Interpretasi Hasil Analisis Konjoin Pengukuran Reliabilitas dan Validitas

3.6 Interpretasi Hasil Analisis Konjoin

Interpretasi hasil dari seluruh analisis konjoin dapat dilihat pada tabel 3.6 berikut: Tabel 3.6 Hasil Analisis Konjoin 1 2 3 4 4 5 Atribut Level Tingkat Kepentingan Deskripsi Utility Skor Bobot Lambang Skor Kemasan Sachet � 15 -9,649 17,747 0,574 80 ml � 14 3,919 120 ml � 13 -5,016 180 ml � 12 8,098 200 ml � 11 2,648 Manfaat Mengurangi ketombe � 25 0,867 10,254 0,331 Menjadikan rambut tampak lebih hitam � 24 -0,321 Mengatasi rambut rontok � 23 5,204 Mengatasi rambut rusak dan bercabang � 22 -5,05 Universitas Sumatera Utara 1 2 3 4 5 6 Menjadikan rambut lembut dan halus � 21 -0,699 Aroma Aroma herbal � 32 -0,138 0,276 0,009 Aroma parfumsenyawa kimia � 31 0,138 Warna Putih � 44 -0,016 2,658 0,086 Hitam � 43 1,488 Biru muda � 42 -0,299 Kuning � 41 -1,170 Untuk menginterpretasikan hasil analisis, perlu di plot-kan fungsi part-worth. Nilai fungsi part-worth untuk setiap atribut disajikan dalam gambar berikut: Gambar 3.2 Fungsi Utilitas Atribut Jenis Kemasan -12 -10 -8 -6 -4 -2 2 4 6 8 10 Kemasan botol 200 ml Kemasan botol 180 ml Kemasan botol 120 ml Kemasan botol 80 ml Kemasan sachet Column2 Universitas Sumatera Utara Gambar 3.3 Fungsi Utilitas Atribut Manfaat Gambar 3.4 Fungsi Utilitas Atribut Aroma -6 -4 -2 2 4 6 Menjadikan rambut dan halus Mengatasi rambut rusak dan bercabang Mengatasi rambut rontok Menjadikan rambut tampak lebih hitam Mengurangi ketombe Column2 -0.2 -0.15 -0.1 -0.05 0.05 0.1 0.15 0.2 Aroma parfumsenyawa kimia Aroma herbal Column2 Universitas Sumatera Utara Gambar 3.5 Fungsi Utilitas Atribut Warna

3.7 Pengukuran Reliabilitas dan Validitas

Analisis konjoin bertujuan untuk memperkirakan pola pendapat responden, yang disebut estimates part-worth, kemudian membandingkan dengan pendapat responden yang sebenarnya, yang ada proses stimuli, yang dicerminkan dengan tingginya angka korelasi antara hasil estimates dengan hasil actual. Inilah yang disebut dengan Accuracy , yakni mengukur tingkat ketepatan prediksi, yang dicerminkan dengan adanya korelasi yang tinggi dan signifikansi antara hasil estimates dengan hasil aktual. Untuk menguji validitas dalam analisis konjoin dilakukan dengan Pearson’s R dan Kendall’s Tau. Korelasi Pearson’s R digunakan untuk perhitungan data dengan skala rating, sedangkan Kendall’s Tau digunakan untuk menghitung data dengan skala ranking. Pedoman untuk uji signifikansi adalah: : Tidak ada korelasi yang kuat antara variable estimates dengan responden. 1 : Ada korelasi yang kuat antara variable estimates dengan responden. -1.5 -1 -0.5 0.5 1 1.5 2 Kuning Biru muda Hitam Putih Column3 Universitas Sumatera Utara Jika angka signifikansi 0,05 maka diterima, sebaliknya jika angka signifikansi 0,05 maka ditolak. Tabel 3.7 Korelasi Variabel Estimates dan Responden Value Sig. Pearsons R .895 .000 Kendalls tau .702 .000 Pada pengukuran ini, diperoleh hasil bahwa prediksi utilitas dan utilitas aktualnya saling berkorelasi cukup kuat, yaitu sebesar 0,895 dan 0,702 dan memiliki signifikansi masing-masing sebesar 0,000 artinya signifikansi 0,05. Hal ini membuktikan adanya hubungan yang kuat antara utilitas estimates dan actual, atau terdapat ketepatan dalam memprediksi Predictive Accuracy, yang menunjukkan bahwa model regresi linier multiple tersebut cocok atau tepat untuk data yang dianalisis. Universitas Sumatera Utara

BAB 4 KESIMPULAN DAN SARAN