Analisis Konjoin

1. Prinsip Dasar
a. Pendahuluan
Contjoint Analysis bisa disebut juga sebagai Consider jointly , yang
dalam bahasa Indonesia dapat diterjemahkan sebagai analisis konjoin.
Analisis konjoin adalah suatu teknik analisis yangdapat digunakan untuk
kepentingan
menentukan tingkat relatif berdasarkan persepsi pelanggan yang
dibawa oleh suatu produk tertentu dan nilai kegunaan yang muncul dari
atribut-atribut produk terkait. Untuk menentukan strategi pemasaran,
analisis conjoint ini tepat dan baik. Bahkan pada tataran yang lebih tinggi
bisa dipakai untuk segmentasi pasar berdasarkan preferensi konsumen
terhadap atribut produk yang dipilihnya. Filosofi dari teknik analisis ini
ialahsetiap stimulus apa saja yang bisa berupa produk, merek atau barang
yang dijual dipasar akan dievaluasi oleh konsumen sebagai suatu
kumpulan atribut-atribut tertentu. Oleh karena itu, teknik ini sangat
bermanfaat dalam pemasaran untuk mengetahui preferensi konsumen
terhadap suatu produk yang diluncurkan di pasar.

Penggunaan analisis konjoin sangat membantu penelitian dalam

pemasaran terutama untuk penting tidaknya suatu atribut dalam suatu
produk atau jasa. Dari hasil analisis konjoin ini diperoleh dua informasi
penting yaitu kepentingan relatif atribut dan nilai utilitas dari setiap
tingkatan atribut. Analisis ini merupakan teknik APG (Analisis Universitas
Sumatera Utara Peubah Ganda) yang unik dibandingkan dengan teknik
APG lainnya, karena peneliti terlebih dahulu harus membentuk produk
atau jasa hipotetik yaitu dengan cara mengkombinasikan level-level dari
setiap peubah (Setyono, 2008). Dari seluruh kemungkinan kombinasi yang
terbentuk, oleh peneliti dipilih sebagian atau beberapa kombinasi saja
(pemilihan kombinasi dilakukan dengan menggunakan analisis konjoin).
Selanjutnya responden diminta untuk memberikan peringkat terhadap
setiap kombinasi yang terpilih.

2
 Analisis konjoin (conjoint analysis) merupakan suatu metode
analisis dalam analisis multivariate, analisis ini mulai diperkenalkan
pada tahun 1970-an (Cattink and Wittink, 1992). Analisis ini biasa
diterapkan pada market riset dan studi pengembangan produk. Analisis
konjoin adalah sebuah teknik guna mengukur preferensi konsumen
terhadap produk atau jasa. Analisis konjoin berdasarkan pada
subjektifitas konsumen terhadap beberapa kombinasi fitur yang
ditawarkan. Subjektifitas konsumen ini diukur melalui peringkat (rank)
atau skore (skala likert). Hasil analisis konjoin berupa informasi
kuantitatif yang dapat memodelkan preferensi konsumen untuk
beberapa kombinasi fitur produk. Sebagai contoh, ketika konsumen
hendak membeli komputer mungkin akan memeriksa himpunan atribut
untuk memilih produk mana yang paling cocok dengan kebutuhannya.
Konsumen mungkin akan mempertimbangkan unsur kecepatan, merek
motherboard, daya tampung memori, jenis VGA card dan lain-lain.
Pengukuran dan analisis dalam penelitian pemasaran untuk memilih
suatu produk biasanya dilakukan dengan menggunakan analisis
conjoin.
Dalam prosesnya analisis konjoin akan memberikan ukuran
kuantitatif terhadap tingkat kegunaan (utility) dan kepentingan relatif
(relatif importance) suatu atribut dibandingkan dengan atribut lain. Hal
ini dilakukan melalui pertimbangan psikologis atau preferensi
konsumen (Green & Tull, 1988). Lebih lanjut, nilai-nilai ini dapat
digunakan untuk membantu menyeleksi atribut-atribut suatu produk
yang akan ditawarkan.
Tujuan analisis konjoin adalah memperoleh skor kegunaan (utility)
yang dapat mewakili kepentingan setiap aspek produk, sehingga dari
skor tersebut dapat ditarik kesimpulan tentang atribut apa yang paling
dipertimbangkan konsumen dalam memilih produk. Dalam pemasaran
teknik analisis konjoin biasanya digunakan untuk hal-hal berikut :
1. Menentukan tingkat kepentingan relative atribut-atribut
pada proses pemilihan yang dilakukan oleh konsumen.

3
 Output baku dari analisis conjoin terdiri dari kepentingan
relative dari timbangan yang diturunkan untuk semua
atribut yang dipergunakan untuk membangun stimulus yang
diperuntukan dalam tugas evaluasi. Kepentingan relative
timbangan (weights) menunjukan atribut mana yang
penting dalam mempengaruhi pilihan pelanggan.
2. Membuat estimasi pangsa pasar suatu produk tertentu yang
berbeda tingkat atributnya. The utilities yang diturunkan
dari analisis conjoin bisa dipergunakan sebagai input ke
dalam suatu pilihan simulator untuk menentukan
sumbangan pilihan, kemudian pangsa pasar dengan
berbagai jenis merk.
3. Menentukan komposisi produk yang paling disukai
konsumen. Feature dari merk dapat dibuat bervariasi
dinyatakan dalam tingkatan/level atribut dan utilities yang
bersangkutan ditentukan. Feature dari merk yang
menghasilkan utility tertinggi menunjukan komposisi merk
yang paling disenangi.
4. Membuat segmentasi pasar yang didasarkan pada
kemiripan preferensi terhadap tingkat-tingkat atribut.
Fungsi parth-worth diturunkan untuk atribut, mungkin
dipergunakan sebagai basis (dasar) untuk mengelompokkan
(clustering) responden untuk mencapai segmen dreferensi
yang homogeny.

Sementara manfaat yang dapat diambil dari penggunaan analisis

konjoin adalah produsen dapat mencari solusi kompromi yang optimal
dalam merancang atau mengembangkan suatu produk. Menurut Green
dan Krieger (1991) analisis ini dapat juga dimanfaatkan untuk :
1. Merancang harga
2. Memprediksi tingkat penjualan atau penggunaan produk
(market share), uji coba konsep produk baru.

4
 3. Segmentasi preferensi
4. Merancang strategi promosi

http://datariset.com/analisis/detail/olah-data-jogja-contjoint-analysis

b. Tujuan analisis
Tujuan penggunaan analisis konjoin terutama dalam riset pemasaran
adalah untuk mengetahui bagaimana sebenarnya persepsi konsumen
terhadap suatu produk atau jasa yang “diminati” oleh konsumen. Diminati
disini dapat diartikan konsumen memiliki preferensi tertentu terhadap
suatu produk. Seperti diketahui bahwa, produk tidak saja terdiri dari
komponen-komponen fisik penyusunnya, namun lebih merupakan
kumpulan dari berbagai atribut yang sering menjadi faktor penentu bagi
konsumen dalam memilih produk. Sebagai contoh, consumer good
product, atribut dapat meliputi harga, kemasan, rasa, bentuk, manfaat dsb.

c. Skala variabel yang digunakan

Skala variabel yang digunakan pada analisis konjoin yaitu:
1. Data metrik
Metrik adalah data berskala interval atau rasio yang memberikan
rating atau nilai pada masing-masing stimuli(perancangan kombinasi
atribut).
2. Data nonmetrik
Nonmetrik adalah data dalam bentuk nominal, ordinal, atau kategori
membuat rangking atau mengurutkan stimuli yang telah dibuat.

2. Asumsi dalam Analisis Konjoin

Berbeda dengan analisis multivariat lainnya, proses conjoint
tidakmembutuhkan uji asumsi seperti normalitas, homoskedastisitas, dan
lainnya. (Santoso:2010:281).

3. Struktur Data

5
4. Prosedur analisis konjoin
Prosedur ataupun Tahapan yang umumnya dilakukan dalam merancang
dan melaksanakan analisis konjoin secara umum ditampilkan dalam Gambar
berikut:

MERUMUSKAN MASALAH

MERANCANG KOMBINASI ATRIBUT

MENENTUKAN JENIS DATA

MELAKUKAN ANALISIS KONJOIN

INTERPRETASI HASIL

UJI RELIABILITAS DAN VALIDITAS HASIL

Keterangan:
1. Perumusan masalah (formulate the problem)
Di dalam merumuskan analisis conjoin, peneliti harus
mengenali/mengidentifikasi atribut dengan tingkatan/level yang
paling penting bagi konsumen. Level atribut menunjukkan nilai
yang diasumsikan oleh atribut. Atribut yang dipilih harus dapat
mempengaruhi preferensi dan pilihan pelanggan. Atribut bisa
diidentifikasi melalui diskusi dengan manajemen dan tenaga ahli,
menganalisis data sekunder, riset kualitatif dan lain-lain.
Banyaknya tingkatan atribut menentukan banyaknya parameter
yang akan diperkirakan dan juga mempengaruhi banyaknya
stimulus yang akan dievaluasi oleh responden. Untuk

6
 meminimumkan tugas evaluasi responden, peneliti harus bisa
memperkirakan parameter seakurat mungkin, perlu membatasi
banyaknya tingkatan/level dari atribut. Peneliti harus
memperhitungkan level atribut yang lazim atau umum berlaku di
masyarakat.

2. Merancang kombinasi atribut (stimuli)

Terdapat beberapa ketentuan dalam memilih metode yang akan
digunakan dalam merancang kombinasi taraf dari atribut (Hair et
al.. 1998), yaitu :
a. Choice-Based conjoin (CBC).
Digunakan apabila jumlah atribut 6. Metode ini mulai
popular pada awal tahun 1990-an, dan saat ini banyak
digunakan serta mendapat perhatian yang sangat besar oleh
kalangan peneliti dan praktisi pemasaran. Menurut Hair et
al. (1998) keunggulan utama CBC dibandingkan metode
lain adalah prosedur pengumpulan datanya secara langsung
mencerminkan prilaku pasar.
Metode CBC tidak tepat digunakan dalam penelitian
dengan jumlah atribut yang banyak. Green dan Srinivasan
(1990), menyatakan bahwa 6-10 atribut adalah jumlah
maksimum atribut yang dapat menggunakan konsep full-
profile dalam analisis conjoin.

b. Traditional Conjoin, digunakan apabila jumlah atribut < 10

c. Adaptive Conjoin Analysis (ACA), digunakan apabila
jumlah atribut 10.

Adapun pendekatan yang sering digunakan dalam merancang

kombinasi atribut yang sering digunakan adalah :
a. Kombinasi berpasangan (pairwise combination)

7
 Responden diminta untuk mengevaluasi pasangan-pasangan
atribut secara bersamaan.
b. Kombinasi lengkap (full profile)
Responden diminta mengevaluasi semua kombinasi stimuli
yang muncul.
Jika jumlah kombinasi terlalu banyak maka dilakukan
pengurangan jumlah kombinasi atribut (stimuli) tersebut.
Salah satu cara dengan orthogonal array sehingga akan
diperoleh suatu kombinasi atribut yang hanya mengukur
efek utamanya saya , sementara interaksi antar atribut tidak
terukur atau diabaikan dan jumlah stimuli yang terbentuk
akan berkurang.

3. Menentukan jenis data yang diperlukan

Jenis-jenis data pada analisis konjoin, yaitu :
a. Nonmetrik (data dalam bentuk nominal atau ordinal atau
ordinari)
Membuat ranking atau mengurutkan stimuli yang telah
dibuat pada, tahap sebelumnya. Pengurutan ini biasanya
dimulai dari stimuli yang paling disukai sampai pada
stimuli yang paling tidak disukai.
b. Metrik (data berskala interval atau rasio)
Memberikan rating atau nilai terhadap masing-
masing stimuli. Dalam konjoin analisis yang berperan
sebagai vaiabel tak bebas (dependent variable) umumnya
adalah preferensi atau keinginan untuk membeli. Oleh
karenanya pemberikan urutan maupun penilaian didasarkan
atas kedua hal tersebut. Namun demikian karena proses
konjoin bersifat sangat fleksibel maka pembelian secara
aktual maupun pilihan dapat berlaku sebagai variabel tak
bebas. Pemberian nilai atau rating dapat dilakukan melalui
beberapa cara:

8
  Menggunakan skala lickert mulai dari 1 hingga 9 ( 1
= Paling tidak disukai, 9 = Paling disukai).
 Menggunakan nilai rangking terbalik, artinya untuk
stimuli yang paling disukai diberi nilai tertinggi
setara dengan jumlah stimulinya.

4. Memilih prosedur analisis conjoin

a) Regresi Linier Berganda
Dalam menganalisis pengaruh, selalu digunakan
variable bebas dengan variable terikat. Variable yang
mempengaruhi variable lain disebut dengan variable bebas
X (independent variable), sedangkan variable yang
dipengaruhi oleh variable lain disebut dengan variable
terikat Y (dependent variable). Menurut Montgomery
(1991:01) teknik statistika untuk menyelidiki dan
memodelkan hubungan antara satu variable terikat dengan
lebih dari satu variable bebas dinamakan sebagai analisis
regresi linier berganda. Variable bebas X bersifat kategorik,
kontinu ataupun gabungan keduanya, sedangkan variable
terikat Y bersifat kontinu. Persamaan regresi linier
berganda dirumuskan sebagai berikut:
𝑌𝑖 = 𝛽0 + 𝛽1 𝑋1 + 𝛽2 𝑋2 + ⋯ + 𝛽𝑖 𝑋𝑖 + 𝛽𝑘 𝑋𝑘 + 𝜀𝑖
𝑑𝑖𝑚𝑎𝑛𝑎 ∶
𝑖 = 1,2, ⋯ , 𝑛
𝑌𝑖 = 𝑛𝑖𝑙𝑎𝑖 𝑘𝑒 − 𝑖 𝑑𝑎𝑟𝑖 𝑣𝑟𝑖𝑎𝑏𝑒𝑙 𝑡𝑒𝑟𝑖𝑘𝑎𝑡 𝑌
𝑋𝑖 = 𝑛𝑖𝑙𝑎𝑖 𝑝𝑒𝑛𝑔𝑎𝑚𝑎𝑡𝑎𝑛 𝑘𝑒 − 𝑖
𝛽1 = 𝑘𝑜𝑒𝑓𝑖𝑠𝑖𝑒𝑛 𝑟𝑒𝑔𝑟𝑒𝑠𝑖 𝑘𝑒 − 𝑖
𝜀𝑖 = 𝑔𝑎𝑙𝑎𝑡 𝑘𝑒 − 𝑖
𝑘 = 𝑏𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑒𝑙 𝑏𝑒𝑏𝑎𝑠

b) Model Dasar Utility Function

Secara umum model utility function analisis conjoin adalah

9
 𝑘𝑖
𝑚
𝑈 (𝑋) = ∑ ∑ 𝑎𝑖𝑗 𝑥𝑖𝑗
𝑖=1
𝑗=1

𝑑𝑖𝑚𝑎𝑛𝑎 ∶
𝑈 (𝑋) = 𝑢𝑡𝑖𝑙𝑖𝑡𝑦 𝑡𝑜𝑡𝑎𝑙
𝑎𝑖𝑗 = 𝑝𝑎𝑟𝑡 𝑤𝑜𝑟𝑡ℎ(𝑛𝑖𝑙𝑎𝑖 𝑢𝑡𝑖𝑙𝑖𝑡𝑦 𝑦𝑎𝑛𝑔 𝑡𝑒𝑟𝑘𝑎𝑖𝑡 𝑑𝑒𝑛𝑔𝑎𝑛 𝑎𝑡𝑟𝑖𝑏𝑢𝑡 𝑘𝑒 − 𝑖 𝑙𝑒𝑣𝑒𝑙 𝑘𝑒
− 𝑗)
𝑖 = 1,2, ⋯ , 𝑚 ; 𝑗 = 1,2, ⋯ , 𝑘
𝑘𝑖 = 𝑏𝑎𝑛𝑦𝑎𝑘 𝑙𝑒𝑣𝑒𝑙 𝑑𝑎𝑟𝑖 𝑎𝑡𝑟𝑖𝑏𝑢𝑡 𝑘𝑒 𝑖
𝑚 = 𝑏𝑎𝑛𝑦𝑎𝑘 𝑎𝑡𝑟𝑖𝑏𝑢𝑡
𝑥𝑖𝑗 = 𝑣𝑎𝑟𝑖𝑎𝑏𝑒𝑙 𝑑𝑢𝑚𝑚𝑦 𝑎𝑡𝑟𝑖𝑏𝑢𝑡 𝑘𝑒 − 𝑖 𝑑𝑎𝑛 𝑙𝑒𝑣𝑒𝑙 𝑘𝑒 − 𝑗
Ket :
1, 𝑗𝑖𝑘𝑎 𝑙𝑒𝑣𝑒𝑙 𝑘𝑒 − 𝑗 𝑑𝑎𝑟𝑖 𝑎𝑡𝑟𝑖𝑏𝑢𝑡 𝑘𝑒 𝑖 𝑎𝑑𝑎
𝑥𝑖𝑗 = {
0, 𝑗𝑖𝑘𝑎 𝑙𝑒𝑣𝑒𝑙 𝑘𝑒 − 𝑗 𝑑𝑎𝑟𝑖 𝑎𝑡𝑟𝑖𝑏𝑢𝑡 𝑡𝑖𝑑𝑎𝑘 𝑎𝑑𝑎
Dalam analisis conjoin digunakan persamaan
regresi linier berganda untuk memperoleh nilai utility yang
terkait dengan atribut ke-I level ke-j atau memperoleh nilai
𝑎𝑖𝑗 . Misalkan dugaan persamaan regresi linier berganda
yaitu:
𝑌𝑖 = 𝑏0 + 𝑏1 𝑋1 + 𝑏2 𝑋2 + ⋯ + 𝛽𝑘 𝑋𝑘
𝑑𝑖𝑚𝑎𝑛𝑎 ∶
𝑝𝑟𝑒𝑓𝑒𝑟𝑒𝑛𝑠𝑖 𝑘𝑜𝑛𝑠𝑢𝑚𝑒𝑛 𝑑𝑖𝑗𝑎𝑑𝑖𝑘𝑎𝑛 𝑠𝑒𝑏𝑎𝑔𝑎𝑖 𝑣𝑎𝑟𝑖𝑎𝑏𝑒𝑙 𝑑𝑒𝑝𝑒𝑛𝑑𝑒𝑛.
𝑋1 , 𝑋2 , ⋯ , 𝑋𝑘 adalah variable dummy yang mewakili level
dari setiap atributnya.
𝑏0 , 𝑏1 , 𝑏2 , ⋯ , 𝑏𝑘 adalah koefisien dugaan dari peubah
boneka.
c) Variable Dummy
Peubah bebas pada regresi linier berganda dapat
berupa variabel boneka atau disebut variable dummy.
Variable dummy bernilai 0 atau 1. Suatu variable dummy
diberi nilai 1 bila kategori yang bersangkutan ada dan 0 bila
tidak ada.

10
 Jika atribut mempunyai level sebanyak ki maka variable
dummy-nya adalah ki-1, atau banyak variable dummy
adalah banyak level dikurangi satu.
d) Estimasi Nilai Utility
Menurut Supranto (2004:210) untuk mengestimasi
nilai utility dapat diselesaikan dengan menggunakan
koefisien regresi parsial dari variable dummy-nya.
Koefisien dari variable dummy mewakili perbedaan utility
dari level yang bersangkutan dengan utility level yang
menjadi kategori dasar. Misalnya atribut ke-I dengan k
buah variable dummy dan variable dummy ke-k sebagai
kategori dasar, dengan persamaan sebagai berikut:
𝑎𝑖1 − 𝑎𝑖𝑘 = 𝑏1
𝑎𝑖1 − 𝑎𝑖𝑘 = 𝑏2
⋮
𝑎𝑖 (𝑘 − 1) − 𝑎𝑖𝑘 = 𝑏𝑘 − 1
Nilai utility diestimasi pada suatu skala interval yang
memiliki suatu titik asal sebarang, sehingga diperlukan
suatu persamaan tambahan sebagai berikut:
𝑎𝑖1 + 𝑎𝑖2 + ⋯ + 𝑎𝑖𝑘 = 0
Nilai utility bernilai positif dan negative, jika nilai utility
pada level bernilai negative, dapat dikatakan bahwa level
tersebut tidak atau kurang puas. Apabila nilai utlity bernilai
positif, maka dapat dikatakan bahwa level tersebut pas
dirasakan pasien. Nilai utility tertinggi dari masing-masing
level setiap atribut merupakan kombinasi yang diinginkan
pasien.
Setelah diperoleh nilai utility setiap level masing-masing
atribut, langkah selanjutnya adalah menghitung tingkat
kepentingan setiap atribut. Prinsipnya, tingkat kepentingan
atribut adalah selisih utilitas tertinggi dengan utilitas
terendah. Seperti pada persamaan berikut ini:

11
𝐼𝑖 = (𝑚𝑎𝑥(𝑎𝑖𝑗 ) − min(𝑎𝑖𝑗 )) 𝑢𝑛𝑡𝑢𝑘 𝑠𝑒𝑡𝑖𝑎𝑝 𝑖

12
 Daftar Pustaka

Mattjik, Ahmad Ansori,dkk.2011.Sidik Peubah Ganda Dengan menggunakan

SAS. Bogor:IPB PRESS

13