Antara Kualitas dan Harga, Peluang Tingkatkan Penjualan

Pada kurun waktu 10 tahun terakhir, diketahui pertumbuhan ekonomi Indonesia sangat baik dan hal ini diikuti oleh kestabilan makroekonomi. Data Bank Indonesia di akhir tahun 2011 menyatakan bahwa peningkatan perekonomian ini relatif merata, dan disebabkan oleh penurunan tingkat pengangguran dan peningkatan daya beli masyarakat akibat peningkatan pendapatan masyarakat. Sejalan dengan itu, data BPS menunjukkan bahwa kelompok sosial ekonomi menengah meningkat sangat signifikan (lebih dari 60%) dalam tujuh tahun terakhir.

Informasi yang terpapar diatas merupakan kabar yang menggembirakan bagi dunia usaha di Indonesia. Peluang terjadinya transaksi sangat menggiurkan, bukan hanya pada produk-produk primer akan tetapi produk-produk sekunder bahkan tersier. 

Fakta dari hasil riset ICON-17 bekerjasama dengan the House of Quality tak kalah menggembirakan.  Simak ulasannya disini

Read More

Pergeseran Pelanggan, Pergeseran Kebutuhan, Pergeseran Persepsi/ Sikap

Pernahkah anda mengamati adanya pergeseran pelanggan pada suatu produk, sebagai contoh :

• pergeseran konsumen XL yang dulunya didominasi profesional muda sekarang didominasi oleh segmen anak muda
• pergeseran pembaca kompas yang dahulu didominasi oleh pebisnis dan kini merambah ke segmen keluarga
• pergeseran segmen pengguna sunsilk dari segmen menengah dan kini merambah ke segmen atas

Pergeseran-pergeseran diatas, memang disengaja. Namun bukan karena produk hanya ingin bergeser positioning, namun dilihat dari data kebutuhan pelanggan, pun telah terjadi pergeseran kebutuhan, pergeseran persepsi maupun sikap.

Klik disini untuk melanjutkan

Read More

Certain Predictable ?

(Brainstorming RTM-1 Berbagi.NET di Semarang, Januari 2007)

Benarkah ada hal-hal yang mudah ditebak dengan tepat saat melaksanakan kegiatan promosi ?
Benarkah ada perilaku-perilaku spesifik target segmen yang memudahkan kegiatan promosi berlangsung ?
Siapa yang paling berperan ? customer atau provider ?
Lalu apa kaitan crowdsourcing dengan fakta-fakta terprediksi ?

Berikut adalah rangkuman pokok pikiran selama empat sesi dalam rangkaian RTM-01 yang baru lalu di Semarang. Rangkuman disusun sesuai alur-emosi perbincangan. (Didin-Co-Writer Admin)

Dalam komunikasi produk barang dan jasa, diakui kecerdasan customer menentukan cara memilih produk yang digunakan/dikonsumsi. Tetapi bagaimana cara customer dapat diikuti oleh para pelaku bidang pemasaran ?

Edukasi Customer(kastamer)
Secara garis besar perilaku dasar untuk memperoleh perhatian saat promosi adalah intonasi, diksi dan susunan kalimat saat proses penyampaian berlangsung, terutama untuk jenis komunikasi lisan dan visual. Tetapi hal ini pun ternyata dapat diterapkan untuk jenis komunikasi tertulis, yang dapat dicantumkan dalam berbagai bentuk cetak.
Bentuk-bentuk yang harus diperhatikan :
1. Model atau visual dari kesan yang diharapkan
2. Bentuk kalimat (dalam bahasa Indonesia) diminta tak lebih dari 3 kata yang mudah diucapkan, terutama dalam genre lokal.
3. Jika edukasi diharapkan berlangsung panjang, karena materi awal promosi dirasa belum dapat dikenali dengan mudah, maka para penyusun materi diharapkan dapat menyusun framework(kerangka kerja) yang dapat terekam oleh target-market mereka, untuk promosi lanjutannya.

Sehingga bentuk komunikasi yang tercipta adalah, kemampuan customer mampu merekam dan mengenali struktur promosi yang disampaikan, yaitu :
1. Structure-Awareness : kepedulian struktur yang menunjukkan bahwa pasti yang dilihat adalah terkorelasi dengan produk tertentu
2. Some way to sort and to collect : kemampuan mengenali dan akhirnya membedakan sekaligus memperoleh hal baru yang diinformasikan dalam kegiatan promosi tersebut
3. Customer-Mental-Framework : membiarkan customer menyusun rencana penggunaannya secara mandiri, juga mengorganisasi informasi dari promosi tersebut agar terhindarkan dari kebingungan dari produk sejenis.

Edukasi = Persuasi, saat promosi produk ?

Sesaat ditemui kebingungan, ketika harus menjawab pertanyaan diatas, dapatkah dibenarkan atau etiskah ?
Anggap saja dapat ditolerir pada batas tertentu, maka akan muncul pertanyaan berikutnya; di posisikah manakah para promotion agent ini ?

Maka harus ada anggapan berikutnya, bahwa begitu banyak kelebihan di dalam produk yang ditawarkan, maka jelas mereka berposisi di benefit-promisers. Timbul kekhawatiran, mana mungkin meyakinkan ? Tentu tidak ada kepastian dalam proses ini, jika tidak yakin dalam diri sendiri terlebih dahulu.
Mana mungkin ada kegiatan tanpa proses seperti ini ? tentulah sangat banyak. Siapa yang paling bertanggung jawab ? tentulah promotion agent bersangkutan.

Dalam kondisi seperti ini, apa yang harus dipertimbangkan ?
Carilah sebanyak mungkin kosa kata yang paling bisa digunakan untuk mengekspresikan produk tersebut, dan tentu saja juga lengkapkan dengan lawan katanya untuk mempertimbangkan kelemahannya.
Lalu pilihlah satu demi satu untuk diurutkan.
Lalu kenalilah kekuatan setiap kata saat diucapkan pada lawan bicara.
Jika ditemukan ada kekuatan yang lebih tinggi pada kata diurutan yang tak sesuai maka lakukan pengurutan ulang.

Maka sebenarnya inilah salah satu teknik certain-predictable yang dapat dilakukan untuk kegiatan promosi produk baru.

Disalin dari artikel di Berbagi.net

Read More

Penggunaan Data Sekunder

Dalam implementasi waktu merancang riset, orang statistik mungkin diminta untuk mengumpulkan dan/atau meneliti data dan melaporkan hasilnya.

Kepemilikan data, hak-hak atas data dan penjelasannya adalah beberapa pertanyaan di mana masih menyisakan perdebatan panjang yang menghasilkan jawaban yang tidak pasti, sebab mereka menjadi sangat bergantung pada keadaan individu berdasar fakta mereka.


Jika klien mengumpulkan data itu, kepemilikan dengan jelas kepunyaan mereka. Namun, perlukah orang statistik berharap kepemilikan dari data yang dikumpulkan selagi di klien dipekerjakan suatu aktifitas lainnya berdasarkan pesanannya (client-owned)?

Nampaknya situasi condong kepada klien sebagai pemilik yang legal, tetapi ini adalah tak merupakan hasil yang dapat disimpulkan. Jika telah disetujui dengan cara kontrak perjanjian bahwa klien memiliki data tersebut, apakah orang statistik harus berhutang/membayar suatu hak-milik untuk penggunaan data itu bagi kepentingan penerbitannya?

Jika orang statistik diijinkan untuk menggunakan data dengan cara ini, ada suatu kewajiban untuk menyembunyikan identitas perusahaan/kelompok tertentu dan klien untuk melindungi keadaan tanpa nama hak-hak untuk mereka sesuai hak-hak penggunaan yang terbatas.

Sehingga klien harus diberitahu, diharapkan penggunaan dari data dan disediakan bersama dengan suatu copy dari akhir artikel yang ditulis. Hal ini untuk menghapuskan keraguan , suatu kontrak antara klien dan orang statistik pasti akan memperjelas masing-masing harapan masing-masing pihak akan hak yang dimiliki.

Disalin dari artikel di berbagi.net

Read More

Pareto Analysis untuk Meningkatkan Kepuasan Pelanggan

Saya sering mengamati lembaran-lembaran kuesioner yang disebarkan di ruang tunggu perusahaan jasa. Pertanyaannya tidak banyak dan berkutat pada kritik atau saran pelanggan terhadap layanan yang telah diberikan. Bagaimana menganalisisnya ?

Jika dalam artikel terdahulu, pernah saya tuliskan cara untuk mengukur kepuasan pelanggan hingga mencari faktor-faktor yang mempengaruhinya untuk selanjutnya melakukan tindakan perbaikan agar kepuasan pelanggan dapat meningkat. Kini dengan pareto analysis pun, anda dapat mengevaluasi hal-hal apa yang menyebabkan konsumen merasa tidak puas dengan produk anda dan bagaimana meningkatkan kepuasan pelanggan.

Apakah analisa pareto itu ?
Pareto merupakan analisa sederhana yang berpatokan pada prinsip pareto :
?Dengan fokus pada 20% aktifitas, anda akan mendapatkan 80% keuntungan.?
Analisis Pareto (dengan bantuan Diagram Pareto) dapat digunakan untuk menentukan "akar permasalahan" dari suatu kejadian.

Bagaimana aplikasinya untuk meningkatkan kepuasan pelanggan ?
Berikut ini beberapa langkah analisa pareto berikut contoh kasus analisa kepuasan pelanggan di sebuah laboratorium medis di Makasar.

1.Buat pertanyaan berkaitan dengan kepuasan pelanggan, misalnya :
- Seberapa puas anda terhadap layanan pemeriksaan laboratorium kami selama ini ?
- Hal-hal apa yang membuat anda tidak puas terhadap layanan kami ?

2.Sebarkan pertanyaan tersebut dalam satu periode waktu tertentu (misal selama sebulan)

3.Tabulasikan data; misal terdapat 60 responden yang mengeluhkan layanan pemeriksaan laboratorium dan beberapa hal-hal yang membuat mereka tidak puas adalah sebagai berikut :
(1) Petugas laboratorium tidak ramah, terdapat 15 keluhan
(2) Petugas laboratorium terkesan sibuk, terdapat 17 keluhan
(3) Petugas laboratorium tidak komunikatif, terdapat 12 keluhan
(4) Gagal dalam proses pengambilan darah, terdapat 5 keluhan
(5) Kulit bekas pengambilan darah membiru, terdapat 4 keluhan
(6) Ruang tunggu sempit, terdapat 2 keluhan
(7) Parkir sempit, terdapat 4 keluhan
(8) Hasil sering terlambat, terdapat 8 keluhan
(9) Petugas tidak datang tepat waktu, terdapat 5 keluhan
Anggap 8 item keluhan tersebut sebagai suatu permasahan yang harus anda analisa lebih lanjut.

4.Kelompokkan permasalahan-permasalahan diatas.
Tentunya anda lebih memahami pengelompokkannya karena memahami alur pelayanan di persahaan anda. Sebagai contoh :
- Ketidakpedulian petugas : Permasalahan (1), (2) dan (3), ada 44 keluhan (61.1%)
- Kurangnya ketrampilan petugas : Permasalahan (4) dan (5), ada 9 keluhan (12.5%)
- Ketidaknyamanan terhadap gedung : Permasalahan (6) dan (7), ada 6 keluhan (8.3%)
- Kurang disiplin : Permasalahan (8) dan (9), ada 13 keluhan (18.1%)
Supaya lebih mudah diamati, ada baiknya anda memvisualisasikan dalam sebuah diagram pareto.

Dari data yang sudah anda olah diatas, anda mengetahui bahwa dua permasalahan yang harus segera ditangani karena menyebabkan 80% pelanggan tidak puas adalah : Ketidakpedulian petugas dan Kekurangdisiplinan petugas. Kalau diamati, kedua permasalahan ini bertumpu pada attitude SDM, mungkin saja mereka adalah orang yang tidak tepat atau perusahaan yang kurang memberikan arahan dan training pada petugas front office

Contoh diatas, adalah contoh sederhana bila anda hanya menggunakan analisa pareto. Memag, akan lebih baik jika bukan hanya frekuensi keluhan yang anda pertimbangkan, namun juga dikaitkan dengan perilaku pelanggan.

Disalin dari artikel di : berbagi.net

Read More

Implementasi Analisa Data Statistik menggunakan R

Dengan semakin melimpahnya data dan berkembangnya metode statistika, analisa data statistik sudah tidak memungkinkan lagi dikerjakan secara manual. Software statistik sangat dibutuhkan untuk menyelesaikan permasalahan ini.

Kelompok paket software statistik untuk keperluan analisis data secara umum dibagi ke dalam dua kelompok :
- Kelompok software komersil. Misalnya : SPSS, Minitab, EViews, SAS, Splus
- Kelompok software statistik open source atau freeware. Misalnya : R, Open Stats, SalStat, Vista

Software statistik yang komersil mensyaratkan lisensi dengan harga yang relatif sangat mahal untuk sebagian besar pengguna di Indonesia.

Namun, data tetap harus disajikan, informasi tetap harus digali sebagai dasar pengambilan keputusan. Sehingga, penggunaan freeware statistik menjadi solusi dalam menyelesaikan permasalahan mahalnya lisensi tersebut.


Apakah R?

R merupakan suatu bahasa dan lingkungan (environment) pemrograman untuk komputasi statistik dan grafis yang serupa dengan bahasa dan lingkungan pemrograman S. R menyediakan beragam teknik statistik dan grafik, yang sampai saat ini terus berkembang.

Versi awal dari R dibuat pada tahun 1992 di Universitas Auckland, New Zealand oleh Ross Ihaka dan Robert Gentleman. Pada saat ini, source code kernel R dikembangkan terutama oleh R Core Team yang beranggotakan 17 orang statistisi dari berbagai penjuru dunia.

R dalam versi terakhirnya, yaitu versi 2.11.0 yang dirilis pada 22 April 2010, merupakan suatu sistem analisis data statistik yang komplit sebagai hasil dari kolaborasi penelitian berbagai ahli statistik (statistisi) di seluruh dunia.

Paket statistik R bersifat multiplatforms, dengan file instalasi binary/file tar tersedia untuk sistem operasi Windows, Mac OS, Mac OS X, Linux, Free BSD, NetBSD, irix, Solaris, AIX, dan HPUX dan dapat diperoleh secara gratis di sini.

Fungsi dan kemampuan dari R sebagian besar dapat diperoleh melalui Add‐on packages/library. Suatu library adalah kumpulan perintah atau fungsi yang dapat digunakan untuk melakukan analisis tertentu. Sebagai contoh, fungsi untuk melakukan analisis neural network dapat diperoleh di nnet.

Bagaimana pengguna yang awam dengan Bahasa Pemrograman dan Statistik?

Meskipun R mengutamakan penggunaan bahasa pemrograman, bagi pengguna yang awam dengan metode statistik dan bahasa pemrograman, dapat memanfaatkan paket R-Commander yang telah disediakan di library.

Dengan mengaktifkan paket R-Commander, pengguna dapat melakukan pengolahan data secara statistik dengan mudah, semudah menggunakan SPSS, Minitab ataupun software statistik berlisensi lainnya. Hal ini sangat dimungkinkan karena melalui R-Commander, pengguna bisa langsung melakukan pengolahan data dengan memilih menu-menu yang disediakan pada jendela R-Commander.

Mudah, Murah dan tetap Kreatif adalah Kelebihan Pengolahan data dengan R, Silahkan mencobanya!!!

Informasi ini juga diambil dari berbagai sumber :
- http://cran.r-project.org
- http://poss.president.ac.id
- http://statistikakomputasi.wordpress.com

Read More

KEPUTUSAN BISNIS dalam R

Buku ke-2 dari Berbagi.NET :

Resensi :

Data di sebuah lembaga bisnis ibarat harta karun. Banyak perusahaan yang kini meyakini bahwa data sangat bermanfaat sebagai dasar pertimbangan dalam proses pengambilan keputusan. Melalui data yang terorganisasi dengan baik, dapat dilihat sejauh mana prestasi telah dijalani, bahkan dapat dilakukan analisis lebih mendalam sehingga diketahui pula penyebab terjadinya sebuah prestasi ataupun kegagalan.

Tidak berhenti hanya sampai pengamatan terhadap apa yang sudah dilakukan beserta penyebabnya, dengan data dan penerapan metode statistik, dapat dilakukan prediksi pencapaian prestasi pada periode yang akan datang, adanya faktor-faktor yang menghambat tercapainya target bisa disimulasikan, sehingga selanjutnya dapat diperoleh trik untuk bisa lebih memaksimalkan prestasi

Buku Keputusan Bisnis dengan R ini disusun sebagai pendamping bagi siapapun yang menyadari pentingnya pengelolaan data untuk pengambilan keputusan dalam bisnis dan marketing seperti : analisis profil pelanggan, analisis produk, analisis keberhasilan aktifitas pemasaran, analisis kualitas layanan pelanggan, analisis hasil penjualan, pengembangan outlet berdasarkan database pemasaran, menyajikan rangkuman hasil kinerja pemasaran. Dan untuk memenuhi kebutuhan analisis marketing tersebut, Buku Keputusan Bisnis dengan R ini juga mengupas teknik analisis dari beberapa metode statistik, mulai dari sajian deskriptif statistik, grafis, tabulasi silang, analisis korespondensi, ANAVA, analisis time series, analisis cluster dan AHP.

Read More

Visualisasi Data dengan R Graphic

Buku ke-1 Berbagi.NET



Resensi :
Grafik merupakan sarana yang paling mudah bagi seorang analis data untuk menyampaikan informasi kepada penggunanya. Hal ini, karena visualisasi objek dan warna memang lebih menarik bila dibandingkan dengan deretan angka.

Namun, tentunya tujuan akhir dari analisa data bukan hanya pada penyampaian informasi berupa grafik yang menarik, tetapi menyajikan informasi yang dapat menunjang proses pengambilan keputusan. Yaitu, informasi yang detail, cermat, dan cepat. Bantuan software tentu diperlukan, terutama agar data dapat tersaji dengan cepat. Namun, tidak semua software bisa diperoleh secara gratis.

Buku Visualisasi Data dengan R Graphic ini dapat memberikan panduan bagi para pengelola data untuk dapat menyajikan data dalam grafis yang cepat dan tepat (cermat dan mendetail) dan murah, karena memanfaatkan software R yang bisa diunduh secara gratis oleh siapapun.

Beberapa cara pembuatan grafik seperti : Ballon Plot, Notched Boxplot, Enhanced Bar Plot, Dotplot Market Share, Pairs Plot, Back to Back Histogram, Thermometer Plot, Calendar date Gantt Chart, Image Profile, Pie Chart Series dan Barplot with Gap Value dibahas dalam buku ini berikut dengan studi kasusnya.

Read More

150 persen

Dua hari lalu di sebuah stasiun televisi, diberitakan tentang demo buruh sebuah perusahaan rokok di Malang - Jatim.
Di berita itu, penyiar & reporter mengatakan bahwa :
Para buruh menuntut perusahaan agar tidak menurunkan jumlah produksi rokok, krn akan MENURUNKAN PENGHASILAN MEREKA sebesar 150%.

WUIHH... minus donk ?!?!?

Setelah saya melihat tayangan selanjutnya (wawancara dg salah satu buruh rokok), pernyataan sebenarnya adalah :

"....jika perusahaan menurunkan jumlah produksi seperti sekarang ini, pendapatan kami bisa turun hingga 150%, krn dulu dalam sehari seorang buruh mampu melinting hingga 2500 batang rokok, tp sekarang hanya 1000 batang rokok"

Glegk!!!
Itu tho yg dimaksud 150%? Bukannya 60% yaa?

Mangkanya tho, belajar ngomong "persentase" itu penting. Mosok rek, reporter & penyiar tv berskala nasional ga ngeh?

Ini baru persentase, belum lg ngomong peluang.
Esensial gak sih???

Disalin dari catatan saya di Facebook, 21/2/2009

Read More

Competitive Analysis

Bisnis yang sehat, apapun itu selalu beriringan dengan sebuah kompetisi. Adanya kompetitor dilihat dari satu sisi negatif adalah cukup merepotkan bagi bisnis kita. Namun, sisi negatif itu sebenarnya jauh lebih kecil dari sisi positif. Kompetitor memacu ide kreatif, memacu pelayanan yang lebih baik pada konsumen sehingga akan meningkatkan kepuasan pelanggan dan pembelian ulang oleh pelanggan.

Beberapa kompetisi bahkan telah berhasil melahirkan produk baru dan sukses dipasaran. Handphone awalnya hanya berfungsi seperti namanya "telepon genggam", adalah pesawat telepon yang dengan mudah bisa dibawa dan dioperasikan untuk menelepon atau menerima telepon saat kita bepergian kemana saja, namun kini fungsi handphone telah semakin berkembang. Dengan membawa handphone, kita dapat membuka website, mengirim email, mendengarkan musik mp3 bahkan radio serta mengabadikan moment dengan kamera penyertanya. Beberapa fungsi gadget melebur dalam sebuah benda kecil yang bernama handphone. Dahulu seorang penderita diabetes harus melakukan kontrol pemeriksaan gula setiap bulan secara berkala dengan datang ke laboratorium klinik atau rumah sakit, namun kini dengan adanya alat digital pemeriksaan gula seperti Glukotest, penderita diabetes tidak perlu repot lagi menyediakan waktu 1 hari untuk datang ke laboratorium klinik, dan seakan tak mau kalah dengan pabrik pembuat alat pemeriksaan gula tersebut, para pebisnis di bidang laboratorium klinik pun mengeluarkan tes baru HBA1C, dengan pemeriksaan ini penderita diabetes hanya perlu datang 3 bulan sekali, bukan setiap bulan. Dan lebih banyak contoh hasil positif dari kompetisi kreatif.

Namun bagaimana bisa menjadi kreatif menghadapi kompetisi hingga menjadi leader dalam produk dan market share?
Bertahun-tahun riset dinyatakan merupakan salah satu alat yang bisa dipakai untuk membedah bagaimana sebuah kompetisi sedang berlangsung, dan keseriusan menindaklanjuti hasil riset akan menghasilkan temuan untuk memenangkan persaingan.

Ketika hasil riset hanya merupakan angka-angka ataupun jawaban "nominal" dari sejumlah pertanyaan secara terpisah, bagaimana bisa temukan ide untuk memenangkan kompetisi? Cari jawabannya disini

Read More

Dashboard dan Pengambilan Keputusan

Setiap periode (mingguan, bulanan, triwulan, semester hingga tahunan), para manager/ pengambil keputusan selalu dihadapkan dengan berbagai laporan dan permasalahan. Dengan berbagai aktifitas strategik, bertemu klien, menjamu relasi bisnis yang bisa menghabiskan banyak waktu dan fikiran membuat tak cukup waktu bagi mereka untuk membaca berlembar-lembar laporan, apalagi jika laporan tersaji hanya dalam berupa angka. Lalu, apakah tak ada solusi?

Data, seperti yang kita ketahui sebenarnya merupakan dasar pijakan dalam setiap pengambilan keputusan dan dalam setiap dijalankannya aktifitas bisnis perusahaan. Namun, tak banyak yang mampu melakukan hal ini, meskipun telah mengumpulkan sebanyak-banyaknya data. Hasil riset menunjukkan bahwa lebih dari 50% pebisnis mengalami kseulitan untuk mendapatkan informasi mengenai kondisi bisnis mereka berdasaran data yang telah terkumpul dan 77% dari mereka menyatakan bahwa akhirnya terjadi kesalahan pengambilan keputusan karena kekurangan informasi tersebut. Hal ini terjadi karena, data tidak disajikan dengan menarik, mudah dibaca dan sistematis.

Dashboard merupakan suatu sajian data yang menarik, mudah dibaca dan sistematis. Bahkan lebih dari itu, dengan hanya membaca dashboard, maka kondisi "kesehatan" perusahaan, insight berikut prediksi kelangsungan bisnis beberapa periode kedepan dapat terbaca dengan mudah. Dan akhirnya, proses pengambilan keputusan untuk berbagai aktifitas lebih cepat dan lebih mudah dilakukan.

Dashboard didesain berdasarkan perencanaan strategik perusahaan yang telah ditetapkan, melalui beberapa KPI hingga scorecard. Dashboard memudahkan proses pengambilan keputusan karena selain merupakan deskripsi dari kondisi perusahaan saat ini, juga mencakup kontrol aktifitas serta prediksi kondisi perusahaan yang akan datang.

Secara umum beberapa hal yang disarankan ketika ingin menyajikan informasi melalui dashboard :
- Sederhana : dashboard harus sangat sederhana dalam tampilan dan penggunaannya
- Mudah : dashboard dibuat berdasarkan metrik-metrik yang telah dikenal oleh para usernya
- Visualisasi yang menarik : Bermacam variasi dashboard dapat didesain, namun agar tampil lebih menarik dan sulit dibaca oleh non user (yang tidak berkepentingan langsung terhadap informasi terkait), sajian dashboard berisi grafik adalah yang disarankan daripada berupa angka semata.
- In Depth : selain merupakan deskripsi kondisi perusahaan saat ini, dashboard seyogyanya dilengkapi dengan analisis prediksi kondisi perusahaan yang akan datang
- Dibuat berdasarkan database yang terintegrasi dengan baik
- Dapat diakses dimana saja dan dalam format yang fleksibel, misalnya : melalui website, email, WAP yang bisa dibaca melalui HP/PDA/Blackberry.
- Menyajikan informasi yang lengkap berdasarkan KPI &/ Scorecard perusahaan
- Memuat indikasi-indikasi ketidaksesuaian terhadap target perusahaan sebagai kontrol aktifitas.

Ketika data telah dapat dirangkum, deskripsi kondisi perusahaan saat ini telah dapat disajikan, kontrol telah dibuat berikut analisis prediksi kondisi perusahaan pada periode mendatang dengan sangat informatif, setidaknya tidak akan timbul banyak persepsi dalam analisis yang menyebabkan terjadinya kesalahan dalam pengambilan keputusan.

Read More

R, Sebuah Solusi yang Mudah Namun Bermakna

Data, banyak orang mengatakan hal yang satu ini ibaratnya harta karun. Kini banyak perusahaan meyakini bahwa data sangat bermanfaat sebagai dasar pertimbangan pengambilan keputusan. Melalui data yang terorganisasi dengan baik, dapat dilihat sejauh mana prestasi telah dijalani, bahkan dapat dilakukan analisis lebih mendalam sehingga diketahui pula aktifitas apa yang mendukung terjadinya sebuah prestasi maupun kegagalan.

Tidak berhenti hanya sampai pengamatan terhadap apa yang sudah dilakukan beserta penyebabnya, dengan data dan penerapan metode statistik, dapat dilakukan prediksi/ estimasi pencapaian pada periode yang akan datang, adanya faktor-faktor yang menghambat tercapainya sebuah target perusahaan dapat disimulasikan, sehingga perusahaan menemukan trik untuk bisa lebih memaksimalkan prestasi, bukan hanya sesuai dengan yang diharapkan bahkan melebihi apa yang sudah ditargetkan.

Oleh karenanyalah, data bukan sesuatu yang murah. Apalagi jika data tersebut sudah terorganisasi dengan baik serta dilengkapi dengan analisis statistik yang mampu memberikan informasi bahkan insight bagi pencapaian prestasi yang lebih baik.

Kini telah banyak dikembangkan statistical package yang bisa mempermudah pengolahan data hingga menjadi informasi berharga tersebut. Namun, beberapa package tidak bisa didapatkan dengan mudah bagi perusahaan-perusahaan berskala menengah, karena biaya yang harus dibayarkan untuk mendapatkan statistical package tersebut bukanlah biaya yang kecil bagi mereka. Selain itu, beberapa package berlisensi telah dibuat spesifik untuk kebutuhan tertentu, sehingga modifikasi sesuai dengan data yang kita miliki mungkin lebih sulit untuk dilakukan.

Sebuah solusi tetap ada untuk mengatasi hambatan pengolahan data yang tidak murah itu. Kini berkembang pula statistical package open source yang cukup mudah untuk diaplikasikan, yaitu R. Package ini bisa didownload disini.

Buku Keputusan Bisnis dengan R dan Buku Lincah Berfikir Bersama R ini dipersembahkan sebagai buku pendamping bagi siapapun yang menyadari pentingnya pengelolaan data untuk pengambilan keputusan dalam bisnis dan marketing.

Read More

Data Tak Bermakna

Data kini telah diyakini ibaratnya tambang emas untuk dapat memilah dan memilih strategi terbaik demi tercapainya sebuah cita. Semua berlomba mendapatkan data, mengumpulkan angka demi angka, membuat kategori, mencari respon dan sebagainya. Namun, seberapa jauh tindakan-tindakan ini bisa menghasilkan tambang emas yang dimaksud.

Jika, saya bertanya : "Berapa banyak data yang ada di sekitar anda?", pasti dengan mudah anda menyebutkannya, untuk menghitungnya bahkan mungkin tak terhitung. Di sebuah perusahaan, pasti para pimpinannya menyadari begitu banyak data yang mereka punyai. Namun, sebenarnya tak jarang kita hanya mengumpulkan sampah, bukannya mengumpulkan data. Seperti apakah rupa sampah itu, walaupun kita telah mencoba untuk memoles wajahnya dengan atribut yang cantik dan memukau?

Contoh 1 :

Gambar diatas ini adalah contoh informasi tentang data pekerjaan pelanggan yang sama sekali tidak bermakna. Anggap saja terdapat 100.000 pelanggan, 71% tidak dapat diketahui pekerjaan pelanggan. Perhatikan juga kelompok pekerjaan yang lain, misalnya kategori "Swasta" sebesar 2% atau kategori "Lainnya" sebesar 21%. Apa manfaat yang bisa diambil dari pekerjaan lainnya bagi perusahaan? Pekerjaan swasta yang seperti apa yang merupakan segmen perusahaan?. Data diatas, meskipun telah diolah dalam diagram pie, tak akan memberikan gambaran apapun tentang kelompok pelanggan dari sebuah perusahaan


Contoh 2 :

Gambar diatas adalah plot rata-rata jumlah penjualan dari dari 2 buah produk selama 4 tahun yang dihubungkan melalui garis, dan selanjutnya dimodelkan dengan model regresi linier. Model yang terjadi tidak memiliki makna apapun, karena walaupun data telah dikumpulkan selama 4 tahun, namun yang dipakai hanya rata-ratanya saja. Data tidak cukup, dan tidak tampak sebuah "history" apapun pada data tersebut. Apalagi ketika melihat model dari grafik berwarna merah muda, nampak sekali bahwa model dipaksakan linier. Informasi dari model ini pun tidak dapat dipakai sebagai prediksi penjualan pada periode ke depan.


Contoh 3 :

Pada grafik diatas, kita hanya dapat melihat trend dari produk A. Fluktuasi trend untuk produk B dan C tidak dapat kita amati. Ini karena rentang jumlah penjualan dari produk A jauh berbeda dengan produk B dan C. Kesalahan ini sering tidak disadari, ketika pembuat grafik tidak mengenal perbedaan rentang nilai dalam sebuah pengukuran


Contoh 4 :

Ketika ingin sekali menggambarkan pengelompokkan segmen, crosstab memang akan sangat membantu kita. Namun, jika pada crosstab diatas kemudian diinterpretasikan bahwa 100% segmen dari brand C adalah orang-orang dengan SES tingkat AB dan kemudian diinterpretasikan bahwa segmen dengan SES A+ hanya dimiliki 100% oleh brand A, maka informasi ini jelas salah dan menyesatkan. Hal ini dikarenakan tidak dipenuhinya syarat minimum sel dan asumsi untuk pengolahan melalui crosstab.

Kesalahan-kesalahan yang terjadi seperti diatas bukan hanya persoalan margin of error maupun persoalan validitas data, melainkan kecerobohan karena pemahaman yang sangat minim tentang pengelolaan data.


Tentunya kita semua tidak ingin menerima informasi dari sampah-sampah data walaupun telah tersaji dalam grafik dan pengolahan data seperti diatas. Apalagi, tersesat dalam mengambil sebuah kesimpulan dari data-data yang tak bermakna seperti diatas.

Semua grafik, semua metode statistik bisa saja dikenakan pada data. Semua software bisa digunakan, namun masing-masing metode, masing-masing software selalu mensyaratkan asumsi tertentu. Maka, jelaslah sebuah kewajiban untuk mempelajari metode, mendesain sebuah kerangka analisis dan memahami asumsi-asumsi untuk penggunaan sebuah tools, sebelum berani mengumpulkan data bahkan melakukan pengolahan, mempresentasikannya hingga mendapatkan tambang emas yang diinginkan dari sekumpulan data.

Read More

Data dan Jebakan

Saat ini, telah banyak organisasi, institusi dan perusahaan yang menyadari pentingnya data. Jika dulu, orang tak lagi mempedulikan data karena selain tak tahu cara mengolahnya dan cukup menghabiskan waktu dengan mengetik data-data tersebut, kini dengan teknologi informasi, data lebih mudah di kelola.

Misalnya dalam dunia marketing, awalnya sajian data akan sangat bermanfaat untuk melihat performance pemasaran dan menjawab permasalahan-permasalahan pemasaran, seperti : kenapa sebuah penurunan market terjadi maupun sebaliknya. Bagi sebagian manager, hal ini akan menimbulkan kepuasan tersendiri, apalagi jika sampai menemukan penyebab awal / kronologis terjadinya sebuah masalah. Diharapkan dengan adanya jawaban tersebut, maka permasalahan dapat diatasi.

Menemukan akar permasalahan memang merupakan suatu hal yang diharapkan dari pengelolaan dan analisa data di sebuah perusahaan. Menemukan penyebab awal bahkan hingga kronologis masalah bukanlah hal yang buruk, namun tak jarang kita TERJEBAK pada satu kasus yang temporer saja. Akhirnya, penyelesaian tidak menyeluruh dan suatu saat, permasalahan yang sama akan terjadi. Dan ketika kondisi ini berulang beberapa kali, jawaban yang sama akan dikatakan sehingga tidak lagi dapat dilihat dengan kacamata yang jernih mengenai upaya penyelesaian permasalahan tersebut.

Data akhirnya hanya dijadikan sebagai "tameng", tak salah jika akhirnya para manager yang sudah jenuh dengan kondisi ini menganggap bahwa data bisa dimainkan, data bisa diarahkan dan bahkan bisa direkayasa untuk kebutuhan tertentu. Kondisi ini merupakan salah satu akibat dari KESALAHAN MEMBACA / MEMANFAATKAN DATA.

Lalu, bagaimana pemanfaatan data yang benar seharusnya?
Data bisa memberikan sebuah informasi mengenai kondisi saat ini, informasi mengenai penyebab terjadinya sebuah permasalahan, namun yang lebih penting adalah bahwa dari data diperoleh peluang, dari data dapat diperkirakan kondisi yang akan datang beserta konstrain untuk mendapatkan hasil kedepan yang lebih baik.

Data masalalu adalah sebuah pijakan, salah jika kita menghiraukannya, namun tidak baik juga jika terlalu berkutat pada masa lalu dan saat ini, karena ini adalah sebuah jebakan yang lain. Gambaran masa depan sudah dapat terlihat dari data masa lalu dan saat ini. Tinggal pikirkan saja, apa yang dapat membuat masa depan lebih baik dengan data tersebut.

Read More

Ketika Sebuah Angka Ditampilkan

Berapa nilai minimal yang diterima di SMA 1 tahun ini? Berapa persen suara dukungan untuk Parpol nomor 1 pada pemilihan caleg tahu ini? Berapa persen market share sebuah brand di Jakarta tahun ini?

Disadari atau tidak, kehadiran sebuah angka kadang menjadi sesuatu yang diharapkan. Namun, ketika angka tersebut ditampilkan respon yang terjadi begitu bervariasi.

Ketika angka yang muncul sesuai dengan apa yang diharapkan, tanpa menelisik kembali maka angka itulah yang menjadi patokan kebenaran. Namun, tatkala angka yang tampil tersebut tidak sesuai dengan apa yang diharapkan, maka akan muncul banyak sekali pertanyaan (seakan berupaya menidakkan angka yang tersaji) :
- Apa benar?
- Bagaimana perhitungannya?
- Seperti apa sampelnya?

Kondisi-kondisi inilah yang menyebabkan munculnya anggapan, begitu mudahnya berbohong dengan statistik dan begitu sulitnya menyatakan kebenaran dengan statistik. Sehingga seakan-akan, angka-angka yang muncul adalah rekayasa dan cenderung tidak netral.

Bagaimana menyikapinya?
Seharusnya, apapun angka yang muncul didasarkan atas telaah metodologi pengukuran dan perhitungan ilmiah yang dapat dipertanggungjawabkan. Dan metodologi inilah yang musti dipaparkan terlebih dahulu disertai dengan penjelasan, mengapa metode itu dipilih.

Mengapa sebuah metode pengukuran/ perhitungan untuk mendapatkan sebuah angka dipilih?
Tentunya beberapa hal mendasari dipilihnya sebuah metode, seperti : skala data, struktur data, sebaran data dan variabel serta yang utama adalah tujuan adanya pengukuran. Oleh karenanya, maka sah-sah saja jika lembaga survey A mengukur market share dengan PCA dan lembaga survey B mengukur market share dengan regresi.

Seorang yang profesional pasti akan menyikapi angka apapun yang akan keluar secara ilmiah, apapun angka yang keluar, sesuai dengan harapan ataupun bertolak belakang dengan harapan. Karena sesungguhnya ketepatan sajian angka bisa diukur, misalnya melalui besarnya error dan bias.

Besarnya error biasanya dinyatakan melalui margin error ataupun MSE. Indikasi ketepatan angka dengan berdasarkan besarnya error biasanya dapat dipakai pada saat sebuah angka deskriptif disajikan. Namun, apabila ingin disajikan angka dari hasil pemodelan, bias parameter adalah indikasi lain yang bisa ditambahkan sebagai sebuah ukuran ketepatan.

Read More

Teknik Clustering diantara Segmentasi dan Communitization

Segmentasi, membagi pasar menjadi beberpa kelompok berdasarkan demografi, geografi, daya beli dan sebagainnya. Mengacu pada istilah yang baru diperkenalkan oleh Hermawan Kartajaya, saat ini yang sebaiknya dilakukan bukan lagi segmentasi, melainkan communitization yakni membentuk suatu komunitas atau memanfaatkan komunitas yang ada, "...bukan lagi masanya segmentasi yang bersifat vertikal. Marketer harus bisa melakukan communitization yang sifatnya horisontal". Apakah communitization sama sekali berbeda dengan segmentasi? Lalu bagaimana statistik memandangnya.

Segmen adalah kelompok, demikian juga komunitas. Jadi, untuk mengkaji istilah ini secara statistik, saya akan mengawali dengan berbicara mengenai teknik clustering. Teknik clustering pertama kali dikembangkan untuk mengelompokkan objek/ individu berdasarkan "kesamaan ciri" atau "kedekatan jarak".

Bagaimana dengan Segmentasi ?
Saat berbicara tentang segmen, kita mengenal ada segmentasi berdasarkan geografis (artinya pengelompokkan yang didasarkan atas kesamaan lingkungan geografis/ kewilayahan), adapula segmentasi berdasarkan daya beli (artinya pengelompokkan yang didasarkan atas kesamaan daya beli yakni pengeluaran atau pendapatan). "Kesamaan", inilah yang dibicarakan dalam segmentasi. Secara statistik, jika dilakukan pengujian kesamaan varians, akan didapatkan kondisi bahwa kondisi dalam satu segmen adalah homogen, sedangkan antar segmen adalah heterogen.

Bagaimana dengan communitization ?
Jika merenungi arti communitization diatas, nampaknya ide ini muncul karena melihat adanya peluang dari adanya komunitas. Komunitas (dalam buku Cluetrain Manifesto) didefinisikan sebagai sekelompok orang yang saling peduli satu sama lain lebih dari yang seharusnya. Kembali menurut pak Hermawan, "Jadi, dalam komunitas terjadi relasi pribadi yang erat antar para anggota komunitas tersebut karena adanya kesamaan interest atau values. Beda dengan segmentasi yang anggota segmennya bisa tidak peduli satu sama lain." Dengan pernyataan ini, kata kunci dalam communitization bukan hanya kesamaan, melainkan kedekatan.

Segmentasi didasarkan atas prinsip kesamaan. Sedangkan communitization didasarkan atas prinsip kesamaan dan kedekatan. Teknik clustering didasarkan atas prinsip kesamaan dan kedekatan. Jika sama namun tak dekat, takmungkin akan berada dalam satu cluster. Bukan hanya homogenitas yang ada dalam sebuah cluster, akan tetapi juga korelasi. Satu objek/ individu akan memiliki korelasi dengan objek/ individu lain dalam satu kelompok.

Jika diterapkan pada konsep communitization, jelaslah bahwa dengan adanya keterkaitan antar konsumen, muncul kepercayaan pendapat antar mereka dan dengan mudah sebuah produk melakukan interaksi untuk dapat memberikan servis pada sekelompok komunitas. Setelah adanya interaksi, bola aktifitas terus menggelinding hingga nantinya komunitas ini akan semakin berkembang sehingga penetrasi produk begitu mudahnya dilakukan.

Teknik clustering dilakukan dengan sekian banyak variabel. Jika memandang adanya telaah diatas, sebenarnya communitization merupakan terjemahan dari clustering dengan banyak variabel karena dengan hanya satu macam dasar segmentasi adanya irisan sifat antar kelompok tidak nampak mudah untuk dibuat, padahal pada kenyataannya individu adalah unik (selalu ada perbedaan dengan individu lainnya, sehingga memakai satu macam dasar segmentasi tak mungkin lagi dilakukan)

Dalam perkembangannya, muncul segmentasi berdasarkan gaya hidup, perilaku dan psikografis, Untuk tiga macam segmentasi ini, beberapa variabel perlu dipertautkan. Konsumen yang memiliki kesamaan gaya hidup, perilaku dan psikografis ini bila dipertemukan akan mengakibatkan adanya komunikasi karena kebutuhan dan akhirnya kedekatan. Dari sini terbentuklah sebuah komunitas (pembentukkan kelompok secara horisontal).

Dari ilustrasi diatas, segmentasi dan communitization adalah sama-sama proses pengelompokkan market, namun berbeda pada tingkat pembentukan kelompoknya.

Read More

Eksperimen Desain dalam Pemasaran

Dunia pemasaran merupakan dunia yang penuh dinamika. Strategi pemasaran adalah sesuatu yang unik. Sebuah strategi tertentu yang menghasilkan peningkatan pendapatan di sebuah perusahaan kadang tidak cocok jika diterapkan di perusahaan lain, jangankan berbeda perusahaan. Kadang untuk perusahaan yang sama namun berbeda tahun atau berbeda lokasi outlet, strategi pemasaran perlu dirancang berbeda.

Merancang sebuah strategi pemasaran bukanlah hal yang mudah, namun bukan pula hal yang terlalu sulit jika telah menguasai data-data pemasaran yang ada. Dari hasil eksplorasi data, munculah hipotesa, dugaan dan asumsi. Dari sinilah ide dibangun.

Ide yang dibangun selanjutnya diuji, dievaluasi, diterapkan, dikontrol dan dikembangkan lagi agar diperoleh hasil yang maksimal. Demikianlah kiranya konsep eksperimen desain diterapkan dalam dunia pemasaran. Dengan teknik eksperimen desain diharapkan tercipta produk (konten, kemasan, servis dan harga) sesuai dengan harapan pelanggan. Sehingga membuat konsumen lama menjadi lebih loyal pada produk dan membuat berpalingnya konsumen dari produk kompetitor ke produk kita. Pada akhirnya, pangsa pasar perusahaan meningkat, pendapatan dan laba-pun meningkat.

Untuk lebih memperjelas praktik eksperimen desain dalam pemasaran, berikut ini dua contoh penerapan desain eksperimen yang pernah dilakukan oleh tim DOW :

- Desain produk kafe
Diawali dengan riset segmentasi dan positioning, ditemukan beberapa segmen pengunjung kafe dan peta persaingan dari beberapa kafe di kawasan Surabaya Timur dengan masing-masing keunggulan bersaingnya. Dari sini nampak adanya kelompok segmen yang belum terlayani sesuai dengan harapan konsumen (dengan kata lain, tidak ada kafe di kawasan ini yang memberikan nilai lebih untuk ceruk pasar ini). Maka dirancanglah variasi produk (menu) selama satu periode. Variasi menu yang dicipta ini ditawarkan dalam beberapa macam kemasan saji, harga dan bahan. Dari masing-masing segmen akhirnya ditemukan utilitas yang berbeda-beda untuk masing-masing variabel. Dengan hasil analisis ini, perusahaan / manajemen kafe lebih mudah mengambil keputusan, diferensiasi produk seperti apa yang akan ditawarkan untuk mengambil ceruk pasar sesuai dengan target pasar/ segmen yang diarah dan sesuai dengan besarnya biaya produksi

- Desain brosur
Membuat sebuah brosur, bukan pekerjaan mudah. Agar brosur dilihat, desain perlu dibuat semenarik mungkin dan mengundang mata calon konsumen untuk melihat. Namun, pada produk-produk spesifik, seperti : obat-obatan, peralatan kesehatan, pemeriksaan laboratorium, peralatan teknik; tertarik untuk melihat sebuah brosur belum tentu membuat calon konsumen tertarik untuk membaca dan memahami isi brosur dan akhirnya membeli. Riset yang kami lakukan beberapa waktu lalu menunjukkan bahwa, hampir 40% dari orang yang mengambil brosur produk spesifik hanya akan melihat sekilas (itupun hanya sejauh pada produk apa yang ditawarkan). Mereka tidak akan membaca lebih detail karena merasa bahwa penjelasan didalamnya terlalu teknis dan merasa belum membutuhkan produk yang ditawarkan. Karena alasan inilah, perlu dilakukan desain eksperimen tentang bentuk penyampaian informasi (semacam brosur), yang mengguggah setiap orang yang mengambilnya menjadi mau membacanya karena merasa bahwa informasi ini adalah hiburan yang berguna. Saat itu, beberapa desain brosur dibuat berikut dengan uji lokasi tempat brosur. Dengan uji statistik selama sepekan di beberapa outlet sebuah perusahaan jasa, akhirnya ditemukan desain brosur yang efektif untuk diletakkan di ruang tunggu, dikirimkan melalui mailing dan disebarkan secara langsung pada sebuah event. Perusahaan perlu menyajikan desain yang berbeda (Walaupun pada konten yang hampir sama) untuk memberikan informasi pada konsumen/ calon konsumen.

Pada praktiknya, penerapan eksperimen desain dalam pemsasaran tidak berbeda dengan penerapan eksperimen desain pada sebuah laboratorium pengujian. Bahkan lebih menantang karena begitu banyak variabel yang sulit dikendalikan. Karena itulah, kecermatan saat melakukan eksplorasi data pendahuluan sangat dibutuhkan. Sama halnya dengan metodologi riset, untuk melakukan eksperimen desain dibidang pemasaran ini, setelah dilakukan eksplorasi data awal, maka langkah selanjutnya adalah menentukan model hipotesis (termasuk menentukan konsep, konstruk dan variabel apa saja yang akan terkait), menentukan cara pengukuran variabel (termasuk sampling design, penentuan skala), serta menentukan metode analisis. Beberapa teknik statistik dapat anda gunakan untuk ini, dua diantara teknik yang sering digunakan adalah : conjoint analysis dan ANOVA.

Read More

Perlunya Visualisasi Data

Ilmu statistik di-identikkan oleh sebagian besar orang sebagai ilmu pengolahan data, penganalisaan data hingga menyampaikan informasi dari data tersebut. Statistik uji seperti Uji T, uji F dan uji Chi-Square kerap ditetapkan sebagai pembenaran atau penolakkan hipotesa sehingga didapatkan kesimpulan tertentu.

Contoh sederhananya seperti kasus berikut :
Seorang pengusaha restoran ingin melihat pengeluaran makan per transaksi di sebuah restorannya dari beberapa kelompok pelanggan. Ada 5 kelompok pelanggan (berdasarkan suku/ras), dan pengusaha ini sudah memiliki dugaan bahwa ada perbedaan dana yang dikeluarkan pelanggan untuk restoran mereka per satu kali transaksi karena adanya asumsi perbedaan selera dan perilaku antar suku/ras. Maka pengusaha itu mencoba menguji hipotesisnya dengan menerapkan ANOVA dan hasilnya adalah sebagai berikut :



Jika melihat hasil itu (dengan p-value : 0.0000), dengan hipotesa nol tidak ada perbedaan pengeluaran makan di restoran antar kelima kelompok pelanggan, maka dugaan pengusaha restoran ini memang benar. Hipotesa nol ditolak dan artinya ada perbedaan pengeluaran makan di restoran untuk kelima kelompok pelanggan. Lalu pengusaha tergelitik untuk mengetahui, kelompok mana dengan pengeluaran makan terbesar dan terkecil, maka dilihatlah tabel berikut :


Ternyata rata-rata pengeluaran makan terbesar adalah di Kelompok 1 dan terkecil di Kelompok 2. Sebelumnya pengusaha itu juga sudah mencurigai kondisi ini yang dia sebut dengan "intuisi". Akhirnya, segera dia merubah program pemasarannya, mendekati pelanggan-pelanggan di kelompok 1 dan 5. Dia pikir, yaaa...kelompok 2 memang sudah sulit ditingkatkan karena asumsi bahwa mereka lebih suka makan di rumah.

Jika analisis pengusaha ini berhenti sampai disini saja, dan ternyata strateginya tidak berhasil, maka tidak selayaknya data dan statistik dipersalahkan. Kenapa? Coba lihat Boxplot ini :


WOW, ternyata banyak sekali outlier (data pencilan) dan pengamatan berpengaruh pada data ini. Ini jelas mempengaruhi nilai rata-rata dan ANOVA. Ternyata di kelompok 2 pun ada yang pengeluarannya makannya tinggi dan bahkan tertinggi di kelompok 3. Coba saja pakai konsep Trimmed mean yaitu memotong data dibawah kuartil 1 dan diatas kuartil 3. (Langkah ini tidak dilakukan sebagai solusi akhir, karena saya hanya mencoba menunjukkan adanya pengaruh oulier yang sebegitu banyaknya pada data ini). ANOVA dan Boxplot dengan memotong data diatas kuartil 3 akan menjadi seperti ini :



Setelah melihat kondisi ini, tak ada perbedaan yang signifikan antar kelompok, bukan ?

Melihat hal ini bisa jadi dasar pengelompokkan pelanggannya yang kurang tepat, bisa jadi bukan suku/ ras yang mendasari perbedaan pengeluaran makan.

Ini adalah salah satu kesalahan analisa yang keliru, terutama di sebuah organisasi yang terlampau sering menggunakan rata-rata sebagai indikator. Visualisasi secara grafis mempermudah kita melihat kondisi data yang sebenarnya, melakukan eksplorasi data sebelum kita mulai mengolah data dengan analisa statistik dan menguji hipotesa.

Read More

Layak-kah diperbandingkan?

Apakah anda setuju ketika seseorang membandingkan mobil BMW dan Sepeda Mini? atau tak usah terlalu ekstrim, bagaimana jika membandingkan Sedan BMW dengan Carry ? Bukankah semuanya termasuk kategori alat transportasi, hmm... atau bukankah sedan BMW dan Carry adalah termasuk kategori mobil?

Ilustrasi perbandingan diatas adalah ilustrasi perbandingan yang sangat konyol bagi saya, namun tidak jarang terjadi. Seperti halnya membandingkan performance pemasaran dua outlet yang jelas-jelas berada pada kultur yang berbeda, membandingkan kepuasan pelanggan dari dua produk yang berbeda (transportasi pesawat terbang dan transportasi bus antar propinsi). Walaupun berada pada satu kategori besar yang sama, namun masih ada sub kategori yang tidak dapat diabaikan karena dapat memunculkan variansi yang cukup besar. Kenapa demikian, jelas karena penggunanya adalah segmen yang berbeda. Berbeda dalam kebutuhan, preferensi, persepsi, pengalaman dan tuntutan.

Sama halnya ketika akan menghitung jumlah dan ukuran sampel, seseorang yang hendak melakukan perbandingan (pada umumnya untuk tujuan merangking prestasi dan memberikan sebuah penghargaan) musti melihat dan mencermati sedetail mungkin obyek hingga diyakini ada ciri yang homogen antar obyek yang akan diperbandingkan. Kita bisa membandingkan kenyamanan bepergian dengan Batavia Air dan Lions Air bukan karena kedua obyek ini berada pada kategori transportasi, namun pada kategori merek transportasi penumpang lewat udara. Sama halnya, kita bisa membuat perbandingan kualitas pelayanan pengurusan perpanjangan STNK di SAMSAT dalam satu kota karena dalam kategori yang sama yaitu "Pelayanan Publik untuk Perpanjangan STNK", bukannya membandingkan SAMSAT dan Kantor Pos karena berada pada kategori Pelayanan Publik. Disini jelas ada perbedaan fungsi dan motivasi pelanggan berkunjung. Bagi mereka yang memiliki kendaraan, mengurus perpanjangan STNK di SAMSAT jelas adalah hal yang wajib (meskipun bisa dititipkan pada orang lain) sedangkan pelanggan yang berkunjung ke kantor pos bukan karena sesuatu yang wajib, namun hanya karena kebutuhan tidak rutin, apalagi kini telah banyak jasa pengiriman/ kurir service, sehingga kantor pos bukanlah pilihan satu-satunya.

Melakukan perbandingan untuk menilai kinerja apalagi untuk memberikan sebuah penghargaan bukan hal yang mudah. Selain memahami bahwa objek yang dibandingkan berada pada kategori yang sama dan dalam kelompok yang homogen, pemilihan variabel yang dipakai dalam perbandingan pun perlu diperhatikan. Contoh yang paling mudah adalah membandingkan CSI (Customer Satisfaction Indeks) pada kategori produk perbankan syariah maka sebelum memastikan variabel indikator kepuasan pelanggan yang akan dipakai maka perlu diuji korelasi antar variabel tersebut yang terkait langsung dengan peningkatan kepuasan pelanggan.

Selanjutnya, yang tak kalah pentingnya adalah cara pengukuran dan metode analisa data untuk mendapatkan indeks atau grade dari objek yang akan dibandingkan. Jika anda memakai pendekatan model statistik, perlu diperhatikan :
- distribusi dan skala data
- tidak semua dapat dihubungkan secara linier
- masing-masing variabel bisa jadi memiliki bobot yang berbeda
- adanya korelasi antar variabel independen mempengaruhi pemodelan yang akan digunakan

Pada dasarnya, selalu ada alasan ilmiah dan rasional sebelum perbandingan objek dilakukan, baik pada saat mengkategorikan objek, menentukan variabel, melakukan pengukuran dan memilih metode analisis.

Read More

Jaminan Validitas Riset Pasar

Apa persepsi anda ketika mendengar kata Riset Pasar? Gampang? Mudah? Mahal? Menjanjikan? Menyenangkan? Menantang? Ya, semuanya tergantung siapa anda saat ini, mahasiswa, staf riset di sebuah perusahaan consumen goods, staf riset di sebuah perusahaan konsultan riset pasar, manajer riset yang dibelakang meja atau hanya sekedar pengajar dan penulis buku riset.

Nampaknya banyak juga yang bilang "Mudah" dan "Menjanjikan". Ya disekitar saja, begitu mudahnya seseorang yang baru lulus menerima tender riset dan malakukan riset walaupun hanya dengan statistik deskriptif, seorang mantan surveyor (tanpa bekal pengetahuan riset yang cukup selain teknik wawancara) begitu antusiasnya menawarkan jasa riset ke beberapa perusahaan dan menyatakan bahwa mereka telah berpengalaman cukup lama, seseorang hanya karena loyalitas pada perusahaan tanpa dibekali dengan kompetensi yang cukup mengenai analisa data dan riset pemasaran bisa dengan mudah menjadi manajer riset. Wow.

Tapi bagaimana saat kita bicara mengenai validitas? Siapa diantara mereka yang mampu menjamin validitas dari riset yang mereka lakukan? Dan sampai pada angka berapa validitas itu mampu dipenuhi? Kalau sudah begini, riset pasar jadi terasa sulit. Yah, kalau cuman butuh 70% validitas, lebih baik lupakan saja melakukan riset pasar. Kesalahan 30% sudah bisa menimbulkan kesalahan pengambilan keputusan dan sia-sia saja biaya dikeluarkan untuk sebuah riset.

Akhirnya, orang-orang praktis (yaitu orang-orang yang MaMik = MAlas MIKir) akan bilang, aaahhh... percuma aja riset, dan statistik tidak akan pernah penting. Selanjutnya, mereka akan mengagung-agungkan apa yang disebut Intuisi. Padahal intuisi itu dilatih karena sinergi antara pengalaman, data,fakta dan informasi. Karena intuisi bukanlah insting seperti yang dimiliki oleh hewan.

Bagaimanapun, validitas dari melakukan riset merupakan hal yang sangat dibutuhkan. Tiada guna riset dilakukan jika tak mampu menjaga validitasnya.

Lalu, apa sih kunci utama terjaganya validitas ?
Bagi saya beberapa hal ini, secara berurutan menentukan seberapa besarkah validitas riset pasar akan terjaga :

- Strategi sampling
Baik cara menghitung sampel, metode yang dipilih, penentuan sampling frame dan cara pengambilan sampel sangat menentukan, apakah sampel yang anda peroleh nanti benar-benar representatif dan random.

- Pemilihan Variabel dan penyusunan pertanyaan dalam kuesioner
Keterkaitan antar variabel dan penyusunannya dalam kuesioner akan mempengaruhi persepsi dan jawaban interviewer serta responden.

- Tata Cara Wawancara
Sikap interviewer dan kondisi saat wawancara juga mempengaruhi kepercayaan responden dan apa yang dikatakannya.

- Tabulasi dan pengelolaan data
Walaupun kecil dan seoptimal mungkin dapat diminimalisasi dengan pemrograman database, namun adanya kesalahan pada tahap akhir ini juga sering terjadi. Apalagi yang mentabulasi di excel dengan beberapa orang.

Read More