ANALISIS CONJOIN Conjoint analysis considered jointly membantu produsen
ANALISIS CONJOIN • Conjoint analysis, considered jointly: membantu produsen mencari solusi kompromi yang optimal dalam merancang produk dengan suatu pertimbangan pertukaran (trade off judgement) atribut memberikan ukuran kuantitatif terhadap tingkat kegunaan dan tingkat kepentingan relatif • Menurut Green & Krieger(1991): – – Merancang harga Memprediksi tingkat penjualan (market share) Segmnentasi preferensi Merancang strategi promosi
• 1. Pengertian • Analisa Conjoint adalah suatu teknik analisa yang digunakan untuk menentukan tingkat kepentingan yang relatif berdasarkan presepsi pelanggan yang dibawa oleh suatu produk tertentu dan nilai kegunaan yang muncul dari atribut produk terkait. • Filosofi dari teknik analisa ini ialah setiap stimulus apa saja yang bisa berupa produk, merek atau barang yang dijual dipasar akan dievaluasi oleh konsumen sebagai suatu kumpulan atribut tertentu. Oleh karena itu, teknik ini sangat bermanfaat dalam pemasaran untuk mengetahui preferensi konsumen terhadap suatu produk yang diluncurkan di pasar. (Jonatan Sarwono, Universitas Komputer Indonesia) •
Tujuan ((Jonatan Sarwono, Universitas Komputer Indonesia) • ) Menentukan tingkat kepentingan relatif 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 atribut.
Tujuan • Mengetahui bagaimana sebenarnya persepsi konsumen terhadap suatu produk atau jasa yang “diminati” oleh konsumen • Menentukan kepentingan relatif dari atribut di dalam pemilihan oleh pelanggan. • Mengestimasi pangsa pasar merek yang berbeda dalam tingkatan level atrribut. • Menentukan komposisi merek yang paling disenangi, features dari merek dapat dibuat bervariasi dinyatakan dalam tingkatan/level atribut dan utilities yang bersangkutan. • Membuat segmen pasar berdasarkan pada kemiripan preferensi untuk tingkatan/level atribut.
TAHAPAN ANALISIS CONJOIN Perumusan masalah Merancang kombinasi atribut (stimuli) Penentuan metode pengumpulan data Memilih prosedur analisis konjoin Interpretasi hasil Uji reliabilitas dan validitas hasil
Perumusan Masalah • Identifikasi atribut dan tarafnya Pemilihan atribut adalah untuk atribut yang punya peran untuk mempengaruhi preferensi konsumen, melalui diskusi pakar, eksplorasi data sekunder dan penelitian pendahuluan • Skala atribut dan model preferensi Skala berdasarkan skala pengukuran: – Kualitatif: nominal atau ordinal – Kuantitatif: interval atau rasio
Jika anda mempertimbangkan tiga macam atribut jeruk sebagai berikut: ATRIBUT Taraf /level RASA MANIS Manis Sedang Masam UKURAN Besar Sedang Kecil ASAL JERUK Indonesia Cina Lainnya
Merancang Kombinasi Atribut (Stimuli) • Kombinasi berpasangan (pairwise combination), responden diminta untuk mengevaluasi pasangan atribut secara bersamaan, bila ada p atribut maka jumlah yang akan dievaluasi adalah p(p-1)/2 pasangan kombinasi. • Kombinasi lengkap; semua kombinasi dapat dievaluasi, bila terdapat banyak sekali atribut maka digunakan metode orthogonal array yang merupakan yakni rancangan faktorial sebagian (fractional factorial design)
• Pendekatan PAIRWISE APPROACH or TWO FACTOR EVALUATION (INPUT DATA IS RANK ORDER)Tabel A berikut menyajikan kombinasi antara Rasa Manis dengan Ukuran, table tersebut terdiri dari 9 kolom yang menggambarkan 9 kombinasi. Urutkan 9 kolom tersebut dengan menuliskan angka 1 sampai 9, satu menyatakan kombinasi yang paling disukai dan 9 paling tidak disukai. Demikian pula, urutkan kolom-kolom pada Tabel B da C dengan cara yang sama seperti Tabel A. Rasa Manis dan Ukuran Rasa Manis Sedang Masam Besar KA 1 KA 2 KA 3 Sedang KA 4 KA 5 KA 6 Kecil KA 7 1 KA 8 KA 9
Tabel B. Rasa Manis dan Asal Jeruk Asal Rasa Manis Sedang Masam Indonesia KB 1 KB 2 KB 3 Cina KB 4 KB 5 KB 6 Lainnya KB 7 KB 8 KB 9
Tabel C. Asal Jeruk dan Ukuran Asal Jeruk Indonesia Cina Lainnya Besar KC 1 KC 2 KC 3 Sedang KC 4 KC 5 KC 6 Kecil KC 7 KC 8 KC 9
PENDEKATAN FULL PROFILE APPROACH OR MULTIPLE FACTOR EVALUATION. The number of combinations can be too many, but can be reduced by means of factorial design. PREFERENSI DATA BISA DIUKUR dengan ranking, yaitu Kombinasi Rasa Manis Ukuran Asal Preferensi responden diminta untuk 1 Besar Indonesia Manis 2 Besar Cina Manis merangking atau mengurutkan 3 Besar Lainnya Manis dari 1 sampai 27 kombinasi 4 Sedang Indonesia Manis mana yang disukainya. Cara 5 Sedang Cina Manis 6 Sedang Lainnya Manis ini mungkin lebih sulit bagi 7 Kecil Indonesia Manis responden karena 8 Kecil Cina Manis kombinasinya yang cukup 9 Kecil Lainnya Manis 10 Sedang Besar Indonesia banyak. Solusinya Preferensi 11 Sedang Besar Cina bisa diukur dengan cara Rating. 12 Sedang Besar Lainnya 13 Sedang Indonesia Untuk setiap kombinasi tsb, 14 Sedang Cina responden diminta untuk 15 Sedang Lainnya 16 Sedang Kecil Indonesia mengisi preferensinya dengan 17 Sedang Kecil Cina skala rating 1 sampai 5, yang 18 Sedang Kecil Lainnya 19 Masam Besar Indonesia memiliki arti 1=sangat tidak 20 Masam Besar Cina suka, 2=tidak suka, 3 netral, 21 Masam Besar Lainnya 22 Masam Sedang Indonesia 4=suka, 5= sangat suka. 23 Masam Sedang Cina 24 Masam Sedang Lainnya 25 26 27 Masam Kecil Indonesia Cina Lainnya
Penentuan Jenis Data Yang diperlukan • Nonmetrik (nominal atau ordinal atau kategori) Untuk data berjenis nonmetrik, responden diminta untuk membuat ranking atau mengurutkan stimuli yang telah dibuat pada tahap sebelumnya. Secara teori perangkingan dapat dipandang sebagai evaluasi secara relatif terhadap taraf atribut. Nilai rangking ini dipercaya akan mencerminkan perilaku konsumen dalam situasi nyata. • Metrik (data berskala interval atau rasio) Untuk memperoleh data dalam bentuk metrik, responden diminta untuk memberikan rating atau nilai terhadap masing stimuli. Melalui cara ini responden akan dapat memberikan penilaian terhadap masing stimuli secara terpisah
Menentukan Metode Analisis: Model dasar analisa Conjoint ialah model matematis yang mengekspresikan hubungan fundamental antara atribut dan kegunaan yang ditulis dalam bentuk formula : • Secara umum model dasar analisis Conjoin dapat ditulskan dalam bentuk diatas, dimana: – – – U(X) = Utility total ij = Part worth atau nilai kegunaan dari atribut ke i taraf ke j. k. I = Taraf ke j dari atribut ke i m = Jumlah atribut xij = Dummy variable atribut ke i taraf ke j. (bernilai 1 bila taraf yang berkaitan muncul dan 0 bila tidak) Untuk menentukan tingkat kepentingan atribut ke i (Ai) ditentukan melalui formula berikut: dimana: Ii = (max( ij) – min( ij)), untuk setiap i.
• Suatu atribut akan menjadi sebuah independent variabel yang diukur dengan skala nominal karena variabel tersebut adalah kategori. Atribut asal buah memiliki tiga kategori/taraf/level, ya. ITU LOKAL, ASING, TIDAK PEDULI maka independent variabel asal buah akan diuabah menjadi dua buah dummy independen variabel (jumlah kategori – 1), SEHINGGA MENJADI INDEPENEDENT VARIABEL LOKAL DAN ASING. Kategori tidak peduli tidak memnjadi dummy karena kategori tersebut dijadikan sebagai basis variabel. Formulai matrik dummy menjadi sebagai berikut
Dummy Variabel • Nilai dummy independen variabel • Jika konsumen mengevaluasi LOkal maka local=1, Asing=0 • Jika konsumen mengevaluasi Asing maka asing=1, local=0 • Jika konsumen mengevaluasi tidak peduli mka asing=0 dan local=0
Kombinasi Rasa Manis Ukuran Asal Preferensi RM (Rasa Manis) RS (Rasa Sedang) UB (Ukuran Besar) US (Ukuran Sedang) AI (Asal Indonesia) AC (Asal Cina) PREF 1 Manis Besar Indonesia 1 1 0 0 0 1 2 Manis Besar Cina 2 1 0 0 2 3 Manis Besar Lainnya 3 1 0 0 0 3 4 Manis Sedang Indonesia 4 0 1 1 0 0 0 4 5 Manis Sedang Cina 5 0 1 0 0 5 6 Manis Sedang Lainnya 6 0 1 0 0 6 7 Manis Kecil Indonesia 7 0 0 1 0 0 0 7 8 Manis Kecil Cina 8 0 0 0 1 0 0 8 9 Manis Kecil Lainnya 9 0 0 0 9 10 Sedang Besar Indonesia 1 1 0 0 0 1 11 Sedang Besar Cina 2 1 0 0 1 2 12 Sedang Besar Lainnya 3 1 0 0 0 3 13 Sedang Indonesia 4 0 1 0 4 14 Sedang Cina 5 0 1 0 0 0 1 5 15 Sedang Lainnya 6 0 1 0 0 6 16 Sedang Kecil Indonesia 7 0 0 1 0 7 17 Sedang Kecil Cina 8 0 0 0 1 8 18 Sedang Kecil Lainnya 9 0 0 0 9 19 Masam Besar Indonesia 1 0 0 1 0 1 20 Masam Besar Cina 2 0 0 1 2 21 Masam Besar Lainnya 3 0 0 1 0 0 0 3 22 Masam Sedang Indonesia 4 0 0 0 1 1 0 4 23 Masam Sedang Cina 5 0 0 0 1 5 24 Masam Sedang Lainnya 6 0 0 0 1 0 0 6 25 Masam Kecil Indonesia 7 0 0 1 0 7 26 Masam Kecil Cina 8 0 0 0 1 8 27 Masam Kecil Lainnya 9 0 0 0 9
JIKA RASA=MANIS , MAKA RMANIS=1 DAN RSEDANG=0 JIKA RASA=SEDANG, MAKA RSEDANG=1, RMANIS=0 JIKA RASA=MASAM, MAKA RMANIS=0 DAN RSEDANG=0 JIKA UKURAN=BESAR, MAKA UBESAR=1, USEDANG=0 JIKA UKURAN=SEDANG, MAKA USEDANG=1, UBESAR=0 JIKA UKURAN=KECIL, MAKA UBESAR=0 DAN USEDANG=0 JIKA ASAL=INDONESIA, MAKA AIND 0=1, ACINA=0 JIKA ASAL=CINA, MAKA ACINA=1, AINDO=0 JIKA ASAL=LAINNYA, MAKA AINDO=0 DAN ACINA=0
Contoh kasus: Sebuah pabrik sepatu sedang mengembangkan produk sepatu baru. Sebelum meluncurkan produk baru tersebut, divisi pemasaran melakukan riset untuk mengetahui seperti apakah desain dan warna produk yang diminati oleh konsumen, dimana target pasar yang dibidik adalah kelas menengah. Awalnya bagian Promosi melakukan riset kecil berupa penyebaran kuisioner kepada pelanggan untuk mengetahui penting tidaknya suatu atribut beserta tarafnya. Kemudian diketahui ada 2 atibut yang dinilai berperan mempengaruhi responden (konsumen). Penelitian dilakukan terhadap 2 responden. setelah dibuat stimuli, ke-2 responden tersebut melakukan ranking terhadap stimuli yang ada. Dimana angka 1 adalah model sepatu yang paling tidak disukai, dan angka terakhir adalah model sepatu yang paling disukai. buatlah dengan analisis konjoin untuk menyimpulkan seperti apa model sepatu yang disukai konsumen?
Contoh: Penentuan Atribut dan taraf produk Sepatu Atribut Taraf Keterangan Desain 1 2 Bertali Tanpa tali Warna 1 2 3 Hitam Putih Lainnya(selain hitam dan putih)
TAHAPAN MEMBUAT ANALISIS KONJOIN DENGAN SPSS 1. MERANCANG KARTU STIMULI • • • Perancangan kartu stimuli dibuat dalam SPSS, maka perancangannya dilakukan dengan cara membuat syntax. Buka program SPSS, dan biarkan SPSS data dalam keadaan kosong (tidak ada file yang dibuka) Dari menu file, pilih submenu open, lalu pilihan syntax (buka file syntax. sav) Untuk kasus diatas ketik ORTHOPLAN /FACTORS= DISAIN 'Disain Sepatu' (‘Bertali' ‘Tanpa Tali') WARNA ‘Warna Sepatu' (‘Hitam' ‘Putih' 'Lainnya') /HOLDOUT=0. SAVE OUTFILE='CONJOINT SOAL 1. SAV'. Lakukan eksekusi syntax dengan cara dari tampilan SPSS syntax editor, buka menu RUN, lalu pilih ALL Setelah beberapa saat akan muncul tampak output yang tersimpan pada CONJOINT SOAL 1. sav
2. Melakukan proses konjoin • • • Dari stimuli yang terbentuk, proses dilanjutkan dengan proses conjoint, yang mengambil file syntax yaitu CONJOINT SOAL 1 PROSES. sps Buka program SPSS, dan biarkan SPSS data dalam keadaan kosong(tidak ada file yang dibuka) Dari menu file, pilih submenu open, lalu pilihan syntax. Untuk proses konjoin pada kasus diatas ketik: DATA LIST FREE/ QN PROD 1 TO PROD 6. BEGIN DATA. 101 1. 00 3. 00 2. 00 5. 00 4. 00 6. 00 102 2. 00 4. 00 6. 00 1. 00 3. 00 5. 00 END DATA. CONJOINT PLAN='CONJOINT SOAL 1. SAV' /FACTORS= DISAIN 'Disain sepatu' (‘Bertali' ‘Tanpa tali') Warna ‘Warna sepatu' (‘Hitam' ‘Putih' 'Lainnya') /SUBJECT=QN /SCORE=PROD 1 PROD 2 PROD 3 PROD 4 PROD 5 PROD 6 /UTILITY='CONJOINT SOAL 1 UTILITY. SAV'. Lakukan eksekusi syntax dengan cara dari tampilan SPSS syntax editor, buka menu RUN, lalu pilih ALL Setelah beberapa saat akan muncul output (lihat file CONJOINT SOAL 1 HASIL. spo) Bahan diperoleh dari berbagai sumber
- Slides: 28