Analisis IPA (Importance Performance Analysis)

Apa itu SPSS

Dikutip dari pusdiklat.bps.go.id  bahwa SPSS itu memiliki kepanjangan Statistical Program for Social Science yang merupakan program komputer dipakai untuk analisis data statistik dengan menghasilkan grafis baik itu diagram maupun grafik.

Dalam perkuliahan juga memerlukan perangkat lunak tersebut untuk mengolah data dan menghasilkan grafis yang bisa dibaca dengan jelas dan siap di interpretasikan secara langsung maupun tidak langsung. Tentunya didalam bidang ke PWK-an sering menggunakan perangkat tersebut.  Tidak hanya itu juga terdapat mata kuliah yang mempelajari seputar analisis dengan menggunakan SPSS. Ada berbagai macam fiture analisis yaitu analisis regresi, faktor, kuadran cartesius, uji reliability, uji normalitas, korelasi, cluster, dan masih banyak lagi fiture analisis.

Menurut dari pengalamanku saat menyusun tugas akhir tentunya menggunakan perangkat ini dimana mudah dilakukan dan diperlukan ketelitian dan terus dilakukan uji, sehingga dapat menghasilkan grafis yang tepat dan hasilnya valid bisa menjawab dalam tujuan penelitian.

Yang sering aku gunakan sebagai referensi dari website statiskian.com(anwar hidayat), dqlab.id, dan masih banyak lagi yang bisa dipakai sebagai referensi. Pokoknya sebelum menganalisis dengan SPSS dipahami langkah-langkah analisisnya dan coba melakukan dengan mandiri. Selain itu sering menonton tutorial di youtube akan lebih mudah dan belajar jadi menyenangkan.

Analisis IPA (Importance Performance Analysis) itu apa sih?

Analisis IPA merupakan analisis yang digunakan untuk melihat kesesuaian antara kinerja dan harapan terhadap variabel yang dianalisis. Menurut Martila dan James (1977) bahwa fungsi dalam analisis IPA adalah mengukur kinerja dan harapan. Dalam analisis tersebut memiliki 3 langkah yaitu menghitung bobot dalam atribut/dimensi, menghitung tingkat kesesuaian dan membuat diagram cartesius di SPSS. Jadi step 1 dan 2 ini langsung menggunakan di excel dan membuat diagram menggunakan SPSS.

• Pembobotan dengan skala likert
• Skala likert merupakan skala yang mengukur sikap, persepsi, dan pendapat dari seseorang terkait fenomena sosial (Sugiyono, 2016). Dalam penggunaan skala likert berfokus pada skala 1-5 karena dapat mempermudah masyarakat untuk memberi angket/pendapat. Pada pembobotan ini dimana menghitung banyaknya responden yang memilih sesuai pada nilai skala 1-5 sehingga nantinya akan dikalikan dan dijumlahkan. Contohnya: (32×5)+(14×4)+(10×3)+(5×2)+(3×1)=259.
• Menghitung tingkat kesesuaian dalam kinerja dan harapan pada pelayanan
• Sebelum masuk kedalam perhitungan tingkat kesesuaian, mencari nilai skor rata-rata, rata-rata, dan rata-rata keseluruhan.
• Rumus skor rata-rata : bobot/jumlah responden
• Rumus rata-rata : jumlah skor rata-rata pada 1 dimensi/2
• Rumus rata-rata keseluruhan : rata-rata dari masing-masing dimensi/jumlah dimensi

Jadi setelah mendapatkan nilai tersebut, dilakukan perhitungan tingkat kesesuaian dengan berfokus pada nilai rata-rata kinerja dan harapan setiap dimensi.

                                                                                                                                 Tki = Xi/Yi ×100%

Keterangan :

Xi : Kinerja/kepuasan

Yi : Harapan

• Membuat diagram cartesius

Diagram cartesius merupakan bagan yang terbagi menjadi 4 bagan dan adanya perpotongan garis titik (x,y) dimana titik x berfokus pada kinerja dan titik y berfokus pada harapan.

                                                                         

Berikut penjelasan dalam masing-masing kuadran cartesius yaitu:

• Kuadran 1 : Main Priority (Prioritas Utama) : dalam atribut di kuadran ini yang dirasakan responden sangat penting, namun belum memuaskan untuk kondisi saat ini sehingga menjadi perhatian khusus bagi pihak terkait.
• Kuadran 2 : Keep Performance (Pertahankan Kinerja): dalam atribut di kuadran ini dipandang penting oleh pengguna dan kualitasnya sangat baik. Sehingga atribut yang masuk dalam kuadran 2 harus dipertahankan.
• Kuadran 3 : Low Priority (Prioritas Rendah) : kepuasan pengguna mengalami penurunan karena tingkat kepentingannya dan kinerja lebih rendah dibandingkan dengan rata-rata.
• Kuadran 4 : Possible Overkill (Cenderung Berlebihan): pada atribut di kuadran ini dipandang tidak penting oleh pengguna namun kualitas pelayanan sangat baik.

Langkah-Langkah Pembuatan Diagram Cartesius di SPSS

• Membuka aplikasi, klik data variabel kemudian isi kriteria variabel yang dianalisis dimana terdapat 3 variabel yaitu label, kinerja, dan harapan. Kemudian klik data view untuk menginputkan datanya dengan menyalin langsung atau diketik secara manual.
• Lalu pilih analyse dan klik graphs dan memilih legacy dialogs dan klik scatter/dot. Kemudian klik simple scattler.
• Kemudian masukkan variabel kinerja di x axis dan variabel harapan di y axis, serta label di label cases by.
• Lalu pilih option, aktifkan  display chart wit case label, klik continu.
• Setelah itu mucul outputnya, klik 2 kali dibagian tengah bagan.
• Klik option, pilih x axis, lalu pilih reference line. Kemudian klik set to dan pilih mean, klik apply.
• Lalu ulangi langkah di nomor 6 dengan pilih y axis.
• Kemudian untuk memunculkan nama titiknya dengan klik label mode dengan langsung klik satu per satu.
• Kemudian hasil diagram cartesius siap di interpretasikan.

Buat kalian yang penasaran dan ingin belajar bisa dicoba langsung  yahh. Aku tunggu feedback dari kalian yang sudah mencoba dan jika bingung bisa komen dibawah ini ⏬