Chi-Square Automatic Interaction Detector (CHAID) untuk Segementasi Pasar

Oleh: Dony Saputra

Analisis CHAID menggunakan chi – square sebagai alat utama, dan prosedur CHAID merupakan bagian dari teknik terdahulu yang dikenal dengan Automatic Interaction Detector (AID). Diaz-Perez dan Cejas (2016) mengatakan bahwa CHAID adalah sebuah analisis berdasarkan sebuah variabel criterion yang memiliki dua atau lebih kategori. Hal ini membantu peneliti untuk dapat menentukan segmentasi berdasarkan variable tersebut dan berhubungan juga dengan kombinasi berbagai variabel independen (predictor). Oleh karena itu, untuk dapat menjalankan analisis CHAID, sebuah variabel dependen (criterion) dan variabel-variabel independen (predictor) harus di tetapkan terlebih dahulu. Menurut Baron dan Phillips (Sharp et al., 2002) yang dikutip oleh Kunto dan Hasana (2006) analisis CHAID dapat diringkas menjadi tiga elemen kunci, yaitu:

  1. Uji signifikan chi-square, uji ini dilakukan untuk mengidentifikasi variable independen yang paling signifikan dalam data.
  2. Koreksi Bonferroni.
  3. Sebuah algoritma yang digunakan untuk menggabungkan kategori – kategori variabel.

Analisis CHAID memiliki keunggulan dan kelemahan yang hampir sama dengan analisis diagram pohon lainnya. Nisbet et al. (2009) menunjukkan keunggulan dan kelemahan dari CHAID secara umum adalah sebagai berikut:

  1. Keunggulan: CHAID lebih cepat digunakan dibandingkan analisis lainnya. Diagram pohon yang dibentuk oleh CHAID tidak dibatasi dengan binary split (seperti CART), sehingga CHAID lebih sering digunakan dalam riset pemasaran. Node dan cabang yang dihasilkan CHAID berdasarkan hasil dari tabel kontingensi, sehingga node – node yang terdapat di diagram pohon saling berhubungan

Adapun keunggulan CHAID yang disebut dalam penelitian oleh Diaz-Perez dan Cejas (2016) adalah

(1) Chi-square merupakan statistik non parametrik.

(2) Variabel berjenis nominal dan interval dapat dijadikan predictor.

(3) Variabel continuous dapat di jadikan variabel criterion.

(4) Variabel criterion dapat ditetapkan sesuai kebutuhan peneliti.

  1. Kelemahan: Data atau variabel yang digunakan harus berupa data kategori, jika data asli berupa rasio atau skala maka akan menyebabkan error yang besar pada hasil diagram pohon (Karena terdapat banyak missing value). Hasil CHAID terkadang multiple split, sehingga sulit merealisasikan dalam kondisi sebenarnya.

 

Refference:

Kunto, Y. S., & Hasana, S. N. (2006). Analisis CHAID Sebagai Alat Bantu Statistika untuk Segmentasi Pasar (Studi Kasus pada Koperasi Syari’ah Al-Hidayah). Jurnal Manajemen Pemasaran, 88-98.

Flora M, Díaz-Pérez, Bethencourt-Cejas (2016)CHAID algorithm as an appropriate analytical method for tourism market segmentation, Journal of Destination Marketing & Management