Analisis Konjoin (Lanjutan 2 – Habis)

Berikut adalah output hasil dari software SPSS.

konjoin3

Hasil perhitungan nilai R = 0,967  adalah sama dengan harga Pearson R pada analisis konjoin. Perhitungan utility setiap level dalam suatu attribut berhubungan dengan hasil estimasi koefisien regresi yang diperoleh. Koefisien regresi yang diperoleh adalah :

b0 = 4,222       b1 = 1,000       b2 =  -0,333     b3 = 1,000       b4 = 0,667
b5 = 2,333       b6 = 1,333

Berikut ini adalah hasil perhitungan utility.

1. Attribut sol  :

a11 + a12 + a13          = 0
a11 – a13                    = b1
a12 – a13                    = b2

 Maka,

a11 – a13                    = 1,000 atau  a11 = 1,000 + a13
a12 – a13                    = -0,333 atau a12 = -0,333 + a13
a11 + a12 + a13          = (1,000 + a13) + (-0,333 + a13) + a13 = 0

= 0,667 + 3.a13 = 0 => a13 = -0,667/3 = -0,222

a11                              = 1,000 – 0,222 = 0,778
a12                              = -0,333 – 0,222 = -0,555

2. Attribut upper  :

a21 + a22 + a23          = 0
a21 – a23                    = b3
a22 – a23                    = b4

 Maka,

a21 – a23                    = 1,000 atau  a21 = 1,000 + a23
a22 – a23                    = 0,667 atau a22 = 0,667 + a23
a21 + a22 + a23          = (1,000 + a23) + (0,667 + a23) + a23 = 0

= 1,667 + 3.a23 = 0 => a23 = -1,667/3 = -0,557

a21                              = 1,000 – 0,557 = 0,443
a22                              = 0,667 – 0,557 = 0,110

3. Attribut price  :

a31 + a32 + a33          = 0
a31 – a33                    = b5
a32 – a33                    = b6

 Maka,

a31 – a33                    = 2,333 atau  a31 = 2,333 + a33
a32 – a33                    = 1,333 atau a32 = 1,333 + a33
a31 + a32 + a33          = (2,333 + a33) + (1,333 + a33) + a33 = 0

= 3,666 + 3.a33 = 0 => a33 = -3,666/3 = -1,222

a31                              = 2,333 – 1,222 = 1,111
a32                              = 1,333 – 1,222 = 0,111

Perhitungan di atas adalah sama dengan hasil analisis konjoin. Model analisis konjoin yang dihasilkan adalah :

Y = 4,222 + 1,000X1  – 0,333X2 + 1,000X3 + 0,667X4 + 2,333X5+ 1,333X6

Nilai prediksi preferensi dari persamaan regresi ini digunakan untuk menghitung koefisien korelasi Kendall’s tau. Perhitungan korelasi Kendall’s tau dilakukan dengan terlebih dahulu menghitung rangking dari data preferensi dan prediksi preferensi. Dalam software SPSS koefisien ini bisa diperoleh dari menu Analyze | Descriptive Statistics | Crosstabs. Aktifkan Suppres table, untuk tidak menampilkan tabel tabulasi silang. Masukkan ranking preferensi ke rows dan rangking prediksi preferensi ke column. Klik sub menu Statistics, aktifkan Kendall’s tau-b maka akan dihasilkan output seperti pada gambar berikut. Koefisien korelasi Kendall’s tau yang dihasilkan adalah 0,937.

konjoin4Tabel berikut adalah data prediksi preferensi dan ranking kedua variabel untuk menghitung korelasi Tau Kendall.

Profile

Y

Unstandardized Predicted Value

RANK of Y

RANK of PRE_1

RA

RB

1

9

8.55556

9.000

9.000

0

0

2

7

7.22222

7.500

7.500

1

0

3

5

5.22222

2.000

2.500

6

1

4

6

6.22222

5.000

5.500

3

1

5

5

4.55556

2.000

1.000

7

0

6

6

6.22222

5.000

5.500

3

1

7

5

5.22222

2.000

2.500

6

0

8

7

7.22222

7.500

7.500

1

0

9

6

5.55556

5.000

4.000

3

0

LAMPIRAN

Command lengkap untuk analisis konjoin

Conjoint Command Syntax

 CONJOINT [PLAN=file]
   [/DATA=file]
    /{SEQUENCE}=varlist
     {RANK    }
     {SCORE   }
   [/SUBJECT=variable]
   [/FACTORS=varlist['labels']
       ([{DISCRETE[{MORE}]}][values['labels']])]
                   {LESS}
         {LINEAR[{MORE}]  }
                 {LESS}
         {IDEAL           }
         {ANTIIDEAL       }
           varlist...
  [/PRINT={ALL**     }[SUMMARYONLY] ]
          {ANALYSIS  }
          {SIMULATION}
          {NONE      }
  [/UTILITY=file]
  [/PLOT={SUMMARY}]
         {SUBJECT}
         {ALL    }
         {NONE** }
**Default if the subcommand is omitted.
Default for PLAN and /DATA is the working data file.

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, Uncategorized. Bookmark the permalink.

One Response to Analisis Konjoin (Lanjutan 2 – Habis)

  1. aulia says:

    selamat siang pak..
    mau nanya yang tentang konjoin yg menggunakan metode ranking, apakah bapak punya bahan bacaan tentang cara manual transformasi peringkatnya tidak pak??

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