Analisis kuadran atau Importance Performance Analysis (IPA) adalah sebuah teknik analisis deskriptif yang diperkenalkan oleh John A. Martilla dan John C. James tahun 1977. Importance Performance Analysis adalah suatu teknik analisis yang digunakan 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 digunakan dalam bidang riset pemasaran dan perilaku konsumen. Kendati demikian, pada perkembangan selanjutnya, kini 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, digunakan Wilcoxon Signed-Rank Test. Uji ini diciptakan oleh Frank Wilcoxon tahun 1945. Uji ini diterapkan pada data-data yang sifatnya non parametrik seperti data tidak berdistribusi normal dan diukur dengan skala yang lebih rendah dari interval.
Wilcoxon Signed-Rank Test diterapkan jika terdapat 2 perangkat skor yang ingin diperbandingkan. Skor-skor tersebut berasal dari partisipan yang sama. Skor yang berbeda adalah skor Harapan dan skor Persepsi. Partisipan yang sama adalah Pelanggan yang sama.
Uji Wilcoxon Signed-Rank Test dilakukan dengan menggunakan SPSS. Tata tertib dalam melakukan uji ini dengan SPSS adalah:
Pembuktian uji diterjemahkan ke dalam Hipotesis deskriptif berikut:
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, digunakan Wilcoxon Signed-Rank Test. Uji ini diciptakan oleh Frank Wilcoxon tahun 1945. Uji ini diterapkan pada data-data yang sifatnya non parametrik seperti data tidak berdistribusi normal dan diukur dengan skala yang lebih rendah dari interval.
Wilcoxon Signed-Rank Test diterapkan jika terdapat 2 perangkat skor yang ingin diperbandingkan. Skor-skor tersebut berasal dari partisipan yang sama. Skor yang berbeda adalah skor Harapan dan skor Persepsi. Partisipan yang sama adalah Pelanggan yang sama.
Uji Wilcoxon Signed-Rank Test dilakukan dengan menggunakan SPSS. Tata tertib dalam melakukan uji ini dengan SPSS adalah:
- Buat 2 variabel baru yaitu : (a) Mean Harapan tiap Responden dan (b) Mean Persepsi tiap Responden.
- Klik menu Analyze > Nonparametric Tests > 2 Related Samples.
- Pada jendela Two-Related Samples Test masukkan Mean Harapan ke Variable 1 dan Mean Persepsi ke Variable 2.
- Pastikan Test Type Wilcoxon sudah terceklis.
- Klik OK.
- H0 : Tidak ada kesenjangan antara Harapan dengan Persepsi pelanggan.
- H1 : Ada kesenjangan antara Harapan dengan Persepsi pelanggan.
- H0 : d = 0, artinya tidak ada gap antara Persepsi dengan Harapan.
- H1 : d ≠ 0, artinya ada gap antara Persepsi dengan Harapan pelanggan.
- 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
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 adalah 0,025 yaitu 1,96 pada tabel Z score.
Pengambilan keputusan juga dapat dilihat dengan kurva normal berikut:
Statistik Deskriptif dengan Importance-Performance Analysis (IPA)
Importance-Performance Analysis (selanjutnya disingkat IPA) adalah 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 contoh sebuah dealer otomobil yang hanya 37% pembeli mobilnya tetap loyal setelah mencapai 6000 mil. Perusahaan hendak meningkatkan loyalitas hingga 50%, terutama memperbaiki sektor pelayanan mereka. Lalu ditentukan 14 atribut yang diyakini punya pengaruh dalam konteks pelayanan. Responden lalu ditanyai 2 pertanyaan untuk ke-14 atribut tersebut, yaitu:
Kuesioner dikirim pada 634 orang yang pernah membeli mobil baru dari dealer tersebut. Hasilnya kembali 284 kuesioner yang telah diisi.
Hal menarik dari IPA adalah hasil penelitian disampaikan dalam bentuk kuadran 2 dimensi yang bersifat grafis dan mudah 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 saat ini belum memuaskan sehingga pihak manajemen berkewajiban mengalokasikan sumber daya yang memadai untuk meningkatkan kinerja berbagai 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 manajemen berkewajiban memastikan bahwa kinerja institusi yang dikelolanya dapat terus mempertahankan prestasi yang telah dicapai.
C. Low Priority (prioritas rendah)
Faktor-faktor yang terletak pada kuadran ini mempunyai tingkat Persepsi atau Kinerja Aktual yang rendah sekaligus dianggap tidak terlalu Penting dan atau terlalu Diharapkan oleh konsumen sehingga manajemen tidak perlu memprioritaskan atau terlalu memberikan 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 manajemen perlu mengalokasikan sumber daya yang terkait dengan faktor-faktor tersebut kepada faktor-faktor lain yang mempunyai 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.
N = jumlah sampel (sampel selisih 0 tidak disertakan)
Sementara untuk ztabel, untuk uji 2 sisi, nilai yang dicari adalah 0,025 yaitu 1,96 pada tabel Z score.
Pengambilan keputusan juga dapat dilihat dengan kurva normal berikut:
Statistik Deskriptif dengan Importance-Performance Analysis (IPA)
Importance-Performance Analysis (selanjutnya disingkat IPA) adalah 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 contoh sebuah dealer otomobil yang hanya 37% pembeli mobilnya tetap loyal setelah mencapai 6000 mil. Perusahaan hendak meningkatkan loyalitas hingga 50%, terutama memperbaiki sektor pelayanan mereka. Lalu ditentukan 14 atribut yang diyakini punya pengaruh dalam konteks pelayanan. Responden lalu ditanyai 2 pertanyaan untuk ke-14 atribut tersebut, yaitu:
- Seberapa pentingkah layanan ini ? (melukiskan Harapan)
- Seberapa baikkah kinerja dealer? (melukiskan Persepsi)
Hal menarik dari IPA adalah hasil penelitian disampaikan dalam bentuk kuadran 2 dimensi yang bersifat grafis dan mudah diinterpretasi. Hasil kuadran penelitian yang dicontohkan Martilla dan James 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 saat ini belum memuaskan sehingga pihak manajemen berkewajiban mengalokasikan sumber daya yang memadai untuk meningkatkan kinerja berbagai 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 manajemen berkewajiban memastikan bahwa kinerja institusi yang dikelolanya dapat terus mempertahankan prestasi yang telah dicapai.
C. Low Priority (prioritas rendah)
Faktor-faktor yang terletak pada kuadran ini mempunyai tingkat Persepsi atau Kinerja Aktual yang rendah sekaligus dianggap tidak terlalu Penting dan atau terlalu Diharapkan oleh konsumen sehingga manajemen tidak perlu memprioritaskan atau terlalu memberikan 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 manajemen perlu mengalokasikan sumber daya yang terkait dengan faktor-faktor tersebut kepada faktor-faktor lain yang mempunyai 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 melakukan langkah-langkah sebagai berikut:
Dalam konteks IPA ini, peneliti akan melakukan langkah-langkah sebagai berikut:
- Menghitung Mean Harapan setiap responden.
- Menghitung Mean Persepsi setiap responden.
- Melakukan plotting Mean Harapan dan Mean Persepsi secara Cartesian ke dalam Kuadran IPA Martilla and James.
- Melakukan interpretasi dan analisis seputar indikator-indikator apa yang masuk ke dalam kategori:
Concentrate Here;Keep Up with the Good Work;Low PriorityPossibly Overkill
Bagaimana Menggambar Kuadran?
Ciri khas dari teknik analisis metode Importance Performance Analysis adalah penggunaan kuadran kartesian (seperti di atas). Persoalannya, bagaimana membuat 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, adalah pokok masalah utama. Pokok masalah ini diselesaikan lewat uji Wilcoxon Sign-Rank di atas.
Pokok masalah 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. Jadi 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 kini 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 menentukan c-line untuk sumbu x dan c-line untuk sumbu y. Cara mencarinya adalah peneliti membuat 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 harapan (e) diisi dengan nilai mean ke-269 responden dalam menanggapi Pernyataan E#1. Kolom gap p-e diisi dengan mean persepsi (p) dikurangi mean harapan (e).
Demikianlah, peneliti terus melanjutnya hingga item #20. Hal yang terpenting adalah mengisi baris terbawah: C-Line. C-Line adalah sum/20. Misalnya, C-Line untuk mean persepsi (p) adalah sum-nya (yaitu 63,65/20) yang adalah 3,18. C-Line untuk mean harapan (e) adalah sum-nya (yaitu 78,76/20) yang adalah 3,94. C-Line mean persepsi (3,18) akan menjadi c-line sumbu x. C-Line mean harapan (3,94) akan menjadi c-line sumbu y. Hasilnya akan seperti 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 langsung namai menjadi A, B, C, dan D.
Plot-plot data dibuat menurut nilai yang tertera pada mean persepsi (p) dan mean harapan (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 saat peneliti berargumentasi sesuai fakta kuadran.
Plotting Data untuk Masing-masing Indikator
Hal ini serupa seperti sebelumnya. C-line untuk sumbu x dan y adalah sama. Hanya saja plotting datanya yang berbeda. Perhitungannya jika peneliti menggunakan 5 indikator (reliability, responsiveness, assurance, empathy, dan tangible) maka mean persepsi dan mean harapan dibuat 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 harapan (e). Hasilnya sebagai berikut:
Dapat diperhatikan, c-line untuk sumbu x dan sumbu y sama dengan bagi 20 item di atas. Hal yang berbeda adalah 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 karena menggunakan 5 indikator. Dengan 5 indikator hasil plotting misalnya sebagai berikut:
Field, Andi, Discovering Statistics using SPSS, Second Edition (California : SAGE Publication, 2006)
Dapat diperhatikan, c-line untuk sumbu x dan sumbu y sama dengan bagi 20 item di atas. Hal yang berbeda adalah 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 karena menggunakan 5 indikator. Dengan 5 indikator hasil plotting misalnya sebagai berikut:
Sumber Pengetahuan
Field, Andi, Discovering Statistics using SPSS, Second Edition (California : SAGE Publication, 2006)
Martilla, John A. and John C. James, “Importance-Performance Analysis” (Journal of Marketing, January, 1977) pp. 77 – 79.
Setiawan, Rudi, “Analisa Tingkat Kepuasan Pengguna Kereta Api Komuter Surabaya – Sidoarjo” (Surabaya : Jurusan Teknik Sipil Universitas Kristen Petra, tt)
Disclaimer
Artikel ini adalah karya saya yang dahulu beralamat di:
https://www.setabasri.com/2011/04/analisis-deskriptif-dengan-importance.html
https://setabasri01.blogspot.com/2011/04/analisis-deskriptif-dengan-importance.html
.webp)
https://orcid.org/0000-0002-1420-4288
0 Komentar
Silakan tulis komentar Anda.