07 Februari 2021

Langkah Analisis Conjoint dengan SPSS

Analisis conjoint dapat membantu produsen untuk mencari solusi kompromi yang optimum dalam merancang produk dengan pertimbangan pertukaran (trade off judgment). Dengan analisis conjoint ini kemudian dapat digunakan untuk : merancang harga suatu produk yang akan di launching, memprediksi tingkat penjualan (market share) produknya, segmentasi preferensi konsumen dari produk yang telah masuk ke pasaran dan merancang strategi yang tepat dalam mempromsikan produknya.


Langkah analisis conjoint dengan SPSS

Buka menu SPSS, biarkan dalam keadaan kosong. Klik File > New > Syntax. Ketikan syntax seperti ini.

Dari penulisan syntax di atas adalah : 

DATA LIST FREE/QN PROD1 TO PROD8 : artinya bahwa perintah untuk membuat data produk 1 sampai dengan 8.  

BEGIN DATA : untuk memulai penulisan data yang berasal dari pengisian penilaian responden 1,2,3,4 dan 5 yang dibuat sesuai dengan urutan dalam stimuli yang dibuat oleh SPSS. Cara penulisan adalah pada stimuli  untuk card_1, kombinasi produk: qwerty, medium, dua kamera dan kombinasi.  Responden 1 memberi penilaian 12,responden 2 memberi penilaian 3, responden 3 memberi penilaian 8, responden 4 memberi penilaian 11 dan responden 5  memberi penilaian 16. Demikian untuk stimuli card_2 sampai dengan carad_8. Nilai ini sesuai dengan tabel stimuli yang sudah dibuat dan penilaian oleh responden yang sebelumnya sudah dibuat.

END DATA : untuk mengakhiri pengisian data. Perintah 

CONJOINT PLAN : untuk membuat analisis conjoint pada stimuli yang sudah dibuat yang tersimpan dengan nama " Telepon Selular_syntax.sav". 

FACTORS : merupakan perintah mengenai atribut yang diinginkan.

SUBJECT : untuk menciptkan nomor kode responden

SCORE : untuk membuat variabel score 1 sampai dengan 8.

Setelah menuliskan syntax dengan benar dan lengkap kemudian jalankan file tersebut dengan perintah RUN >ALL

Hasil Output Analisis Conjoint dengan SPSS

Tabel recoded value di atas menggambarkan pengkodean masing-masing atribut  produk yaknii design (biasa, qwerty), harga (medium, high end), Fitur (satu kamera, dua kamera), dan warna (satu warna, dua warna).


Tabel model description di atas menunjukkan bahwa faktor yang dianalisis menggunakan orthogonal. Hubungan antara faktor atribut dengan rangking atau nilai atribut adalah model discrete. Model discrete merupakan model hubungan yang menunjukkan bahwa tingkatan faktor bersifat kategorikal dan tidak ada asumsi yang dibuat untuk hubungan antara faktor dan nilai atau ranking.

Sekarang memberikan interpreatasi hasil analisis pada responden 1

Angka konstan sebesar 10,625, angka ini didapatkan dari angka penilaian responden yang di rata-rata sebagai berikut : (12 + 14 + 1 + 13 + 15 + 11 + 16+ 3)/8 = 10,625.

Hasil analisis pada angka utility menunjukkan stimuli pada masing-masing atribut. Jika hasilnya positif, maka responden menyukai stimuli tersebut dan demikian juga sebaliknya jika negatif, maka responden tidak menyukai stimuli tersebut. Angka ini disebut dengan utility.

Responden 1 menyukai design biasa (angka utility 0,125), harga high end ( utility 3,875), fitur satu kamera ( utility 0,125) dan warna kombinasi ( utility 0,875). 

Tingkat kepentingan atau importance values digunakan untuk melihat bagaimana seorang respondenmelihat pentingnya suatu atribut tertentu menurut pandangan mereka. Tingkat kepentingan menurut responden pertama bahwa atribut harga high end merupakan atribut yang paling dianggap penting dengan angka sebesar 77,500, kemudian warna kombinasi sebesar 17,500, design biasa dan fitur satu kamera masing-masing sebesar 2,500.

Demikian juga dapat dilanjutkan untuk interpretasi pada responden 2 sampai dengan 5 seperti interpretasi di atas.

Hasil secara overall atau keseluruhan responden dapat dilihat pada tabel overall statistics di bawah ini.

Pada tabel utilities di atas adalah hasil output untuk semua responden Hasilnya memperoleh nilai konstan sebesar 8,400. Seluruh responden lebih menyukai design biasa (utility 0,850), harga high end (utility 0,300), Fitur dua kamera (utility 0,650) dan warna kombinasi (utility 0,350).

Tingkat kepentingan atau importance value: rata-rata responden mempersepsikan bahwa fitur dua kamera lebih penting dengan angka importance value sebesar 32,630 kemudian harga high end (29,454), design biasa (20,101) dan warna kombinasi (17,815).

Dari hasil output conjoint dengan SPSS, kemudian dihitung estimasi part worth nya dengan cara:

  1. Nilai deviasi diperoleh dari nilai utility estimate.
  2. Nilai deviasi dikuadratkan kemudian dijumlahkan (total).
  3. Hitung nilai standarisasi : nilai jumlah atribut (8) dibagi total kuadrat deviasi.
  4. Hitung estimation parth worth : nilai akar pangkat dari kuadrat deviasi yang telah di standarisasi.
  5. Hitung range of part worth : jumlah dari estimation part worth.
  6. Factor importance diperoleh dari nilai importance value.

Dari perhitungan tersebut di atas diketahui bahwa responden dalam memilih produk telepon selular (HP) yang paling dianggap paling penting : fitur dua kamera (32,63%), harga high end (29,45%), design biasa (20,10%) dan warna kombinasi (17,81%).

Tujuan analisis conjoint pada prinsipnya untuk memperkirakan persepsi/pendapat responden/konsumen yang disebut dengan estimates part-worth. Untuk membandingkan antara pendapat responden yang sebenarnya (aktual) dengan di stimuli. Hasil ini seharusnya tidak memiliki perbedaan yang jauh dengan pendapat responden yang sebenarnya, yang dicerminkan dengan tingginya angka nilai korelasi antara hasil estimates dengan aktual. Pada tabel correlation di atas diperoleh nilai Pearson's R dan Kendall's tau yang tinggi masing-masing 0.691 dan 0.546 dengan nilai signifikansi 0.029 dan 0.031.

Baca juga : Langkah membuat kartu stimuli

Tidak ada komentar: