ANALISIS CONJOINT

ILUSTRASI

Perusahaan X ingin mengembangkan sebuah

sabun cuci baru. Setelah mendiskusikan dengan
bagian penjualan, manajemen memutuskan ada
tiga atribut penting yang harus ada pada produk
tersebut, yaitu bahan baku, bentuk, dan merek
dagang. Untuk mengoperasionalkan atribut ini,
peneliti mengembangkan tiga faktor dengan
masing-masing dua level, yaitu :

ANALISIS CONJOINT

Analisis Konjoin (Conjoint Analysis, Considered

Jointly) adalah sebuah metode statistika
multivariat yang dikembangkan untuk
memahami bagaimana responden membangun
preferensi terhadap type sebuah produk.
Dalam prosesnya analisis konjoin akan
memberikan ukuran kuantitatif terhadap
tingkat kegunaan (utility) dan kepentingan
relatif (relatif importance) suatu faktor
dibandingkan dengan faktor lain.

RANCANGAN EKSPERIMEN
CONJOINT
1. Menentukan tujuan research
2. Memilih metodologi conjoint
. Jika faktornya <= 6, gunakan choice based
conjoint
- Jika 6 < faktornya <= 10, gunakan traditional
conjoint.
- Jika faktornya > 10, gunakan adaptive choice
conjoint
3. Menyeleksi faktor dan level
4. Menentukan bentuk model dasar produk.

METODELOGI CONJOINT

Tradisional conjoint merupakan teknik analisis

dalam konjoin dimana responden dihadapkan
terhadap seluruh pilihan stimuli yang di dapat
dari kombinasi dari faktor dan level yang ada.
Adaptive conjoint dikembangkan untuk
mengakomodasi permasalah yang melibatkan
jumlah faktor yang banyak (lebih dari 10) yang
tidak mungkin digunakan dengan pendekatan
tradisional. Biasanya penggunaan metode ini
dibantu dengan peralatan komputer.

METODOLOGI CONJOINT
Choised Based Conjoint (CBC)

Untuk metode yang terakhir ini, hampir mirip dengan

metode ACA, namun responden tidak hanya dihadapkan
pada stimuli yang ada tapi juga dihadapkan pada
kombinasi efek interaksi dari atribut yang ada. Contoh,
ada 20 stimuli, responden diminta untuk memilih stimuli
terbaik dengan membandingkan antara 2 stimuli yang
kita ambil secara acak, misal kita ambil stimuli ke-1 dan
ke-2 maka responden diminta untuk mengambil stimuli
yang dianggap terbaik dari keduanya, kemudian stimuli
yang terbaik kita bandingkan dengan stimuli berikutnya
sampai didapatkan stimuli terbaik. Dengan catatan bahwa
stimuli yang sudah tereliminasi tidak dapat digunakan
untuk pembanding berikutnya.

MENENTUKAN BENTUK MODEL

DASAR PRODUK

Ditentukan berdasarkan nilai kegunaan (utility) dan

kepentingan relatif (relatif importance) suatu faktor
dibandingkan dengan faktor lain.
Misalkan dari contoh kasus sebelumnya, dipilih dua
responden untuk memberikan tanggapan terhadap
stimulus yang terbentuk. Stimulus adalah kombinasi
dari level-level faktor.
kedua responden akan memberikan ranking terhadap
stimulus yang ada, dengan angka 1 adalah yang paling
disukai, dan angka yang terakhir (tergantung jumlah
stimuli yang dihasilkan) adalah yang tidak disukai.

DATA
Stimulus

Responden 1

Cair, Bebas Pospate, Hatco

ranking 1
Cair, Bebas Pospate, Generik
ranking 2
Cair, Dengan Pospate, Hatco
ranking 5
Cair, Dengan Pospate, Generik ranking 6
Powder, Bebas Pospate, Hatco
ranking 3
Powder, Bebas Pospate, Generikranking 4
Powder, Dengan Pospate, Hatco ranking 7
Powder, Dengan Pospate, Generik ranking 8

DATA
Stimulus

Responden 2

Cair, Bebas Pospate, Hatco

ranking 1
Cair, Bebas Pospate, Generik
ranking 2
Cair, Dengan Pospate, Hatco
ranking 3
Cair, Dengan Pospate, Generik ranking 4
Powder, Bebas Pospate, Hatco
ranking 7
Powder, Bebas Pospate, Generikranking 5
Powder, Dengan Pospate, Generik ranking 8
Powder, Dengan Pospate, Hatco ranking 6

LANGKAH-LANGKAH
Menghitung deviasi untuk setiap level
Deviasi = rata-rata peringkat untuk setiap level rata-rata
peringkat keseluruhan.
Membalik tanda deviasi (+ -) atau (- +).
Mengkuadratkan setiap nilai deviasi dan menghitung jumlahnya.
Menghitung nilai standarisasi, yaitu jumlah level dibagi dengan
jumlah kuadrat deviasi.
Menghitung deviasi terstandar = kuadrat deviasi dikalikan dengan
nilai standarisasi.
Menghitung dugaan Part-Worth = akar kuadrat dari deviasi
terstandar.
Menghitung Range of part-Worth = Estimasi Parth-worth untuk
level disukai (positif) + Estimasi parth-worth tidak disukai (negatif).
Menghitung Factor importance = range of part-worth dibagi dengan
jumlah semua range of part-worth

DETAIL RESPONDEN 1

Rata-rata ranking keseluruhan = (1+2+3++8)/8

= 4,5
Responden ke-1
Faktor1 = Bentuk
Cair
Powder
Faktor2 = Bahan
Baku
Bebas Pospate
Dengan Pospate
Faktor3 = Merk
Hatco
Generik
TOTAL
Standarisasi

Ranking

Rata-Rata
Ranking

1,2,5,6
3,4,7,8

3,5
5,5

Deviasi
-1
+1

1,2,3,4
5,6,7,8,

2,5
6,5

-2
+2

1,3,5,7
2,4,6,8

4,0
5,0

-0,5
+0,5

DETAIL RESPONDEN 1
Balikan
Responden ke-i Deviasi
Faktor1 =
Bentuk
+1
Cair
-1
Powder
Faktor2 =
Bahan Baku
Bebas Pospate +2
Dengan
-2
Pospate
Faktor3 =
Merk
+0,5
Hatco

Kuadrat
Deviasi

-0,5
Generik
Jumlah Kuadrat
Deviasi
Nilai
Standarisasi
Jumlah
renge of
part-worth

1
1

Deviasi
Terstandar
+0,571
-0,571

Estimasi
part-worth
+0,756
-0,756

Range of
part-worth
1,512

Faktor
importance
28,6%

+2,284

+1,511

3,022

57,1%

-2,284

-1,511

0,25

+0,143

+0,378

0,756

14,3%

0,25

-0,143

-0378

10,5
0,571

5,290

KESIMPULAN

Jadi bentuk type produk yang disukai oleh

responden 1 adalah Bahan baku bebas pospate,
Bentuknya Cair dan Mereknya Hatco.
Tingkat penting dari masing-masing Factor
adalah
Bahan Baku = 57,1%
Bentuk = 28,6%
Merek = 14,3%