Analisa Faktor Preferensi Mahasiswa Dalam Memilih Produk Sampo (Studi Kasus Mahasiswa S1 FMIPA USU)
BAB 2
LANDASAN TEORI
2.1
Preferensi Konsumen
Menurut Kotler dan Armstrong (2006), preferensi konsumen menunjukkan kesukaan
konsumen dari berbagai pilihan produk yang ada. Preferensi konsumen berhubungan
erat dengan permasalahan penetapan pilihan.
Dari sejumlah alternatif pilihan yang ada, orang lebih cenderung memilih
alternatif yang memaksimumkan kepuasannya. Preferensi konsumen dapat diketahui
dengan mengukur tingkat kegunaan dan motovasi relatif penting setiap atribut yang
terdapat pada suatu produk.
2.2 Tahapan Pengmbilan Sampel
2.2.1 Populasi dan Sampel
Dalam pelaksanaan penelitian, ruang lingkup populasi merupakan area yang amat luas
batasnya sehingga penggunaan populasi sebagai instrumen penelitian sangat sulit
dilakukan. Oleh karena itu, untuk memenuhi kelayakan dalam pelaksanaan penelitian,
ditentukan populasi sasaran (target population), yaitu populasi yang digunakan untuk
mengeneralisasi hasil penelitian.
Masalah sampel akan terjadi bila jumlah populasi terlalu besar dan menyebar
sehingga di luat jangkauan penelitian. Sedangkan dalam penelitian ini pengambilan
sampel dilakukan dengan teknik penarikan contoh acak berstrata proporsional
(proportional stratified random sampling). Dalam teknik ini, jumlah proporsi secara
proporsional sesuai dengan besarnya dalam populasi. Proporsi atau strata terbesar
akan mendapatkan sampel lebih besar dibandingkan dengan strata yang lebih kecil.
Universitas Sumatera Utara
8
Alasan teknik ini digunakan peneliti untuk mengambil sampel, disebabkan karena
dapat memperkecil galat (error ) penarikan sampel serta meningkatkan peluang setiap
strata yang terwakili dalam sampel, selain itu juga agar mendapatkan ketepatan yangn
lebih tinggi, karena stratifikasi akan menghasilkan presisi yang lebih baik dalam
melakukan estimasi terhadap sifat-sifat populasi.
2.2.2 Teknik Penarikan Sampel
Penelitian ini adalah penelitian kuantitaif, maka digunakan kuisioner untuk
mengetahui beberapa informasi yang dapat digunakan dalam penelitian. Untuk
mendapatkan sampel yang benar-benar mewakili seluruh populasi, maka dalam
penilitian ini teknik penentuan jumlah sampel menggunakan rumus sebagai berikut:
=
Keterangan:
�
1 + �� 2
n = Ukuran Sampel
N = Ukuran Populasi
e = Persen kelonggaran ketidaktelitian karena kesalahan pengmabilan sampel
yang masih dapat ditolerir atau diinginkan (10%)
Universitas Sumatera Utara
9
2.3 Defenisi Analisis Konjoin
Analisis konjoin adalah suatu teknik yang secara spesifik digunakan untuk memahami
bagaimana keinginan atau minat konsumen terhadap suatu produk atau jasa dengan
mengukur tingkat kegunaan dan nilai kepentingan relatif berbagai atribut suatu
produk. Analisis konjoin yang mulai dikembangkan pada tahun 1970-an ini mulai
banyak digunakan pada bidang ilmu yang terkait dengan persepsi seseorang, seperti
pemasaran, sosial politik dan psikologi. Pada bidang pemasaran, analisis ini
khususnya banyak digunakan untuk mengetahui preferensi konsumen akan sebuah
produk baru. Analisis konjoin sangat berguna untuk membantu bagaimana seharusnya
karakteristik produk baru, membuat bagian produk baru, mengetahui pengaruh tingkat
harga serta memprediksi tingkat penjualan atau penggunaan (Santoso, 2010).
Analisis konjoin adalah suatu metode untuk menganalisis pendapat
(preferensi) pelanggan mengenai suatu produk dan syarat-syarat sifat yang menyusun
atribut produk tersebut. Keluaran utamanya adalah serangkaian skala interval “partworths” (utilitas) dari masing-masing level untuk setiap atribut, dimana dari
penggabungan utilitas ini akan didapatkan prediksi preferensi dari masing-masing
level untuk setiap atribut dari produk tersebut.
Untuk mendapatkan hasil yang baik, maka harus dapat digambarkan produk
yang akan dinilai tersebut lengkap dengan semua atributnya dan semua nilai yang
relevan untuk setiap atribut tersebut. Istilah faktor digunakan untuk menggambarkan
atribut yang spesifik dari suatu produk (baik barang mauoun jasa). Sedangkan nilai
yang mungkin dari tiap faktor dinamakan level. Dalam analisis konjoin, sebuah
produk digambarkan dalam level dari sejumlah faktor yang membentuknya.
Universitas Sumatera Utara
10
2.4
Tahapan Analisis Konjoin
2.4.1
Mengidentifikasi Atribut
Langkah awal dalam melakukan analisis konjoin yaitu mengidentifikasi kumpulan
dari atribut-atribut dimana setiap atribut terdiri atas beberapa taraf atau level.
Informasi mengenai atribut yang mewakili prefernsi konsumen bisa diperoleh melalui
diskusi dengan pakar, eksplorasi data skunder, atau melakukan tes awal.
Kemudian atribut yang sudah sianggap mewakili ditentukan skalanya. Skala
atribut dibagi menjadi dua yaitu skala kualitatif atau non-metrik atau kategori
(niminal dan ordninal) dan skala kuantitatif atau metri (interval atau rasio). Parameter
yang akan diperkirakan dan juga mempengaruhi banykanya stimulus yang akan
dievaluasi oleh responden. Untuk meminimumkan tgas evalusi responden, dan harus
bisa memperkirakan parameter seakurat mungkin, perlu membatasi banyaknya
tingkatan atau level dari atribut.
2.4.2
Merancang Kombinasi Atribut (Stimuli)
Ada dua cara pembentukan stimuli dalam analisis konjoin yaitu:
1. Full-profile
Pendekatan kombinasi lengkap (full profile) juga disebut evaluasi banyak
faktor (multiple-factor-evaluation) yaitu jika ada
atribut dan ada
yang diteliti dapat mengevaluasi semua stimuli yang muncul dengan
3
× … sejumlah
level
1
×
2
×
buah.
Tentunya terkadang banyaknya stimuli membuat bingung responden
dalam menilai, untuk mengatasi masalah ini dapat digunakan SPSS 22 dengan
menggunakan pendekatan full profile namun desain yang digunakan bukan full
factor design melainkan factorial design. Dengan desain ini, sebagian dari
seluruh kombinasi produk dipilih yang benar-benar berpengaruh terhadap efek
Universitas Sumatera Utara
11
utama. Efek interaksi tidak diperhatikan. Desain seperti ini dikenal dengan
nama Orthogonal Array.
Orthoginal Array memungkinkan desain yang mengasumsikan bahwa
semua interaksi yang tidak penting bisa diabaikan. Orthogonal Array dibentuk
dari basic full fractional design dengan mengganti suatu faktor baru untuk
seleksi interaksi efek yang dianggap bisa diabaikan. Metode yang lain untuk
mengurangi banyaknya interaksi dengan melakukan survei terhadap
konsumen.
Tampak bahwa dalam desain Orthogonal Array, jumlah kemunculan
dari setiap level suatu atribut selalu tidak sama. Berikut contoh desain
Orthogonal Array dan bukan Orthogonal Array pada tabel 2.1. tabel sebelah
kiri menunjukkan bahwa setiap level dari masing-masing atribut muncul satu
kali, sebaliknya pada tabel sebelah kanan kombinasi 1 2 1 muncul dua kali,
sementara kombinasi lainnya muncul satu kali.
Tabel 2.1 Contoh Orthogonal Array dan Non-orthogonal Array
2. Pairwise Combination
Melalui pendekatan ini, stimuli yang diperingkatkan dilakukan dengan cara
memberikan peringkat pada setiap kombinasi taraf/level dari dua atribut, mulai
dari yang paling disukai sampai pada yang paling tidak disukai. Jika
banyaknya atribut ada m-buah, maka kombinasi taraf/level atribut yang harus
dievaluasi responden adalah sebanyak:
=
( −1)
2
pasangan.
Universitas Sumatera Utara
12
Kelebihan pendekatan pasangan adalah bahwa pendekatan ini lebih
mudah bagi responden untuk memberikan pertimbangan. Tetapi kelemahan
realtifnya ialah bahwa pendekatan ini memerlukan lebih banyak evaluasi.
2.4.3
Analisis 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 rangking atau mengurutkan stimulus yang paling disukai hingga
pada stimulus yang tidak disukai. Untuk stimulus yang paling disukai diberi
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
membrikan 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 tida disukai
dan 5 = paling disukai).
b. Menggunakan nilai ranking terbalik, artinya untuk stimulus yang paling
disukai diberi nilai tertinggi setara dengan umlah stimulusnya, sedangkan
stimulus yang paling tidak disukai diberi nilai satu.
Universitas Sumatera Utara
13
2.4.4
Memilih Prosedur Analisis Konjoin
Model dasar analisis konjoin secara matematis sebagai berikut (Supranto, 2004):
�
=
=1 =1
Dimana:
�
= Utility total dari tiap-tiap stimuli
= Nilai kegunaan atribut ke-i, taraf kek
= Banyaknya level atribut i
= Banyaknya atribut
= Peubah boneka atribut ke-i taraf ke-j (bernilai 1, jika level ke-j
dari
atribut ke-i terjadi dan bernilai 0 jika tidak terjadi)
Range nilai kepentingan relatif tiap atribut dapat dihitung dengan rumus:
− min
={
}
Rumus untuk nilai kepentingan relatif adalah:
=
=1
Dimana:
= Bobot kepentingan relatif untuk tiap atribut
= Range nilai kepentingan untuk tiap atribut
Beberapa prosedur yang berbeda tersedia untuk mengestimasi model dasar
yang paling sederhana, dan yang sangat populer yaitu dummy variable regression ,
Universitas Sumatera Utara
14
artinya suatu regresi yang variabel bebasnya merupakan variabel dummy (peubah
boneka). Peubah boneka merupakan cara yang sederhana unutuk mengkuantifikasi
variabel yang kualitatif. Bila atribut mempunyai level sebanyak
dinyatakan dalam
diberi kode,
− 1 variabel dummy, atau banyaknya variabel dummy =
banyaknya kategori (level) dikurangi satu.
Untuk atribut ke-i dengan
level, variabel dummy-nya adalah
Tabel 2.2 Variabel Dummy Atribut ke-i dengan level
Peubah boneka ini biasanya mengambil nilai 1 atau 0. Kedua nilai yang
diberikan tidak menunjukkan bilangan (numerik) tetapi hanya sebagai identifikasi
kelas atau kategorinya. Didalam 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 tiga taraf, pengkodeannya sebagai berikut:
Universitas Sumatera Utara
15
Tabel 2.3 Pengkodean taraf atau level
Untuk taraf lebih dari tiga pengkodean dilakukan dengan cara yang sama
sehingga setiap faktor memiliki
− 1 peubah boneka.
Misalkan terdapat 3 buah atribut dengan masing-masing 4 level atribut, maka setelah
dilakukan pengkodean taraf diperoleh 9 variabel dummy, data tersebut dapat dianalisis
dengan menggunakan regresi liniear berganda dengan 9 variabel dummy, dengan
persamaan:
�=
0
dengan
+
1 1
+
2 2
0, 1, … , 9
+
3 3
+
4 4
+
5 5
+
6 6
+
7 7
+
8 8+ 9 9
adalah koefisien yang dapat dicari dengan menggunakan metode
kuadrat terkecil atau dengan menggunakan SPSS. Setelah koefisien tersebut diperoleh
maka nilai utilitas dari setiap level atribut dapat dicari. Hubungan setiap koefisien
variable dummy, mewakili perbedaan dalam utilitas untuk level yang bersangkutan
dikurangi utilitas dari level kategori dasar seperti persamaan berikut:
�11 − �15 =
�12 − �15 =
1
2
dimana level atribut �15 sebagai level kategori dasar.
2.4.5 Interpretasi Hasil
Untuk menginterpretasikan hasil analisis, dilakukan pada semua tingkat kepentingan
atribut dengan membuat grafik perbandingan antara nilai kepentingan dari tiap-tiap
atributnya. Interpretasi dari hasil berikutnya juga dilakukan dengan membuat suatu
grafik perbandingan antara nilai kegunaan dari tiap levelnya.
Universitas Sumatera Utara
16
2.4.6 Penilaian Keandalan dan Kesahihan
Uji keandalan terhadap hasil konjoin untuk mengetahui apakah prediksi yang telah
dilakukan mempunyai ketepatan yang tinggi dengan kenyataannya. Pada uji ketepatan
prediksi ini akan dilakukan pengukuran korelasi secara Pearson maupun Kendall
seperti rumus dibawah ini maupun dengan bantuan SPSS 22. Pada pengukuran
tersebut akan diketahui seberapa kuat hubungan antara estimate dan actual nya
seberapa tinggi Predictive accuracy nya.
Uji validitas (kesahihan) digunakan untuk menunjukkan sejauh mana suatu
alat ukur (kuisioner) yang digunakan telah mengukur informasi yang diperlukan. Uji
ini dilakukan dengan mengukur korelasi antara variabel/item dengan skor total
variabel. Digunakan validitas konstruk yaitu mencari korelasi antara masing-masing
pertanyaan dengan skor total. Uji validitas ini menggunakan teknik korelasi product
moment model Pearson’s dengan rumus sebagai berikut:
Dimana
= koefisien korelasi
= skor pertanyaan untuk setiap subjek
= skor total
= skor pertanyaan dan skor total
= jumlah sampel
Universitas Sumatera Utara
LANDASAN TEORI
2.1
Preferensi Konsumen
Menurut Kotler dan Armstrong (2006), preferensi konsumen menunjukkan kesukaan
konsumen dari berbagai pilihan produk yang ada. Preferensi konsumen berhubungan
erat dengan permasalahan penetapan pilihan.
Dari sejumlah alternatif pilihan yang ada, orang lebih cenderung memilih
alternatif yang memaksimumkan kepuasannya. Preferensi konsumen dapat diketahui
dengan mengukur tingkat kegunaan dan motovasi relatif penting setiap atribut yang
terdapat pada suatu produk.
2.2 Tahapan Pengmbilan Sampel
2.2.1 Populasi dan Sampel
Dalam pelaksanaan penelitian, ruang lingkup populasi merupakan area yang amat luas
batasnya sehingga penggunaan populasi sebagai instrumen penelitian sangat sulit
dilakukan. Oleh karena itu, untuk memenuhi kelayakan dalam pelaksanaan penelitian,
ditentukan populasi sasaran (target population), yaitu populasi yang digunakan untuk
mengeneralisasi hasil penelitian.
Masalah sampel akan terjadi bila jumlah populasi terlalu besar dan menyebar
sehingga di luat jangkauan penelitian. Sedangkan dalam penelitian ini pengambilan
sampel dilakukan dengan teknik penarikan contoh acak berstrata proporsional
(proportional stratified random sampling). Dalam teknik ini, jumlah proporsi secara
proporsional sesuai dengan besarnya dalam populasi. Proporsi atau strata terbesar
akan mendapatkan sampel lebih besar dibandingkan dengan strata yang lebih kecil.
Universitas Sumatera Utara
8
Alasan teknik ini digunakan peneliti untuk mengambil sampel, disebabkan karena
dapat memperkecil galat (error ) penarikan sampel serta meningkatkan peluang setiap
strata yang terwakili dalam sampel, selain itu juga agar mendapatkan ketepatan yangn
lebih tinggi, karena stratifikasi akan menghasilkan presisi yang lebih baik dalam
melakukan estimasi terhadap sifat-sifat populasi.
2.2.2 Teknik Penarikan Sampel
Penelitian ini adalah penelitian kuantitaif, maka digunakan kuisioner untuk
mengetahui beberapa informasi yang dapat digunakan dalam penelitian. Untuk
mendapatkan sampel yang benar-benar mewakili seluruh populasi, maka dalam
penilitian ini teknik penentuan jumlah sampel menggunakan rumus sebagai berikut:
=
Keterangan:
�
1 + �� 2
n = Ukuran Sampel
N = Ukuran Populasi
e = Persen kelonggaran ketidaktelitian karena kesalahan pengmabilan sampel
yang masih dapat ditolerir atau diinginkan (10%)
Universitas Sumatera Utara
9
2.3 Defenisi Analisis Konjoin
Analisis konjoin adalah suatu teknik yang secara spesifik digunakan untuk memahami
bagaimana keinginan atau minat konsumen terhadap suatu produk atau jasa dengan
mengukur tingkat kegunaan dan nilai kepentingan relatif berbagai atribut suatu
produk. Analisis konjoin yang mulai dikembangkan pada tahun 1970-an ini mulai
banyak digunakan pada bidang ilmu yang terkait dengan persepsi seseorang, seperti
pemasaran, sosial politik dan psikologi. Pada bidang pemasaran, analisis ini
khususnya banyak digunakan untuk mengetahui preferensi konsumen akan sebuah
produk baru. Analisis konjoin sangat berguna untuk membantu bagaimana seharusnya
karakteristik produk baru, membuat bagian produk baru, mengetahui pengaruh tingkat
harga serta memprediksi tingkat penjualan atau penggunaan (Santoso, 2010).
Analisis konjoin adalah suatu metode untuk menganalisis pendapat
(preferensi) pelanggan mengenai suatu produk dan syarat-syarat sifat yang menyusun
atribut produk tersebut. Keluaran utamanya adalah serangkaian skala interval “partworths” (utilitas) dari masing-masing level untuk setiap atribut, dimana dari
penggabungan utilitas ini akan didapatkan prediksi preferensi dari masing-masing
level untuk setiap atribut dari produk tersebut.
Untuk mendapatkan hasil yang baik, maka harus dapat digambarkan produk
yang akan dinilai tersebut lengkap dengan semua atributnya dan semua nilai yang
relevan untuk setiap atribut tersebut. Istilah faktor digunakan untuk menggambarkan
atribut yang spesifik dari suatu produk (baik barang mauoun jasa). Sedangkan nilai
yang mungkin dari tiap faktor dinamakan level. Dalam analisis konjoin, sebuah
produk digambarkan dalam level dari sejumlah faktor yang membentuknya.
Universitas Sumatera Utara
10
2.4
Tahapan Analisis Konjoin
2.4.1
Mengidentifikasi Atribut
Langkah awal dalam melakukan analisis konjoin yaitu mengidentifikasi kumpulan
dari atribut-atribut dimana setiap atribut terdiri atas beberapa taraf atau level.
Informasi mengenai atribut yang mewakili prefernsi konsumen bisa diperoleh melalui
diskusi dengan pakar, eksplorasi data skunder, atau melakukan tes awal.
Kemudian atribut yang sudah sianggap mewakili ditentukan skalanya. Skala
atribut dibagi menjadi dua yaitu skala kualitatif atau non-metrik atau kategori
(niminal dan ordninal) dan skala kuantitatif atau metri (interval atau rasio). Parameter
yang akan diperkirakan dan juga mempengaruhi banykanya stimulus yang akan
dievaluasi oleh responden. Untuk meminimumkan tgas evalusi responden, dan harus
bisa memperkirakan parameter seakurat mungkin, perlu membatasi banyaknya
tingkatan atau level dari atribut.
2.4.2
Merancang Kombinasi Atribut (Stimuli)
Ada dua cara pembentukan stimuli dalam analisis konjoin yaitu:
1. Full-profile
Pendekatan kombinasi lengkap (full profile) juga disebut evaluasi banyak
faktor (multiple-factor-evaluation) yaitu jika ada
atribut dan ada
yang diteliti dapat mengevaluasi semua stimuli yang muncul dengan
3
× … sejumlah
level
1
×
2
×
buah.
Tentunya terkadang banyaknya stimuli membuat bingung responden
dalam menilai, untuk mengatasi masalah ini dapat digunakan SPSS 22 dengan
menggunakan pendekatan full profile namun desain yang digunakan bukan full
factor design melainkan factorial design. Dengan desain ini, sebagian dari
seluruh kombinasi produk dipilih yang benar-benar berpengaruh terhadap efek
Universitas Sumatera Utara
11
utama. Efek interaksi tidak diperhatikan. Desain seperti ini dikenal dengan
nama Orthogonal Array.
Orthoginal Array memungkinkan desain yang mengasumsikan bahwa
semua interaksi yang tidak penting bisa diabaikan. Orthogonal Array dibentuk
dari basic full fractional design dengan mengganti suatu faktor baru untuk
seleksi interaksi efek yang dianggap bisa diabaikan. Metode yang lain untuk
mengurangi banyaknya interaksi dengan melakukan survei terhadap
konsumen.
Tampak bahwa dalam desain Orthogonal Array, jumlah kemunculan
dari setiap level suatu atribut selalu tidak sama. Berikut contoh desain
Orthogonal Array dan bukan Orthogonal Array pada tabel 2.1. tabel sebelah
kiri menunjukkan bahwa setiap level dari masing-masing atribut muncul satu
kali, sebaliknya pada tabel sebelah kanan kombinasi 1 2 1 muncul dua kali,
sementara kombinasi lainnya muncul satu kali.
Tabel 2.1 Contoh Orthogonal Array dan Non-orthogonal Array
2. Pairwise Combination
Melalui pendekatan ini, stimuli yang diperingkatkan dilakukan dengan cara
memberikan peringkat pada setiap kombinasi taraf/level dari dua atribut, mulai
dari yang paling disukai sampai pada yang paling tidak disukai. Jika
banyaknya atribut ada m-buah, maka kombinasi taraf/level atribut yang harus
dievaluasi responden adalah sebanyak:
=
( −1)
2
pasangan.
Universitas Sumatera Utara
12
Kelebihan pendekatan pasangan adalah bahwa pendekatan ini lebih
mudah bagi responden untuk memberikan pertimbangan. Tetapi kelemahan
realtifnya ialah bahwa pendekatan ini memerlukan lebih banyak evaluasi.
2.4.3
Analisis 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 rangking atau mengurutkan stimulus yang paling disukai hingga
pada stimulus yang tidak disukai. Untuk stimulus yang paling disukai diberi
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
membrikan 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 tida disukai
dan 5 = paling disukai).
b. Menggunakan nilai ranking terbalik, artinya untuk stimulus yang paling
disukai diberi nilai tertinggi setara dengan umlah stimulusnya, sedangkan
stimulus yang paling tidak disukai diberi nilai satu.
Universitas Sumatera Utara
13
2.4.4
Memilih Prosedur Analisis Konjoin
Model dasar analisis konjoin secara matematis sebagai berikut (Supranto, 2004):
�
=
=1 =1
Dimana:
�
= Utility total dari tiap-tiap stimuli
= Nilai kegunaan atribut ke-i, taraf kek
= Banyaknya level atribut i
= Banyaknya atribut
= Peubah boneka atribut ke-i taraf ke-j (bernilai 1, jika level ke-j
dari
atribut ke-i terjadi dan bernilai 0 jika tidak terjadi)
Range nilai kepentingan relatif tiap atribut dapat dihitung dengan rumus:
− min
={
}
Rumus untuk nilai kepentingan relatif adalah:
=
=1
Dimana:
= Bobot kepentingan relatif untuk tiap atribut
= Range nilai kepentingan untuk tiap atribut
Beberapa prosedur yang berbeda tersedia untuk mengestimasi model dasar
yang paling sederhana, dan yang sangat populer yaitu dummy variable regression ,
Universitas Sumatera Utara
14
artinya suatu regresi yang variabel bebasnya merupakan variabel dummy (peubah
boneka). Peubah boneka merupakan cara yang sederhana unutuk mengkuantifikasi
variabel yang kualitatif. Bila atribut mempunyai level sebanyak
dinyatakan dalam
diberi kode,
− 1 variabel dummy, atau banyaknya variabel dummy =
banyaknya kategori (level) dikurangi satu.
Untuk atribut ke-i dengan
level, variabel dummy-nya adalah
Tabel 2.2 Variabel Dummy Atribut ke-i dengan level
Peubah boneka ini biasanya mengambil nilai 1 atau 0. Kedua nilai yang
diberikan tidak menunjukkan bilangan (numerik) tetapi hanya sebagai identifikasi
kelas atau kategorinya. Didalam 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 tiga taraf, pengkodeannya sebagai berikut:
Universitas Sumatera Utara
15
Tabel 2.3 Pengkodean taraf atau level
Untuk taraf lebih dari tiga pengkodean dilakukan dengan cara yang sama
sehingga setiap faktor memiliki
− 1 peubah boneka.
Misalkan terdapat 3 buah atribut dengan masing-masing 4 level atribut, maka setelah
dilakukan pengkodean taraf diperoleh 9 variabel dummy, data tersebut dapat dianalisis
dengan menggunakan regresi liniear berganda dengan 9 variabel dummy, dengan
persamaan:
�=
0
dengan
+
1 1
+
2 2
0, 1, … , 9
+
3 3
+
4 4
+
5 5
+
6 6
+
7 7
+
8 8+ 9 9
adalah koefisien yang dapat dicari dengan menggunakan metode
kuadrat terkecil atau dengan menggunakan SPSS. Setelah koefisien tersebut diperoleh
maka nilai utilitas dari setiap level atribut dapat dicari. Hubungan setiap koefisien
variable dummy, mewakili perbedaan dalam utilitas untuk level yang bersangkutan
dikurangi utilitas dari level kategori dasar seperti persamaan berikut:
�11 − �15 =
�12 − �15 =
1
2
dimana level atribut �15 sebagai level kategori dasar.
2.4.5 Interpretasi Hasil
Untuk menginterpretasikan hasil analisis, dilakukan pada semua tingkat kepentingan
atribut dengan membuat grafik perbandingan antara nilai kepentingan dari tiap-tiap
atributnya. Interpretasi dari hasil berikutnya juga dilakukan dengan membuat suatu
grafik perbandingan antara nilai kegunaan dari tiap levelnya.
Universitas Sumatera Utara
16
2.4.6 Penilaian Keandalan dan Kesahihan
Uji keandalan terhadap hasil konjoin untuk mengetahui apakah prediksi yang telah
dilakukan mempunyai ketepatan yang tinggi dengan kenyataannya. Pada uji ketepatan
prediksi ini akan dilakukan pengukuran korelasi secara Pearson maupun Kendall
seperti rumus dibawah ini maupun dengan bantuan SPSS 22. Pada pengukuran
tersebut akan diketahui seberapa kuat hubungan antara estimate dan actual nya
seberapa tinggi Predictive accuracy nya.
Uji validitas (kesahihan) digunakan untuk menunjukkan sejauh mana suatu
alat ukur (kuisioner) yang digunakan telah mengukur informasi yang diperlukan. Uji
ini dilakukan dengan mengukur korelasi antara variabel/item dengan skor total
variabel. Digunakan validitas konstruk yaitu mencari korelasi antara masing-masing
pertanyaan dengan skor total. Uji validitas ini menggunakan teknik korelasi product
moment model Pearson’s dengan rumus sebagai berikut:
Dimana
= koefisien korelasi
= skor pertanyaan untuk setiap subjek
= skor total
= skor pertanyaan dan skor total
= jumlah sampel
Universitas Sumatera Utara