Analisis Kuadran Cita-Cita Dan Persepsi Publik

Analisis kuadran atau Importance Performance Analysis (IPA) ialah sebuah teknik analisis deskriptif yang diperkenalkan oleh John A. Martilla dan John C. James tahun 1977. Importance Performance Analysis ialah suatu teknik analisis yang dipakai untuk mengidentifikasi faktor-faktor kinerja penting apa yang harus ditunjukkan oleh suatu organisasi dalam memenuhi kepuasan para pengguna jasa mereka (konsumen). Awalnya, Martilla dan James memaksudkan metode ini untuk dipakai dalam bidang riset pemasaran dan sikap konsumen. Kendati demikian, pada perkembangan selanjutnya, sekarang penggunaannya telah meluas pada riset-riset pelayanan rumah sakit, pariwisata, sekolah, bahkan hingga analisis atas kinerja birokrasi publik (pemerintahan).

Uji Beda Harapan dan Persepsi

Uji ini dilakukan guna menguji apakah terdapat kesenjangan (gap) antara Harapan dengan Persepsi dalam variabel yang dianalisis. Uji dilakukan dengan membedakan nilai Mean antara Harapan dengan Persepsi dan perbedaan tersebut berlangsung dalam kelompok sampel yang sama (pelanggan sama, mengisi kuesioner sama). Nilai Mean tiap variabel diinput ke dalam SPSS, berlaku untuk variabel Harapan dan variabel Persepsi.

Guna menguji ada tidaknya gap, dipakai Wilcoxon Signed-Rank Test. Uji ini diciptakan oleh Frank Wilcoxon tahun 1945. Uji ini diterapkan pada data-data yang sifatnya non parametrik menyerupai data tidak berdistribusi normal dan diukur dengan skala yang lebih rendah dari interval.

Wilcoxon Signed-Rank Test diterapkan bila terdapat 2 perangkat skor yang ingin diperbandingkan. Skor-skor tersebut berasal dari partisipan yang sama. Skor yang berbeda ialah skor Harapan dan skor Persepsi. Partisipan yang sama ialah Pelanggan yang sama.

Uji Wilcoxon Signed-Rank Test dilakukan dengan memakai SPSS. Tata tertib dalam melaksanakan uji ini dengan SPSS adalah:

1. Buat 2 variabel gres yaitu : (a) Mean Harapan tiap Responden dan (b) Mean Persepsi tiap Responden.
2. Klik sajian Analyze > Nonparametric Tests > 2 Related Samples.
3. Pada jendela Two-Related Samples Test masukkan Mean Harapan ke Variable 1 dan Mean Persepsi ke Variable 2.
4. Pastikan Test Type Wilcoxon sudah terceklis.
5. Klik OK.

Pembuktian uji diterjemahkan ke dalam Hipotesis deskriptif berikut:

• H0 : Tidak ada kesenjangan antara Harapan dengan Persepsi pelanggan.
• H1 : Ada kesenjangan antara Harapan dengan Persepsi pelanggan.

Atau, dalam bentuk Hipotesis Statistik berikut :

• H0 : d = 0, artinya tidak ada gap antara Persepsi dengan Harapan.
• H1 : d ≠ 0, artinya ada gap antara Persepsi dengan Harapan pelanggan.

Di mana Hipotesis Statistik berlaku tatkala kondisi berikut terpenuhi :

• Jika zhitung < ztabel pada tingkat signifikansi 0,05 maka H0 diterima dan H1 ditolak.
• Jika zhitung > ztabel pada tingkat signifikansi 0,05 maka H0 ditolak dan H1 diterima

Rumus untuk mencari z hitung adalah:

Dimana :

• T = selisih terkecil (jika terdapat minus, minus tertinggi)
• N = jumlah sampel (sampel selisih 0 tidak disertakan)

Sementara untuk ztabel, untuk uji 2 sisi, nilai yang dicari ialah 0,025 yaitu 1,96 pada tabel Z score.

Pengambilan keputusan juga sanggup dilihat dengan kurva normal berikut:

Statistik Deskriptif dengan Importance-Performance Analysis (IPA)

Importance-Performance Analysis (selanjutnya disingkat IPA) ialah suatu metode statistik bercorak deskriptif. Metode ini pertama kali diperkenalkan oleh John A. Martilla dan John C. James tahun 1977 lewat karya mereka yang dimuat dalam Journal of Marketing berjudul Importance-Performance Analysis.

Martilla dan James menyodorkan pola sebuah dealer otomobil yang hanya 37% pembeli mobilnya tetap loyal sehabis mencapai 6000 mil. Perusahaan hendak meningkatkan loyalitas hingga 50%, terutama memperbaiki sektor pelayanan mereka. Lalu ditentukan 14 atribut yang diyakini punya imbas dalam konteks pelayanan. Responden kemudian ditanyai 2 pertanyaan untuk ke-14 atribut tersebut, yaitu:

1. Seberapa pentingkah layanan ini ? (melukiskan Harapan)
2. Seberapa baikkah kinerja dealer? (melukiskan Persepsi)

Kuesioner dikirim pada 634 orang yang pernah membeli kendaraan beroda empat gres dari dealer tersebut. Hasilnya kembali 284 kuesioner yang telah diisi.

Hal menarik dari IPA ialah hasil penelitian disampaikan dalam bentuk kuadran 2 dimensi yang bersifat grafis dan gampang diinterpretasi. Hasil kuadran penelitian yang dicontohkan Martilla dan James sebagai berikut:

Dalam menginterpretasi kuadran, keduanya merinci sebagai berikut:

A. Concentrate Here (konsentrasi di sini).

Faktor-faktor yang terletak dalam kuadran ini dianggap sebagai faktor yang Penting dan atau Diharapkan oleh konsumen tetapi kondisi Persepsi dan atau Kinerja Aktual yang ada pada dikala ini belum memuaskan sehingga pihak administrasi berkewajiban mengalokasikan sumber daya yang memadai untuk meningkatkan kinerja banyak sekali faktor tersebut. Faktor-faktor yang terletak pada kuadran ini merupakan prioritas untuk ditingkatkan.

B. Keep up with the good work (pertahankan prestasi).

Faktor-faktor yang terletak pada kuadran ini dianggap Penting dan Diharapkan sebagai faktor penunjang bagi kepuasan konsumen sehingga pihak administrasi berkewajiban memastikan bahwa kinerja institusi yang dikelolanya sanggup terus mempertahankan prestasi yang telah dicapai.

C. Low Priority (prioritas rendah)

Faktor-faktor yang terletak pada kuadran ini memiliki tingkat Persepsi atau Kinerja Aktual yang rendah sekaligus dianggap tidak terlalu Penting dan atau terlalu Diharapkan oleh konsumen sehingga administrasi tidak perlu memprioritaskan atau terlalu memperlihatkan perhatian pada faktor-faktor tersebut.

D. Possibly Overkill (terlalu berlebih).

Faktor-faktor yang terletak pada kuadran ini dianggap Tidak Terlalu Penting dan atau Tidak Terlalu Diharapkan sehingga pihak administrasi perlu mengalokasikan sumber daya yang terkait dengan faktor-faktor tersebut kepada faktor-faktor lain yang memiliki prioritas penanganan lebih tinggi yang masih membutuhkan peningkatan, semisal di kuadran B.

C. L. Martinez mengutarakan terdapat 2 (dua) cara dalam mempresentasikan data IPA. Pertama, menempatkan garis perpotongan kuadran pada nilai rata-rata pada sumbu tingkat kepuasan dan sumbu prioritas penanganan dengan tujuan mengetahui secara umum penyebaran data terletak pada kuadran ke berapa. Kedua, menempatkan garis perpotongan kuadran pada nilai rata—rata hasil pengamatan pada sumbu tingkat kepuasan dan sumbu prioritas penangan dengan tujuan untuk mengetahui secara spesifik masing-masing faktor terletak pada kuadran berapa. Metode kedua ini lebih banyak dipergunakan oleh para peneliti.

Dalam konteks IPA ini, peneliti akan melaksanakan langkah-langkah sebagai berikut:

1. Menghitung Mean Harapan setiap responden.
2. Menghitung Mean Persepsi setiap responden.
3. Melakukan plotting Mean Harapan dan Mean Persepsi secara Cartesian ke dalam Kuadran IPA Martilla and James.
4. Melakukan interpretasi dan analisis seputar indikator-indikator apa yang masuk ke dalam kategori:

             Concentrate Here;

             Keep Up with the Good Work;

             Low Priority

             Possibly Overkill            


Bagaimana Menggambar Kuadran?

Ciri khas dari teknik analisis metode Importance Performance Analysis ialah penggunaan kuadran kartesian (seperti di atas). Persoalannya, bagaimana menciptakan titik pusat untuk garis x dan garis y. Misalnya, seorang peneliti hendak mengungkap Kualitas Pelayanan Partai X atas Konstituennya. Apakah terjadi Gap antara Harapan dengan Persepsi Konstituen atas Kualitas Pelayanan Partai X, ialah pokok dilema utama. Pokok dilema ini diselesaikan lewat uji Wilcoxon Sign-Rank di atas.

Pokok dilema lanjutannya, peneliti ingin mengetahui indikator-indikator Kualitas Pelayanan apa saja yang masuk ke dalam Kuadran A, B, C, atau D. Indikator kualitas pelayanan yang diteliti ada lima yaitu Reliability, Responsiveness, Assurance, Empathy, dan Tangible. Masing-masing indikator diwakili oleh 5 item pertanyaan. Kaprikornus penelitiannya terdiri atas 5 indikator yang diukur lewat 20 item pertanyaan.

Peneliti telah menyebar kuesioner sebanyak 269 dan telah dicoding sekaligus diinput ke dalam komputer. Peneliti sekarang hendak mengetahui plot-plot data untuk masing-masing item dan masing-masing indikator. Apa yang harus dilakukan kemudian?

Plotting Data untuk Masing-masing Item

Pertama, peneliti harus memilih c-line untuk sumbu x dan c-line untuk sumbu y. Cara mencarinya ialah peneliti menciptakan tabel berikut:

Perhatikan gambar di atas. Untuk Item#1, Pernyataan P diisi dengan butir pernyataan 1 sesuai kuesioner, demikian pula dengan Pernyatan E. Lalu, Kolom mean persepsi (p) diisi dengan nilai mean ke-269 responden dalam menanggapi Pernyataan P#1. Demikian pula dengan mean cita-cita (e) diisi dengan nilai mean ke-269 responden dalam menanggapi Pernyataan E#1. Kolom gap p-e diisi dengan mean persepsi (p) dikurangi mean cita-cita (e).

Demikianlah, peneliti terus melanjutnya hingga item #20. Hal yang terpenting ialah mengisi baris terbawah: C-Line. C-Line ialah sum/20. Misalnya, C-Line untuk mean persepsi (p) ialah sum-nya (yaitu 63,65/20) yang ialah 3,18. C-Line untuk mean cita-cita (e) ialah sum-nya (yaitu 78,76/20) yang ialah 3,94. C-Line mean persepsi (3,18) akan menjadi c-line sumbu x. C-Line mean cita-cita (3,94) akan menjadi c-line sumbu y. Hasilnya akan menyerupai berikut ini:

Setelah menaruh nilai 3,18 di sumbu x tariklah garis vertikal ke atas sehingga membelah kuadran menjadi sisi kiri dan sisi kanan. Setelah menaruh nilai 3,94 di sumbu y tariklah garis horisontal ke kanan sehingga membelah kuadran menjadi sisi atas dan sisi bawah. Kini kuadran 4 telah terbentuk dan eksklusif namai menjadi A, B, C, dan D.

Plot-plot data dibentuk berdasarkan nilai yang tertera pada mean persepsi (p) dan mean cita-cita (e) masing-masing item. Mean (p) ditaruh di sumbu x, mean (e) ditaruh di sumbu y. Misalnya item #1 sumbu x nya 3,20 sumbu y nya 3,94. Dan seterusnya hingga ke-20 item ter-plot untuk masuk ke dalam kuadran. Kini peneliti tinggal menganalisis masing-masing item, apakah masuk kuadran A, B, C, atau D. Justru kinilah dikala peneliti berargumentasi sesuai fakta kuadran.

Plotting Data untuk Masing-masing Indikator

Hal ini serupa menyerupai sebelumnya. C-line untuk sumbu x dan y ialah sama. Hanya saja plotting datanya yang berbeda. Perhitungannya bila peneliti memakai 5 indikator (reliability, responsiveness, assurance, empathy, dan tangible) maka mean persepsi dan mean cita-cita dibentuk berdasarkan skor masing-masing indikator. Misalnya untuk indikator Reliability, peneliti mengukurnya lewat item#1, item#2, item#3, dan item#4. Peneliti cukup mencari rata-rata berdasarkan keempat item untuk mean persepsi (p) dan mean cita-cita (e). Hasilnya sebagai berikut:

Dapat diperhatikan, c-line untuk sumbu x dan sumbu y sama dengan bagi 20 item di atas. Hal yang berbeda ialah mean p dan mean e nya. Mean p untuk indikator Keandalan misalnya, diperoleh dari perhitungan (mean p item#1 + mean p item#2 + mean p item#3 + mean p item#4)/4 = 3,21. Demikian untuk mean e dan indikator-indikator selanjutnya.

Untuk plotting data selanjutnya sama dengan cara di atas. Hanya saja, tentu plotting yang dihasilkan cuma 5 plot alasannya ialah memakai 5 indikator. Dengan 5 indikator hasil plotting contohnya sebagai berikut:

Daftar Pustaka

1. Andi Field, Discovering Statistics using SPSS, Second Edition (California : SAGE Publication, 2006)
2. John A. Martilla and John C. James, “Importance-Performance Analysis” (Journal of Marketing, January, 1977) pp. 77 – 79.
3. Rudi Setiawan, “Analisa Tingkat Kepuasan Pengguna Kereta Api Komuter Surabaya – Sidoarjo” (Surabaya : Jurusan Teknik Sipil Universitas Nasrani Petra, tt)

tags:
cara melaksanakan analisis cita-cita dan persepsi publik kuadran a b c dan d analisis cita-cita dan persepsi publik pelanggan menciptakan kuadran pelayanan

Tweet

Rian SEO

Blogger yang senang mempelajari hal-hal baru seputar Blog, SEO dan Bisnis Online.

Subscribe to receive free email updates: