ANALISIS CONJOINT

&
ANALISIS SURVIVAL

1. HELMY FEBRIAN 19.0101.0012

2. EKA YUDHA ADI S. 19.0101.0026
3. TUTUGO SWASONO 19.0101.0212
4. HARIS ADHITYA P. 19.0101.0215
 PENGERTIAN ANALISIS KONJOIN

Analisis Konjoin (Conjoint Analysis) merupakan suatu metode analisis dalam analisis
multivariate, analisis ini mulai diperkenalkan pada tahun 1970-an. Analisis ini biasa
diterapkan pada market riset dan studi pengembangan produk. Analisis konjoin merupakan
suatu teknik yang secara spesifik digunakan untuk memahami bagaimana keinginan atau
preferensi konsumen terhadap suatu produk atau jasa dengan mengukur tingkat kegunaan
dan nilai kepentingan relatif berbagai atribut suatu produk. Analisis ini sangat berguna
untuk membantu merancang karakteristik produk baru , membuat konsep produk baru,
membantu menentukan tingkat harga serta memprediksi tingkat penjualan.
LANJUTAN

Bentuk dasar model dependensi analisis konjoin dapat dirumuskan sebagai berikut :
Y1 (non metrik atau metrik) = X1 + X2 + X3 + … + XN (non metrik)
Keterangan :
1) Y1 (variabel dependen), skala pengukuran metrik atau non metrik, didefinisikan sebagai
pendapat keseluruhan dari seorang responden terhadap sekian faktor/atribut dan taraf pada
sebuah barang/jasa/ide.
2) X1, X2, X3 hingga XN (variabel independen), skala pengukuran non metrik, didefinisikan
sebagai faktor/atribut dan taraf.
 ISTILAH-ISTILAH DALAM ANALISIS KONJOIN

Adapun beberapa istilah dalam analisis konjoin adalah :

• Atribut, yaitu berupa variabel-variabel yang akan diteliti.
• Taraf/level, yaitu bagian dari atribut yang menunjukkan nilai yang diasumsikan oleh atribut.
• Stimuli, yaitu sekelompok atribut yang dievaluasi oleh responden. Dalam desain stimuli termasuk memilih atribut
dan taraf atribut yang akan digunakan untu membuat stimuli.
• Nilai kepentingan relatif (Relative Importance Value), yaitu nilai yang menunjukkan atribut mana yang penting
dalam mempengaruhi pilihan responden.
• Nilai kegunaan (Utilitas), yaitu teori ekonomi yang mempelajari kepuasan atau kenikmatan yang diperoleh seorang
konsumen dari mengkonsumsikan barang-barang. Kalau kepuasan itu semakin tinggi maka semakin tinggi nilai
guna. Sebaliknya semakin rendah kepuasan dari suatu barang maka nilai guna semakin rendah pula.
 TUJUAN ANALISIS KONJOIN

Pada dasarnya, tujuan analisis konjoin adalah untuk mengetahui bagaimana persepsi seseorang terhadap suatu objek
yang terdiri atas satu atau banyak bagian. Hasil utama analisis konjoin adalah suatu bentuk (desain) produk barang
atau jasa, atau objek tertentu yang dinginkan oleh sebagian besar responden. (Santoso, 2010).
Dalam pemasaran teknik analisis konjoin biasanya digunakan untuk hal-hal sebagai berikut:
1. Menentukan tingkat kepentingan relatif atribut-atribut pada proses pemilihan yang dilakukan oleh konsumen.
2. Membuat estimasi pangsa pasar suatu produk tertentu yang berbeda tingkat atributnya.
3. Untuk menentukan komposisi produk yang paling disukai oleh konsumen.
4. Untuk membuat segmentasi pasar yang didasarkan pada kemiripan preferensi terhadap tingkat-tingkat atribut.
 MANFAAT ANALISIS KONJOIN

Manfaat yang dapat diambil dari penggunaan analisis konjoin ini adalah produsen dapat
mencari solusi kompromi yang optimal dalam merancang atau mengembangkan suatu produk.
Menurut Green dan Krieger(1991) analisis konjoin dapat juga dimanfaatkan untuk:
• Merancang harga
• Memprediksi tingkat penjualan atau penggunaan produk (market share), uji coba konsep
produk baru.
• Segmentasi preferensi
• Merancang strategi promosi
 SYARAT-SYARAT ANALISIS KONJOIN

Untuk menggunakan analisis konjoin diperlukan persyaratan, diantaranya:

a) Terdapat variabel bebas dan variabel tergantung
b) Variabel bebas bersifat onmetrik
c) Variabel tergantung metrik atau nonmetric
d) Variabel bebas merupakan faktor, misalnya desain kartu prabayar, warna ponsel, manfaat kartu kredit, dan sebagainya
e) Jumlah faktor sebaiknya dibatasi karena jumlah faktor akan mempengaruhi efisiensi dan reliabilitas hasil analisis. Semakin banyak
faktor, semakim kompleks analisisnya, yang akan berakibat pada kualitas tanggapan responden
f) Sebaiknya ukuran sampel minimal 100, semkain besar sampel yang digunakan dalam riset, semakin tajam dan jelas hasil analisis
terhadap atribut-atribut yang diteliti.
g) Variabel tergantung merupakan preferensi dari konsumen dalam memberikan penilaian terhadap faktor-faktor suatu produk yang
dinilainya
 TAHAPAN- TAHAPAN ANALISIS KONJOIN

Adapun tahapan-tahapan PERUMUSAN MASALAH

yang perlu dilakukan dalam

MERANCANG KOMBINASI ATRIBUT
merancang dan melaksanakan
analisis konjoin secara umum MENENTUKAN JENIS DATA

sebagai berikut : MEMILIH PROSEDUR ANALISIS

KONJOIN

INTERPRETASI HASIL

UJI REHABILITAS DAN VALIDITAS HASIL

 ANALISIS SURVIVAL

Analisis survival (survival analysis) atau analisis kelangsungan hidup atau analisis
kesintasan bertujuan menaksir probabilitas kelangsungan hidup, kekambuhan, kematian,
dan peristiwa-peristiwa lainnya sampai pada periode waktu tertentu. Ada sejumlah model
telah dicoba untuk menghubungkan antara faktor risiko, kelangsungan hidup dan jangka
waktu penaksiran.
LANJUTAN

• Pemilihan model perlu memerhatikan hal-hal berikut :

(1) Bentuk distribusi probabilitas kelangsungan hidup, apakah bersifat parametrik atau non-
parametrik, sebab tiap penyakit dan keadaan-keadaan lainnya memiliki bentuk distribusi
masing-masing;
(2) Apakah faktor risiko yang mendapat perhatian hanya sebuah (univariat) ataukah majemuk
(multivariat);
(3) Ukuran sampel penelitian; dan
(4) Apakah data mencakup pengamatan tersensor atau tak tersensor.
 TIPE PENYENSORAN

Menurut Kontz dan Johnson (1982), sampel data dikatakan tersensor apabila nilai dari variabel acak yang diteliti tidak dapat diamati
secara penuh. Hal ini disebabkan oleh batasan pengamatan yang dilakukan atau sesuatu hal di luar dugaan di mana individu yang
diamati keluar dari penelitian.
Jenis-jenis penyensoran terdiri dari :
1. Penyensoran Jenis I
Karakteristik penyensoran jenis I adalah bahwa kegagalan adalah acak
2. Penyensoran Jenis II
Dengan penyensoran sebelah kanan jenis II, penelitian diakhiri pada waktu kegagalan berturut ke-k dari n sampel (k < n), dan untuk
penyensoran sebelah kiri jenis II, titik awal penelitian dilakukan saat waktu kegagalan terurut q (q < n).
3. Penyensoran Maju (Progressive Censoring)
Pada penyensoran maju, suatu jumlah yang ditentukan dari unit-unit bertahan dikeluarkan dari penelitian berdasarkan kejadian dari
tiap kegagalan terurut.
 DISTRIBUSI ANALISIS DATA SURVIVAL

Distribusi (probabilitas) variabel waktu T dapat dinyatakan dengan banyak cara; tiga
diantaranya dipakai secara luas dalam aplikasi, yaitu dengan menerapkan fungsi kelangsungan
(survivor function), fungsi densitas (density function) dan fungsi hazard (hazard function).
Menurut Lee (1980), jika T adalah waktu survival, maka :
1. Fungsi Survival (Survivourship Function)
Adalah peluang suatu individu dapat bertahan hidup lebih dari waktu t, dan biasanya
dinotasikan dengan S(t). Fungsi survival dapat diestimasikan melalui proporsi individu yang
hidup dari t atau dengan rumus
LANJUTAN

2. Fungsi Densitas (Probability Density Function)

Adalah peluang suatu individu akan meninggal pada interval yang pendek (Δt) dan dinotasikan dengan f(t).
fungsi densitas dapat diestimasikan melalui :

3. Fungsi Hazard (Hazard Function)

Adalah probabilitas kematian selama interval waktu (t,Δt) dengan asumsi individu tetap hidup pada interval
waktu tersebut. Dan biasanya dinotasikan dengan ln(t). Fungsi hazard dapat diestimasikan melalui :
 METODE KAPLAN MEIER

Metode Kaplan Meier (1985) sangat popular untuk analisis kelangsungan hidup yang paling
cocok digunakan ketika ukuran sampel kecil. Analisis Kaplan Meier menggunakan asumsi
sebagai berikut :
1. Subyek yang menarik diri dari penelitian secara rata-rata memiliki “nasib” kesudahan
variabel hasil (peristiwa) yang sama dengan subyek yang bertahan selama pengamatan;
2. Perbedaan waktu mulainya masuk dalam pengamatan antar subyek tidak mempengaruhi
risiko (probabilitas) terjadinya variabel hasil (peristiwa). Probabilitas peristiwa untuk
berbagai jangka waktu tersebut dapat digambarkan sebagai kurva analisis survival.
 METODE REGRESI COX

Model regesi ini dikenal juga dengan istilah Proportional Hazard Model karena asumsi
proposional pada fungsi hazardnya. Secara umum, model regresi Cox dihadapkan pada
situasi dimana kemungkinan kegagalan individu pada suatu waktu yang dipengaruhi oleh
satu atau lebih variabel penjelas.
SEKIAN DAN TERIMAKASIH