Conjoint Analysis Prof Bhisma Murti Bagian Ilmu Kesehatan Masyarakat, Fakultas Kedokteran, Universitas Sebelas Maret
Latar Belakang Penerapan Conjoint Analysis • Dahulu keterlibatan pasien dalam pengambilan keputusan medis terbatas • Keputusan hanya dilakukan dokter atas nama pasien (principle-agent relationship) • Keterlibatan komunitas dalam perencanaan dan pengembangan pelayanan kesehatan terbatas
Latar Belakang Penerapan Conjoint Analysis (Lanjutan) • Sejak 1989 makin meningkat kesadaran tentang pentingnya memperhatikan nilai-nilai dan preferensi pasien (patient-centered care) dan komunitas dalam proses pengambilan keputusan dan perencanaan pelayanan kesehatan • Sejak 1990an mulai dikembangkan penggunaan conjoint analysis untuk menggali pandangan dan preferensi pasien dan komunitas tentang pelayanan kesehatan • Memperhatikan nilai-nilai dan preferensi pasien dan komunitas akan meningkatkan manfaat penyediaan pelayanan kesehatan.
Conjoint Analysis • Conjoint analysis merupakan sebuah metode ilmiah untuk menilai preferensi • Conjoint analysis bisa digunakan untuk memperkirakan kepentingan relatif berbagai aspek (karakteristik, atribut) pelayanan, dan trade-offs antara berbagai aspek itu, serta utulitas (manfaat, kelupasan) total yang dapat diperoleh responden dari penggunaan suatu produk/ pelayanan kesehatan. • Conjoint analysis dapat digunakan untuk membantu pembuatan keputusan, perencanaan dan pengembangan produk/ pelayanan kesehatan
Conjoint Analysis • Conjoint analysis merupakan suatu teknik riset pasar yang mengukur nilai pasar dari setiap karakteristik (atribut) produk/ pelayanan, dan memprediksi nilai dari kombinasi semua karakteristik tersebut • Conjoint analysis merupakan riset tentang karakteristik produk/ pelayanan, dan trade-offs antar karakakteristik-karakteristik itu
Conjoint Analysis • Atribut dinilai dalam hubungannya dengan atribut lainnya, dengan kata lain atribut dinilai “conjointly” dengan atribut lainnya • Menghasilkan utilitas (manfaat, kepuasan) yang dapat diperoleh dari suatu produk/ pelayanan • Asumsi
▫ Masing-masing produk atau pelayanan merupakan kumpulan dari sejumlah atribut potenssial ▫ Masing-masing orang dapat memberikan bobot relatif terhadap level atribut ▫ Penggabungan utulitas dan berbagai atribut memberikan utilitas keseluruhan (total) yang bisa diperoleh orang yang bersangkutan
Kegunaan Conjoint Analysis • Pengembangan produk/ pelayanan • Penentuaan harga (“Berapa sebaiknya harga suatu produk/ pelayanan baru agar diterima dengan maksimal oleh pasar?”) • Competitive positioning (“Karakteristik apa yang bisa ditonjolkan dalam suatu produk/ pelayanan agar kompetitif di pasar?”) • Analisis produk (“Jika memperbesar jumlah produksi suatu produksi/ pelayanan, apakah akan meningkatkan pendapatan atau menyebabkan kerugian?”) • Segmentasi • Alokasi sumberdaya
Riset Conjoint Analysis dalam Database PMC
Riset Conjoint Analysis dalam Database Pubmed
Langkah-Langkah Melakukan Conjoint Analysis 1. Menentukan karakteristik (atribut) produk atau pelayanan 2. Menentukan level dari masing-masing karakteristik 3. Menentukan skenario (tentang produk atau pelayanan) 4. Menentukan preferensi (terhadap skenario) 5. Analisis data
Menentukan Karakteristik Produk/ Pelayanan • Karakteristik (atribut) ditentukan oleh: 1. Pembuat kebijakan 2. Pasien/ anggota komunitas dengan metode kualitatif: interview, group discussion 3. Kajian pustaka
Menentukan Level Karakteristik • Level karakteristik: 1. Kontinu (kardinal), misalnya waktu tunggu 1 jam merupakan 2 kali setengah jam) 2. Ordinal, misalnya “nyeri hebat” lebih buruk daripada “nyeri sedang” 3. Kategorikal (perawat, dokter umum, spesialis
• Level karakteristik harus masuk di akal dan realistis, sehingga responden akan menjawab dengan sungguh-sungguh
Menentukan Skenario • Dibuat sejumlah skenario yang menggambarkan semua kemungkinan produk/ pelayanan/ hasil, berdasarkan karakteristik dan level yang sudah ditentukan • Makin banyak jumlah karakteristik dan level, makin banyak jumlah skenario • Tidak semua skenario bisa disajikan dalam kuesioner • Jumlah skenario perlu dikurangi sehingga responden bisa menjawabnya dengan waktu yang tersedia
Menentukan Preferensi (Terhadap Skenario) • Metode untuk menggali preferensi: 1. 2. 3.
Peringkat (ranking) Pemberian skor (rating) Pilihan diskret (discrete choices)
• Dengan ranking, responden membuat daftar peringkat preferensi skenario, dari yang paling tinggi ke paling rendah • Dengan rating, responden memberikan angka (misalnya 1 hingga 5) kepada masing-masing skenario • Dengan pilihan diskret, responden memilih sebuah yang lebih disukai dari beberapa pilihan skenario (biasanya 2 skenario), misalnya memilih lebih menyukai skenario A daripada skenario B • Pilihan diskret metode yang paling banyak digunakan karena mencerminkan pengambilan keputusan yang sesungguhnya terjadi sehari-hari
Menentukan Preferensi Dengan Pilihan Diskret (Contoh 1) ATRIBUT
TES A
TES B
Diagnosis 80% benar, 20% tidak benar
Diagnosis hampir 100% benar
Nyeri sedikit
Nyeri sedang
Waktu
15 menit
10 menit
Biaya
Rp200.000
Rp1.000.000
Akurasi Kenyamanan
Apakah Saudara memilih Tes A atau B?
Menentukan Preferensi Dengan Pilihan Diskret (Contoh 2) • Pelayanan ortodontik
(Sumber: Ryan dan Faffar, 2000)
Analisis Data • Teknik regresi digunakan untuk menganalisis respons • Metode analisis yang tepat tergantung dari jenis data yang dikumpulkan • Untuk data diskret, fungsi utulitas (manfaat) dari produk/ pelayanan dapat diperkirakan dengan persamaan “ordered probit regression” sebagai berikut:
• Di mana ∆B adalah perbedaan utilitas (manfaat) antara A dan B, Xj (j = 1, 2, . . ., n) adalah perbedaan dalam level atribut antara A dan B. Sedang βj (j = 1, 2, . . ., n) adalah koefisien regresi dari model yang akan diperkirakan
Hasil Analisis Regresi
(Sumber: Ryan dan Faffar, 2000)
Interpretasi Hasil Analisis Regresi • Tanda positif dari koefisien kedua lokasi menunjukkan, responden lebih menyukai klinik lokal daripada rumahsakit. • Memindahkan pelayanan ortodontik dari klinik rumahsakit ke klinik lokal akan meningkatkan kepuasan sebesar 0.77 untuk kunjungan pertama dan 0.91 untuk kunjungan kedua • Tanda negatif dari koefisien waktu tunggu menunjukkan, makin lama waktu tunggu, makin menurun kepuasan. • Tanda negatif dari 0.59 mengandung arti, setiap peningkatan satu unit waktu (misalnya dari 4 bulan ke 5 bulan) akan menurunkan skor kepuasan sebesar 0.59. • Orang bersedia untuk menunggu tambahan 1.3 bulan (0.77/0.59) agar dapat mengunjungi klinik lokal untuk kungkungan pertama, dan tambahan 1.5 bulan (0.91/0.59) untuk dapat menungjungi klinik lokal untuk kunjungan kedua
