Tabel 2.2 Contoh Orthogonal Array dan Non-orthogonal Array
Orthogonal Array Non-orthogonal Array
Faktor : A
B C
Faktor : A
B C
1 1
1 1
1 2
1 2
2 1
2 1
2 1
2 2
1 2
2 2
1 1
2 1
2. Pairwise Combination Melalui pendekatan ini, stimuli yang diperingkatkan dilakukan dengan
cara memberikan peringkat pada setiap kombinasi taraflevel dari dua atribut, mulai dari yang paling disukai sampai pada yang paling tidak
disukai. Jika banyaknya atribut ada -buah, maka kombinasi taraflevel
atribut yang harus dievaluasi responden adalah sebanyak: c =
pasangan.
Kelebihan pendekatan pasangan adalah bahwa pendekatan ini lebih mudah bagi responden untuk memberikan
pertimbangan. Tetapi kelemahan relatifnya ialah bahwa pendekatan ini memerlukan lebih
banyak evaluasi.
2.8.2.3 Menentukan Jenis Data
Data yang diperlukan dalam analisis konjoin dapat berupa data non-metrik data berskala nominal atau ordinal atau kategorial maupun data metrik data berskala
interval atau rasio.
1. Data non-metrik Untuk memperoleh data dalam bentuk non-metrik, responden diminta
untuk membuat ranking atau mengurutkan stimulus yang paling disukai hingga pada stimulus yang tidak disukai. Untuk stimulus yang paling
Universitas Sumatera Utara
disukai deberi nilai dimulai dari 1 dan seterusnya hingga ranking terakhir stimulus yang paling tidak disukai.
2. Data Metrik Untuk memperoleh data dalam bentuk metrik, responden diminta untuk
memberikan nilai atau rating terhadap masing-masing stimulus. Dengan cara ini, responden akan memberikan penilaian terhadap masing-masing
stimulus secara terpisah. Pemberian nilai atau rating dapat dilakukan melalui beberapa cara, yaitu:
a. Menggunakan skala likert mulai dari 1 hingga 5 1 = paling tidak disukai dan 5 = paling disukai.
b. Menggunakan nilai rangking terbalik, artinya untuk stimulus yang paling disukai diberi nilai tertinggi setara dengan jumlah stimulusnya,
sedangkan stimulus yang paling tidak disukai diberi nilai satu.
2.8.2.4 Memilih Prosedur Analisis Konjoin
Model dasar analisis konjoin secara matematis sebagai berikut Supranto, 2004: =
di mana: = Utilitas total dari tiap-tiap stimuli
= Utilitas dari atribut ke- = 1, 2, 3, ... , k dan level ke-j j = 1, 2, 3, ... ,
= Banyaknya level dari atribut = Banyaknya atribut
= Peubah boneka atribut ke- level ke- bernilai 1, jika level ke- dari atribut ke- terjadi; 0, jika tidak terjadi
Universitas Sumatera Utara
Rumus untuk nilai kepentingan relatif adalah : =
di mana: = Bobot kepentingan relatif untuk tiap atribut
= Range nilai kepentingan untuk tiap atribut
Range nilai kepentingan relatif tiap atribut dapat dicari dengan rumus : = {
}
Beberapa prosedur yang berbeda tersedia untuk mengestimasi model dasar yang paling sederhana, dan sangat populer yaitu dummy variable regression,
artinya suatu regresi, variabel bebasnya merupakan variabel dummy.
Untuk membangun model regresi yang peubah bebasnya mengandung variabel kualitatif, salah satunya adalah menggunakan peubah boneka. Peubah
boneka merupakan cara yang sederhana untuk mengkuantifikasi variabel yang kualitatif. Untuk variabel kualitatif yang mempunyai
kategori bisa dibangun 1 peubah boneka. Peubah boneka ini biasanya mengambil nilai 1 atau 0.
Kedua nilai yang diberikan tidak menunjukkan bilangan numerik tetapi hanya sebagai identifikasi kelas atau kategorinya. Di dalam literatur Supranto 2004
menyebutkan bahwa :
1. Atribut yang mempunyai dua taraf diberi kode 1 untuk salah satu taraf dan 0 untuk lainnya.
2. Atribut yang mempunyai dari tiga taraf, pengkodeannya sebagai berikut:
Universitas Sumatera Utara
Tabel 2.3 Pengkodean taraflevel
Taraf Kode
Taraf 1 Taraf 2
Taraf 3 1
1
Untuk taraf lebih dari tiga, pengkodean dilakukan dngan cara yang sama sehingga setiap faktor memiliki
1 peubah boneka. Banyaknya peubah boneka sama dengan banyaknya kategori taraf dikurangi satu.
Jika data yang digunakan berasal dari penilaian stimuli yang telah dirancang sebelumnya dan penilaian dilakukan dengan menggunakan skala
metrik, maka regresi dapat dihitung langsung dengan menggunakan pendekatan Ordinary Least Square OLS. Jika penilaian stimuli menggunakan urutan stimuli,
maka data tersebut harus ditransformasi terlebih dahulu dengan monotomic regression atau multidimensional scalling, kemudian analisis dilanjutkan dengan
regresi peubah boneka. Namun, jika data diperoleh melalui penilaian secara terpisah dari masing-masing taraflevel atribut yang dikenal dengan istilah
discrete choice, analisis yang dapat digunakan adalah model logit.
2.8.2.5 Interpretasi Hasil
