Kelebihan pendekatan pasangan adalah bahwa pendekatan ini lebih mudah bagi responden untuk memberikan pertimbangan. Tetapi kelemahan
realtifnya ialah bahwa pendekatan ini memerlukan lebih banyak evaluasi.
2.4.3 Analisis Data
Data yang diperlukan dalam analisis konjoin dapat berupa data non-metrik data berskala nominal atau ordinal atau kategorial maupun data metrik data berskala
interval atau rasio. 1. Data non-metrik
Untuk memperoleh data dalam bentuk non-metrik, responden diminta untuk membuat rangking atau mengurutkan stimulus yang paling disukai hingga
pada stimulus yang tidak disukai. Untuk stimulus yang paling disukai diberi nilai dimulai dari 1 dan seterusnya hingga ranking terakhir stimulus yang
paling tidak disukai. 2. Data metrik
Untuk memperoleh data dalam bentuk metrik, responden diminta untuk membrikan nilai atau rating terhadap masing-masing stimulus. Dengan cara
ini, responden akan memberikan penilaian terhadap masing-masing stimulus secara terpisah. Pemberian nilai atau rating dapat dilakukan melalui beberapa
cara, yaitu: a. Menggunakan skala likert mulai dari 1 hingga 5 1 = paling tida disukai
dan 5 = paling disukai. b. Menggunakan nilai ranking terbalik, artinya untuk stimulus yang paling
disukai diberi nilai tertinggi setara dengan umlah stimulusnya, sedangkan stimulus yang paling tidak disukai diberi nilai satu.
Universitas Sumatera Utara
2.4.4 Memilih Prosedur Analisis Konjoin
Model dasar analisis konjoin secara matematis sebagai berikut Supranto, 2004:
� =
=1 =1
Dimana: �
= Utility total dari tiap-tiap stimuli = Nilai kegunaan atribut ke-i, taraf kek
= Banyaknya level atribut i = Banyaknya atribut
= Peubah boneka atribut ke-i taraf ke-j bernilai 1, jika level ke-j dari atribut ke-i terjadi dan bernilai 0 jika tidak terjadi
Range nilai kepentingan relatif tiap atribut dapat dihitung dengan rumus: = {
− min }
Rumus untuk nilai kepentingan relatif adalah: =
=1
Dimana: = Bobot kepentingan relatif untuk tiap atribut
= Range nilai kepentingan untuk tiap atribut
Beberapa prosedur yang berbeda tersedia untuk mengestimasi model dasar
yang paling sederhana, dan yang sangat populer yaitu dummy variable regression,
Universitas Sumatera Utara
artinya suatu regresi yang variabel bebasnya merupakan variabel dummy peubah boneka. Peubah boneka merupakan cara yang sederhana unutuk mengkuantifikasi
variabel yang kualitatif. 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-i dengan level
Peubah boneka ini biasanya mengambil nilai 1 atau 0. Kedua nilai yang diberikan tidak menunjukkan bilangan numerik tetapi hanya sebagai identifikasi
kelas atau kategorinya. Didalam literatur Supranto 2004 menyebutkan bahwa: 1. Atribut yang mempunyai dua taraf diberi kode 1 untuk salah satu taraf dan 0
untuk lainnya. 2. Atribut yang mempunyai tiga taraf, pengkodeannya sebagai berikut:
Universitas Sumatera Utara
Tabel 2.3 Pengkodean taraf atau level
Untuk taraf lebih dari tiga pengkodean dilakukan dengan cara yang sama sehingga setiap faktor memiliki
− 1 peubah boneka. Misalkan terdapat 3 buah atribut dengan masing-masing 4 level atribut, maka setelah
dilakukan pengkodean taraf diperoleh 9 variabel dummy, data tersebut dapat dianalisis dengan menggunakan regresi liniear berganda dengan 9 variabel dummy, dengan
persamaan: � =
+
1 1
+
2 2
+
3 3
+
4 4
+
5 5
+
6 6
+
7 7
+
8 8
+
9 9
dengan ,
1
, … ,
9
adalah koefisien yang dapat dicari dengan menggunakan metode kuadrat terkecil atau dengan menggunakan SPSS. Setelah koefisien tersebut diperoleh
maka nilai utilitas dari setiap level atribut dapat dicari. Hubungan setiap koefisien variable dummy, mewakili perbedaan dalam utilitas untuk level yang bersangkutan
dikurangi utilitas dari level kategori dasar seperti persamaan berikut: �
11
− �
15
=
1
�
12
− �
15
=
2
dimana level atribut �
15
sebagai level kategori dasar.
2.4.5 Interpretasi Hasil
