di mana: = Bobot kepentingan relatif untuk tiap atribut
= Range nilai kepentingan untuk tiap atribut
2.7.3.5 Analisis Regresi dengan Peubah Boneka
dummy
Analisis regresi dengan peubah boneka adalah suatu regresi yang variabel bebasnya merupakan variabel dummy . Di dalam hal ini, variabel bebas terdiri dari variabel
dummy untuk level dari atribut. Bila atribut mempunyai level sebanyak diberi kode, dinyatakan dalam
− 1 variabel dummy, atau banyaknya variabel dummy = banyaknya kategori level dikurangi satu.
Untuk atribut ke-i dengan level, variabel dummy-nya adalah
Tabel 2.2 Variabel Dummy Atribut ke- dengan level
�
Level
1 2
. . .
−1
1 1
. . . 2
1 . . .
3 . . .
. .
. .
. .
. .
. .
. .
. .
. − 1
. . . 1
. . .
Untuk membangun model regresi yang peubah bebasnya mengandung variabel kualitatif, salah satunya adalah menggunakan peubah boneka. Peubah boneka
merupakan cara yang sederhana untuk mengkuantifikasi variabel yang kualitatif. Untuk variabel kualitatif yang mempunyai kategori bisa dibangun
− 1 peubah boneka. Peubah boneka ini biasanya mengambil nilai 1 atau 0. Kedua nilai yang
diberikan tidak menunjukkan bilangan numerik tetapi hanya sebagai identifikasi kelas atau kategorinya. Di dalam literatur Supranto 2004 menyebutkan bahwa:
Universitas Sumatera Utara
1. Atribut yang mempunyai dua taraf diberi kode 1 untuk salah satu taraf dan 0 untuk lainnya.
2. Atribut yang mempunyai dari tiga taraf, pengkodeannya sebagai berikut:
Tabel 2.3 Pengkodean taraf atau level
Taraf Kode
Taraf 1 Taraf 2
Taraf 3 1
1
Untuk taraf lebih dari tiga, pengkodean dilakukan dngan cara yang sama sehingga setiap faktor memiliki
− 1 peubah boneka. Banyaknya peubah boneka sama dengan banyaknya kategori taraf dikurangi satu.
Jika data yang digunakan berasal dari penilaian stimuli yang telah dirancang sebelumnya dan penilaian dilakukan dengan menggunakan skala metrik, maka regresi
dapat dihitung langsung dengan menggunakan pendekatan Ordinary Least Square OLS. Jika penilaian stimuli menggunakan urutan stimuli, maka data tersebut harus
ditransformasi terlebih dahulu dengan monotomic regression atau multidimensional scalling, kemudian analisis dilanjutkan dengan regresi peubah boneka. Namun, jika
data diperoleh melalui penilaian secara terpisah dari masing-masing taraf atau level atribut yang dikenal dengan istilah discrete choice, analisis yang dapat digunakan
adalah model logit, metode perancangan dan pengukuran pada analisis konjoin salah satunya yaitu Self-Explicated Model.
Pada model ini, responden diminta untuk menilai atribut dan mempertimbangkan atribut yang menurut mereka penting. Beberapa
langkah metode model ini adalah sebagai berikut a. Pereduksian taraf
Kepada responden ditunjukan semua taraf atau level dari masing- masing atribut, dan diminta untuk menghapus taraf atau level yang
Universitas Sumatera Utara
menurut mereka tidak penting, hal ini dilakukan untuk efisien taraf atau level yang dinilai memiliki pengaruh paling penting.
b. Memberikan peringkat pada taraf atau level Responden diminta untuk memilih taraf atau level yang menurut
mereka paling disukai dan yang paling tidak disukai untuk tiap atributnya. Kemudian, tara atau level dalam atribut yang sama
diberikan peringkat. c. Memberikan peringkat pada atribut
Responden diminta untuk mengurutkan atribut yang paling penting sampai dengan atribut yang tidak penting dari semua atribut. Hal ini
dilakukan untuk mengetahui seberapa penting atribut yang satu dibandingkan dengan atribut yang lain.
Meskipun model self-explicated dapat diterapkan pada jumlah atribut yang besar, namun terbatas pada kemampuan responden dalam memberikan peringkat.
Apabila jumlah atribut besar, maka responden tidak fokus dalam memberikan peringkat sehingga hasil yang diperoleh kurang memuaskan.
2.7.3.6 Interpretasi Hasil
Kategori