Analisis Konjoin (Lanjutan 1)

Pentingnya suatu attribut dihitung dengan menghitung selisih utility maksimum terhadap minimum, yang dihitung dengan rumus :

Ii = (max αij – min αij ) …………………………………………………………(1)

Kepentingan attribut  sole       :  Isol          = 0,7778 – (-0,5556) = 1,3334

Kepentingan attribut  upper     :  Iupper      = 0,4444 – (-0,5556) = 1,0000

Kepentingan attribut  price      :  Iprice        = 1,1111 – (-1,2222) = 2,3333

Pentingnya attribut ini dinormalkan, dalam kaitannya dengan kepentingan relatif terhadap attribut lainnya (Wi).

Wi = Ii / Σ Ii     …………………………………………………………………………….(2)

dan

Σ Wi = 1      ………………………………………………………………………………..  (3)

Jumlah pentingnya ketiga attribut adalah :

1,3334 + 1,0000 + 2,3333 = 4,6667

Sehingga :

Wsole    = 1,3334 / 4,6667 = 0,2857

Wupper  = 1,0000 / 4,6667 = 0,2143

Wprice   = 2,3333 / 4,6667 = 0,5000

Dengan demikian hubungan relatif yang terpenting dari ketiga attribut di atas adalah harga (50,00%), sol (28,57%) dan penutup atas (21,43%). Karena harga merupakan faktor yang sangat penting dalam pemilihan sepatu, maka bagi sebuah sepatu harga adalah suatu hal yang sangat sensitif.

Koefisien korelasi Pearson R sebesar  0,967 (significance = 0,0000) menjelaskan bahwa hubungan nilai preferensi konsumen dengan hasil prediksi preferensi dari model yang dihasilkan pada analisis konjoin adalah sebesar 0,967. Hasil ini diaplikasikan jika pengukuran dilakukan dengan rating preferensi. Model konjoin yang signifikan menjelaskan bahwa tingkat kesukaan konsumen terhadap produk sepatu memang dapat dijelaskan oleh attribut sol, penutup atas dan harga. Koefisien korelasi Kendall’s tau sebesar 0,937 (significance = 0,0006) memiliki fungsi yang sama dengan koefisien korelasi Pearson R.

Nilai konstanta sebesar 6,2222 menjelaskan bahwa rata-rata preferensi terhadap sembilan profile sepatu yang ditawarkan adalah 6,2222. Pada preferensi dengan skala 1 – 9. nilai rata-rata sebesar 6,2222 memberikan indikasi bahwa kesembilan profile adalah cukup disukai.

Hubungan Analisis Konjoin Dengan Analisis Regresi Linier Berganda

Analisis konjoin dapat dihitung dengan menggunakan analisis regresi linier berganda. Pada mulanya adalah melakukan transformasi pada attribut menjadi variabel dummi. Berikut adalah tabel pembentukan variabel dummi pada ketiga attribut :

Sole

X1

X2

Upper

X3

X4

Price

X5

X6

Karet

1

0

Kulit

1

0

Rp 15.000,-

1

0

Polimer

0

1

Canvas

0

1

Rp 30.000.-

0

1

Plastik

0

0

Nylon

0

0

Rp 45.000,-

0

0

Format data dalam analisis regresi terdiri atas 6 variabel dummi dengan sebuah variabel dependen yang berisi data preferensi.

No

X1

X2

X3

X4

X5

X6

Y

1

1

0

1

0

1

0

9

2

1

0

0

1

0

1

7

3

1

0

0

0

0

0

5

4

0

1

1

0

0

1

6

5

0

1

0

1

0

0

5

6

0

1

0

0

1

0

6

7

0

0

1

0

0

0

5

8

0

0

0

1

1

0

7

9

0

0

0

0

0

1

6

Selanjutnya lakukan prosedur analisis regresi linier berganda dengan Y sebagai variabel dependen dan X1 hingga X6 menjadi variabel independen. Hasil nilai prediksi dari persamaan regresi diperlukan untuk dihubungan dengan koefisien korelasi Kendall’s tan. 

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.

One Response to Analisis Konjoin (Lanjutan 1)

  1. Aft4 says:

    Pak Ubay,.. tanya ya, itu data PREFERENSI yang sebagai var dependent Y dari data cuma 1, berarti itu hanya 1 orang responden, nah kalau datanya banyak bagaimana,..

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