|

Tehnik Evaluasi Kegiatan Pendampingan atau Penyuluhan

Sebagai salah satu dari bagian business intelligence magic kuadrant, analisis yang sederhana dapat menjadi powerful untuk mengevaluasi kegiatan seperti penyuluhan. Kegiatan Penyuluhan atau pendampingan kawasan teknologi biasanya mengharapkan adanya perbaikan wawasan dan teknologi. Lalu biasanya timbul pertanyaan, bagaimana cara kita mengevaluasi hasil kegiatan pendampingan tersebut? Dan biasanya kita melakukan survey kepuasan terhadap beberapa kinerja yang dilakukan selama pendampingan. Masalahnya adalah, terkadang kita diminta untuk mengevaluasi beberapa kendala dan langkah perbaikan untuk mengatasinya. Survey kepuasan yang berisi tentang persentase persepsi tentunya belum cukup untuk menjabarkan hal ini. Tehnik survey kepuasan hanya menangkap skala kepuasan dalam satu dimensi, perlu ada tambahan dimensi seperti tingkat kepentingan dan mampu merangkum kedua dimensi tersebut sehingga bisa digunakan untuk evaluasi kegiatan pendampingan atau penyuluhan.

Tehnik yang dimaksud adalah Important and Performance Analysis (IPA) merupakan tehnik kuadran yang menghubungkan dua subjek atau dua objek untuk mengkaji efektifitas suatu kegiatan. Tentang materi dan informasi lebih lanjut, anda bisa bergoogling untuk mencari bahan referensi dan pustaka yang lebih berkualitas. Artikel ini saya tulis untuk langsung praktek dengan data yang anda miliki atau membantu anda dalam membuat sedikit kerangka penelitian dalam pendampingan kawasan teknologi atau kegiatan penyuluhan yang akan anda lakukan.

IPA analysis pada intinya adalah menggabungkan dua objek atau dua subjek. Anda bisa mengartikan dua objek sebagai petani dan penyuluh, atau dua subjek sebagai tingkat kepuasan dan tingkat kepentingan kegiatan penyuluhan menurut petani.

Jika anda menggunakan 2 objek, petani dan penyuluh, maka sebaiknya subjek penelitiannya hanya satu yang digunakan, misalnya hanya variabel tingkat kepuasan. Artinya anda ingin membandingkan tingkat kepuasan kegiatan penyuluhan antara persepsi petani dan persepsi penyuluh. Perbedaan persepsi yang diperoleh merupakan pembahasan mengenai keberhasilan atau kendala kegiatan penyuluhan yang dilakukan.

Jika anda menggunakan 2 subjek, tingkat kepentingan dan tingkat kepuasan, maka sebaiknya anda menggunakan satu subjek saja, misalnya petani. Artinya anda ingin mendapatkan informasi tentang persepsi petani apakah variabel – variabel penyuluhan itu penting dan puas. Adapun selisih antara keduanya merupakan pembahasan kendala dan tingkat keberhasilan kegiatan penyuluhan.

Anda juga dapat melakukan keduanya dengan 2 kali proses, artinya anda ingin membahas tentang perbedaan persepsi antara penyuluh dan petani, dan anda juga disisi yang lain membahas kesenjangan antara tingkat kepentingan dan tingkat kepuasan yang dirasakan petani sebagai objek dari pendampingan atau penyuluhan.

Alat ini sangat efektif dan cukup sering saya gunakan. Hampir tiap tahun menggunakan alat ini karena sebagian besar kegiatan merupakan pendampingan. Berikut adalah output yang pernah saya hasilkan dalam pengkajian atribut benih unggul padi di Prov Maluku

Namun, pada artikel ini saya akan menggunakan data fiktif sebagai latihan mengingat hasil pengkajian diatas masih dalam proses review, sehingga belum bisa saya publish di sini.

Berdasarkan gambar diatas, terdapat 4 kuadran yang masing – masing kuadran memiliki pengertian masing masing.

Kuadran 1 = Prioritas utama

Pada kuadran ini memuat nilai keinginan petani/tingkat kepentingan petani yang tinggi sedangkan kepuasannya rendah. Variabel –variabel yang masuk dalam kuadran ini menjadi prioritas utama sebagai bahan evaluasi atau koreksi agar kegiatan yang dimaksud bisa berjalan dengan optimal. Jika penelitian atau pengambilan data dilakukan diakhir kegiatan, maka dapat menjadi evaluasi untuk kegiatan selanjutnya bagaimana cara meningkatkan kepuasan pada variabel yang masuk dalam kuadran 1. Jika pengambilan data dilakukan dipertengahan kegiatan, maka masih ada waktu untuk melakukan upaya peningkatan kepuasan petani misalnya dengan interview mendalam apa kendala yang dihadapai, dan sebagainya.

Kuadran 2 = pertahankan prestasi

Kuadran ini merupakan kuadran ideal. Anda bisa saja berharap agar semua variabel masuk dalam kuadran ini sebab kuadran ini terdiri atas variabel yang mengandung tingkat kepentingan dan tingkat kepuasan yang tinggi. Artinya petani menganggap variabel yang dikuadran ini sangat penting dan kinerjanya sudah sangat memuaskan.

Kuadran 3 = Prioritas rendah

Kuadran ini terdiri dari variabel yang memiliki tingkat kepentingan endah dan kepuasannya juga rendah. Artinya petani berpendapat bahwa variabel di kuadran ini tidak penting sehingga anda tidak perlu mengupayakan lebih. Peningkatan kepuasan terhadap variabel dikuadran ini bisa menyebabkan masuk kategori berlebihan

Kuadran 4 = Berlebihan

Kuadran ini berisi variabel yang dianggap tidak penting atau kurang penting namun  sangat memuaskan. Sebaiknya anda fokus terhadap kudran 1 dan 2 karena peningkatan tingkat kepuasan berarti memenuhi ekspektasi petani. Namun, disisi lain kita bisa mengevaluasi apakah variabel variabel yang kita evaluasi sudah masuk dalam kategory yang sebenarnya. Bisa saja petani menganggap variabel tertentu tidak penting, padahal menurut kita sebagai pendamping variabel tersebut sangat penting. Hal ini bisa mengidentifikasikan keberhasilan kegiatan dalam mengubah persepsi petani.

Data olah untuk analisis ini berupa data primer yang umumnya berasal dari quesioner. Dalam kuesioner, responden ditanya tentang seberapa penting dan seberapa puas anda terhadap kinerja atribut atau variabel tertentu dalam skala likert.

Skala 1 – 5 dengan keterangan 1 = tidak penting, 2 = kurang penting, 3 = cukup penting, 4 = penting, 5 = sangat penting.

Begitupun pada tingkat kepuasan : 1 = tidak puas, 2 = kurang puas, 3 = cukup puas, 4 = puas, 5 = sangat puas.

Rekapitulasi data dan skoring

Data primer hasil pengamatan di rekap dan diproses untuk memperoleh skor di setiap variabel baik pada tingkat kepentingan maupun tingkat kepuasan.

Nilai Skor (x)  = ( n x skala (x)) / N

n adalah jumlah reponden yang menyatakan tanggapan (x), skala (x) adalah ukuran nilai skala untuk kriteria x ( 1 – 5),  sedangkan N adalah total responden.

Kemudian total disetiap variabel dijumlahkan dari skor 1 hingga skor 5.

Bingung? Ini contohnya

Data yang saya miliki:

Tentukan nilai masing masing skor ( 1 – 5)

Kemudian jumlahkan total skornya.

Mau cara yang lebih gampang? Anda tinggal rata-ratakan nilainya setelah memasukkan data skala pada data awal. Hasilnya sama saja. Perhatikan dibawah ini.

Tampak sekali hasilnya sama antara average dan rumus nilai skor untuk mendapat nilai tingkat kepentingan dan tingkat kepuasan pada variabel tertentu.

Lakukan juga pada tingkat kepuasan. Selanjutnya data siap diolah untuk menjadi kuadran

Langkah IPA Analysis

Adapun langkah membuat kuadran IPA adalah sebagai berikut :

Persiapkan data yang terdiri dari tingkat kepentingan dan tingkat kepuasan. Seperti yang saya jelaskan sebelumnya, anda juga bisa membuat 2 objek dengan 1 subjek, misalnya tingkat kepuasan antara penyuluh dan petani. Namun contoh disini adalah 2 subjek dengan 1 objek.

Kali ini saya menggunakan SPSS. Ini data fiktif untuk contoh saja dengan beberapa variabel yang pernah saya gunakan tahun 2016. Kemudian klik Graphs – Legacy Dialogs – scatter dot

Klik define

Masukkan tingkat kepentingan pada sumbu Y dan tingkat kepuasan pada sumbu X. Kemudian klik OK. Maka muncul muncul diagram plot

Klik 2 kali gambar tersebut sehingga keluar chart editor. Klik elements – data label mode untuk memberi label masing masing titik. Kemudian klik setiap titik di gambar, maka akan muncul masing masing keterangan. Setelah semua muncul kembali lagi klik elements – data label mode. Hilangkan cecklist data lebel mode dan klik apply dan close pada windows kecil yang muncul

Kemudian klik option – X axis reference line

Kita bisa saja mengisi garis x tersebut dengan nilai median atau mean. Kali ini saya isikan nilai 3 karena nilai 3 merupakan nilai tengah dari skala 1 – 5. Artinya titik yang berada di sebelah kanan berarti lebih dari cukup (skala kepuasan) dan titik yang berada disebelah kiri berarti kurang dari cukup.

Kemudian klik apply dan close. Selanjutnya klik option – Y axis reference line. Masih di chart editor. Garis ini merupakan garis tengah sumbu Y atau sumbu tingkat kepentingan. Artinya titik yang berada diatas garis ini berarti memiliki nilai lebih dari cukup penting, dan sebaliknya titik yang berada di bawah garis ini berarti memiliki nilai kurang dari cukup penting.

Isikan 3 karena 3 merupakan nilai tengah dari skala likert yang digunakan. Anda bisa saja menggunakan opsi median atau mean, tergantung dari model peneltian anda.

Kemudian klik apply dan close. Kuadran IPA sudah siap untuk diinterpretasikan

Hasil kuadran IPA pada latihan ini menunjukkan bahwa :

Kuadran 1 : variabel 3 (umur tanaman) dan variabel 4 (Daya tumbuh)

Kuadran 2 : variabel 1 (produktivitas) dan variabel 2 (tahan hama)

Kuadran 3 : variabel 8 (jenis varietas) dan variabel 7 (kualitas kemasan)

Kuadran 4 : variabel 5 (efisiensi pupuk) dan variabel 6 (daya simpan)

Penjelasan masing-masing kuadran sudah saya jelaskan di bag awal artikel ini. Selamat mencoba…

Jika artikel ini dirasakan bermanfaat, mohon bantu sebarkan. Terima kasih telah berkunjung

Video dalam artikel ini tentang Important Performance Analisis atau biasa disebut sebagai analisis kuadran, lengkap dengan nama variabel didalam chartnya:

Similar Posts

2 Comments

  1. permisi mas, mau tanya, untuk analisis itu, bisa dikasi nama tidak ? jadi bukan angka nya yg keluar saat klik element, melainkan nama indikator tsb. klo bisa mohon tutorialnya. terimakasih

    1. seharusnya bisa, tapi saya belum coba. Lain kali mungkin akan saya coba. sebelumnya mas reza bisa coba coba dulu di SPSSnya mungkin. Terima kasih

Tinggalkan Balasan

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *