INTERPRETASI
OUTPUT CHAID ANALYSIS DAN KESIMPULANNYA PADA KASUS SEGMEN PASAR KARTU KREDIT
TERBARU YANG DIKELUARKAN OLEH BANK Z
Halo selamat pagi sobat
semua.. Apa kabarnya semua? Hemmh moga baik, sehat dan sukses selalu ya sooob..
Amiiiin.. Oke deh kali ini, saya akan ngeposting lagi tentang bagaimana ini
tentang bagaimana cara menginterpretasikan output dari analisis CHAID ini dan
bagaimana simpulan yang bisa diambil pada kasus segmen pasar kartu kredit
keluaran terbaru bank Z...
Nah, saya saranin buat
sobat, sebelum membaca postingan ini, buat mempermudah pemahaman, silahkan
sobat baca dulu bagaimana konsep dan tutorial pengerjaan yang sudah rilis pada
postingan sebelumnya.. Silahkan soob cek lagi disini.
Oke deh tanpa
berlama-lama ayoo kita lihat outputnya:
Naaah, sebelumnya saya
mau beritahukan bahwa dalam analisis CHAID kita akan berkenalan dengan tiga
jenis node yaitu node indukan (parent node), node anakan (child node) dan node
final (terminal node).. Dalam output model Summary terlihat bahwa ada 11 node
yang terbentuk dan untuk kepentingan analisis adalah fikus kepada 6 terminal
node.
Tingkat kedalaman (Depth) analisis CHAID sejumlah 3 yaitu jumlah hierarki
pada pohon klasifikasi berdasarkan jenis kelamin, hierarki berdasarkan income
dan pekerjaan serta hierarki berdasarkan kepemilikan kartu kredit dan income..
Lebih jelasnya silahkan
sobat lihat output treesnya berikut ini yaaa hehehe..
Wow, lumayan gede ya
sooob hehehe.. Tapi tenang aja nanti saya kasi linknya buat download output
pengerjaan yang sudah dalam bentuk .sav (SPSS) agar sobat lebih jelas melihat
gambarnya hehehe...
Nah, dari sini kita
lihat bahwa untuk node 0 kan node paling awal tuuh , jadi tidak memiliki parent
node.. Nah untuk node 1 dan 2 baru punya parent node yaitu node 0 (node indukannya). Selanjutnya, untuk node 3 dan 4 punya
parent node yaitu node 1. Next,
untuk node 5 dan 6 juga punya parent node yaitu node 2 hehehe.. Selanjutnya, untuk node 7 dan 8 punya parent node
yaitu node 3 dan terakhir neeeh sob
untuk node 9 dan 10 punya parent node yaitu node 5..
Buat yang child note, ya kebalikannya aja sooob hehehehe..
Jadi, kita memiliki 5 node yang jadi parent node dan 10 child node (node 1
sampai 10).. Okee deh, sampai sini paham yaaak hehehe..
Nah, selanjutnya ayooo
lihat terminal nodenya.. Sobat inget output ini kan?
Nah, pastiii dooong hehehe.. Ini ada di postingan
saya sebelumnya.. Lihat bahwa yang akan kita tinjau adalah yang bakal jadi
segmen pasar bukan? Nah, tentu yang kita pilih sebagai target adalah kategori
setuju akan memakai. Nah, untuk informasi terminal node target kita silahkan
sobat lihat pada Target Category: Setuju Akan Memakai..
Sejalan dengan output
pada Model Summary bahwa ada 6 buah terminal node yaitu node 7, 9, 8, 4, 10 dan
6. Sekalian sobat lihat node terminal sudah langsung sudah langsung terurut
dari yang terbesar berdasarkan response dan indexnya.. Pertanyaannya apakah
keenam terminal node ini yang menjadi segmen pasar produk kartu kredit bank Z?
Bukaaan soob hehehe.. Inget terminal node itu ibarat kata berisikan kumpulan-kumpulan
kandidat alias calon segmen pasar produk kartu kredit keluaran Bank Z.. Nah,
untuk memilih segmen pasar dari kandidat segmen pada terminal node silahkan
sobat lihat nilai Indexnya. Naaah, jika nilai index lebih besar dari 100%, maka
itulah yang akan jadi segmen pasar produk kartu kreditnya.
Jreeeeng, lihat bahwa
hanya ada 3 node terpilih yaitu node 7, node 9 dan node 8 yang menjadi
segmen/pemakai kartu kredit itu dan segmen terbesar adalah node 7. Perhatikan
kembali output trees di atas. Segmen terbesar adalah pria dengan income/penghasilan
lebih dari sama dengan 1,5 juta rupiah dan sudah memiliki kartu kredit. Selanjutnya
terbesar kedua adalah wanita dengan pekerjaan non PNS dengan income/penghasilan
lebih dari sama dengan 1,5 juta rupiah. Selanjutnya segmen terakhir adalah pria
dengan penghasilan lebih dari sama dengan 1,5 juta rupiah dan belum pernah
memiliki kartu kredit.
Sekarang dari ketiga
segmen pasar (target penjualan), manejer pemasaran bank Z ingin tahu berapa
perolehan yang bisa diperoleh dari ketiga segmen tersebut. Nah, perhatikan
output Gain for Nodes pada bagian Percent Gain..
Perhatikan bahwa untuk
segmen pertama, produk kartu kredit terbaru keluaran bank Z akan mampu meraup
pasar sampai level 66%. Artinya jika kita arahkan pemasaran baik melalui media
promosi (periklanan), kunjungan dan purposive targetted system (langsung menawarkan
kepada karakteristik seperti segmen pertama yaitu pria dengan
income/penghasilan lebih dari sama dengan 1,5 juta rupiah dan sudah memiliki
kartu kredit), maka sebesar 66% dari target segmen pertama akan berhasil diraup.
Nah, dari segmen pasar
kedua memang pihak bank Z akan memperoleh Gain yang tidak sebesar segmen pertama.
Kita akan sanggup meraup sampai level 14% untuk populasi pada segmen kedua (wanita
dengan pekerjaan non PNS dengan income/penghasilan lebih dari sama dengan 1,5
juta rupiah).
Selanjutnya, kita akan
bisa meraup pasar sampai ke level 8% untuk segmen pasar ketiga (pria dengan
penghasilan lebih dari sama dengan 1,5 juta rupiah dan belum pernah memiliki
kartu kredit).. Nah, inilah yang menjadi target pasar kartu kredit Bank Z..
Dengan kita tahu siapa segmen pasar kita maka akan sangat efisien dalam
pengelolaan biaya untuk melakukan strategi pemasaran. Sudah jelas bahwa dari segmen
pertama (segmen terbesar), kita memperoleh/meraup pasar sampai ke level 66%,
maka sangat disarankan promosi produk kartu kredit ini lebih diarahkan kepada
segmen tersebut. Dalam hal ini tidak masalah untuk segmen ini yaitu pria dengan
pekerjaan apakah dia PNS atau non PNS (swasta atau wiraswasta/pebisnis) asalkan
penghasilannya lebih dari sama dengan 1,5 juta rupiah dan sudah pernah memiliki
kartu kredit, maka segmen ini akan sangat menjanjikan.
Promosi yang lebih
gencar juga perlu diperhatikan untuk segmen kedua yaitu populasi wanita dengan
income lebih dari 1,5 juta rupiah dengan pekerjaan non PNS (swasta atau
wiraswasta/pebisnis). Biaya promosi lebih baik dialokasikan dengan kunjungan ke
pabrik-pabrik/perusahaan-perusahaan swasta dan mendatangi target pasar seperti
pada karakteristik segmen kedua. Ingat, dari segmen ini juga lumayan
menjanjikan neeeh hehehe.. Gain yang diperoleh mencapai 14%. Begitu pula halnya untuk segmen yang ketiga
(yang terakhir), silahkan sobat kembangkan sendiri sesuai kreativitasmu soooob
hehehehe..
Nah, sekarang kita
lihat output berikutnya sooob hehehe...
Kita lihat bahwa
standar errornya sangat kecil yaitu 0,029 dengan risiko kesalahan yang
diperkirakan adalah 9%. Nah, sama halnya dengan analisis diskriminan, kita bisa
lihat kesahihan/keakuratan hasil penelitian dengan CHAID Analysis untuk kasus
identifikasi segmen-segmen pasar kartu kredit terbaru keluaran bank Z adalah
91/100 = 91% (masuk dalam kategori sangat akurat).
Yaaap, oke deh sob
demikian yang bisa saya sampaikan tentang interpretasi dan simpulan dari contoh
kasus dengan CHAID Analysis ini. Nah, seperti janji saya di atas, ini soob link
buat download output .sav (SPSS) nya.. Klik saja disini..
Sampai disini dulu soob yaa.. Kurang lebihnya saya mohon maaf ya sooob hehehe.. Semoga
postingan ini bermanfaat untuk kita semua.. Salam damai, salam sehat sentosa,
salam sukses dan salam manis dari saya hehehe :-)
mas, kenapa kalo output yang saya punya cuman ada 1 node ajah?
BalasHapuspadahal variabe bebasnya ada 8 ya?
Coba mb running ulang data yang ada sesuai dengan prosedur analisis yang dibuat dalam postingan.
BalasHapusbagaimana kita mnegetahui uji bonferroninya.. saya pernah baca kalau CHAID hrus ada uji bonferoni, terimakasih .... :D
BalasHapusApakah kita bisa menetapkan kesalahannya hanya 5% saja?
BalasHapuskenapa child node dan parent node pada tree 10 dan 5 ya? padahal kan sebelumnya sudah ditentukan untuk child node dan parent node nya 5 dan 10?? tolong dijawab ya makasih
BalasHapus