Skala JAR dan Penalty Analysis: Desain, Hitung, Tafsir

Ketika konsumen memberi skor kesukaan yang biasa-biasa saja, tim pengembangan produk ingin tahu arah perbaikannya. Apakah produk terlalu manis atau kurang manis? Terlalu asin atau kurang asin? Skala just-about-right (JAR) dirancang untuk menjawab pertanyaan semacam ini, dan penalty analysis menghubungkan jawaban JAR dengan skor kesukaan sehingga tim tahu perbaikan mana yang paling berdampak.

Artikel ini membahas desain skala JAR, cara mengelompokkan respons, perhitungan mean drop dan penalti berbobot, contoh hitung sederhana, serta jebakan penafsiran yang sering terjadi.

Seperti apa skala JAR

Skala JAR bersifat bipolar: kedua ujungnya berlawanan arah, dan titik tengahnya berarti "pas" atau "sesuai keinginan saya". Contohnya untuk kemanisan: "jauh kurang manis", "agak kurang manis", "pas", "agak terlalu manis", "jauh terlalu manis". Pustaka praktik konsumen menyebut JAR dengan 3 atau 5 titik (Stone et al., 2021, ch. 3, h. 99–106; Kemp et al., 2009). Artikel ini memakai versi 5 titik, yang masih membedakan penyimpangan ringan dan berat.

Tidak semua atribut cocok untuk JAR. Lawless dan Heymann menyebut tiga syarat (Lawless & Heymann, 2010, h. 334–340):

• Atribut punya titik optimum, yaitu ada kadar yang paling disukai.
• Kedua ujung skala benar-benar berlawanan.
• Atribut tidak kompleks atau kabur, sehingga konsumen memahaminya dengan cara yang sama.

JAR adalah alat untuk konsumen. Skala ini tidak dipakai pada panel terlatih, yang seharusnya menilai intensitas tanpa unsur kesukaan (Lawless & Heymann, 2010, h. 334–340).

Menganalisis distribusi JAR

Langkah pertama selalu melihat distribusi respons, bukan rata-ratanya. Meilgaard et al. menegaskan bahwa data JAR tidak dirata-ratakan. Hitung persentase pada tiap kategori, lalu bandingkan distribusinya, misalnya dengan χ² terhadap distribusi merek yang sukses (Meilgaard et al., 2016, h. 328). Alasannya sederhana: setengah responden yang menilai "terlalu manis" dan setengah yang menilai "kurang manis" menghasilkan rata-rata tepat di titik "pas", padahal tidak ada satu pun yang puas.

Sebagai patokan, Lawless dan Heymann menyebut sekitar 80% respons di kategori JAR sebagai benchmark (Lawless & Heymann, 2010, h. 334–340), sedangkan Stone et al. memberi contoh norma 65% (Stone et al., 2021, ch. 3, h. 105–111). Perbedaan ini menunjukkan bahwa ambang tersebut adalah keputusan bisnis, bukan konstanta statistik.

Untuk menguji apakah penyimpangan condong ke satu arah, kelompok "di atas pas" dapat dibandingkan dengan "di bawah pas" dengan uji binomial. Bila beberapa sampel dinilai oleh orang yang sama, gunakan uji untuk data berpasangan seperti Stuart–Maxwell (df 2), McNemar, atau CMH. χ² biasa tidak boleh dipakai pada desain within-subject (Lawless & Heymann, 2010, h. 334–340).

Penalty analysis langkah demi langkah

Penalty analysis menjawab pertanyaan: berapa banyak kesukaan yang hilang ketika produk dinilai tidak pas? Langkahnya:

1. Kelompokkan respons JAR 5 titik menjadi tiga: "terlalu sedikit" (dua titik bawah), "pas" (titik tengah), dan "terlalu banyak" (dua titik atas).
2. Hitung persentase responden di tiap kelompok.
3. Hitung rata-rata kesukaan keseluruhan untuk tiap kelompok.
4. Hitung mean drop: rata-rata kesukaan kelompok JAR dikurangi rata-rata kesukaan kelompok "terlalu sedikit" atau "terlalu banyak" (Lawless & Heymann, 2010, h. 334–340; Stone et al., 2021, ch. 3, h. 105–111).
5. Plot mean drop terhadap persentase responden di kelompok tersebut (Lawless & Heymann, 2010, h. 334–340).
6. Abaikan kategori dengan responden di bawah 20%. Stone et al. menyebut ambang ini (Stone et al., 2021, ch. 3, h. 105–111).

Ukuran turunan yang juga dilaporkan Nusensa adalah penalti berbobot, yaitu mean drop dikalikan proporsi responden di kelompok itu. Angka ini menggabungkan dua sumbu plot menjadi satu: seberapa besar kerugian kesukaan dan seberapa banyak orang yang mengalaminya.

Contoh hitung (angka hipotetis)

Angka berikut hipotetis, dibuat hanya untuk ilustrasi, bukan dari studi nyata. Misalkan 100 konsumen menilai sebuah minuman pada skala hedonik 9 titik dan skala JAR kemanisan 5 titik.

Perhitungannya:

• Mean drop "kurang manis" = 7,2 − 6,6 = 0,6. Penalti berbobot = 0,15 × 0,6 = 0,09.
• Mean drop "terlalu manis" = 7,2 − 5,8 = 1,4. Penalti berbobot = 0,25 × 1,4 = 0,35.

Kelompok "kurang manis" hanya 15%, di bawah ambang 20%, sehingga diabaikan. Kelompok "terlalu manis" mencakup 25% responden dengan penurunan kesukaan 1,4 poin, jadi menurunkan kemanisan adalah prioritas. Perhatikan juga bahwa kategori JAR hanya 60%, di bawah contoh norma 65% maupun benchmark 80%.

Penalty analysis menunjukkan arah perbaikan yang paling berdampak, tetapi tidak memberi tahu seberapa banyak formula harus diubah.

Jebakan penafsiran

Pertanyaan JAR dapat memengaruhi kesukaan. Bila konsumen diminta menilai kemanisan sebelum kesukaan, perhatiannya sudah diarahkan ke kemanisan. Karena itu overall liking selalu ditanyakan pertama (Stone et al., 2021, ch. 7, h. 336; Kemp et al., 2009, h. 121, 136). Kemp et al. mengizinkan JAR dan intensitas sesudah pertanyaan kesukaan (Kemp et al., 2009, h. 134–136). Stone et al. bahkan menganjurkan kuesioner "null" tanpa JAR atau atribut diagnostik sama sekali (Stone et al., 2021, ch. 7, h. 333–336).

Efek halo. Konsumen yang tidak menyukai produk cenderung menilai banyak atribut "tidak pas" sekaligus. Hubungan antara JAR dan kesukaan bisa berjalan ke dua arah (Lawless & Heymann, 2010, h. 216–217, 334–340).

Keyakinan kognitif. Konsumen mungkin menjawab "terlalu manis" karena merasa gula itu tidak sehat, bukan karena rasanya (Lawless & Heymann, 2010, h. 334–340).

Segmen tersembunyi. Sebagian orang ingin lebih manis dan sebagian lain ingin kurang manis. Analisis total dapat menyembunyikan dua kelompok yang menuntut arah berlawanan (Lawless & Heymann, 2010, h. 334–340).

Bias pemusatan. Konsumen cenderung memetakan titik tengah rentang sampel yang disajikan ke titik "pas", sehingga sampel tengah tampak optimal hanya karena posisinya (Lawless & Heymann, 2010, h. 215, 340).

Data korelasional. Mean drop adalah selisih antarkelompok yang terbentuk sendiri, bukan hasil eksperimen. Konfirmasi perbaikan dengan uji ulang prototipe. Pembahasan kesukaan dan ukuran panel ada di artikel jumlah panelis uji hedonik, dan pendekatan berbasis istilah ada di artikel CATA dan RATA.

Coba di Nusensa

Nusensa menyediakan pertanyaan JAR pada form builder dan menghitung penalty analysis secara otomatis: penurunan rata-rata kesukaan per kelompok "terlalu", dengan bobot persentase responden dan ambang 20%. Mulai gratis dan jalankan studi JAR pertama Anda.