Langkah-langkah Analisis Importance Performance Analysis (IPA)

By With 273 comments:
Importance Performance Analysis (IPA) digunakan untuk mengukur tingkat kepuasan seseorang atas kinerja pihak lain. Kepuasan seseorang tersebut diukur dengan cara membandingkan tingkat harapannya dengan kinerja yang dilakukan pihak lain. Seringkali IPA digunakan oleh perusahaan untuk mengukut kepuasan konsumennya.

Perusahaan membandingkan antara harapan konsumen dengan kinerja yang telah dilakukannya. Apabila tingkat harapannya lebih tinggi daripada kinerja perusahaan berarti konsumen tersebut belum mencapai kepuasan, begitu pula sebaliknya.

Menurut Martinez dalam Ariyoso (2009) menyebutkan bahwa “IPA telah diterima secara umum dan dipergunakan pada berbagai bidang kajian karena kemudahan untuk diterapkan dan tampilan hasil analisa yang memudahkan usulan perbaikan kinerja”. Adapun langkah-langkah analisis IPA adalah sebagai berikut:

Mencari Harga Kesesuaian (dengan analisis IPA)
Tingkat kesesuaian adalah hasil perbandingan skor kinerja dengan skor kepentingan. Untuk mengetahui apakah kinerja relathionship marketing pada bisnis multi level marketing IFA sudah sesuai dengan kepentingan para membernya dan untuk mengetahui tingkat kepuasan para member ini dianalisis antara kepentingan dan pelayanan riil yang diwakilkan oleh huruf Y dan X, dimana X merupakan tingkat kinerja yang memberikan kepuasan member IFA, sedangkan Y merupakan tingkat kepentingan  member IFA. Adapun rumus yang digunakan  adalah: 
(John Martila and John C. James yang dikutip oleh J. Supranto, 2006: 241).

Keterangan:
Tki =  Tingkat kesesuaian responden.
Xi =  Skor penilaian kinerja perusahaan
Yi =  Skor penilaian kepentingan pelanggan

Sumbu mendatar (X) akan diisi oleh skor tingkat kinerja, sedangkan sumbu tegak (Y) akan diisi oleh skor tingkat kepentingan. Dalam penyederhanaan rumus, maka untuk setiap atribut yang mempengaruhi kepuasan konsumen dapat diketahui dengan rumus:
(J. Supranto, 2006: 241).

Diagram kartesius digunakan untuk mengetahui indikator jasa pelayanan yang memuaskan atau tidak memuaskan konsumen. Rumus yang digunakan adalah:
(J. Supranto, 2006: 242).
dimana, K = Banyaknya atribut/fakta yang dapat mempengaruhi kepuasan pelanggan.

Diagram Kartesius
Diagram kartesius digunakan untuk memetakan atibut-atribut kualitas jasa pelayanan pendidikan yang telah dianalisis, dengan gambar sebagai berikut:

Keterangan:
A : Menunjukkan faktor atau atribut yang dianggap mempengaruhi kepuasan pelanggan, termasuk unsur-unsur jasa yang dianggap sangat penting, namun manajemen belum melaksanakannya sesuai dengan keinginan pelanggan sehingga mengecewakan/tidak puas.
B : Menunjukkan unsur jasa pokok yang telah berhasil dilaksanakan. Untuk itu wajib dipertahankannya. Dianggap sangat penting dan sangat memuaskan.
C : Menunjukkan beberapa faktor yang kurang penting pengaruhnya bagi pelanggan. Pelaksanaannya oleh perusahaan biasa-biasa saja. Dianggap kurang penting dan kurang memuaskan.
D : Menunjukkan faktor yang mempengaruhi pelanggan kurang penting, akan tetapi pelaksanaannya berlebihan. Dianggap kurang penting tetapi sangat memuaskan. (J. Supranto, 2006).

Untuk menanggapi banyaknya komentar pada artikel ini, saya sudah mem-publish sebuah video tutorial tentang Langkah-langkah Analisis IPA ini. Video tersebut dapat anda lihat pada link di bawah ini:
https://youtu.be/ZY7LBRxbCoA

Langkah-langkah Uji Wilcoxon

By With No comments:
Hipotesis
H0 : Tidak terdapat perbedaan yang signifikan antara kelas eksperimen (menggunakan media blog) dengan kelas kontrol (tidak menggunakan media blog).
H1 : Terdapat perbedaan yang signifikan antara kelas eksperimen (menggunakan media blog) dengan kelas kontrol (tidak menggunakan media blog)

Taraf Signifikansi (α) = 5%

Rumus uji wilcoxon
 
Keterangan:
N = jumlah data
T = jumlah rangking dari nilai selisish yang negative atau positif

Kriteria Pengujian
H0 diterima dan H1 ditolak apabila nilai probabilitas > 0,05.
H0 ditolak dan H1 diterima apabila nilai probabilitas < 0,05.

Sumber:  
Suharyadi dan Purwanto S.K. 2004. Statistik untuk Ekonomi dan Keuangan Modern. Jakarta: Salemba Empat.

Uji Hipotesis Menggunakan Regresi Berganda, Uji F, Uji t, dan Adjusted R Squared

By With 4 comments:
Menghitung Pesamaan Garis Regresi Linier Ganda
Analisis Regresi Linear Berganda adalah hubungan secara linier antara dua atau lebih variabel independen (X1, X2,...Xn) dengan variabel dependen (Y).

Analisis ini untuk mengetahui arah hubungan antara variabel independen dengan variabel dependen apakah masing-masing variabel independen berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan.

Adapun contoh persamaan regresi linear berganda adalah:


Y = a + b1.X1 + b2.X2

Keterangan:
Y = Variabel Terikat
X1 dan X2 = Variabel Bebas
a = Intersep
b1 dan b2 = konstanta

Langkah Mencari Persamaan Regresi Linear Berganda dengan Software IBM SPSS 21 bisa dipelajari DI SINI!

Uji F  
Uji F digunakan untuk mengetahui pengaruh variabel bebas secara bersama-sama (simultan) terhadap variabel terikat. Signifikan berarti hubungan yang terjadi dapat berlaku untuk populasi.

Penggunaan tingkat signifikansinya beragam, tergantung keinginan peneliti, yaitu 0,01 (1%) ; 0,05 (5%) dan 0,10 (10%).

Hasil uji F dilihat dalam tabel ANOVA dalam kolom sig. Sebagai contoh, kita menggunakan taraf signifikansi 5% (0,05), jika nilai probabilitas < 0,05, maka dapat dikatakan terdapat pengaruh yang signifikan secara bersama-sama antara variabel bebas terhadap variabel terikat.

Namun, jika nilai signifikansi > 0,05 maka tidak terdapat pengaruh yang signifikan secara bersama-sama antara variabel bebas terhadap variabel terikat.

Uji F bisa dilakukan dengan bantuan software SPSS, apabila ingin mempelajari Langkah Uji F dengan Software SPSS 21, silakan klik DI SINI!

Uji t
Uji t digunakan untuk menguji secara parsial masing-masing variabel. Hasil uji t dapat dilihat pada tabel coefficients pada kolom sig (significance).  Jika probabilitas nilai t atau signifikansi < 0,05, maka dapat dikatakan bahwa terdapat pengaruh antara variabel bebas terhadap variabel terikat secara parsial.
Namun, jika probabilitas nilai t atau signifikansi > 0,05, maka dapat dikatakan bahwa tidak terdapat pengaruh yang signifikan antara masing-masing variabel bebas terhadap variabel terikat.

Sama halnya dengan Uji F, Uji t juga bisa dilakukan dengan bantuan software SPSS, apabila ingin mempelajari Langkah Uji t dengan Software SPSS 21, silakan klik DI SINI!!

Koefisien Determinasi (Adjusted R Square)
Uji ini bertujuan untuk menentukan proporsi atau persentase total variasi dalam variabel terikat yang diterangkan oleh variabel bebas.

Apabila analisis yang digunakan adalah regresi sederhana, maka yang digunakan adalah nilai R Square. Namun, apabila analisis yang digunakan adalah regresi bergenda, maka yang digunakan adalah Adjusted R Square.

Hasil perhitungan Adjusted R2 dapat dilihat pada output Model Summary. Pada kolom Adjusted R2 dapat diketahui berapa persentase yang dapat dijelaskan oleh variabel-variabel bebas terhadap variabel terikat. Sedangkan sisanya dipengaruhi atau dijelaskan oleh variabel-variabel lain yang tidak dimasukkan dalam model penelitian.

Langkah mencari Koefisien Determinasi (Adjusted R Square) dengan software IBM SPSS 21 bisa anda lihat DI SINI!

Contoh:
Apabila nilai Adjusted R Square adalah 0,54; maka besarnya pengaruh variabel bebas terhadap variabel terikat adalah 54%, sedangkan sisanya (100 – 54 = 46%) dijelaskan oleh variabel lain di luar penelitian.

Artikel Terkait:
Langkah Uji F dengan SPSS 21
Langkah Uji t dengan SPSS 21
Langkah Mencari Adjusted R Square dengan Software IBM SPSS 21
Langkah Mencari Persamaan Regresi Linear Berganda dengan Software IBM SPSS 21

Popular Posts