BAB II TINJAUAN PUSTAKA
2.3 Analisis Konjoin
2.3.3 Langkah-langkah Melakukan Analisis Konjoin
Dalam melakukan analisis konjoin, langkah-langkah yang dilakukan adalah sebagai berikut :
1. Perumusan masalah
Didalam merumuskan masalah analisis konjoin, peneliti harus mengenali/mengidentifikasi atribut dengan tingkatan/level masing-masing yang dipergunakan untuk membentuk stimulus. Level atribut menunjukan nilai yang diasumsikan oleh atribut. Atribut yang dipilih harus sangat penting dalam mempengaruhi preferensi dan pilihan konsumen (Supranto, 2010).
Menurut Hair et al (2010), karakteristik umum yang harus diperhatikan dalam menentukan atribut dan level/taraf yaitu :
1. Atribut dan level/taraf harus dapat dikomunikasikan dengan mudah untuk melakukan evaluasi secara realistis.
2. Atribut dan level/taraf harus dilaksanakan dan didefenisikan dengan jelas sehingga tiap atribut berbeda dengan jelas dan presentasi konsep dapat diimplementasikan secara presisi. Dengan kata lain, atribut tidak bisa bersifat fuzzy.
Jumlah level tiap atribut harus seimbang dan range dari level pada atribut harus diatur agar berada di luar nilai-nilai yang sudah ada, tetapi tidak pada taraf yang tidak dapat dipercaya. Level juga harus didefenisikan sedemikian rupa sehingga tidak terdapat stimuli yang sangat disukai konsumen tetapi tidak dapat
direalisasikan. Atribut dan levelnya harus bisa diukur dan diambil tindakan (actionable).
2. Penentuan Metode Analisis Konjoin
Penentuan metode yang akan digunakan dalam analisis konjoin dilakukan berdasarkan jumlah atribut yang dilibatkan. Menurut Hair et al (2010), ada tiga metode yang dapat digunakan dalam analisis konjoin. Perbandingan ketiga metode tersebut dapat dilihat pada tabel berikut :
Tabel 2.1 Perbandingan Alternatif Metode Konjoin
Karakteristik Metode Konjoin Traditional Conjoint Adaptive/Hybrid Conjoint Choice-Based Conjoint Maksimum Atribut 9 30 6 Level Analisis Indiviadual Individual Agregat atau
Individual
Bentuk Model Aditif Aditif Aditif dan
interaksi Aktifitas
Pemilihan
Mengevaluasi stimuli Full-profile dalam satu
waktu Memberikan rating terhadap stimuli yang mencakup sekelompok atribut Memilih sekelompok stimuli Format Pengumpulan Data
Tidak dibatasi Umumnya berbasis komputer
Tidak dibatasi Sumber: Multivariate Data Analysis (Hair et al, 2010)
Menurut Hair et al (2010), ada dua macam aturan komposisi untuk menggambarkan bagaimana responden menggabungkan parth-worth dari atribut untuk mendapatkan nilai secara keseluruhan, yaitu :
1. Model aditif, merupakan aturan komposisi yang paling umum dan paling mendasar serta merupakan model dasar untuk traditional dan adaptive conjoint. Model ini tidak membutuhkan asumsi yang ketat mengenai sebaran
data. Responden secara sederhana menjumlahkan nilai tiap atribut untuk mendapatkan nilai total dari kombinasi atribut.
2. Model interaktif, merupakan aturan komposisi yang lebih sering digunakan untuk atribut yang kurang tangible terutama bila reaksi estetis atau emosional berperan besar. Kepentingan interaksi meningkat karena ketidakmampuan untuk menentukan perbedaan aktual antara atribut tertentu. Dalam analisis konjoin digunakan model interaktif multiplikatif.
3. Merancang stimuli
Kombinasi antara atribut dengan level disebut dengan stimuli atau treatment. Jika ada m atribut dan masing-masing atribut ada n level, maka stimuli yang dibuat adalah n x n x ... sejumlah m buah. Apabila jumlah atribut dan level yang dilibatkan dalam penelitian banyak, maka stimuli yang terbentuk akan semakin banyak pula.
Dalam mereduksi jumlah stimuli agar responden lebih mudah dalam mengevaluasi stimuli dibutuhkan suatu teknik yang dikenal dengan fractional factorial design. Dengan teknik ini akan diperoleh jumlah stimuli yang hanya mengukur efek utamanya saja sedangkan efek dari interaksi antara satu atribut dengan atribut lainnya diabaikan. Urutan penyajian atribut dalam stimuli tidak berpengaruh terhadap responden dalam memberikan peringkat (rangking) ataupun nilai (rating) terhadap skenario pilihan (Ryan et al, 1998).
Menurut Supranto (2010), terdapat dua cara pembentukan stimuli dalam analisis konjoin yaitu :
1. Pendekatan pasangan (the pairwise approach)
Pendekatan pasangan juga disebut evaluasi dua faktor (two factor evaluation), responden diminta menilai dua atribut setiap kali sampai semua kemungkinan pasangan dua atribut telah selesai di evaluasi. Untuk setiap pasangan, responden mengevaluasi semua kombinasi dari level kedua atribut yang disajikan dalam suatu matrix. Dalam pendekatan ini dimungkinkan untuk mereduksi/mengurangi jumlah perbandingan pasangan dengan menggunakan cyclical designs agar tidak mengevaluasi semua kemungkinan kombinasi. 2. Prosedur profil penuh (full-profile procedure)
Pendekatan profil penuh juga disebut dengan evaluasi banyak faktor (multiple factor evaluation). Responden diminta mengevaluasi sebagian atau seluruh kombinasi level atribut yang menggambarkan profil produk atau jasa secara lengkap dengan memberikan peringkat (Rangking) atau menilai (Rating). Sama halnya dengan pendekatan pairwise, pendekatan full profile jumlah stimulus profiles dapat dikurangi dengan fractional factorial designs. Suatu kelas spesial/ khusus fractional designs yang disebut orthogonal arrays, yang memungkinkan untuk mengestimasi semua main effects.
Orthogonal arrays memungkinkan pengukuran semua main effects of interrest on an uncorrelated basis. Desain ini mengasumsikan bahwa semua interaksi yang tidak penting, bisa diabaikan (negligible). Orthogonal arrays dibentuk dari basic full factorial design dengan mengganti suatu faktor baru untuk selected interaction effects yang dianggap bisa diabaikan.
Pada umumnya, dua set data diperoleh. Set pertama disebut estimation set, dipergunakan untuk menghitung parth-worth function bagi tingkatan atribut. Set lainnya disebut hold out set dipergunakan untuk memperkirakan/mengakses keandalan dan keahlian (reability dan validity).
Menurut Santoso (2014), secara teoritis stimuli akan sangat banyak jika faktor level juga bervariasi. Untuk jumlah stimuli yang terlalu banyak, bisa dilakukan pengurangan stimuli dengan ketentuan stimuli minimal adalah :
Minimun stimuli = Jumlah level – Jumlah atribut + 1 4. Pengumpulan data
Pengumpulan data yang dimaksud adalah pengumpulan pendapat responden terhadap setiap stimuli yang ada. Pendapat setiap responden ini disebut sebagai utility, yang dinyatakan dengan angka dan menjadi dasar perhitungan konjoin.
5. Melakukan proses konjoin
Dari pendapat responden atas sekian stimuli, dilakukam proses konjoin untuk memperkirakan (prediksi) bentuk produk atau jasa yang diinginkan responden.
6. Interpretasi hasil
Dalam menginterpretasi hasil analisis konjoin, dapat dilihat dari hasil part-worth yang diplot-kan kedalam bentuk grafik untuk mengidentifikasi pola. Semakin tinggi part-worth (baik positif maupun negatif), semakin besar pengaruhnya terhadap utilitas secara keseluruhan.
Analisis konjoin dapat juga mengukur tingkat kepentingan relatif dari tiap atribut. Atribut dengan range terbesar dari part-worth adalah faktor terpenting karena memberikan kontribusi terbesar dari utilitas keseluruhan (Hair et al, 2010) 7. Validasi hasil konjoin
Tujuan validasi adalah untuk memastikan seberapa konsisten model dapat memprediksi set evaluasi preferensi dari setiap responden. Untuk validasi dapat ditambahkan holdout (stimuli tambahan). Hasil analisis konjoin yang memperkirakan pola pendapat responden atau estimasi part-worth dibandingkan dengan pendapat responden yang sebenarnya (actual) yang ada pada proses stimuli dapat menggunakan korelasi Spearman’s rho atau Kendall’s tau pada data rank-order dan korelasi Pearson pada data Rating. Tingginya angka korelasi antara hasil estimates dengan hasil actual menunjukan ketepatan prediksi atau predictive accuracy (Santoso, 2014).