Rancangan Faktorial pecahan dan D-optimal untuk Discrete Choice Experiments (DCE).

Abstract

Discrete choice experiments (DCE) merupakan alat baku yang berguna untuk mengukur preferensi konsumen atau responden di berbagai bidang penerapan terutama di bidang pemasaran. Menurut Louviere et al. (2008) DCE banyak digunakan untuk meneliti preferensi konsumen dalam bidang pemasaran, transportasi, dan penerapan ekonomi yang mana perilaku yang diperhatikan melibatkan respon diskret atau pilihan kualitatif. Rancangan DCE terdiri dari beberapa choice set dan setiap choice set terdiri dari beberapa profil. Profil dapat disebut juga sebagai alternatif merupakan kombinasi dari level atribut yang dibangkitkan dengan menggunakan rancangan percobaan. Oleh karena itu penelitian ini fokus pada penyusunan rancangan DCE. Atribut merupakan karakteristik dari produk atau jasa yang ditawarkan kepada responden dan level atribut merupakan level untuk setiap atribut. Kebaikan rancangan DCE dalam menduga pengaruh atribut terhadap produk atau jasa tergantung pada pemilihan profil mana yang digunakan dalam choice experiment dan pengelompokan profil tersebut ke dalam setiap choice set (Street et al. 2005). Oleh karena itu perlu suatu strategi pendekatan tertentu untuk memilih dan mengelompokkan profil ke dalam setiap choice set agar diperoleh kualitas rancangan DCE yang baik yaitu rancangan yang mempunyai susunan profil yang tepat untuk setiap choice set. Penelitian ini menggunakan dua pendekatan strategi yaitu rancangan faktorial pecahan dan rancangan D-optimal dengan algoritma point-exchange. Kedua strategi tersebut disimulasikan pada contoh kasus yang melibatkan 4 atribut dan masing-masing atribut mempunyai 2 level atribut sehingga keseluruhan kombinasi yang mungkin terbentuk adalah sebanyak 24 = 16 kombinasi. Strategi pertama menggunakan rancangan faktorial pecahan menghasilkan nilai D-optimality criterion sebesar 65536 dan rancangan DCE yang diperoleh terdiri dari 2 choice set yang mempunyai 8 profil untuk setiap choice set. Strategi kedua menggunakan rancangan D-optimal dengan algoritma point-exchange. Kasus pertama menyusun rancangan DCE yang terdiri dari 4 choice set dan 4 profil untuk setiap choice set. Kasus kedua menyusun rancangan DCE yang terdiri dari 8 choice set dan 2 profil untuk setiap choice set. Kedua rancangan DCE tersebut juga menghasilkan nilai D-optimality criterion yang sama dengan rancangan faktorial pecahan. Ketiga rancangan yang diperoleh dari rancangan faktorial pecahan dan rancangan D-optimal dengan algoritma point-exchange mempunyai struktur yang berbeda tetapi ketiga rancangan tersebut mempunyai D-optimality criterion yang sama. Hal tersebut mengindikasikan bahwa secara statistik ketiga rancangan tersebut mempunyai kualitas yang sama. Tetapi dalam bidang aplikasi, kedua rancangan terakhir yang disusun menggunakan rancangan D-optimal dengan algoritma point-exchange lebih sesuai strukturnya dibandingkan rancangan faktorial pecahan. Dengan demikian dalam bidang aplikasi rancangan D-optimal merupakan alternatif untuk menyusun profil pada rancangan DCE.