00 -1,00 -0,75
-0,50 -0,25 0,00 Component 1
0,25
0,50
Gambar 4.2. Pemetaan atribut pada obyek penelitian Row Plot 0,50
Component 2
0,25 Kondisi SuasanaAman Tenang
Kondisi Toilet
0,00
Ak ses Menuju Lok asi
Arsitek tur Bangunan Kualitas Produk Keragaman Counter
-0,25 -0,50 -0,75 -1,00 -1,00 -0,75 -0,50 -0,25 0,00 Component 1
0,25
0,50
A. PEMBAHASAN
Gambaran umum responden berjumlah 215 orang dengan rincian data pada kuisioner yang valid sejumlah 200 orang, yang terdiri dari lakilaki 93 orang dan perempuan 107 orang, dengan usia paling muda adalah 16 tahun dan paling tua
dari responden adalah 42 tahun, dimana kuisioner tersebut dibagikan kepada setiap pengunjung di sekitar mall. Pengumpulan data dimulai dari tanggal 20 Juni 2011 sampai dengan 16 Juli 2011 dan data kuisioner yang telah diperoleh diproses menggunakan perangkat lunak Minitab, dengan menggunakan metode analisis korespondensi untuk mendapatkan perceptual mapp pada atribut dan obyek untuk kemudian diproses lebih lanjut supaya dapat diketahui keunggulan dari masing-masing obyek agar dapat bersaing. Data primer dari kuisioner tersebut dikelompokkan kembali untuk menentukan atribut yang dapat memuaskan pelanggan dengan nilai tertinggi. Tabel 4.4 memperlihatkan rangkuman data dalam dua dimensi bersama nilai singular (singular value) yang biasa juga disebut nilai eigen (eigen value). Kuadrat nilai singular memberikan nilai inersia (inertia). Dalam analisis korespondensi ada ketentuan bahwa jumlah dimensi adalah kategori terkecil dikurangi satu. Jumlah nilai inersia untuk dua dimensi sebesar 0,2113. Proporsi nilai inersia dimensi 1 yakni, (0,2072/0,2113) × 100% = 0,980 menunjukkan bahwa dimensi 1 memberikan konstribusi sebesar 98% kepada keseluruhan nilai inersia dan proporsi nilai inersia dimensi 2 yakni; (0,0041/0,2113) × 100% = 0,019 menunjukkan bahwa dimensi 2 memberikan kontribusi sebesar 1% kepada keseluruhan nilai inersia. Pada Tabel 4.5, Penilaian perbandingan atribut unggulan antar pusat perbelanjaan ditentukan berdasarkan atas besarnya persentase kepuasan pengunjung terhadap atribut-atribut dari ketiga sampel. Tabel diatas menunjukkan persentase keunggulan dari setiap pusat perbelanjaan (mall). Dalam atribut tersebut ternyata arsitektur bangunan yang ditawarkan yang memiliki persentase terbesar yakni 78%, keragaman counter sebesar 75%, dan kualitas produk sebesar 65% dan itu sangat melekat pada MP. Selanjutnya kondisi toilet yang memberikan nilai tertinggi dengan pesentase sebesar 52% dan akses menuju lokasi sebesar 36%, yang bisa di temukan di MaRI, tetapi dalam hal arsitektur bangunan MaRI memiliki persentase terendah sebesar 0,3%. Kemudian di MTC sendiri
66
memberikan persentase kondisi toilet sebesar 36% dan memiliki keunggulan di banding MaRI dalam kondisi keamanan sebesar 28%. Kemudian profil kolom menunjukkan atribut unggulan yang sangat melekat pada tiap-tiap obyek di bandingkan dengan atribut lainnya pada masing-masing obyek (Tabel 4.6) Tabel 4.6, MP memiliki keunggulan pada keragaman counternya (25%), dan arsitektur bangunan memberikan persentase sebesar 20% di banding yang lain. Selanjutnya di MTC memiliki keunggulan berturut-turut pada akses menuju lokasi dan kondisi sarana toilet dengan besar persentase 22% dan 21%. Mall MaRI memiliki keunggulan yang sangat tinggi di banding MP dan MTC yakni dari segi akses menuju lokasi dengan persentase sebesar 33%. Tabel 4.7 memperlihatkan gambaran umum atribut-atribut dalam kaitannya dengan reduksi data menjadi dua komponen. Dari tabel di atas dapat dilihat kontribusi pada masingmasing atribut kepada komponen 1 dan 2, bahwa dari keseluruhan atribut-atribut yang ada, kondisi toilet memberikan kontribusi terbesar kepada komponen 2 (46%), sedangkan untuk suasana ketenangan dalam mall memberikan kontribusi terkecil pada komponen 2 yakni 0,1%. Tabel 4.8 memberikan gambaran umum mengenai obyek penelitian. Dari tabel di atas kita dapat melihat kembali tingkat kontribusi yang diberikan dari setiap obyek penelitian (mall). Berdasarkan hasil yang diperoleh, MaRI memberikan kontribusi tertinggi pada komponen 2 sebanyak 47%, sedangkan MP sendiri memberikan kontribusi pada komponen 2 sebanyak 44%, dan MTC berada pada tingkat terendah yang memberikan kontribusi 0,8%. Pada Gambar 4.1, pemetaan obyek di atas menunjukkan komponen 1 sebagai sumbu X dan komponen 2 sebagai sumbu Y. Selanjutnya kita akan membagi menjadi empat kuadran, kuadran I (kiri atas) menunjukkan bahwa terdapat atribut kondisi keamanan, suasana tenang, dan kondisi sarana toilet. Kuadran II (kiri bawah) menunjukkan atribut tentang akses menuju lokasi. Kuadran III (kanan bawah) menunjukkan atribut keragaman/penyusunan counter dan
67
kualitas produk, dan kuadran IV (kanan atas) terdapat atribut tentang arsitektur bangunan. Gambar 4.2 menunjukkan tentang pemetaan obyek penelitian, dimana MaRI pada kuadran II belum bisa menjadi pesaing dari MTC dan MP, sedangkan MTC pada kuadran I memungkinkan dapat menjadi pesaing dari MP pada kuadran III, tetapi dalam hal ini MP masih berada pada titik keunggulan dari kedua mall tersebut. Gambar 4.3 merupakan gabungan dari pemetaan atribut-atribut dan pemetaan objek penelitian (mall). Dari gambar di atas, dapat dilihat lebih jelas tentang keunggulan-keunggulan dari masing-masing obyek yang terpilih berdasarkan atribut yang sangat berpengaruh pada pusat perbelanjaan (mall) tersebut. Dari hasil yang diperoleh ternyata pada kuadran I terdapat atribut kondisi keamanan, suasana ketenangan dan kondisi toilet, yang mana atribut ini melekat pada MTC. Pada kuadran II terdapat atribut akses menuju lokasi yang mudah di tempuh oleh para pengunjung dan atribut ini melekat pada MaRI, tetapi disisi lain dalam hal akses menuju lokasi, MTC juga dapat menjadi pesaing dari MaRI. Selanjutnya pada kuadran III dan IV yang paling menonjol adalah atribut keragaman counter, kualitas produk, dan arsitektur bangunan yang sangat melekat pada mall MP. 5. KESIMPULAN a.
b.
Berdasarkan pembahasan, pemetaan atribut dengan obyek menunjukkan dengan jelas peta persaingan dari ke empat obyek ada yang menjadi pesaing yang memiliki bobot tinggi dan pesaing yang memiliki bobot yang rendah. Adapun atribut yang terkait untuk memuaskan konsumen ialah arsitektur bangunan, ketenangan, kualitas produk, keragaman counter, keamanan, akses menuju lokasi, dan kondisi toilet. MTC dan MP merupakan dua obyek yang bersaing kuat di bandingkan dengan MaRI, tetapi perlu kita ketahui bahwa setiap obyek memiliki kelebihan atribut yang dapat memberikan kepuasan kepada setiap pengunjung yang datang ke tempat tersebut tetapi ada diantara atribut yang sangat sulit untuk dilakukan adanya perubahan yakni atribut tentang lokasi keberadaan mall.
Jurnal MSA Vol 2. No. 1 Ed. Jan-Juni 2014 Namun hal ini juga akan sangat dipengaruhi oleh domisili pengunjung/konsumen serta kebiasaan berbelanja. Jadi dalam hal ini, jika ingin menemukan kualitas produk dan counter yang beragam dengan arsitektur bangunan yang memuaskan maka MP adalah pilihan yang tepat untuk di kunjungi, dimana tingkat kepuasan tentang kualitas produknya sebesar 65%, keragaman counter sebesar 75% dan arsitektur bangunan sebanyak 78%, tetapi jika ingin merasakan suasana ketenangan dan keamanan yang baik di dalam mall, maka MTC merupakan pilihan yang pas untuk di nikmati, dimana persentase kepuasan MTC dari segi ketenangannya sebesar 27% dan keamanan sebesar 28%. 6. DAFTAR PUSTAKA Agresti,A. 1990. Categorical Data Analisys. John Willey and Sons. New York. Greenacre,M.J. 1984. Theory and Application of Correspondence Analisys. New York. Gumgum Darmawan. 2009. Aplikasi Analisis Korespondensi. FMIPA UNPAD. Yogyakarta. Husein Umar. 2004. Metode Riset Ilmu Administrasi. Gramedia Pustaka Utama. Jakarta. Irlandia Ginanjar.2011. Modul Kuliah Analisis Korespondensi. FMIPA UNPAD. Bandung. Naufal Yusuf.Muhammad AM. 2003. Analisis Data Multivariat Konsep Dan Aplikasi Regresi Linear Ganda. Depok.
Rangkuti, Freddy. 2001. Riset Pemasaran. Gramedia Pustaka Utama. Jakarta. Richard A. Johnson & Dean W.Wichern. 2002. Applied Multivariate Statistical Analisys. University of wisconsin. New Jersey. Sigit Nugroho, Ph.D. 2001. Statistika Multivariat Terapan. UNIB Press. Bengkulu. Supranto,J. 2004. Analisis Multivariat. Arti dan Interpretasi. Jakarta. Tiro, Muhammad Arif, 2006. Analisis Data Multivariat. FMIPA Unhas. Tiro, Muhammad Arif. 2010. Statistika Deskriptif Peubah Banyak. Andira Publisher. Makassar. Zarni Amri dan Ambar Roestam. 2008. Pengenalan Multivariate Anova Two Way Logistik Regressi. UI. Jakarta. [t.p] Analisis Data Dalam Statistik. http://data.tp.ac.id/bank/analisis data dalam statistik.pdf (16 Juni 2011 pukul 17.30). [t.p] Kelebihan dan Kekurangan Analisis Korespondensi. http://vesterstatistics. blogspot.com/2010/02/kelebihan-dankekurangan-analisis.html (30 juli 2011 pukul 17.07). [t.p] Pelatihan Metodologi Penelitian SPSS. http://rahmadwijaya.staff.umm.ac.id (16 Juni 2011 pukul 17.45). [t.p] Uji Chi-Square. http://andiwijayanto.blog.undip.ac.id (01 juli 2011 pukul 11.07). [t.p] UJI CHI-SQUARE. http://berandakami.files.wordpress.com/ 2008/11/uji-chi-square_baru.pdf (31 juli 201
68
