ANALISIS KONJOIN

Pilihan produk apa yang lebih disukai konsumen? Sepatu apa yang banyak diminati? Apakah mutu sol, penutup atas atau harga yang menjadi penentu keputusan pembelian? Sehingga sepatu dengan komposisi pilihan seperti apa yang paling baik untuk ditawarkan? Persoalan ini dapat diselesaikan dengan menggunakan analisis konjoin.

Attribut dan Profile

 

Melakukan analisis dengan konjoin sangat erat kaitannya dengan pengetahuan seseorang terhadap analisis regresi berganda, variabel dummi, korelasi Pearson dan korelasi Tau Kendall. Format pengukuran terhadap konsumen (responden) dapat menggunakan isian ranking atau rating preference. Berikut ini adalah sebuah contoh kasus pemilihan produk sepatu yang diduga dipengaruhi oleh mutu sol (sole), penutup atas (upper) dan harga (price). Ketiga hal ini dalam analisis konjoin disebut dengan attribut. Pada setiap attribut minimal terdiri atas 2 level pilihan.  Kombinasi seluruh attribut yang dianalisis dinamakan dengan profile. Tabel berikut adalah komposisi attribut yang digunakan dalam analisis.

Attribut

No

Level

Sol

1

Karet

2

Polimer

3

Plastik

Penutup Atas

1

Kulit

2

Canvas

3

Nylon

Harga

1

Rp 15.000,-

2

Rp 30.000.-

3

Rp 45.000,-

Berdasarkan tabel di atas, kemungkinan profile sepatu yang bisa terjadi adalah 3 X 3 X 3 = 27 profile. Akan tetapi pada prakteknya tidak semua profile bisa dibuat, misalnya bahan dasar sol dengan karet yang berharga mahal tidak mungkin dijual dengan harga Rp 15.000,-. Sehingga dari 27 profile akan dipilih sebanyak p buah profile beberapa diantaranya untuk dianalisis. Pemilihan p buah profile ini harus bersifat ortogonal, pada umunya user akan menggunakan bantuan software untuk menghasilkan pilihan ini.

Data Kerja Analisis Konjoin Pada SPSS

 

Pada SPSS, menyusun profile yang ortogonal dapat dilakukan dengan memilih menu Data | Orthogonal Design | Generate. Tulis “sole” pada kotak Factor Name, tulis “Sol” pada Factor Label, klik Add maka dalam kotak akan muncul sole(?). Tanda (?) dimaksudkan untuk mengisi level-level pada attribut sole dengan cara klik attribut sole dan dilajutkan dengan klik Define Values. Isikan nomor dan label dari tiap-tiap level attribut. Lakukan hal yang sama untuk attribut upper dan price. Pada kotak Data File pilih Replace working data file jika profile yang dibuat berupa file baru. Jika total kombinasi attribut akan menghasilkan profile yang terlalu banyak, analisis dilanjutkan dengan memilih Option dan isi jumlah profile yang dikehendaki (dalam kasus ini adalah 9) pada isian Minimum number of cases to generate. Klik Continue.

Pembuktian bahwa profile yang dihasilkan adalah ortogonal dapat dilakukan dengan memunculkan matriks korelasi antara sole, upper dan price. Matriks korelasi yang ortogonal akan berbentuk seperti matriks identitas, yaitu matriks dengan elemen diagonal bernilai 1 dan 0 untuk elemen lainnya.

konjoin1

Hasil generate ini menjelaskan bahwa pada profile ke-1 adalah produk sepatu dengan sol karet, penutup atas dari kulit dan harga Rp 15.000,-. Pada profile ke-9 adalah produk sepatu dengan sol plastik, penutup atas dari Nylon dan harga Rp 30.000,-. Matriks korelasi antara ketiga faktor adalah ortogonal, karena berbentuk matriks identitas. Hasil desain ortogonal ini akan disimpan sebagai file tersendiri, katakanlah diberi nama DESAIN.SAV.

Selanjutnya, disiapkan file kedua yang merupakan hasil pengukuran konsumen (responden) terhadap sembilan profile yang ditawarkan. Secara berurutan kolom pertama adalah jawaban (respon) terhadap profile pertama. Berikut adalah contoh pengisian jawaban seorang responden terhadap sembilan profile sepatu. File ini diberi nama PREFERENSI.SAV.

Kolom

1

2

3

4

5

6

7

8

9

10

SUBJ

P1

P2

P3

P4

P5

P6

P7

P8

P9

1

9

7

5

6

5

6

5

7

6

Proses analisis konjoin dilakukan dengan posisi file yang aktif adalah file yang mengandung desain ortogonal (file  DESAIN.SAV).  Pada SPSS 20 menu pull-down belum tersedia, sehingga analisis konjoin dilakukan dengan menulis command di jendela syntax.

CONJOINT PLAN=*
/DATA=’PREFERENSI.SAV’
/FACTORS=SOLE UPPER PRICE
/SUBJECT=SUBJ
/SCORE=P1 TO P9
/PRINT=SUMMARYONLY.

Hasil running dari syntax mengandung beberapa hal penting antara lain importance dan averaged importance, utility dan standard error, nilai constant, korelasi Pearson’s R dan korelasi Kendall’s tau.  Importance adalah tingkat kepentingan relatif yang ada pada setiap attribut. Total importance adalah 100%. Pada bagian summary nilai diperoleh dari rata-rata importance (averaged importance). Nilai utility menjelaskan tingkat pilihan antar level dalam suatu attribut. Tanda positif menunjukkan level yang lebih banyak dipilih, sedangkan tanda negatif menunjukkan tidak banyak dipilih. Nilai utility pada setiap subject akan mengandung standard error (s.e), sedangkan pada summary hanya mengandung nilai rata-rata utility dari seluruh subject. Nilai constant menjelaskan nilai rata-rata prefensi untuk seluruh profile. Nilai Pearson’s R menjelaskan tingkat hubungan preferensi dengan hasil prediksi. Nilai ini memiliki arti interpretasi yang sama dengan multiple correlation dalam analisis regresi berganda dan diaplikasikan jika pengukuran dilakukan dengan rating preference. Nilai Kendall’s tau juga menjelaskan tingkat hubungan preferensi dengan hasil prediksi yang dihitung dengan korelasi Tau Kendall. Penggunaan nilai Kendall’s tau digunakan jika data diukur dengan ranking.  Berikut adalah hasil running dari syntax di atas.

konjoin2

Interpretasi Hasil Analisis

 

Interpretasi dari hasil-hasil analisis yang berhubungan dengan nilai utility dapat dijelaskan sebagai berikut :

  1. Konsumen paling suka memakai sepatu baru dengan sol terbuat dari karet (0,7778); pilihan kedua adalah sol dari plastik (-0,2222) dan ketiga sol dari polimer (-0,5556).
  2. Untuk penutup atas, konsumen lebih suka memakai sepatu dengan penutup atas terbuat dari kulit (0,4444); preferensi kedua adalah dari kanvas (0,1111) dan ketiga dari Nylon (-0,5556).
  3. Sedangkan mengenai harga, konsumen lebih suka pada sepatu dengan harga Rp 15.000,- (1,1111). Preferensi kedua dengan harga Rp 30.000,- (0,1111)  dan ketiga dengan harga Rp 45.000,- (-1,2222).

 

About Arif Kamar Bafadal

Dosen statistika dan operation research. Blog dibuat agar dapat berbagi pengetahuan tentang statistika dan operation research melalui pengalaman dan tulisan. Blog ini menyampaikan pesan "belajar lalu mengajar" agar selalu tercipta motivasi yang kuat untuk selalu mengikuti perkembangan ilmu pengetahuan secara khusus pada bidang statistika dan operation research, agar para mahasiswa tidak terjebak dengan sesuatu yang terbatas.
This entry was posted in Multivariate, Regresi and tagged , , , . Bookmark the permalink.

5 Responses to ANALISIS KONJOIN

  1. Aft4 says:

    Pak Ubay,.. datanya bentuk apa,.dalam contoh tersebut jawaban responden 9, 7, 5, 6, 5, 6, 5, 7, 6 tersebut maksudnya penilaian responden skala 1 – 10 ? dan data c0ntoh tersebut jumlah respondennya berapa ?

    • Terima kasih pak Afta, sudah mampir membaca. Pada analisi konjoin, entri data ada dua kemungkinan : (1) ranking dan (2) preferensi. Pada contoh ini yang dimaksud adalah entri dengan preferensi berkala 1-9, skor 1 = sangat tidak suka hingga skor 9 = sangat suka. Pada contoh di tulisan responden hanya 1 orang. Akan tetapi dalam software bisa saja respondennya banyak dan running hasil bisa dilakukan pada sifat hasil individu atau summarynya. Selamat belajar ..

  2. andriyani says:

    mau tanya di dalam spss kan ada yang namanya set seed , apakah nilai set seed harus selalu 2000000?terimaksih

  3. Eron says:

    Bagaimana seandainya jika analisa konjoin menggunakan rancangan kombinasi berpasangan (pairwise comparison), apakah bisa dikerjakan dengan SPSS? Kalau dalam contoh ini sepertinya menggunakan rancang full profile. Terimakasih

  4. kuliahmarketing says:

    Mau tanya dong, boleh dibantu untuk contoh kuesioner ke respondemnya, apakah dng seperti apa. Thanks

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s