Defenisi Analisis Konjoin .1 Pengertian Analisis Konjoin
2.12 Defenisi Analisis Konjoin 2.12.1 Pengertian Analisis Konjoin
Analisis konjoin pada awalnya populer digunakan pada riset pemasaran, khususnya pada
berbagai riset untuk mengetahui bagaimana preferensi konsumen terhadap berbagai desain produk. Kata “Conjoint” Menurut para praktisi riset diambil dari kata “Con –
Sidered Jointly” Dalam kenyataannya kata sifat “Conjoint” diturunkan dari kaya benda “to conjoint” yang berarti “Joined Together” atau bekerja sama.
Analisis konjoin adalah suatu teknik analisis yang dapat digunakan untuk menentukan tingkat kepentingan relatif berdasarkan persepsi pelanggan yang dibawa oleh
suatu produk tertentu dan nilai kegunaan yang muncul dari atribut - atribut produk terkait. Manfaat yang dapat diambil dari penggunaan analisis konjoin ini adalah produsen dapat
mencari solusi kompromi yang optimal dalam merancang atau mengembangkan suatu desain.
Dalam menentukan pilihannya untuk membeli suatu produk, konsumen sering mempertimbangkan berbagai faktor. Bagi konsumen faktor tersebut bersifat trade-off
yang membuat konsumen serba salah, misalnya antara harga dan kualitas, mana yang harus dipilih, memilih harga yang tinggi dan kualitas yang relatif rendah atau harga tinggi
dengan kualitas yang tinggi pula.
2.12.2 Tujuan dan Manfaat Penggunaan Analisis Konjoin Pada dasarnya tujuan analisis konjoin adalah untuk mengetahui bagaimana persepsi
seseorang terhadap suatu objek untuk mengetahui kombinasi seperti apa yang memiliki nilai manfaat terbesar yang dirasakan oleh responden sehingga akan
mempengaruhimereka dalam menentukan keputusan. Hasil utama analisis konjoin adalah suatu bentuk desain produk barang jasa atau objek tertentu yang diinginkan oleh
sebagian besar responden. Singgih, 2010. 2.12.3 Istilah – istilah Dalam Analisis Konjoin
Adapun beberapa istilah dalam analisis konjoin adalah:
1. Atribut, yaitu berupa variabel – variabel yang akan diteliti.
2. Taraf level, yaitu bagian dari atribut yang memperlihatkan nilai yang
diasumsikan oleh atribut. 3.
Stimuli, yaitu sekelompok atribut yang dievaluasi oleh responden yang berasal dari kombinasi atau desain taraf – taraf atribut.
4. Nilai kepentingan relatif Relative Importance Value, yaitu nilai yang
memperlihatkan atribut yang paling penting dalam mempengaruhi pilihan responden.
5. Nilai kegunaan utilitas, yaitu teori ekonomi yang mempelajari kepuasan atau
kenikmatan yang diperoleh dari seorang konsumen. Semakin tinggi tingkat kepuasan maka semakin tinggi pula nilai guna utilitas dan sebaliknya. Nilai
guna dibedakan dalam dua pengertian: a.
Nilai guna marginal, yaitu pertambahan pengurangan kepuasan akibat adanya pertambahan pengurangan penggunaan satu unit barang tertentu.
b. Total nilai guna, yaitu keseluruhan kepuasan yang diperoleh dari
mengonsumsi sejumlah barang-barang tertentu.
2.12.4 Tahapan – tahapan Analisis Konjoin Adapun tahapan-tahapan yang perlu dilakukan dalam merancang dan melaksanakan
analisis konjoin secara umum sebagai berikut:
1. Perumusan Masalah Dan Mengidentifikasi Atribut
Langkah awal dalam melakukan analisis konjoin yaitu perumusan masalah. Setelah adanya perumusan masalah maka dicarilah kumpulan atribut dimana setiap atribut terdiri
atas beberapa taraf level. Informasi mengenai atribut yang mewakili preferensi konsumen dapat diperoleh melalui diskusi dengan pakar, eksplorasi data sekunder atau
studi kepustakaan. Kemudian atribut yang sudah dianggap mewakili ditentukan datanya. Skala atribut dibagi menjadi skala kualitatif non-metrik atau kategori nominal dan
ordinal dan skala kuantitatif atau metrik interval dan rasio.
2. Merancang Kombinasi Atribut Stimuli
Setelah mengidentifikasi atribut beserta taraf-tarafnya, kemudian dilakukan perancangan stimuli yaitu kombinasi taraf antar atribut. Pendekatan yang umum digunakan untuk
merancang stimuli yaitu kombinasi lengkap full profile atau evaluasi banyak faktor dan kombinasi berpasangan pairwise comparison atau evaluasi dua faktor.
a. Full Profile
Didalam metode full profile mengevaluasi banyak faktor dapat dibentuk dari semua atribut. Jumlah atribut dapat dikurangi dengan menggunakan factorial design. Suatu kelas
spesial factorial design, yang disebut orthogonal array memungkinkan mengestimasi semua main effect. Desain ini mengasumsikan bahwa setiap interaksi yang tidak penting
dapat diabaikan. Untik membentuk stimuli dirancang dengan menggunakan SPSS sehingga diperoleh stimuli dengan menggunaka orthogonal array. Stimuli yang terbentuk
disusun dalam kartu – kartu stimuli.
Setiap stimuli berisi kombinasi atribut dengan level, dengan setiap stimuli menggambarkan profil tiap objek. Responden mengevaluasi masing-masing stimuli
dengan cara rangking mengurutkan atau rating memberi nilai peringkat dimulai dari stimuli yang paling diminati sampai dengan stimuli yang paling tidak diminati.
Keuntungan menggunakan metode ini adalah: 1
Diperoleh deskripsi yang lebih realistis dengan penjelasan dari setiap stimuli yang berisikan sebuah level dari masing-masing atribut.
2 Menggambarkan trade-off yang lebih jelas antara seluruh atribut yang ada.
3 Memungkinkan pemakaian tipe-tipe penilaian preferensi lainnya.
Sedangkan kendala yang terdapat pada metode ini ialah urutan-urutan atribut yang tertulis dalam kartu stimuli bisa berdampak pada evaluasi. Berdasarkan pernyataan
tersebut maka pada metode Full profile disarankan apabila jumlah atribut yang diteliti kurang dari enam atau sama dengan enam serta dengan bertambahnya jumlah atribut
maka akan menambah kemungkinan diperolehnya informasi yang berlebih.
b. Pairwise Combination
Responden diminta untuk mengevaluasi pasangan-pasangan atribut secara bersamaan. Di dalam metode pairwise combination, dimungkinkan untuk mereduksi mengurangi
jumlah perbandingan dengan menggunakan cylical design. Jumlah stimuli dapat dikurangi dengan menggunakan fractional design. Suatu kelas spesial fractional design,
yang disebut orthogonal array memungkinkan mengestimasi semua main effects.
3. Menentukan Metode Pengumpulan Data
Dalam analisis konjoin terdapat dua jenis data yaitu berupa data metrik interval atau rasio dan data non – metrik data berskala nominal atau ordinal atau disebut juga dengan
kategorial.
a. Data Metrik
Untuk data metrik responden diminta untuk memberikan evaluasi berupa pemberian rangking pada stimulus dengan memberikan peringkat untuk stimulus yang paling
disukai sampai dengan stimulus yang paling tidak disukai.
b. Data Non – metrik
Untuk memperoleh data dalam non – metrik, responden diminta untuk memberikan nilai atau rating terhadap masing-masing stimuli, dengan cara ini, responden dapat
memberikan nilai penilaian terhadap masing-masing stimuli secara terpisah. Pemberian rating oleh responden dapat dilakukan dengan menggunakan:
1. Skala likert mulai dari angka 1 sampai dengan 5, dengan angka 1 menunjukkan
paling tidak disukai dan dengan 5 menunjukkan sangat suka. 2.
Menggunakan nilai rating terbalik, artinya untuk stimuli yang paling tidak disukai diberi nilai tertinggi dan untuk stimuli yang paling disukai diberi nilai rendah.
4. Menentukan Metode Analisis Yang Digunakan
Salah satu metode yang dapat digunakan untuk menyelesaikan model dari analisis konjoin adalah metode regresi dengan variabel dummy. Variabel yang dianalisis dengan
model regresi dapat berupa variabel kuantitatif dan dapat pula berupa variabel kualitatif. Untuk variabel kualitatif yang mempunyai k kategorik level bisa dibangun k-1 peubah
bonekadan biasanya mengambil nilai 1 atau 0 kedua nilai yang diberikan tidak menunjukkan bilangan numerik tetap hanya sebagai identitas kelas atau kategorinya.
Adapun kategorinya sebagai berikut: 1.
Untuk dua kategori maka diberi kode 1 untuk salah satu level, dan 0 untuk level lainnya.
2. Untuk tiga kategori dapat dilihat pada tabel 2.1
3. Untuk level lebih dari tiga, pengkodean dilakukan dengan cara yang sama
sehingga setiap faktor memiliki k-1 variabel dummy.
Tabel 2.1 Pengkodean Variabel Dummy
Metode regresi variabel dummy sangat umum dilakukan untuk data berjenis non – metrik maupun metrik, dengan data yang telah diperoleh melalui pengurutan maupun penilaian
terhadap kombinasi atribut atau stimuli yang telah dirancang sebelumnya. Beberapa variasi pada penggunaan metode regresi variabel dummy yaitu:
a Bila data yang digunakan berasal dari penilaian stimuli yang telah dirancang
sebelumnya dan penilaian dilakukan dengan menggunakan skala metrik, maka regresi dengan variabel dummy dapat dihitung langsung dengan menggunakan
pendekatan Ordinary Least Square OLS. b
Bila penilaian stimuli menggunakan urutan rangking stimuli, maka data harus diubah lebih dahulu menjadi skala interval dengan menggunakan Monotonic
Regression atau menggunakan
Multidimensional Scaling MDS yang Kategori
Kode Kode
Kategori 1 1
Kategori 2 1
Kategori 3
dikombinasikan dengan Multy Analysis Of Variance MANOVA. Kemudian analisis dilanjutkan dengan regresi menggunakan Variabel Dummy.
c Bila data diperoleh melalui penilaian secara terpisah dari masing-masing atribut,
dimana variabel tak bebas umumnya berupa intensitas pilihan, maka analisis yang digunakan adalah LOGIT model.
Adapun persamaan regresi dengan variabel dummy adalah: �
��
= �
+ �
1 �
�
1 �
+ �
2 �
�
2 �
+ … + �
��
�
��
2.1
keterangan: Y
ij
= Peringkat seluruh responden β
= Intercept X
ij
= Peubah boneka atau variable dummy dari atribut ke-i level ke-j β
ij
= Nilai kegunaan atribut ke-i level ke-j
Adapun model dasar analisis konjoin adalah:
�� = � � �
��
�
�� �
�
� =1 �
�=1
2.2
keterangan : U X = Nilai kegunaan utility total
β
ij
= sumbangan the part-worth atau utility yang terkait dengan level j Ij
= Parth Worth atau nilai kegunaan dari atribut ke-i level ke- j k
i
= banyaknya level atribut i m
= jumlah atribut x
ij
= Variable dummy atribut ke-i level ke-j bernilai 1 bila level yang berkaitan muncul dan 0 bila tidak
Dengan model regresi tersebut maka dapat ditentukan nilai kegunaan dari level-level tiap atribut untuk menentukan nilai pentingnya suatu level relatif terhadap level yang lain
pada suatu atribut. Setelah menentukan nilai kegunaan level, maka nilai kepentingan relatif bobot dapat dihitung dengan formula sebagai berikut:
�
� = �
�
∑ �
� �
�=1
2.3
keterangan : W
i
= Bobot kepentingan relatif untuk tiap atribut I
i
= Range nilai kepentingan untuk tiap atribut m
= Banyaknya atribut
Untuk mencari range nilai kepentingan relatif tiap atribut dapat dicari dengan rumus sebagai berikut:
I
i
= {maksα
ij
– minα
ij
} 2.4
Keterangan: I
i
= Nilai kepentingan relatif untuk tiap atribut Maks = Nilai maksimal
Min = Nilai minimal
α
ij
= Utility nilai kegunaan tiap level
5. Interpretasi Hasil
Kuhfeld 2000 ada beberapa ketentuan dalam melakukan interpretasi hasil yaitu: a.
Level yang memiliki nilai kegunaan lebih tinggi adalah level yang lebih disukai. b.
Total nilai kegunaan masing-masing kombinasi sama dengan jumlah nilai kegunaan tiap level dari atribut-atribut tersebut.
c. Kombinasi yang memiliki total nilai kegunaan tertinggi adalah kombinasi yang
paling disukai responden d.
Atribut yang memiliki perbedaan nilai kegunaan lebih besar antara nilai kegunaan level tertinggi dan terendahnya merupakan atribut yang lebih penting.
6. Uji Validitas dan Realibilitas
Validitas merupakan alat ukur untuk melihat atau mengetahui apakah kuesioner dapat
digunakan untuk mengukur keadaan responden sebenarnya Algifari 2000. Suatu
kuesioner dikatakan sah jika pertanyaan pada kuesioner mampu mengungkapkan sesuatu yang diukur oleh kuesioner tersebut. Uji validitas dapat digunakan dengan menggunakan
software SPSS menggunakan uji korelasi Pearson Product Moment. Dalam uji ini, setiap item akan diuji relasinya dengan skor total variabelnya.
Reabilitas adalah indeks yang menunjukkan sejauh mana alat ukur dapat dipercaya atau diandalkan dan sejauh mana hasil pengukuran konsisten bila dilakukan
dua kali atau lebih terhadap gejala yang sama, dengan alat ukur yang sama. Untuk mengukur reliabilitas alat ukur digunakan teknik Cronbach Alpha. Suatu kuesioner
dikatakan reliabel atau handal jika jawaban responden terhadap pertanyaan konsisten atau stabil dari waktu ke waktu. Suatu variabel dikatakan reliabel jika memberikan nilai
0.60. Untuk menguji validitas keadaan responden digunakan rumus korelasi product moment
pearsons, yaitu :
r =
�∑ ��− ∑ � ∑ � �[� ∑ �
2
−∑ �
2
][ � ∑ �
2
−∑ �
2
]
2.5
keterangan : r
= Koefisien Korelasi N
= Jumlah Responden X
2
= Skor Pertanyaan Y
2
= Skor Total Jika nilai r hitung lebih besar dari r tabel maka kuesioner dinyatakan valid.
Kategori koefisien korelasi berdasarkan Sugiyono 2000 adalah sebagai berikut: Tabel 2.2 Koefesien Korelasi
0.80 r
xy
≤ 1.00 Korelasi Sangat Tinggi
0.60 r
xy
≤ 0.80 Korelasi Tinggi
0.40 r
xy
≤ 0.60 Korelasi Sedang
0.20 r
xy
≤ 0.40 Korelasi Rendah
-1.00 r
xy
≤ 0.20 Korelasi Sangat Rendah
Uji reliabilitas dilakukan dengan uji Alpha Cronbach. Reliabilitas item diuji dengan melihat koefisien Alpha dengan melakukan Reliability Analysis dengan SPSS. Akan
dilihat nilai Alpha Cronbach untuk reliabilitas keseluruhan item dalam satu variabel.