commit to user
II-20 7.
Analisis conjoint, Dalam sebuah survei penelitian lapangan, responden diminta untuk
mengevaluasi satu set penawaran produk potensial dalam hal preferensi pembelian perusahaan mereka untuk setiap penawaran.
2.4.2 Analisis Conjoint
Pengukuran analisis conjoint memainkan peran penting dalam pemasaran Hardle dan Shimar, 2003. Analisis conjoint adalah analisis dimana analisis
tersebut memberikan suatu ukuran kuantitatif mengenai kepentingan relatif relative importance suatu atribut terhadap atribut lain dari suatu produk barang
atau jasa Supranto, 2001. Analisis conjoint mencoba untuk menentukan kepentingan relatif yang dikaitkan pelanggan pada atribut yang penting dan
utilitas yang mereka kaitkan pada tingkatan atau level atribut. Informasi ini diturunkan dari evaluasi merk pelanggan atau brand profiles dari atribut dan
tingkatan atau levelnya. Responden dipresentasikan dengan stimulus yang terdiri dari kombinasi tingkatan atau level atribut. Para konsumen diminta untuk
mengevaluasi stimulus ini yang dinyatakan dalam keinginan mereka atau their desirability
. Prosedur conjoint mencoba untuk memberikan nilai pada tingkatan atau
level dari setiap atribut, sehingga nilai yang dihasilkan atau utilitas yang dikaitkan pada stimulus cocok atau sedekat mungkin dengan evaluasi input yang diberikan
oleh responden. Asumsi yang mendasari adalah bahwa setiap stimulus seperti produk, merk, atau toko dievaluasi sebagai perangkat atribut.
Dalam mendesain sebuah produk baru sangat penting untuk mengetahui jenis komponen mana yang membawa utilitas konsumen. Pengukuran analisis
conjoint adalah metode untuk menghubungkan komponen atribut utilitas part-
worth berdasarkan peringkat yang diberikan hasil produk yang berbeda.
Analisis conjoint telah dipergunakan dalam riset pemasaran untuk berbagai tujuan, antara lain meliputi Supranto, 2001:
1. Menentukan kepentingan relatif dari atribut di dalam proses pemilihan oleh
pelanggan. Output baku dari analisis conjoint terdiri dari kepentingan relatif dari timbangan yang diturunkan untuk semua atribut yang dipergunakan
untuk membangun stimulus yang diperuntukkan dalam tugas evaluasi.
commit to user
II-21 Kepentingan relatif timbangan weight menunjukkan atribut mana yang
penting didalam mempengaruhi pilihan pelanggan. 2.
Mengestimasi pangsa pasar merek yang berbeda dalam tingkatan level atribut. Utilitas yang diturunkan dari analisis conjoint dapat dipergunakan
sebagai input kedalam suatu pilihan simulator untuk menentukan sumbangan pilihan, kemudian pangsa pasar dengan berbagi jenis merek.
3. Menentukan komposisi merek yang disenangi, feature dari merek dapat
dibuat bervariasi dinyatakan dengan tingkatan level atribut dan utilitas yang bersangkutan ditentukan. Feature dari merek yang dihasilkan utilitas tertinggi
menunjukkan komposisi merek yang disenangi paling dipilih 4.
Membuat segmen pasar berdasarkan pada kemiripan preferensi untuk tingkatan atau level atribut. Fungsi part-worth diturunkan untuk atribut,
mungkin dipergunakan sebagai basis dasar untuk mengelompokkan clustering responden, untuk mencapai segmen preferensi yang homogen.
Aplikasi atau penggunaan analisis conjoint diterapkan dalam barang konsumsi, barang industri, keuangan, dan jasa lainnya. Aplikasi ini sudah meluas
di seluruh bidang pemasaran. Suatu survei yang baru tentang aplikasi analisis conjoint
untuk mengidentifikasi produk atau konsep baru, analisis kompetitif, harga, segmentasi pasar, periklanan dan distribusi.
Sebagai bagian dari multivariate dependence methods, analisis conjoint dapat diekspresikan dalam model:
Y1 = X1 + X2 + X3 + … + Xn ….… persamaan 2.2
non-metrik atau metrik non-metrik
Variabel independen X sering disebut dengan faktor dan berupa data non-metrik yang merupakan bagian dari faktor dan disebut level. Sedangkan variabel
dependen Y1 adalah pendapat keseluruhan overall preference dari responden terhadap sekian faktor dan level pada sebuah produk atau jasa.
Fase utama dari analisis conjoint Kotri, 2006, yaitu: 1.
Memilih atribut produk untuk diteliti, Dalam membuat kartu konsep pada awalnya memilih lima sampai sepuluh
atribut produk yang paling relevan, sebaiknya sesuai dengan kebutuhan paling penting dari konsumen. Untuk identifikasi awal menggunakan
commit to user
II-22 informasi yang diperoleh dari interaksi konsumen, kuesioner, kelompok fokus
dan wawancara. 2.
Memilih metode pengumpulan data, Dalam metode pengumpulan data dalam analisis conjoint terdiri dari dua
jenis, yaitu: pairwise comparison dan full-concept. Pada pendekatan pairwise comparison,
pelanggan diminta untuk memilih diantara dua atribut yang disajikan dengan tingkat atribut khusus. Kekurangan pairwise comparison
adalah adanya perbedaan situasi penelitian yang tinggi dari kehidupan nyata yang membuat konsumen hanya membandingkan dua atribut produk, dan
banyaknya pertanyaan pairwise comparison yang dibutuhkan untuk analisis. Oleh karena itu pairwise comparison diperbolehkan jika jumlah atribut
produk banyak dan tidak mungkin untuk menerapkan metode full-concept. 3.
Menyusun konsep kartu, Penyusunan konsep kartu digunakan untuk menentukan kebutuhan
eksperimen. Setelah kartu konsep disusun, dilakukan prosedur orthogonal array
. Prosedur dari orthogonal array perencanaan faktorial parsial memungkinkan untuk mengurangi jumlah kartu konsep dalam kasus yang
disajikan untuk memperkirakan hasil secara efisien. Peneliti harus memilih orthogonal array
, yang tidak termasuk konsep produk yang tidak layak orthogonal array lebih dari satu.
4. Memilih format presentasi atribut produk,
Dalam format presentasi atribut ada tiga bentuk format, yaitu: produk nyata, kartu, dan deskripsi. Kita harus memilih format apa yang digunakan untuk
menyajikan konsep produk. Hal ini memungkinkan menggunakan deskripsi produk dalam paragraf yang dapat memberikan gambaran produk yang
realistis dan lengkap. Pada umumnya format presentasi menggunakan format sistematis yang menyajikan atribut produk dalam kolom sebagai kata kunci.
5. Pengumpulan data,
Data dikumpulkan dari responden melalui wawancara baik wawancara pribadi atau kelompok. Dalam wawancara, responden diminta melihat seluruh
kartu konsep produk yang akan dirancang dan memberikan peringkat menurut
commit to user
II-23 preferensi pembelian responden. Metode ini dapat meminimalkan kesalahan
respon. 6.
Model Preferensi, Kebutuhan dan preferensi konsumen biasanya dimodelkan dengan
menggunakan salah satu dari tiga bentuk fungsi utilitas, yaitu: model vektor, model ideal point dan model part-worth. Model vektor adalah fungsi linier
tunggal yang mengasumsikan preferensi akan meningkat dengan kenaikan kualitas atribut p penurunan preferensi jika fungsi negatif. Model ideal point
merupakan fungsi titik lengkung yang menentukan jumlah atribut ideal, model ini sesuai untuk atribut kualitatif. Model part-worth adalah model
perkiraan utilitas yang paling sederhana yang merupakan atribut utilitas oleh kurva linier.
• Model Vektor
= t
p 1
Yjp Wp
……………………………..……………… Persamaan 2.3 •
Model Ideal-Point
= t
p 1
p jp
x -
y Wp
2
………………………..…………… Persamaan 2.4
commit to user
II-24 •
Model Part-Worth
= t
p 1
jp
fpy …………………………………..…………… Persamaan 2.5
Gambar 2.1 Model preferensi
Pada umumnya fungsi preferensi dalam analisis conjoint ditentukan dengan regresi kuadrat terkecil. Tujuan dari analisis ini untuk memprediksi pola
pembelian konsumen. Validasi model dilakukan dengan menentukan korelasi antara prediksi peringkat urutan kartu dan peringkat urutan aktual dari kartu.
Dalam beberapa penelitian, perbedaan korelasi memiliki rata-rata antara 0,7 – 0,8, meskipun telah mencapai korelasi 0,99.
7. Menentukan kepentingan relatif atribut produk,
Penentuan kepentingan relatif atribut dilakukan dengan memberikan bobot persentase pada masing-masing atribut dengan menggunakan skala prioritas.
Rasio utilitas atribut khusus untuk jumlah seluruh atribut digunakan untuk menyatakan utilitas atribut global dengan persamaan, sebagai berikut:
= t
p 1
min Up -
max Up ……………...………….. persamaan 2.6
Dimana, Op
= Kepentingan relatif atribut produk max Up = Utilitas dari atribut yang paling disukai
min Up = Utilitas dari atribut yang tidak disukai
Implementasi analisis conjoint dibantu dengan menggunakan software modern. Biasanya software statistik memiliki fungsi analisis conjoint tertentu
dan dapat menyelesaikan proses pengolahan data dengan lancar.
commit to user
II-25 8.
Implementasi Analisis Conjoint Untuk mengestimasi part-worth dan kepentingan relatif atribut produk
dengan menggunakan software SPSS, metode estimasi yang digunakan yaitu metode ordinary least squere.
S = B + B
11
+ B
12
+ B
13
+ B
21
+ B
22
+ B23 + B
31
+ B
32
+ B
33
+ B
41
+ B
42
+ B
43
+ B
51
+ B
52
+ B
61
+ B
62
……………………………… Persamaan 2.7 Parameter B dari variable independen menunjukkan part-worth dari atribut
yang berbeda untuk konsumen tertentu. Dari part-worth ini dapat ditentukan kepentingan relatif dari atribut yang berbeda.
2.4.3 Analisis Cluster
