Your SlideShare is downloading. ×
Analisis Chaid Sebagai Alat Bantu Statistika Untuk  (Vita & Dessy)
Analisis Chaid Sebagai Alat Bantu Statistika Untuk  (Vita & Dessy)
Analisis Chaid Sebagai Alat Bantu Statistika Untuk  (Vita & Dessy)
Analisis Chaid Sebagai Alat Bantu Statistika Untuk  (Vita & Dessy)
Analisis Chaid Sebagai Alat Bantu Statistika Untuk  (Vita & Dessy)
Analisis Chaid Sebagai Alat Bantu Statistika Untuk  (Vita & Dessy)
Analisis Chaid Sebagai Alat Bantu Statistika Untuk  (Vita & Dessy)
Analisis Chaid Sebagai Alat Bantu Statistika Untuk  (Vita & Dessy)
Analisis Chaid Sebagai Alat Bantu Statistika Untuk  (Vita & Dessy)
Analisis Chaid Sebagai Alat Bantu Statistika Untuk  (Vita & Dessy)
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

Analisis Chaid Sebagai Alat Bantu Statistika Untuk (Vita & Dessy)

1,507

Published on

0 Comments
1 Like
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
1,507
On Slideshare
0
From Embeds
0
Number of Embeds
3
Actions
Shares
0
Downloads
44
Comments
0
Likes
1
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. ANALISIS CHAID SEBAGAI ALAT BANTU STATISTIKA UNTUK SEGMENTASI PASAR (Studi Kasus pada Koperasi Syari’ah Al-Hidayah) Yohanes Sondang Kunto Staf Pengajar Fakultas Ekonomi, Universitas Kristen Petra, Surabaya Siti Nurul Hasana Peneliti Lepas – Alumnus Universitas Brawijaya, Malang Abstrak: Segmentasi pasar adalah bahasan klasik di bidang pemasaran yang tidak pernah pernah kehilangan daya tariknya. Dalam riset-riset segmentasi, ada dua metode pendekatan yaitu metode interdependensi dan dependensi. Statistika menyediakan banyak alat bantu untuk riset-riset segmentasi. Salah satu alat bantu statistika untuk riset segmentasi yang menggunakan pendekatan dependensi adalah analisis CHAID (Chi-Squared Automatic Interaction Detection analysis). Analisis CHAID akan menghasilkan diagram yang mirip dengan diagram pohon keputusan yang menyediakan informasi tentang derajat hubungan antara variabel dependen terhadap variabel independen dan informasi mengenasi karakteristik segmen. Analisis CHAID mampu menangani variabel independen monotonik, bebas, dan mengambang. Pada kasus Koperasi Syari'ah Al-Hidayah, analisis CHAID digunakan untuk menentukan segmentasi nasabah berdasarkan status kredit nasabah sebagai variabel dependen dan data demografis nasabah sebagai variabel independen. Segmentasi nasabah dengan bantuan analisis CHAID dilakukan untuk mengidentifikasi segmen nasabah yang memiliki rasio kredit macet yang paling rendah. Berdasarkan hasil analisis CHAID didapatkan empat segmen. Segmen nasabah dengan karakteristik mempunyai penghasilan rata-rata sebesar < Rp. 1.500.000,00, berjenis kelamin perempuan, serta berusia > 30 tahun adalah segmen yang memiliki rasio kredit macet yang paling rendah. Kata kunci: Abstract: Market segmentation is a classic topic in marketing which is never loss its attractiveness. In segmentation research, there is two approach methods which is interdependency method and dependency method. Statistics provides many tools for segmentation research. One of statistical tool for segmentation research which takes the dependency method as an approach is CHAID analysis (Chi-Squared Automatic Interaction Detection analysis). CHAID analysis would provide decision tree like diagram which provide information about degree of association from dependent variable to the independent variables and the information about segments characteristic. CHAID analysis could handle monotonic, free, and floating independent variables. In Koperasi Syari'ah Al-Hidayah case, CHAID analysis was used to determine the segment of its relationship based on the relationship credit status as the dependent variables and demographics data as independent variables. Relationship segmentation using CHAID analysis was conducted to identify relationship segment which has the lowest ratio of unpaid credit. Using CHAID analysis, four segments were identified. Relationship segment which has monthly income less than Rp 1.500.000,00, female, and over 30 years old is the lowest ratio of unpaid credit segment. Keywords: PENDAHULUAN dengan yang lain. Segmen-segmen yang terbentuk tersebut akan digunakan sebagai acuan untuk Salah satu bahasan klasik dalam bidang menentukan target pasar. pemasaran adalah segmentasi pasar. Sekalipun ter- Menurut Kasali (1998), secara garis besar ada golong ke dalam bahasan yang klasik, segmentasi dua metode yang lazim dipakai dalam riset-riset pasar tidak pernah tidak pernah kehilangan daya segmentasi dewasa ini, yaitu metode interdependensi tariknya. Hal ini dikarenakan segmentasi pasar adalah dan metode dependensi. Dalam metode interdepen- kunci utama untuk mencapai strategi pemasaran yang densi, segmentasi hanya dibentuk oleh variabel- ideal. variabel bebas. Dalam metode ini, variabel-variabel Segmentasi pasar secara sederhana dapat bebas tidak dikaitkan dengan variabel terikat yang diartikan sebagai proses untuk membagi suatu harus dijelaskan atau diprediksikan. Tujuannya adalah populasi individu ke dalam kelompok atau segmen menemukan kelompok-kelompok konsumen yang lebih kecil yang berbeda karakteristiknya satu Jurusan Manajemen Pemasaran, Fakultas Ekonomi – Universitas Kristen Petra http://puslit.petra.ac.id/~puslit/journals/dir.php?DepartmentID=MAR 88
  • 2. Kunto: Analisis Chaid Sebagai Alat Bantu Statistika untuk Segmentasi Pasar 89 (segmen-segmen) yang memiliki kesamaan respons kriteria tertentu. Hal ini kemudian diteruskan dengan terhadap variabel-variabel bebas tertentu, di mana membagi kelompok-kelompok tersebut menjadi variabel-variabel bebas tersebut bersifat sangat luas kelompok yang lebih kecil berdasarkan variabel dan umumnya berbentuk pernyataan-pernyataan. variabel independen yang lain. Prosesnya berlanjut Berbeda dengan metode interdependensi, dalam sampai tidak ditemukan lagi variabel independen – metode dependensi, segmen-segmen dihasilkan variabel independen yang signifikan secara statistik. karena ada hubungan antara variabel terikat (depen- Segmen-segmen yang dihasilkan akan bersifat saling dent variable) dengan sejumlah variabel bebas lepas yang secara statistik akan memenuhi kriteria (independent variable). Teknik yang dibutuhkan di pokok segmentasi dasar (Bagozzi, 1994). Hasilnya sini adalah sebuah pendekatan yang dapat menunjuk- juga akan memberikan peringkat pada variabel yang kan variabel-variabel independen yang memiliki merupakan variabel independen paling signifikan derajat hubungan atau pengaruh kuat terhadap sampai yang tidak signifikan. variabel terikat, dan mengidentifikasi segmen-segmen CHAID memilih variabel-variabel variabel yang paling berbeda menurut variabel-variabel independennya atas dasar uji chi-square antara tersebut. kategori variabel-variabel yang tersedia dengan Menurut Lehmann dan Eherler (2000), salah satu kategori-kategori variabel dependennya (seperti yang metode dependensi yang sering digunakan dalam terdapat pada statistika dasar bahwa uji chi-square segmentasi pasar adalah analisis CHAID (Chi- merupakan uji non parametrik yang sesuai untuk Squared Automatic Interaction Detection analysis). menguji hubungan antar variabel yang berbentuk Dalam penelitian ini, analisis CHAID akan kategori) (Myers, 1996). diterapkan untuk menentukan segmentasi nasabah Pada dasarnya, dari beberapa definisi CHAID di koperasi Syari’ah Al-Hidayah yang berlokasi di desa atas dapat disimpulkan bahwa CHAID adalah sebuah Druju kecamatan Sumbermanjing Wetan, Malang. metode untuk mengklasifikasikan data kategori di Tujuan dari segmentasi ini adalah mengidentifikasi mana tujuan dari prosedurnya adalah untuk membagi segmen nasabah potensial dengan harapan resiko rangkaian data menjadi subgrup-subgrup berdasarkan kredit macet dapat diminimumkan. Data yang pada variabel dependennya (Lehmann dan Eherler, digunakan adalah status kredit dan data demografis 2001). dari nasabah tahun 2002-2003. Menurut Baron dan Phillips (Sharp et al., 2002), analisis CHAID dapat diringkas menjadi 3 elemen TINJAUAN PUSTAKA kunci, yaitu: 1. Uji signifikan chi-square, uji ini dilakukan untuk Analisis CHAID mengidentifikasi variabel independen yang paling CHAID adalah singkatan dari Chi-squared signifikan dalam data. Automatic Interaction Detector. CHAID pertama kali 2. Koreksi Bonferroni. diperkenalkan dalam sebuah artikel berjudul “An 3. Sebuah algoritma yang digunakan untuk meng- Exploratory Technique for Investigating Large gabungkan kategori-kategori variabel. Quantities of Categorical Data” oleh Dr. G.V. Kass tahun 1980. Prosedurnya merupakan bagian dari Variabel-Variabel dalam Analisis CHAID teknik terdahulu yang dikenal dengan Automatic Dalam analisis CHAID variabel yang digunakan Interaction Detector (AID), dan menggunakan dibedakan atas variabel terikat (variabel dependen) statistik chi-square sebagai alat utamanya. dan variabel bebas (variabel independen. Klasifikasi CHAID secara keseluruhan bekerja untuk dalam CHAID dilakukan berdasarkan pada hubungan menduga sebuah variabel tunggal, disebut sebagai yang ada antara kedua variabel tersebut, oleh karena variabel dependen, yang didasarkan pada sejumlah itu CHAID termasuk dalam metode dependensi variabel-variabel yang lain, disebut sebagai variabel- dalam menentukan segmentasi. variabel independen. CHAID merupakan suatu teknik Menurut Gallagher (2000), CHAID akan mem- iteratif yang menguji satu-persatu variabel independen bedakan variabel variabel independennya menjadi yang digunakan dalam klasifikasi, dan menyusunnya tiga bentuk yang berbeda, yaitu: berdasarkan pada tingkat signifikansi statistik chi- 1. Monotonik: kategori-kategori pada variabel ini square terhadap variabel dependennya (Gallagher, dapat dikombinasikan atau digabungkan oleh 2000). CHAID hanya jika keduanya berdekatan satu CHAID digunakan untuk membentuk segmen- sama lain, yaitu variabel-variabel yang kategori- tasi yang membagi sebuah sampel menjadi dua atau lebih kelompok yang berbeda berdasarkan sebuah Jurusan Manajemen Pemasaran, Fakultas Ekonomi – Universitas Kristen Petra http://puslit.petra.ac.id/~puslit/journals/dir.php?DepartmentID=MAR
  • 3. 90 JURNAL MANAJEMEN PEMASARAN, VOL. 1, NO. 2, OKTOBER 2006: 88-98 nya mengikuti urutan aslinya (data ordinal), ● Bentuk tabel kontingensi dua arah dengan variabel contohnya: usia atau pendapatan. dependennya. 2. Bebas: kategori-kategori pada variabel ini dapat ● Hitung statistik chi-square untuk setiap pasang dikombinasikan atau digabungkan walaupun kategori yang dapat dipilih untuk digabung keduanya berdekatan atau tidak satu sama lain menjadi satu, untuk menguji kebebasannya dalam (data nominal), contohnya: pekerjaan, kelompok sebuah sub tabel kontingensi 2 x J yang dibentuk etnik, dan area geografis. oleh sepasang kategori tersebut dengan variabel 3. Mengambang (floating): kategori-kategori pada dependennya yang mempunyai sebanyak J variabel ini akan diperlakukan seperti monotonik kategori. kecuali untuk kategori yang terakhir (yaitu missing ● Untuk masing-masing nilai chi-square berpasang- value), yang dapat berkombinasi dengan kategori an, hitung p-value berpasangan bersamaan. Di manapun. antara pasangan-pasangan yang tidak signifikan, gabungkan sebuah pasangan kategori yang paling mirip (yaitu pasangan yang mempunyai nilai chi- Deskripsi Matematis Analisis CHAID square berpasangan terkecil) menjadi sebuah Menurut Gallagher (2000), CHAID pada dasar- kategori tunggal, dan kemudian dilanjutkan ke nya merupakan sebuah proses 4 langkah yang iteratif: langkah nomor 4. Tetapi apabila semua pasangan ● Pemeriksaan tiap variabel independen meng- kategori yang tersisa adalah signifikan, lanjutkan gunakan uji chi-square untuk menentukan ke langkah nomor 5. kategori mana yang nantinya signifikan untuk ● Untuk suatu kategori gabungan yang terdiri dari 3 menunjukkan perbedaan dalam variabel depen- kategori atau lebih, ujilah untuk melihat apakah den; dan mengumpulkan pula semua kategori suatu kategori variabel independen seharusnya yang tidak signifikan dipisah dengan menguji kesignifikanan antara ● Penentuan variabel independen mana yang paling kategori tersebut dengan kategori yang lain dalam signifikan, yang terbaik untuk digunakan dalam satu kategori gabungan. Jika didapat nilai chi- square yang signifikan, pisahkan kategori tersebut membedakan variabel dependen berdasarkan nilai dengan yang lain. Jika lebih dari satu kategori kesignifikanan hasil uji yang dilakukan. yang bisa dipilih untuk dipisah, pisahkan salah ● Pembagian data menggunakan kategori variabel satu yang mempunyai nilai chi-square tertinggi. independen tersebut dengan peringkat yang paling Kemudian kembali ke langkah nomor 3. signifikan. ● Dengan cara memilih, gabungkan suatu kategori ● Untuk tiap tingkatan selanjutnya: yang mempunyai sedikit pengamatan yang tidak – Pemeriksaan kategori variabel-variabel inde- sesuai dengan kategori lain yang paling mirip, penden yang tersisa untuk menentukan seperti yang diukur oleh nilai chi-square peringkat yang paling signifikan dalam penen- berpasangan yang terkecil. tuan perbedaan variabel dependen selanjutnya, ● Hitung p-value terkoreksi Bonferroni didasarkan dan memisahkannya dengan yang tidak pada tabel yang telah digabung. signifikan. – Penentuan variabel independen mana yang Tahap 2: Pemisahan paling signifikan dan kemudian diteruskan lagi ● Pilihlah variabel independen terbaik, yaitu variabel dengan pembagian datanya menggunakan independen dengan nilai p-value yang terendah, variabel ini. dan kemudian melakukan pembagian kelompok ● Pengulangan langkah ke-4 untuk semua subgrup dengan variabel independen ini (yaitu gunakan sampai teridentifikasi semua pembagian yang masing-masing kategori-kategori variabel inde- secara statistik telah signifikan. penden tersebut, yang telah digabung secara Sedangkan Magidson dalam Bagozzi (1994), optimal, untuk menentukan sub pembagian dari menerangkan bahwa langkah-langkah analisis kelompok induk menjadi sub kelompok yang CHAID secara garis besar dapat dibagi menjadi tiga baru). Jika tidak ada variabel independen dengan tahap, yaitu Penggabungan, Pemisahan dan Peng- nilai p-value yang signifikan, jangan memulai pembagian kelompok tersebut. hentian. Tahap-tahap tersebut dapat dijabarkan sebagai berikut : Tahap 3: Penghentian Tahap 1: Penggabungan ● Kembali ke langkah nomor 1 untuk menganalisis sub kelompok berikutnya. Hentikan ketika semua Untuk tiap variabel independen, X1, X2,…Xk sub kelompok telah dianalisis dan juga telah berisi Jurusan Manajemen Pemasaran, Fakultas Ekonomi – Universitas Kristen Petra http://puslit.petra.ac.id/~puslit/journals/dir.php?DepartmentID=MAR
  • 4. Kunto: Analisis Chaid Sebagai Alat Bantu Statistika untuk Segmentasi Pasar 91 pengamatan-pengamatan dengan jumlah yang Eij = nilai harapan pengamatan pada baris ke-i dan terlalu sedikit. kolom ke-j Bagian-Bagian Utama dari Analisis CHAID ni• = total banyaknya pengamatan pada baris ke-i n•j = total banyaknya pengamatan pada baris ke-j Uji Chi-Square (Khi-kuadrat, χ ) 2 n = total banyaknya responden Teknik uji ini memungkinkan kita untuk menge- Keputusan yang diambil dari uji chi-square ini adalah tahui independensi antara dua variabel pada tiap H0 ditolak jika nilai χ hit > χ tabel atau p-value < α. 2 2 levelnya. Misal suatu variabel pertama memiliki r kategori dan variabel kedua memiliki c kategori maka CHAID menggunakan statistik chi-square dalam nij adalah pengamatan pada variabel pertama di level i dua cara. Yang pertama, statistik chi-square dan variabel kedua di level j, secara umum tabel digunakan untuk menentukan apakah kategori- disajikan sebagai berikut: kategori dalam sebuah variabel independen bersifat seragam dan bisa digabungkan menjadi satu. Yang Tabel 1. Struktur Data Uji Chi-Square kedua, ketika semua variabel independen sudah diringkas menjadi bentuk yang signifikan dan tidak Kolom Baris 1 2 ... c Total mungkin digabung lagi, kemudian statistik chi-square 1 n11 n12 ... n1c n1• 2 n21 n22 ... n2c n2• digunakan untuk menentukan variabel independen . . . ... . . mana yang paling signifikan untuk membagi atau . . . ... . . membedakan kategori-kategori dalam variabel . . . ... . . dependen (Gallagher, 2000). r nr1 nr2 ... nrc nr• Total n•1 n•2 ... n•c n Koreksi Bonferroni (Bonferroni Correction) Koreksi Bonferroni adalah suatu proses koreksi Tabel 2. Probabilitas Sel yang digunakan ketika beberapa uji statistik untuk Kolom Baris 1 2 ... c Total kebebasan atau ketidakbebasan dilakukan secara 1 p11 p12 ... p1c P1• bersamaan (Sharp et al., 2002). Koreksi Bonferroni 2 p21 p22 ... p2c p2• biasanya digunakan dalam pembandingan berganda. . . . ... . . Ketika terdapat sebanyak M uji perbandingan . . . ... . . yang sudah dikatakan bebas satu sama lain, peluang . . . ... . . untuk melakukan kesalahan tipe 1 atau α (dalam satu r pr1 pr2 ... prc pr• Total p•1 p•2 ... p•c p atau lebih uji-uji tersebut), akan sama dengan 1 dikurangi peluang untuk tidak melakukan kesalahan di mana tipe 1 dalam uji-uji tersebut, di mana nilainya akan pij adalah probabilitas kejadian irisan antara baris i lebih besar dari α yang telah ditentukan. Secara dan kolom j umum, hal tersebut dapat dirumuskan sebagai berikut pi• adalah probabilitas total pada baris ke-i (Bagozzi, 1994): p•j adalah probabilitas total kolom ke-j 1 − (1 − α ) M > α (2) di mana Hipotesis pada pengujian chi-square adalah: M = pengali Bonferroni H0 : pij = pi•p•j (tidak terdapat hubungan antara baris α = salah tipe 1 dan kolom (bebas)) H1 : pij ≠ pi•p•j (terdapat hubungan antara baris dan Pengali Bonferroni untuk masing-masing tipe kolom (tidak bebas)) variabel variabel independen adalah berbeda. Sedangkan statistik ujinya adalah: Gallagher (2000) menyebutkan bahwa pengali r c (nij − Eij ) 2 Bonferroni untuk masing-masing jenis variabel χ 2 = ∑∑ di mana variabel independen adalah sebagai berikut: i =1 j =1 Eij 1. variabel independen Monotonik n i • n• j E ij = (1)  c − 1 n M=     (3) di mana  r − 1 nij = banyaknya pengamatan pada baris ke-i dan • variabel independen Bebas kolom ke-j Jurusan Manajemen Pemasaran, Fakultas Ekonomi – Universitas Kristen Petra http://puslit.petra.ac.id/~puslit/journals/dir.php?DepartmentID=MAR
  • 5. 92 JURNAL MANAJEMEN PEMASARAN, VOL. 1, NO. 2, OKTOBER 2006: 88-98 r −1 i (r − i )c (depth) yang berarti banyaknya tingkatan node-node M = ∑ (− 1) (4) sub kelompok sampai ke bawah pada node sub i =0 i!(r − i )! kelompok yang terakhir. Pada kedalaman pertama, sampel dibagi oleh X1 sebagai variabel independen • variabel independen Mengambang (Floating) terbaik untuk variabel dependen berdasarkan uji chi- c − 2 c − 2 square. Tiap node berisi informasi tentang frekuensi M=    + r     (5) variabel Y, sebagai variabel dependen, yang  r − 2  r −1  merupakan bagian dari sub kelompok yang dihasilkan di mana berdasarkan kategori yang disebutkan (X1). Pada M = pengali Bonferroni kedalaman ke-2 (node X2 dan X3) merupakan c = kategori variabel dependen pembagian dari X1 (untuk node ke-1 dan ke-3). r = kategori variabel independen Dengan cara yang sama, sampel selanjutnya dibagi oleh variabel penjelas yang lain, yaitu X2 dan X3 , dan Diagram Pohon (Tree Diagram) selanjutnya menjadi sub kelompok pada node ke-4, 5, Hasil pembentukan segmen dalam CHAID akan 6, dan 7 (Lehmann dan Eherler, 2001). ditampilkan dalam sebuah diagram pohon. Secara Dari masing-masing node tersebut juga ditampil- umum diagram pohon dari CHAID adalah sebagai kan persentase responden untuk tiap-tiap kategori dari berikut (Lehmann dan Eherler, 2001): variabel dependen, dan juga ditunjukkan jumlah total responden untuk masing-masing node (Myers, 1996). Y Secara ringkas, Bagozzi (1994) menyatakan nY=1 nY=2 bahwa, diagram pohon, yang merupakan inti dari nY=3 analisis CHAID, akan berisi: 1. Simbol yang menerangkan tentang kategori ter- tentu (atau kategori-kategori yang telah diga- X1 bungkan). 2. Sebuah ringkasan data dari variabel dependen 1 2 3 dalam kelompok tersebut (misalnya persentase respon). n Y=1, x1=1 n Y=2, x1=1 n Y=1 , x2=2 n Y=2 , x2=2 nY=1 , x1=3 nY=2 , x1=3 3. Ukuran sampel untuk kelompok tersebut, atau n Y=3, x1=1 n Y=3 , x2=2 nY=3 , x1=3 biasa dilambangkan dengan “n”. METODE PENELITIAN Data Penelitian X2 X3 Data yang digunakan dalam penelitian ini adalah 4 5 6 7 data sekunder, yaitu data Pengguna Pembiayaan Koperasi Syari’ah Al-Hidayah Druju, Sumber- nY=1 , x 1=1 , x 2=1 nY=1, x1=1, x2=2 nY=1, x1=2, x3=1 n Y=1, x1=2, x3=2 manjing Wetan Tahun 2002-2003. Data yang diambil nY=2 , x 1=1 , x 2=1 nY=2, x1=1, x2=2 nY=2, x1=2, x3=1 n Y=2, x1=2, x3=2 nY=3 , x 1=1 , x 2=1 nY=3, x1=1, x2=2 nY=3, x1=2, x3=1 n Y=3, x1=2, x3=2 hanyalah data nasabah yang melakukan peminjaman selama tahun 2002-2003. Data tersebut kemudian Gambar 1. Diagram Pohon dalam Analisis CHAID dipergunakan sebagai variabel dalam melakukan analisis CHAID. Variabel dalam penelitian ini terdiri Diagram pohon CHAID mengikuti aturan “dari dari variabel dependen dan independen sebagai atas ke bawah” (Top-down stopping rule), di mana berikut: diagram pohon disusun mulai dari kelompok induk, a) Variabel Dependen berlanjut di bawahnya sub kelompok yang berturut- Variabel dependen yang digunakan dalam pene- turut dari hasil pembagian kelompok induk litian ini adalah pengguna pembiayaan koperasi berdasarkan kriteria tertentu (Myers, 1996). Tiap-tiap yang dibedakan menjadi dua kategori, yaitu: node dari diagram pohon ini menggambarkan sub 1. Anggota dengan pinjaman yang berstatus kelompok dari sampel yang diteliti. Setiap node akan macet (M) berisi keseluruhan sampel dan frekuensi absolut ni 2. Anggota dengan pinjaman yang berstatus tidak untuk tiap kategori yang disusun di atasnya. Pada macet (TM) pohon klasifikasi CHAID terdapat istilah kedalaman b) Variabel Independen Jurusan Manajemen Pemasaran, Fakultas Ekonomi – Universitas Kristen Petra http://puslit.petra.ac.id/~puslit/journals/dir.php?DepartmentID=MAR
  • 6. Kunto: Analisis Chaid Sebagai Alat Bantu Statistika untuk Segmentasi Pasar 93 Variabel independen dalam penelitian ini diambil • Rp. 750.000,00 – Rp. 1.500.000,00 dari variabel demografis data pengguna pembiaya- • Rp. 1.500.000,00 – Rp. 2.000.000,00 an koperasi. Variabel tersebut terdiri dari 5 • Rp. 2.000.000,00 komponen demografis, yaitu: 1. Jenis kelamin 6. Ukuran keluarga Untuk mengetahui karakteristik nasabah ber- Ukuran keluarga adalah jumlah orang atau dasarkan jenis kelamin yang dominan, maka individu dalam satu rumah tempat nasabah jenis kelamin konsumen dibedakan menjadi: tinggal. Variabel ini dibedakan atas: • Laki-laki • 1 orang • Perempuan • 2 orang 2. Usia • orang Usia nasabah dibedakan sebagai berikut: • 4 orang • Usia Remaja ( ≤ 23 tahun) • 5 orang atau lebih Usia remaja merupakan usia transisi yang pada umumnya sangat mudah dipengaruhi Data tersebut di atas selanjutnya akan dianalisis oleh faktor-faktor eksternal. menggunakan software SPSS 13.0. • Usia 24 – 30 tahun Usia ini merupakan usia kedewasaan nasa- Metode Analisis Data bah serta biasanya usia di mana nasabah Langkah-langkah dalam melakukan analisis mulai merintis karir dalam kehidupannya. CHAID secara garis besar adalah sebagai berikut: • Usia 31 – 40 tahun 1. Memasukkan semua data berdasarkan kategori Usia yang merupakan usia peningkatan yang ditentukan sebagai berikut: karir dan kematangan dalam bersikap. • Usia 41 – 50 tahun Tabel 3. Tabulasi Kategori Tiap Variabel Usia di mana pada masa ini biasanya Variabel Dependen Kategori menjadi masa-masa kejayaan bagi nasabah 1. Status Pinjaman dan masa di mana kemapanan diraih. 1. Macet 0 • Usia Lanjut ( ≥ 51) 2. Tidak macet 1 Usia di mana nasabah mulai menikmati Variabel Independen Kategori hari tuanya. - Jenis Kelamin 1. Laki-laki 1 3. Pendidikan terakhir 2. Perempuan 2 Nasabah dapat dikelompokkan menurut - Usia tingkat pendidikan yang telah dicapai. Dalam 1. Usia Remaja ( ≤ 23 tahun) 1 hal ini tingkat pendidikan nasabah akan dibagi 2. Usia 24 – 30 tahun 2 menjadi: 3. Usia 31 – 40 tahun 3 4. Usia 41 – 50 tahun 4 • SD 5. Usia Lanjut ( ≥ 51) 5 • SMP/sederajat - Pendidikan • SMU/sederajat 1. SD 1 • Diploma 2. SMP / sederajat 2 3. SMU / sederajat 3 • S1/S2/S3 4. Diploma 4 4. Pekerjaan 5. S1 / S2 / S3 5 nasabah koperasi memiliki berbagai macam - Pekerjaan pekerjaan. Jenis pekerjaan nasabah dibagi 1. PNS / Pegawai Pemerintah / 1 menjadi: TNI / BUMN 2 2. Karyawan Swasta 3 • PNS/Pegawai Pemerintah/TNI/BUMN 3. Wiraswasta / Dagang 4 • Karyawan Swasta 4. Petani / Peternak 5 • Wiraswasta / Dagang 5. Lainnya • Petani dan Peternak - Penghasilan 1. ≤ Rp. 750.000,00 1 • Lainnya 2. > Rp. 750.000,00 – Rp. 2 5. Penghasilan rata-rata keluarga 1.500.000,00 3 Berdasarkan keterangan dari tempat penelitian 3. > Rp. 1.500.000,00 – Rp. 4 dilakukan, penghasilan rata-rata keluarga 2.000.000,00 nasabah per bulan koperasi ini dibagi menjadi: 4. > Rp. 2.000.000,00 - Ukuran Keluarga • ≤ Rp. 750.000,00 Jurusan Manajemen Pemasaran, Fakultas Ekonomi – Universitas Kristen Petra http://puslit.petra.ac.id/~puslit/journals/dir.php?DepartmentID=MAR
  • 7. 94 JURNAL MANAJEMEN PEMASARAN, VOL. 1, NO. 2, OKTOBER 2006: 88-98 1. 1 orang 1 190 nasabah (90,9%) dengan status kredit yang tidak 2. 2 orang 2 macet. 3. 3 orang 3 4. 4 orang 4 Tahap pertama dalam analisis CHAID adalah 5. 5 orang atau lebih 5 tahap Penggabungan. Dalam penelitian ini, variabel 2. Menentukan terlebih dahulu semua skala variabel penghasilan dibagi menjadi 4 kategori, yaitu: yang akan digunakan dengan tepat dan benar. • ≤ Rp. 750.000,00 3. Menentukan kategori target dari kategori-kategori • > Rp. 750.000,00 – Rp. 1.500.000,00 variabel dependen. Hal ini dilakukan untuk • > Rp. 1.500.000,00 – Rp. 2.000.000,00 memunculkan beberapa grafik lain sebagai • > Rp. 2.000.000,00 informasi lebih lanjut dalam data yang ada. Kategori target yang dipergunakan bisa salah satu Setelah melalui analisis CHAID, variabel ini atau semua kategori yang ada pada variabel kemudian diringkas menjadi 2 kategori, seperti yang dapat dilihat pada diagram pohon kedalaman yang ke- dependen. 4. Selanjutnya akan dilanjutkan dengan proses 1, yaitu: matematis analisis CHAID sesuai prosedur pada 1. Kategori ≤ Rp. 750.000,00 digabung dengan kategori > Rp. 750.000,00 – Rp. 1.500.000,00 sub bab 2.1.2. Proses ini akan menerapkan 3 langkah analisis CHAID, yaitu langkah Kategori > Rp. 1.500.000,00 – Rp. 2.000.000,00 Penggabungan, Pemisahan, dan Pemberhentian. digabung dengan kategori > Rp. 2.000.000,00 Dalam langkah Penggabungan akan mulai diterapkan uji chi-square dan pengali Bonferroni sebagai pengoreksinya. Pada langkah Data Penggabungan sebagian besar proses akan menggunakan uji chi-square saja. Kemudian dilakukan iterasi pada kedua langkah tersebut, dan Penentuan prediktor yang signifikan terhadap variabel dependen proses iterasi akan berhenti apabila sudah tidak menggunakan chi-square ada lagi variabel independen yang tersisa untuk diuji hubungannya dengan variabel dependen, atau juga apabila terbentuknya node pada diagram pohon telah memenuhi batasan yang ditentukan Penentuan penggabungan kategori-kategori prediktor oleh peneliti. Proses ini disebut dengan proses Pemberhentian. 5. Menentukan segmentasinasabah dengan meng- interpretasikan diagram pohon CHAID Koreksi Bonferroni 6. Menentukan target pasar berdasarkan hasil segmentasi nasabah yang sudah terbentuk. Ya Untuk lebih memperjelas langkah matematis Sisa prediktor analisis CHAID pada metode penelitian, disajikan Tidak skema metode penelitian pada Gambar 2. Penentuan peringkat kesignifikanan prediktor dalam menerangkan HASIL PENELITIAN variabel dependen Analisis CHAID Segmentasi yang dihasilkan oleh analisis CHAID Semua sub kelompok signifikan Tidak dengan dibantu software SPSS 13.0 pada nasabah yang melakukan peminjaman di koperasi Al-Hidayah Ya tahun 2002–2003 dapat dilihat dari diagram pohon klasifikasi CHAID (CHAID classification tree) Penarikan kesimpulan segmentasi seperti pada Gambar 3. Diagram pohon hasil analisis CHAID pada Gambar 3, menerangkan bahwa pada node teratas Penarikan kesimpulan nasabah target diketahui jumlah total nasabah yang melakukan peminjaman adalah 209 nasabah, terdiri dari 19 Gambar 2. Skema Metode Penelitian nasabah (9,1%) dengan status kreditnya macet dan Jurusan Manajemen Pemasaran, Fakultas Ekonomi – Universitas Kristen Petra http://puslit.petra.ac.id/~puslit/journals/dir.php?DepartmentID=MAR
  • 8. Kunto: Analisis Chaid Sebagai Alat Bantu Statistika untuk Segmentasi Pasar 95 Hal ini berarti bahwa kategori ke-1 dan ke-2 memenuhi syarat kesignifikanan chi-square untuk StatusKredit bisa digabung menjadi satu kategori tunggal. Begitu Node 0 pula untuk kategori ke-3, ke-4, dan ke-5 yang juga Category % n digabung menjadi satu kategori tunggal berdasarkan Macet 9.1 19 Macet Tidak Macet 90.9 190 analisis CHAID yang ada. Tidak Macet Total 100 .0 209 Dari Tabel Model Summary pada Lampiran 2, Penghasilan Adj. P-value=0.044, Chi-square=5.955, dapat diketahui bahwa dalam penelitian ini sebenar- df=1 nya ada 6 variabel bebas. Kemudian hasil analisis CHAID menunjukkan bahwa hanya ada 3 variabel <= >750000 - 1500000 > >750000 - 1500000 bebas yang signifikan terhadap variabel terikatnya, Node 1 Category % n Node 2 Category % n yaitu variabel penghasilan, jenis kelamin, dan usia. Macet 7.2 13 Tidak Macet 92 .8 168 Macet 21 .4 Tidak Macet 78 .6 6 22 Hal ini juga dapat dilihat dari hasil diagram pohon Total 86 .6 181 Total 13 .4 28 CHAID, bahwa pohon klasifikasi tersebut Sex Adj. P-value=0.046, Chi-square=3.997, mempunyai 3 kedalaman, di mana variabel peng- df=1 hasilan membagi status kredit pada kedalaman ke-1, kemudian variabel jenis kelamin pada kedalaman ke- Perempuan Laki-laki 2, dan variabel usia pada kedalaman ke-3. Sehingga Node 3 Category % n Node 4 Category % n ada tiga variabel independen yang tersisa dan tidak Macet Tidak Macet 4.3 5 95.7 111 Macet Tidak Macet 12.3 87.7 8 57 dianggap mempunyai hubungan dengan variabel Total 55.5 116 Total 31.1 65 dependen, yaitu variabel pendidikan, pekerjaan, dan Usia jumlah keluarga. Adj. P-value=0.020, Chi-square=7.887, df=1 Nilai p-value dan nilai uji chi-square dari masing-masing variabel independen yang dianggap <= 24-30 > 24-30 mempunyai hubungan dengan variabel dependennya Node 5 Node 6 dapat diringkas dalam tabel berikut: Category % n Category % n Macet 16.7 3 Macet 2.0 2 Tidak Macet 83.3 Total 8.6 15 18 Tidak Macet 98 .0 Total 46 .9 96 98 Tabel 4. Nilai P-value dan Chi-square Variabel Dependen dalam Diagram Pohon Gambar 3. Diagram Pohon Analisis CHAID Variabel Nilai p-value Nilai chi-square Penghasilan 0,044 5,955 Hal ini berarti bahwa kategori ke-1 dan ke-2 Jenis Kelamin 0,046 3,997 memenuhi syarat kesignifikanan chi-square untuk Usia 0,020 7,887 bisa digabung menjadi satu kategori tunggal. Begitu pula untuk kategori ke-3 dan ke-4 yang juga digabung di mana nilai p-value dalam tabel di atas merupakan menjadi satu kategori tunggal berdasarkan analisis nilai p-value setelah dikoreksi oleh pengali CHAID yang ada. Bonferroni. Penggabungan kategori juga terjadi pada variabel Dari Tabel 4. tersebut dapat diketahui bahwa usia. Dalam penelitian ini, variabel usia dibagi apabila dilakukan pengambilan keputusan menjadi 5 kategori, yaitu: berdasarkan nilai p-value, di mana ketiga nilai • Usia Remaja ( ≤ 23 tahun) tersebut kurang dari α=0,05, yaitu 0,044; 0,046; dan • Usia 24 – 30 tahun 0,020, maka dapat ditarik kesimpulan bahwa • Usia 31 – 40 tahun keputusan uji chi-square adalah tolak H0. Hal ini • Usia 41 – 50 tahun berarti bahwa terdapat hubungan antara ketiga • Usia Lanjut ( ≥ 51) variabel tersebut dengan variabel dependen, yaitu status kredit. Selanjutnya variabel ini oleh CHAID diringkas Pada Gambar 3 dapat dilihat bahwa variabel menjadi 2 kategori, seperti yang terlihat pada diagram penghasilan adalah variabel independen terbaik yang pohon kedalaman yang ke-3 yaitu: digunakan untuk membagi dan menerangkan variabel 1. Kategori usia ≤ 23 tahun digabung dengan status kredit sebagai variabel dependen. Kemudian kategori usia 24 – 30 tahun variabel jenis kelamin merupakan variabel inde- 2. Kategori usia 31 – 50 tahun digabung dengan penden yang signifikan untuk membagi kategori pada kategori usia ≥ 51 tahun node ke-1 (kategori penghasilan rata-rata ≤ Rp. 750.000,00 dan kategori penghasilan rata-rata > Rp. Jurusan Manajemen Pemasaran, Fakultas Ekonomi – Universitas Kristen Petra http://puslit.petra.ac.id/~puslit/journals/dir.php?DepartmentID=MAR
  • 9. 96 JURNAL MANAJEMEN PEMASARAN, VOL. 1, NO. 2, OKTOBER 2006: 88-98 750.000,00 – Rp. 1.500.000,00) pada variabel peng- mempunyai penghasilan rata-rata sebesar ≤ Rp. hasilan. Dan variabel usia merupakan variabel 1.500.000,00, berjenis kelamin perempuan, serta independen yang signifikan dengan kategori pada berusia > 30 tahun. Segmen ke-2 ini menunjukkan node ke-3 (kategori jenis kelamin perempuan) pada bahwa tingkat pendidikan dan jenis pekerjaan tidak varibel jenis kelamin. menjadi patokan lancar atau tidaknya peminjaman Pohon klasifikasi CHAID pada Gambar 3 mene- yang dilakukan oleh nasabah. Nasabah perempuan rangkan bahwa nasabah koperasi Syari’ah Al- dengan waktu luang dan pekerjaan yang sedikit akan Hidayah yang melakukan pinjaman pada tahun 2002 lebih mempunyai banyak kesempatan untuk dapat – 2003 dibagi menjadi 4 segmen, yaitu: teratur melakukan segala kewajiban terhadap koperasi dibandingkan apabila nasabah tersebut laki-laki Tabel 5. Segmentasi Nasabah Hasil Analisis dengan tanggung jawab pekerjaan sebagai kepala CHAID keluarga, walaupun hal ini hanya didukung dengan tingkat pendapatan yang tergolong menengah ke Segmen Karakteristik Ke-1 Nasabah dengan keluarga yang mempunyai bawah. Kedewasaan dan kematangan berpikir pada penghasilan rata-rata sebesar ≤ Rp. tingkat usia >30 tahun juga akan dapat lebih 1.500.000,00, berjenis kelamin perempuan, meningkatkan kesadaran akan tanggung jawab serta berusia ≤ 30 tahun. kepada koperasi. Jadi di masa yang akan datang Ke- 2 Nasabah dengan keluarga yang mempunyai Koperasi Syari’ah Al-Hidayah dapat memprioritas- penghasilan rata-rata sebesar ≤ Rp. kan calon nasabah dengan karakteristik seperti pada 1.500.000,00, berjenis kelamin perempuan, segmen ke-2 agar selanjutnya jumlah pinjaman serta berusia > 30 tahun. dengan status macet dapat diminimalisir. Ke- 3 Nasabah dengan keluarga yang mempunyai penghasilan rata-rata sebesar ≤ Rp. KESIMPULAN DAN SARAN 1.500.000,00, dan berjenis kelamin laki-laki. Ke- 4 Nasabah dengan keluarga yang mempunyai Kesimpulan penghasilan rata-rata sebesar > Rp. 1.500.000,00. Berdasarkan uraian-uraian di atas, maka dapat ditarik kesimpulan bahwa: Dari keempat segmen yang terbentuk, dapat 1. Analisis CHAID adalah salah satu alat statistika ditabulasi jumlah masing-masing nasabah yang macet yang dapat digunakan untuk segmentasi pasar dan yang tidak macet dalam tabel sebagai berikut: dengan pendekatan metode dependensi. 2. Analisis CHAID memiliki kemampuan untuk Tabel 6. Tabulasi Jumlah Nasabah Macet dan menganalisis variable independen monotonik, Tidak macet bebas, dan mengambang. 3. Pada kasus Koperasi Syari’ah Al-Hidayah, Segmen ke- Jumlah Jumlah Tidak analisis CHAID mendapatkan empat segmen Macet Macet yang berbeda, yaitu: 1 3 15 a. Nasabah dengan keluarga yang mempunyai 2 2 96 penghasilan rata-rata sebesar ≤ Rp. 3 8 57 1.500.000,00, berjenis kelamin perempuan, 4 6 22 serta berusia ≤ 30 tahun. b. Nasabah dengan keluarga yang mempunyai Pada kasus yang dibahas dalam penelitian ini, penghasilan rata-rata sebesar ≤ Rp. apabila ingin menentukan nasabah target yang akan 1.500.000,00, berjenis kelamin perempuan, dijadikan acuan untuk menentukan nasabah baru serta berusia > 30 tahun. yang dapat memperkecil pinjaman yang macet, maka c. Nasabah dengan keluarga yang mempunyai akan dipilih segmen-segmen dengan jumlah nasabah penghasilan rata-rata sebesar ≤ Rp. yang pinjaman macetnya terkecil, serta mempunyai 1.500.000,00, dan berjenis kelamin laki-laki. jumlah nasabah dengan pinjaman tidak macet d. Nasabah dengan keluarga yang mempunyai terbesar. Dari tabulasi hasil analisis CHAID di atas penghasilan rata-rata sebesar > Rp. diketahui bahwa segmen yang memenuhi untuk 1.500.000,00. dijadikan acuan dalam membidik nasabah target 4. Untuk meminimumkan jumlah pinjaman dengan adalah pada segmen ke 2 (node ke-6 pada diagram status macet di masa mendatang maka Koperasi pohon). Nasabah pada segmen ke-2 ini mempunyai Syari'ah Al-Hidayah sebaiknya memprioritaskan karakteristik sebagai nasabah dengan keluarga yang calon nasabah dengan karakteristik nasabah Jurusan Manajemen Pemasaran, Fakultas Ekonomi – Universitas Kristen Petra http://puslit.petra.ac.id/~puslit/journals/dir.php?DepartmentID=MAR
  • 10. Kunto: Analisis Chaid Sebagai Alat Bantu Statistika untuk Segmentasi Pasar 97 dengan keluarga yang mempunyai penghasilan Usman, H. dan Akbar, R.P.S. 1995. Pengantar Statis- rata-rata sebesar ≤ Rp. 1.500.000,00, berjenis tika. Bumi Aksara. Jakarta. kelamin perempuan, serta berusia > 30 tahun. Hal ini karena dari hasil analisis CHAID, segmen ke- 2 (node ke-6 pada diagram pohon CHAID) memiliki resiko kredit macet yang paling rendah yaitu sebesar 2% (2/98) dan besar segmen 46,89% (98/209) dari total nasabah. Saran Saran yang bisa diberikan untuk penelitian selanjutnya tentang analisis CHAID adalah perlu pengkajian lebih lanjut dari segi reliabilitas analisis CHAID dan model prediksinya. DAFTAR PUSTAKA Assauri, S. 2002. Manajemen Pemasaran: Dasar, Konsep dan Strategi. Edisi Ketujuh. PT. Raja Grafindo Persada. Jakarta. Bagozzi, R.P. 1994. Advanced Methods of Marketing Research. Blackwell Publishers Ltd., Oxford. Gallagher, C.A., 2000. An Iterative Approach to Classification Analysis. www.casact.org/library /ratemaking/90dp237.pdf. Tanggal akses : 18 Desember 2005. Kasali, R. 1998. Membidik Pasar Indonesia: Segmen- tasi, Targeting, Positioning. Gramedia. Jakarta. Kotler, P. 1997. Marketing Management. Jilid 1. 9th edition. Alih bahasa: Hendra Teguh dan Ronny A. Rusli. Prentice-Hall Inc., New Jersey. Kotler, P. dan Amstrong, G. 1997. Principles of Marketing. 7th Edition. Alih bahasa: Alexander Sindoro. Prentice-Hall Inc., New Jersey. Lehmann, T. dan Eherler, D. 2001. Responder Pro- filing with CHAID and Dependency Analysis. www.informatik.uni-freiburg.de/~ml/ ecmlpkdd/WS-Proceedings/w10/lehmann.pdf. Tanggal akses: 12 Desember 2005. Myers, J.H. 1996. Segmentation and Positioning for Strategic Marketing Decisions. American Mar- keting Association. Chicago. Sharp, A., J. Romaniuk dan S. Cierpicki. 2002. The Performance Of Segmentation Variables: A Comparative Study. http://130.195.95.71:8081/ www/ANZMAC1998/Cd_rom/Sharp222.pdf. Tanggal akses: 15 Pebruari 2006. Umar, H. 2000. Riset Pemasaran dan Perilaku Konsumen. Gramedia. Jakarta. Jurusan Manajemen Pemasaran, Fakultas Ekonomi – Universitas Kristen Petra http://puslit.petra.ac.id/~puslit/journals/dir.php?DepartmentID=MAR

×