Nama :

Mukhammad Antonio Nuh Vicasco (2130016013)

Makki (2130016012)

Contoh Kasus :

Mahasiswa Unusa ingin melakukan survey pasar mengenai keinginan konsumen

mengenai produk Tas baru yang akan dirilis, adapaun kompisisi atribut yang
digunakan sebagai berikut :

Atribut No Level
Jenis 1 Ransel
2 Selempang
3 Koper
Bahan 1 Kanvas
2 Polyester
3 Kulit
Harga 1 80.000
2 120.000
3 150.000
Selanjutnya kita lakukan survey mengenai nilai yang diberikan konsumen, karena
atribut yang kita miliki 3X3X3 maka kemungkinan opsi yang ada sebesar 9

Maka kita bisa gunakan analasis regresi linier berganda, dengan menentukan variable
dummy dan variable dependen

Rasa X1 X2 Kemasan X3 X4 Harga X5 X6

Ransel 1 0 Kanvas 1 0 80.000 1 0
Slempang 0 1 Polyester 0 1 120.000 0 1
Koper 0 0 Kulit 0 0 150.000 0 0
Sehingga kemungkinan opsi yang didapat sebanyak 9 seperti dibawah ini

Y diatas adalah penilaian konsumen dari nilai 1-10 dengan kriteria 1 sangat tidak
di inginkan dan 10 sangat sangat di inginkan kosumen.
Output Spss :

REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT Y
/METHOD=ENTER X1 X2 X3 X4 X5 X6.

Regression

Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
1 X6, X4, X2, X3, . Enter
b
X1, X5
a. Dependent Variable: Y
b. All requested variables entered.

Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 .370a .137 -.334 1.676
a. Predictors: (Constant), X6, X4, X2, X3, X1, X5

ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 4.889 6 .815 .290 .929b
Residual 30.889 11 2.808
Total 35.778 17
a. Dependent Variable: Y
b. Predictors: (Constant), X6, X4, X2, X3, X1, X5
 Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 7.722 1.117 6.912 .000
X1 -.500 .967 -.167 -.517 .616
X2 .333 .967 .111 .345 .737
X3 -.500 1.280 -.167 -.391 .704
X4 .167 1.280 .056 .130 .899
X5 -.333 1.676 -.111 -.199 .846
X6 -.667 1.368 -.236 -.487 .636
a. Dependent Variable: Y

Hasil Perhitungan nilai R 0,792 adalah sama dengan harga Pearson R pada
analisis conjoin. Perhitungan utility setiap level dalam suatu atribut berhubungan
dengan hasil estimasi koefisien regresi yang diperoleh. Koefisien regresi adalah:
B0=7.722 b1= -0.500 b2= 0.333 b3= -0.500 b4= 0.167 b5= -0.333 b6=
-0.667

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

1. Konsumen paling suka memakai tas baru dengan jenis tas ransel (-0.500);
pilihan kedua adalah tas jenis slempang (-0.500) dan ketiga tas jenis koper
(-0.333).
2. Untuk bahan, konsumen lebih suka memakai sepatu dengan penutup atas
terbuat dari kanvas (0.333); preferensi kedua adalah dari polyester (0.167)
dan ketiga dari Nylon (-0.667).

3. Sedangkan mengenai harga, konsumen lebih suka pada tas dengan harga
Rp 80.000,- (0.333). Preferensi kedua dengan harga Rp 120.000,- (0.167)
dan ketiga dengan harga Rp 150.000,- (-0.667)