atau jasa. Untuk mengukur nilai kegunaan digunakan regresi probit atau regresi logit.
2.3.3. Langkah-langkah Melakukan Analisis Konjoin
Dalam melakukan analisis konjoin, langkah-langkah yang dilakukan adalah sebagai berikut :
1. Perumusan masalah Didalam merumuskan masalah analisis konjoin, peneliti harus
mengenalimengidentifikasi atribut dengan tingkatanlevel masing-masing yang dipergunakan untuk membentuk stimulus. Level atribut menunjukan nilai yang
diasumsikan oleh atribut. Atribut yang dipilih harus sangat penting dalam mempengaruhi preferensi dan pilihan konsumen Supranto, 2010.
Menurut Hair et al 2010, karakteristik umum yang harus diperhatikan dalam menentukan atribut dan leveltaraf yaitu :
1. Atribut dan leveltaraf harus dapat dikomunikasikan dengan mudah untuk melakukan evaluasi secara realistis.
2. Atribut dan leveltaraf harus dilaksanakan dan didefenisikan dengan jelas sehingga tiap atribut berbeda dengan jelas dan presentasi konsep dapat
diimplementasikan secara presisi. Dengan kata lain, atribut tidak bisa bersifat fuzzy.
Jumlah level tiap atribut harus seimbang dan range dari level pada atribut harus diatur agar berada di luar nilai-nilai yang sudah ada, tetapi tidak pada taraf
yang tidak dapat dipercaya. Level juga harus didefenisikan sedemikian rupa sehingga tidak terdapat stimuli yang sangat disukai konsumen tetapi tidak dapat
Universitas Sumatera Utara
direalisasikan. Atribut dan levelnya harus bisa diukur dan diambil tindakan actionable.
2. Penentuan Metode Analisis Konjoin Penentuan metode yang akan digunakan dalam analisis konjoin dilakukan
berdasarkan jumlah atribut yang dilibatkan. Menurut Hair et al 2010, ada tiga metode yang dapat digunakan dalam analisis konjoin. Perbandingan ketiga
metode tersebut dapat dilihat pada tabel berikut :
Tabel 2.1 Perbandingan Alternatif Metode Konjoin
Karakteristik Metode Konjoin
Traditional Conjoint
AdaptiveHybrid Conjoint
Choice-Based Conjoint
Maksimum Atribut
9 30
6 Level Analisis
Indiviadual Individual
Agregat atau Individual
Bentuk Model Aditif
Aditif Aditif dan
interaksi Aktifitas
Pemilihan Mengevaluasi
stimuli Full- profile dalam satu
waktu Memberikan
rating terhadap stimuli yang
mencakup sekelompok atribut
Memilih sekelompok
stimuli Format
Pengumpulan Data
Tidak dibatasi Umumnya berbasis
komputer Tidak dibatasi
Sumber: Multivariate Data Analysis Hair et al, 2010 Menurut Hair et al 2010, ada dua macam aturan komposisi untuk
menggambarkan bagaimana responden menggabungkan parth-worth dari atribut untuk mendapatkan nilai secara keseluruhan, yaitu :
1. Model aditif, merupakan aturan komposisi yang paling umum dan paling mendasar serta merupakan model dasar untuk traditional dan adaptive
conjoint. Model ini tidak membutuhkan asumsi yang ketat mengenai sebaran
Universitas Sumatera Utara
data. Responden secara sederhana menjumlahkan nilai tiap atribut untuk mendapatkan nilai total dari kombinasi atribut.
2. Model interaktif, merupakan aturan komposisi yang lebih sering digunakan untuk atribut yang kurang tangible terutama bila reaksi estetis atau emosional
berperan besar. Kepentingan interaksi meningkat karena ketidakmampuan untuk menentukan perbedaan aktual antara atribut tertentu. Dalam analisis
konjoin digunakan model interaktif multiplikatif. 3. Merancang stimuli
Kombinasi antara atribut dengan level disebut dengan stimuli atau treatment. Jika ada m atribut dan masing-masing atribut ada n level, maka stimuli
yang dibuat adalah n x n x ... sejumlah m buah. Apabila jumlah atribut dan level yang dilibatkan dalam penelitian banyak, maka stimuli yang terbentuk akan
semakin banyak pula. Dalam mereduksi jumlah stimuli agar responden lebih mudah dalam
mengevaluasi stimuli dibutuhkan suatu teknik yang dikenal dengan fractional factorial design. Dengan teknik ini akan diperoleh jumlah stimuli yang hanya
mengukur efek utamanya saja sedangkan efek dari interaksi antara satu atribut dengan atribut lainnya diabaikan. Urutan penyajian atribut dalam stimuli tidak
berpengaruh terhadap responden dalam memberikan peringkat rangking ataupun nilai rating terhadap skenario pilihan Ryan et al, 1998.
Menurut Supranto 2010, terdapat dua cara pembentukan stimuli dalam analisis konjoin yaitu :
Universitas Sumatera Utara
1. Pendekatan pasangan the pairwise approach Pendekatan pasangan juga disebut evaluasi dua faktor two factor
evaluation, responden diminta menilai dua atribut setiap kali sampai semua kemungkinan pasangan dua atribut telah selesai di evaluasi. Untuk setiap
pasangan, responden mengevaluasi semua kombinasi dari level kedua atribut yang disajikan dalam suatu matrix. Dalam pendekatan ini dimungkinkan untuk
mereduksimengurangi jumlah perbandingan pasangan dengan menggunakan cyclical designs agar tidak mengevaluasi semua kemungkinan kombinasi.
2. Prosedur profil penuh full-profile procedure Pendekatan profil penuh juga disebut dengan evaluasi banyak faktor
multiple factor evaluation. Responden diminta mengevaluasi sebagian atau seluruh kombinasi level atribut yang menggambarkan profil produk atau jasa
secara lengkap dengan memberikan peringkat Rangking atau menilai Rating. Sama halnya dengan pendekatan pairwise, pendekatan full profile
jumlah stimulus profiles dapat dikurangi dengan fractional factorial designs. Suatu kelas spesial khusus fractional designs yang disebut orthogonal arrays,
yang memungkinkan untuk mengestimasi semua main effects. Orthogonal arrays memungkinkan pengukuran semua main effects of
interrest on an uncorrelated basis. Desain ini mengasumsikan bahwa semua interaksi yang tidak penting, bisa diabaikan negligible. Orthogonal arrays
dibentuk dari basic full factorial design dengan mengganti suatu faktor baru untuk selected interaction effects yang dianggap bisa diabaikan.
Universitas Sumatera Utara
Pada umumnya, dua set data diperoleh. Set pertama disebut estimation set, dipergunakan untuk menghitung parth-worth function bagi tingkatan
atribut. Set
lainnya disebut
hold out
set dipergunakan
untuk memperkirakanmengakses keandalan dan keahlian reability dan validity.
Menurut Santoso 2014, secara teoritis stimuli akan sangat banyak jika faktor level juga bervariasi. Untuk jumlah stimuli yang terlalu banyak,
bisa dilakukan pengurangan stimuli dengan ketentuan stimuli minimal adalah : Minimun stimuli = Jumlah level
– Jumlah atribut + 1 4. Pengumpulan data
Pengumpulan data yang dimaksud adalah pengumpulan pendapat responden terhadap setiap stimuli yang ada. Pendapat setiap responden ini disebut
sebagai utility, yang dinyatakan dengan angka dan menjadi dasar perhitungan konjoin.
5. Melakukan proses konjoin Dari pendapat responden atas sekian stimuli, dilakukam proses konjoin
untuk memperkirakan prediksi bentuk produk atau jasa yang diinginkan responden.
6. Interpretasi hasil Dalam menginterpretasi hasil analisis konjoin, dapat dilihat dari hasil part-
worth yang diplot-kan kedalam bentuk grafik untuk mengidentifikasi pola. Semakin tinggi part-worth baik positif maupun negatif, semakin besar
pengaruhnya terhadap utilitas secara keseluruhan.
Universitas Sumatera Utara
Analisis konjoin dapat juga mengukur tingkat kepentingan relatif dari tiap atribut. Atribut dengan range terbesar dari part-worth adalah faktor terpenting
karena memberikan kontribusi terbesar dari utilitas keseluruhan Hair et al, 2010 7. Validasi hasil konjoin
Tujuan validasi adalah untuk memastikan seberapa konsisten model dapat memprediksi set evaluasi preferensi dari setiap responden. Untuk validasi dapat
ditambahkan holdout stimuli tambahan. Hasil analisis konjoin yang memperkirakan pola pendapat responden atau estimasi part-worth dibandingkan
dengan pendapat responden yang sebenarnya actual yang ada pada proses stimuli dapat menggunakan korelasi Spearman’s rho atau Kendall’s tau pada data
rank-order dan korelasi Pearson pada data Rating. Tingginya angka korelasi antara hasil estimates dengan hasil actual menunjukan ketepatan prediksi atau
predictive accuracy Santoso, 2014.
2.4 Pelayanan Kesehatan