Discrete Choice Experiment

Discrete Choice Experiment (DCE) pertama kali diperkenalkan pada awal tahun 1970

untuk menentukan preferensi individu dalam riset pasar (Louviere et al., 2000). Kemudian

mulai digunakan secara luas, pada bidang ekonomi digunakan untuk menentukan preferensi

konsumen terhadap barang dan jasa serta memprediksi permintaan pasar di masa depan

(Carson et al.,1994). Pada bidang ekonomi kesehatan mulai diperkenalkan pada tahun 1990

oleh Propper untuk menilai layanan kesehatan berdasarkan preferensi pasien. (Propper, )

DCE merupakan metode kuantitatif untuk menilai preferensi individu dengan

menggunakan survey sistematis. DCE meminta responden untuk memilih pilihan yang mereka

sukai dari serangkaian skenario hipotesis yang disebut choise set (Vass, 2017).Setiap skenario

dijelaskan dengan kombinasi level dan atribut (karakteristik) tertentu. (Carson et al, 1994)

Berdasarkan tanggapan responden, dapat dipelajari dampak dari atribut tersebut dan berbagai

tingkatan responden dalam pengambilan keputusan. (Bridges et al, 2014)

Terdapat tahapan 4 penting dalam merancang Discrete Choice Experiment, yaitu :

1. Pengembangan atribut dan level

Tahap pertama dalam merancang DCE adalah penetuan atribut yang relevan dan

penetapan level pada tiap atribut tersebut (Ryan, 2001). Atribut adalah karakteristik

atau fitur dari suatu produk atau layanan yang dapat mempengaruhi seseorang dalam

pengambilan pilihan keputusan (Bridges et al, 2014). Dalam pemilihannya memerlukan

pengalaman dan pengetahuan tentang target populasi yang akan diteliti (Hall, 2004).

Metode pengembangan atribut dan level dapat berupa studi literatur, rekomendasi

profesional, hasil pemeriksaan kesehatan, Focus Group Discussion (FGD), wawancara

atau konsultasi dengan staf atau pasien, survey pasien, ulasan dari ahli (Coast dan

Horrocks, 2007). Atribut dapat berupa data kuantitatif (misalnya waktu tunggu) atau

data kualitatif (misalnya kepedulian provider). (Lanscar dan Louviere, 2008).

 Dalam pemilihan atribut terdapat 3 kriteria yaitu : relevansi dengan pertanyaan

penelitian, relevansi dengan pengaruh terhadap pengambilan keputusan, dan

keterkaitan antar atribut. Atribut inti dalam penelitian atau atribut inti dalam

pengambilan keputusan harus dimasukkan dalam setiap profil, ini penting untuk

mengontrol adanya atribut yang dihilangkan dari penelitian namun berhubungan

dengan atribut yang disertakan (Bridges, et al 2011). Pertimbangan lain yaitu atribut

harus generik (mempunyai level yang sama untuk tiap alternatif) atau alternatif spesifik

(beberapa atribut dan/atau level berbeda pada tiap alternatif) (Lanscar dan Louviere,

2008).

Tidak ada guideline tentang jumlah atribut dalam penelitian, namun dalam

praktinya atribut berjumlah kurang dari 10 agar responden dapat mempertimbangkan

semua atribut saat pengambilan keputusan pilihan (Mangdam et al, 2008)

Level merupakan spesifikasi dari atribut (Bridges et al, 2014). Level harus masuk

akal dan relevan secara klinis/politis. Tingkatan level juga harus cukup luas untuk

menghindari responden mengabaikan atribut karena perbedaan level yang sempit.

(Lanscar dan Louviere, 2008). Level dapat berupa kategori ( misalnya publik, pribadi),

continous (biaya $10, $20, $30) atau probabilitas/kemungkinan (kemungkinan

rehospitalisasi 2%, 5%, 10%). Namun peneliti harus menghindari penggunaan rentang

(seperti biaya $5 - $10) karena mengharuskan responden untuk menginterpretasi level

dan dapat menyebabkan ambiguitas (Bridges et al, 2011)

Variasi level memungkinkan peneliti untuk memperkirakan bagaimana frekuensi

perubahan alternatif tertentu dengan perubahan level dari atribut ( Carson, et al, 1994)

Namun, jumlah level tidak boleh terlalu banyak, meskipun terdapat beberapa atribut

yang memerlukan banyak level (misalnya pada level kategori), level dibatasi tiga atau

empat tiap atribut. (Bridges et al, 2011)

2. Design Experimental dan pembuatan choice set

Proses pembentukan data DCE sangat bergantung pada desain eksperimental

yang digunakan untuk membuat kombinasi atribut dan choice set. Desain eksperimental

adalah sampel dari semua kemungkinan kombinasi dari level dan atribut yang

digunakan untuk membentuk alternatif pilihan (atau profil) dan mengaplikasikannya

ke dalam choice set. Sensus lengkap dari semua kombinasi tingkat atribut disebut

sebagai desain faktorial lengkap. Namun, jumlah profil yang digunakan dalam design

faktorial lengkap terlalu besar sehingga dalam praktiknya biasa digunakan design

faktorial pecahan, dimana sampel dari faktorial lengkap dipilih sehingga didapatkan

setidaknya efek utama dan efek sebesar mungkin. (Lanscar dan Louviere, 2008)

Terdapat beberapa kriteria dalam pemilihan design experimental diantaranya :

skor efisiensi, hungan anatr atribut dan level, hubungan antara atribut dan perbedaan

level, jumlah atribut yang tumpang tindih, batasan kombinasi yang tidak masuk akal,

dan kesulitan kognitif (Bridges et al, 2011)

Maksimal 8 (delapan) choice set dianggap layak dengan pertimbangan respoden

(Wong SF, et al 2014). Pemilihan jumlah choiche set yang banyak harus melalui

perrtimbangkan karena akan menyebabkan anomali dan akan menghasilkan data yang

buruk (Vass, 2017).

3. Design kuisioner dan Test Pilot

Dalam pembuatan kuisioner, responden diberikan penjelasan keseluruhan tentang

tujuan penelitian dan penjelasan tentang atribut dan level untuk membantu responden

dalam pengisian kuisioner. ( Wong et al, 2014) Jika diperlukan, contoh pertanyaan

dapat disajikan sebagai latihan dalam. (Bridges et al 2011) Gambar, diagram dan simbol

juga dapat meningkatkan pemahaman serta relevan digunakan pada responden dengan

tingkat literasi yang masih rendah (Mangdam, 2008)

 Pengetahuan responden akan memengaruhi preferensi mereka, sehingga perlu

memperoleh data sosiodemografi untuk memungkinkan pengujian perbedaan sistematis

dalam preferensi berdasarkan karakteristik sosiodemografi tersebut (seperti riwayat

peyakit, riwayat pengobatan). Perbedaan preferensi berdasarkan karakteristik

sosiodemografi dapat digunakan untuk penyesuaian program sehingga didapatkan

preferensi dengan target responden tertentu. (Bridges et al 2011).

Tes pilot diperlukan untuk menguji dan evaluasi survey, termasuk untuk

mengetahui pemahaman responden, kesesuaian atribut dan level, kerumitan kuisioner,

serta respon responden. (Lanscar dan Louviere, 2008)

4. Sampling

Pada tahap sampling dibutuhkan petimbangan data populasi yang akan

digeneralisasi. (Lanscar dan Louviere, 2008). Jumlah sampel yang tepat tergantung

pada format pertanyaan, kompleksitas, ketepatan hasil yang diinginkan, tingkat

heterogenitas target populasi, ketersediaan responden. (Bridges et al 2011).

5. Analisis Data

Tujuan analisis data adalah untuk memperkirakan kekuatan preferensi untuk

atribut dan level yang termasuk dalam survei juga memperkirakan variasi preferensi

berdasarkan karakteristik responden. (Bridges et al 2011). Tes statistik parametrik dan

nonparametrik, seperti chi-square tes goodness-of-fit, uji t Student, atau Kolmogorov-

Smirnov tes juga dapa dilakukan untuk menguji hipotesis bahwa sampel responden

diambil dari populasi yang diinginkan. (Lanscar dan Louviere, 2008).

Validitas tergantung pada kemampuan analis untuk menentukan secara tepat

atribut dan level yang relevan dari program, produk atau layanan, hal ini membutuhkan

pemahaman rinci tentang populasi target, pengalaman dan sudut pandang (Hall et al.

2004).