commit to user
4. Asumsi Analisis konjoin Analisis konjoin mempunyai asumsi yang terbatas. Asumsi yang digunakan
hanya pada pembentukan desain, estimasi yang tidak baur dan dapat diinterpretasikan secara individu maupun kelompok.
5. Estimasi Model Konjoin Analisis konjoin termasuk analisis multivariat dependen dengan model
Ɵ
=
Ɵ
+ +
⋯ + .
Ɵ
dan seterusnya adalah atribut yang berupa data non metrik. Sedangkan
Ɵ
adalah pendapat kelompok overall preference dari seorang responden terhadap kombinasi atribut dan level pada sebuah
produk. Untuk mengetahui prediksi atau estimasi pendapat responden dari hasil konjoin, maka akan dicari estimasi part worth.
6. Interpretasi Hasil Metode yang biasa digunakan untuk menginterpretasi hasil pada analisis
konjoin adalah metode terpisah. Metode terpisah artinya setiap responden dianalisis sendiri-sendiri dan interpretasi hasil dari metode ini untuk
masing-masing responden. Selain itu, interpretasi juga dapat dilakukan dengan metode kelompok. Interpretasi hasil dari metode ini untuk
kelompok responden. Interpretasi hasil metode kelompok secara umum memberikan hasil yang sangat sulit ketika digunakan untuk memprediksi
keinginan tiap responden. 7. Validasi hasil konjoin
Untuk mengetahui seberapa kuat hubungan antara estimasi dengan kenyataan dapat dilihat dari nilai uji korelasi. Validasi hasil konjoin untuk
data yang dirangking bisa menggunakan uji korelasi Spearman atau Kendall.
2.1.3 Korelasi Spearman
Validasi hasil konjoin untuk data yang dirangking bisa menggunakan uji korelasi Spearman atau Kendall. Menurut Conover 1980: 250 pengukuran
korelasi digunakan pada data berpasangan. Pengukuran korelasi antara j dan
mempunyai kriteria sebagai berikut
commit to user
a. pengukuran korelasi bernilai antara -1 dan +1, b. jika nilai
j membesar seiring dengan membesarnya nilai ataupun sebaliknya berarti pengukuran korelasi dikatakan positif yang
menggambarkan bahwa korelasi kuat, c. jika nilai
j membesar berpasangan dengan mengecilnya nilai ataupun sebaliknya berarti pengukuran korelasi dikatakan negatif
yang menggambarkan bahwa korelasi kuat, d. jika nilai
j berpasangan dengan menghasilkan pengukuran korelasi 0 berarti antara
j dan independen. Hal seperti ini dikatakan antara j dan tidak berkorelasi.
Diberikan sampel random berukuran j
Ɵ
,
Ɵ
, j ,
, … , j , . Secara
umum ditulis j
ƻ
,
ƻ
untuk e = 1,2, … , . j
ƻ
merupakan rangking pada j
ƻ
. j
ƻ
= 1 jika j
ƻ
paling disukai diantara j
Ɵ
, j , … , j . j
ƻ
= 2 jika j
ƻ
terkecil kedua dan seterusnya sampai ke rangking yang paling besar. Hal
yang sama diberikan kepada
ƻ
yaitu 1, 2, ... , untuk
Ɵ
, , … ,
. Hal ini bisa diterapkan untuk data yang terdiri dari observasi nonmetrik. Pengukuran
korelasi dinotasikan dengan rho. Jika tidak terdapat nilai observasi yang sama tie diberikan persamaan sebagai berikut
= ∑
j
ƻ
− + 1
2
ƻ
− + 1
2
ƻ Ɵ
− 112 2.3
Untuk mempermudah perhitungan diberikan persamaan 2.4 sebagai berikut = 1
− 6
∑ [ j
ƻ
−
ƻ
]
ƻ Ɵ
− 1 = 1
− 6
− 1 2.4
dengan merupakan jumlah keseluruhan dari hitungan deviasi rangking j dan
yang sudah dikuadratkan. Jika observasi terdapat beberapa nilai yang sama tie maka digunakan rata-rata dari nilai yang sama tersebut.
commit to user
Uji hipotesis untuk koefisien korelasi Spearman adalah sebagai berikut a. uji dua sisi
: j
ƻ
dan
ƻ
adalah independen
Ɵ
: j
ƻ
dan
ƻ
tidak independen. Hal ini berarti ada kecenderungan bahwa nilai
j membesar berpasangan dengan nilai yang membesar atau sebaliknya
b. uji satu sisi untuk korelasi positif :
j
ƻ
dan
ƻ
adalah independen
Ɵ
: ada kecenderungan bahwa nilai j dan sama-sama membesar
c. uji satu sisi untuk korelasi negatif :
j
ƻ
dan
ƻ
adalah independen
Ɵ
: ada kecenderungan bahwa nilai j mengecil berpasangan dengan nilai
membesar Nilai statistik uji dibandingkan dengan tabel koefisien korelasi Spearman
yang memberikan nilai quantil dari . Pada uji satu sisi untuk korelasi positif ditolak jika quantil 1
− . Pada uji satu sisi korelasi negatif ditolak jika quantil . Pada uji dua sisi
ditolak jika quantil 1 − 2 atau
quantil 2
⁄ .
2.1.4 Korelasi Kendall
