BAB IV PENGUMPULAN DAN PENGOLAHAN DATA
4.1 Penentuan Kansei Word Langkah awal penentuan Kansei Word yaitu dengan memberikan beberapa gambar produk Workstation kepada penguji atau responden yang akan di uji. Penentuan Kansei Word ini berdasarkan persepsi atau andangan penguji atau responden terhadap produk yang diperlihatkan. Dari penelitian awal didapatkan 24 Kansei Word. 24 Kansei Word awal ini dapat dilihat pada lampiran B. Kemudian kata ini diberikan kepada responden yang akan diteliti. Dari hasil pemilihan Kansei Word didapatkan 17 Kansei Word yang relevan dan sesuai dengan keinginan konsumen. Hal ini dapat kita lihat pada Tabel 4.1 Tabel 4.1. Kansei Word Di dapat Dari Observas Kansei Word 1. Praktis 2. Halus 3. Modern 4. Artistik 5. Elegan 6. Berwarna 7. Rapi 8. Menarik
56
9. Ergonomis 10. Kasual 11. Murah 12. Ramai 13. Nyaman 14. Inovatif 15. Awet 16. Komplek 17. Unik
4.2 Evaluasi Kuesioner Pertama (Semantic Differential I) Dari 17 Kansei Word yang relevan dan sesuai dengan keinginan konsumen, maka langkah selanjutnya adalah membuat kuisioner pertama (Semantic Differential I) yang dapat dilihat di lampiran C. Kuisioner dibagikan kepada responden yang sudah ditentukan, dimana pada kuisioner responden diberi 5 skala Semantic Differential. Responden harus menilai satu poin pada masingmasing Kansei Word diantara angka-angka berskala yang sesuai dengan gambar yang dipresentasikan pada kuisioner. Dalam pengisian kuisioner setiap Kansei Word disajikan dalam 2 kata yang berlawanan, hal ini bertujuan agar responden lebih mudah menilai apakah citra produk berada disisi positif dari Kansei Word
57
atau disisi negatif dari Kansei Word. Penjelasan dari 5 skala Semantic Differential adalah sebagai berikut : 1= Jika citra produk berkaitan erat dengan Kansei Word di kiri skala. 2= Jika citra produk sedikit berkaitan erat dengan Kansei Word di kiri skala. 3= Jika citra produk netral yaitu berada diantara Kansei Word di kiri dan di kanan skala. 4= Jika citra produk sedikit berkaitan dengan Kansei Word di kanan skala. 5= Jika citra produk berkaitan erat dengan Kansei Word dikanan skala. Dari kuisioner yang sudah dibagikan, kemudian merekap hasil kuisioner yang dapat dilihat di lampiran D1 dan D2.
4.2.1 Uji Kecukuan Data Data kuisioner yang disebarkan sebanyak 45 kuisioner kepada responden yang sudah ditentukan. Dari rekapan hasil kuisioner, peneliti melakukan uji kecuuan data. Dibawah ini adalah hasil perhitungan uji kecukuan data.
đ â âđ (Æ©đ„ 2 )â(Æ©đ„ đ đ )ÂČ đ
Nâ = [
Æ©đ„đ
2
]
, N â„ Nâ
Dimana :
58
Nâ = Jumlah Pengamatan yang seharusnya dilakukan K = Tingkat kepercayaan dalam pengamatan (k = 2, 1-α = 95%) s = Derajat ketelitian dalam pengamatan (5% = 0,05) N = Jumlah pengamatan yang sudah dilakukan yaitu 45 Xi = Data Pengamatan Jumlah data dikatakan cukup jika N â„ Nâ, Jadi jumlah pengamatan yang harus dilakukan adalah sebanyak : 2â 2 0,05 â45 đ 603.010â26396.63 ] 162.47
Nâ = [
Nâ = [
40 â27135.47â26396.69 162.47
2
]
Nâ = 44.7 Besarnya Nâ adalah 44,7 sedangkan nilai N adalah 45, sehingga N â„ Nâ. Hasil uji kecukupan data dapat dinyatakan bahwa data sudah cukup untuk menjadi sampel.
4.2.2 Uji Validitas Setelah jumlah data dinyatakan cukup data tersebut dilakukan pengujian validitas. Data dinyatakan valid jika Kansei Word yang diuji dalam kuisioner dapat menggambarkan image produk. Software yang digunakan untuk pengolahan data adalah SPSS. Data bisa dikatakan valid apabila nilai r kalkulasi â„ r tabel,
59
dngan menggunakan toleransi kesalahan sebesar 5% dan dengan nilai df = 45-2 = 43, sehingga nilai r tabel yaitu sebesar 0,301. Hasil pengolahan data kuisioner pertama dilakukan dengan software SPSS dapat dilihat pada lampiran D3. Dibawah ini merupakan tabel 4.2 rekapan hasil uji validitas pada iterasi pertama : Tabel 4.2 Hasil Uji Validitas Iterasi 1 Kansei Word
Keterangan
1. Praktis
Korelasi total item yang dikorelasi 0.575
2. Halus
0.452
Valid
3. Modern
0.472
Valid
4. Artistik
0.507
Valid
5. Elegan
-0.027
Tidak Valid
6. Berwarna
0.039
Tidak Valid
7. Rapi
0.332
Valid
8. Menarik
0.781
Valid
9. Ergonomis
0.699
Valid
10. Kasual
0.403
Valid
11. Murah
0.086
Tidak Valid
12. Ramai
0.245
Tidak Valid
13. Nyaman
0.435
Valid
14. Inovatif
0.659
Valid
15. Awet
0417
Valid
Valid
60
16. Komplek
0.560
Valid
17. Unik
0.539
Valid
Hasil dari uji validitas pada iterasi yang pertama, ada 13 variabel yang valid dan ada 4 variabel yang tidak valid. Variabel yang tidak valid menunjukkan nilai rkalkulasi < 0.301. Keempat variabel yang tidak valid kemudian dihapuskan dari daftar variabel. Sedangkan variabel yang valid harus melewati tes validitas untuk iterasi yang kedua. Variabel yang harus diuji validitas pada iterasi kedua adalah sebanyak 13 variabel, hasilnya dari uji validitas pada iterasi kedua dapat dilihat pada tabel 4.3 sebagai berikut : Tabel 4.3 Hasil Uji Validitas Iterasi 2 Kansei Word
Keterangan
1. Praktis
Korelasi total item yang dikorelasi 0.561
2. Halus
0.437
Valid
3. Modern
0.513
Valid
4. Artistik
0.547
Valid
5. Rapi
0.348
Valid
6. Menarik
0.750
Valid
7. Ergonomis
0.722
Valid
8. Kasual
0.379
Valid
9. Nyaman
0.431
Valid
10. Inovatif
0.712
Valid
Valid
61
11. Awet
0.425
Valid
12. Komplek
0.512
Valid
13. Unik
0.576
Valid
Hasil dari uji validitas pada iterasi yang kedua seluruh variabelnya valid karena nilai rkalkulasi > 0.301. Hasil akhir dari uji validitas menunjukkan ada 13 variabel yang valid.
4.2.3 Uji Realibilitas Setelah variabel dinyatakan valid, maka langkah selanjutnya melakukan tes realibilitas dengan menggunakan software SPSS. Hasil dari uji reliabilitas dapat dilihat pada tabel 4.4. Variabel dinyatakan reliabel jika ralpha > rtabel . Dalam hl ini, nilai r tabel jika level ke-signifikanan sebesar 5% dan derajat kebebasan db=n-2=45-2=43 adalah 0.301. Nilai ralpha dapat dilihat pada nilai Guttman Split-Half Coefficient pada tabel 4.4 yaitu 0.88. Jadi hasil dari uji reliabilitas menyatakan nilai ralpha > rtabel yaitu 0.88 > 0.301, maka data kuisioner dinyatakan reliable.
62
Tabel 4.4 Hasil Uji Reliabilitas Reliability Statistics Part1
Part 2
Value
0.787
N of Items
7a
Value
0.705
N of Items
6b
Total N of Items
13
Correlation Between Forms Equal Length
0.792
Unequal Length
0.884
Guttman Split-Half Coefficient
0.88
0.884
4.3 Analisa Faktor Analisa Faktor digunakan untuk mengetahui faktor mana yang unggul atau yang dominan dari beberapa variabel yang akan dipilih. Analisis faktor dapat juga membedakan variabel prioritas yang dirangking berdasarkan hasil analisis tersebut. Dalam konsep Kansei Engineering System hasil analisa faktor ini akan memberikan ruang tujuan dalam menetukan item dan kategori desain produk berdasarkan citra atau perasaan pelanggan dalam Kansei Word. Kemudian variabel Kansei Word
yang lolos dalam pengujian analisis faktor ini akan
digunakan kembali pada evaluasi Semantic Differential yang kedua. Dari 13
63
variabel yang dinyatakan valid dan reliable, kemudian variabel dilakukan analisis faktor dengan menggunakan Software SPSS. Hasil tes nilai KMO (Kaiser-MayerOlkin) dan tes bartless dapat dilihat pada tabel 4.5 sebagai berikut : Tabel 4.5 Hasil Tes Nilai KMO dan Bartless KMO and Bartlettâs Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy Bartlettâs Test of Sphericity Approx. ChiSquare
0.806 252.194
Df
78
Sig.
0.000
Pada hasil perhitungan menunjukkan nilai Kaiser-Meyer-Olkin Measure Of Sampling Adequacy sebesar 0,806. Hal ini menunjukkan nilai KMO > 0,5 maka proses analisis faktor dapat dilanjutkan. Pada tes MSA dari korelasi anti image dalam proses Matrik Anti Image dapat dilihat pada tabel 4.6 sebagai berikut :
Tabel 4.6 Hasil Tes Nilai MSA Kansei Word
Nilai MSA
Keterangan
1. Praktis
0.788
Layak
2. Halus
0.711
Layak
3. Modern
0.888
Layak
4. Artistik
0.786
Layak
64
5. Rapi
0.646
Layak
6. Menarik
0.863
Layak
7. Ergonomis
0.801
Layak
8. Kasual
0.811
Layak
9. Nyaman
0.726
Layak
10. Inovatif
0.883
Layak
11. Awet
0.745
Layak
12. Komplek
0.822
Layak
13. Unik
0.839
Layak
Berdasarkan teori, variabel yang layak untuk dianalisis adalah variabel dengan nilai MSA lebih dari 0,5. Dari hasil tes MSA diatas menujukkan hasil analisis ternyata semua variabel dikatakan layak karena nilai MSA . 0,5.
4.4 Penentuan Item dan Kategorinya Dalam penelitian ini, inovasi rancang-bangun fideks compack workstation terbagi menjadi 5 komponen atau item desain, yaitu Bentuk, Sarana Pendukung, Bahan, Warna dan Ukuran. Dari kelima item, peneliti menentukan kategori atau atribut setiap itemnya. Kategori atau atribut dari setiap item dapat dilihat di tabel 4.7 dibawah ini.
65
Tabel 4.7 Item dan Kategori Desain Fideks Compack Workstation No
1
2
3
4
5
Elemen
Bentuk
Sarana Pendukung
Bahan
Warna
Ukuran
No
Kategori
Notasi
1
Mudah Dibongkar
X11
2
Tetap atau Statis
X12
1
Monitor Komputer
X21
2
Telepon
X22
3
Lampu
X23
1
Kayu
X31
2
Besi
X32
1
Polos
X41
2
Dua warna atau lebih
X42
3
Bermotif
X43
1
Kecil
X51
2
Besar
X52
Gambar dari masing-masing kategori dan item dapat dilihat di lampiran F. Langkah selanjutnya yaitu menetukan sampel berdasarkan item dan kategori yang sudah ditentukan. Sampel yang telah ditentukan berdasarkan item dan kategori merupakan sampel dari workstation yang akan dirancang. Sampelsampel tersebut dapatdilihat pada tabel 4.8 berikut ini :
66
Tabel 4.8 Item dan Kategori-Kategori Masing-Masing Sampel No Sampel 1 2 3 4 5 6 7 8
Bentuk Tetap atau Statis Tetap atau Statis Tetap atau Statis Tetap atau Statis Tetap atau Statis Tetap atau Statis Mudah Dibongkar Mudah Dibongkar
Sarana Pendukung Monitor Komputer
Bahan
Warna
Ukuran
Kayu
Polos
Besar
Monitor komputer
Kayu
Warna
Kecil
Monitor Komputer
Besi
Bermotif
Kecil
Telepon
Kayu
Warna
Kecil
Lampu
Besi
Polos
Besar
Lampu
Besi
Polos
Kecil
Monitor Komputer
Kayu
Warna
Kecil
Monitor Komputer
Besi
Polos
Kecil
4.5 Hasil Kuisioner Kedua (Semantic Differential II) Kuisioner Kedua merupakan lanjutan dari kuisioner pertama yang diberikan kepada responden yang sama. Responden mengevaluasi masing-masing Kansei Word terhadap setiap sampel yang diberikan. Sampel yang diberikan kepada responden yaitu sejumlah 8 sampel, sampel yang diberikan dalam bentuk gambar yang sesuai dengan spesifikasi setiap sampel. Pada kuisioner kedua juga menggunakan skala Semantic denga skala 5 dan perintahnya sama seperti kuisioner pertama. Tujuan dari evaluasi kedua Semantic Differential yang kedua adalah menganalisa hubungan antara masing-masing Kansei Word dengan sampel-sampel sesuai dengan image responden. Formulir kuisioner kedua dapat
67
dilihat pada lampiran G. Setelah melakukan penyebaran kuisioner, hasil kuisioner direkap, kemudian dihitung nilai rata-rata setiap Kansei Word pada setiap sampel. Nilai rata-rata dari hasil data kuisioner II dijadikan input dala proses analisa Conjoint. Hasil dari kuisioner kedua dapat dilihat pada lampiran H dan nilai rata-rata masing-masing Kansei Word pada setiap sampel, dapat dilihat pada lampiran I.
4.6 Analisa Conjoint Nilai rata-rata setiap Kansei Word pada setiap sampel diolah menggunakan Software SPSS dengan menggunakan analisa Conjoint. Analisa Conjoint digunakan untuk mengetahui hubugan antara elemen desain dengan Kansei Word sesuai dengan hasil kuisioner kedua.
4.6.1 Penentuan Sampel Minimum Penentuan sampel minimum berdasarkan item dan kategori yang telah disiapkan, dimana terdiri dari 12 kategori dengan 5 item. Sehingga sampel minimum yang dibutuhkan dengan persamaan (3.3) dalam penelitian ini : Sampel minimum = (12-5) + 1 = 8
68
Jumlah sampel yang diberikan yaitu 8, jadi jumlah sampel sudah tercukupi sesuai dengan jumlah sampel minimum.
4.6.2 Perhitungan Analisa Conjoint Perhitungan
analisa
Conjoint
menggunakan
Software
SPSS.
Pada
perhitungan analisa Conjoint menggunakan menu editor syntax dalam memasukkan perintah. Langkah pertama yaitu memasukkan perintah pada syntax sesuai dengan item dan kategori pada setiap sampel yang sudah ditentukan. Langkah untuk memasukkan perintah syntax pada software SPSS yaitu : 1. Klik File 2. Klik New 3. Klik Syntax 4. Muncul tampilan SPSS Syntax Editor, memasukkan perintah syntax seperti dibawah ini : ORTHOPLAN /FACTORS= Bentuk âBentuk Mejaâ (âMudah Dibongkarâ âTetapâ) Sarana Pendukung âSarana pendukung mejaâ (âMonitor Komputerâ âTeleponâ âLampuâ) Bahan âBahan dari mejaâ (âKayuâ âBesiâ) Warna âWarna mejaâ (âPolosâ âWarnaâ âBermotifâ) Ukuran âUkuran dari mejaâ (âBesarâ âKecilâ) /HOLDOUT=0 SAVE OUTFILE=âujiconjoint1.SAVâ.
69
5. Klik Run kemudian klik all 6. Output dari syntax conjoint 1 7. Menyimpan file dengan nama âujiconjoin1.SAVâ 8. Memasukkan perintah syntax yang kedua dengan input yaitu hasil dari nilai rata-rata setiap Kansei Word pada setiap sampel pada kuisioner 2. Menampilkan lagi SPSS Syntax Editor yang baru, kemudian memasukkan perintah syntax seperti di bawah ini : DATA LIST FREE/ KODE SAMPEL1 TO SAMPEL8. BEGIN DATA 101 3.11 3.24 3.31 2.80 3.09 3.51 3.87 3.93 102 2.96 3.16 3.33 3.13 3.82 3.73 2.60 3.18 103 3.44 3.27 3.29 3.18 3.73 3.40 2.73 3.00 104 3.78 3.56 3.11 3.31 3.51 3.44 3.31 3.38 105 3.60 3.76 3.73 3.42 3.76 3.93 3.49 3.71 106 3.64 3.42 3.07 3.04 3.62 3.42 2.96 3.47 107 3.36 3.47 3.31 3.04 3.33 3.38 3.09 3.49 108 3.24 3.31 2.80 3.22 3.56 3.38 3.31 3.44 109 3.64 3.49 3.56 3.09 3.69 3.67 3.09 3.47 11O 3.67 3.44 3.24 3.38 3.93 3.73 3.07 3.22 111 3.36 3.38 3.31 3.40 3.44 3.31 3.49 3.20 112 3.60 3.29 3.36 3.49 3.91 3.60 2.44 2.96 113 3.67 3.38 3.13 3.58 3.93 3.89 3.13 3.42 END DATA. CONJOINTPLANT=âujiconjoint1.SAVâ /FACTORS= Bentuk âBentuk Mejaâ (âMudah Dibongkarâ âTetapâ) Sarana Pendukung âSarana pendukung mejaâ (âMonitor Komputerâ âTeleponâ âLampuâ) Bahan âBahan dari mejaâ (âKayuâ âBesiâ) Warna âWarna mejaâ (âPolosâ âWarnaâ âBermotifâ) Ukuran âUkuran dari mejaâ (âBesarâ âKecilâ) /SUBJECT=KODE /SCORE=SAMPEL1 SAMPEL2 SAMPEL3 SAMPEL4 SAMPEL5 SAMPEL6 SAMPEL7 SAMPEL8 /UTILITY=âujiconjoint2.SAVâ
70
9. Klik Run kemudian Ok 10. Hasil dari analisa conjoint dengan SPSS syntax editor dapat dilihat dilampiran J.
4.6.3 Analisa Deviasi Hasil Conjoint Dari hasilperhitungan analisa conjoint dapat diketahui nilai deviasi setiap kansei word pada setiap sampel yang ada. Hasil dan analisa perhitungandeviasi dengan analisa conjoint setiap kansei word dapat dilihat sebagai berikut : Tabel 4.9 Hasil Perhitungan Dengan Analisa Conjoint Menggunakan SPSS Hasil Perhitungan Deviasi Pada Kansei Word Praktis Elemen Desain
Kategori
Bentuk
Sarana Pendukung
Mudah Dibongkar Tetap atau Statis Monitor Komputer Telepon Lampu
Bahan
Kayu Besi Polos 2 warna atau lebih Bermotif Besar Kecil
Warna
Ukuran
Selisih Tidak Praktis
Praktis 0.105
-0.105 0.217 -0.223 0.007 -0.95 0.95 0.93 0.223 -0.317 -0.210
0.210 3.210 Pearson 1 Correlation Coefficient Kendall 1 Pearson 0 Significance Kendall 0.000266 Hasil Perhitungan Deviasi Pada Kansei Word Halus Selisih Elemen Desain Kategori Kasar Halus Bentuk Mudah Dibongkar -0.235 Constant
71
Tetap atau Statis 0.235 Monitor Komputer -0.017 Sarana Pendukung Telepon -0.047 Lampu 0.63 Kayu -0.390 Bahan Besi 0.390 Polos 0.040 Warna 2 warna atau lebih 0.240 Bermotif -0.280 Besar 0.045 Ukuran Kecil -0.045 Constant 3.047 Pearson 1 Correlation Coefficient Kendall 1 Pearson 0 Significance Kendall 0,0002660 Hasil Perhitungan Deviasi Pada Kansei Word Modern Selisih Elemen Desain Kategori Konvensional Modern Mudah Dibongkar -0.105 Bentuk Tetap Atau Statis 0,105 Monitor Komputer -0.033 Sarana Pendukung Telepon -0.123 Lampu 0.157 Kayu -0.050 Bahan Besi 0.050 Polos 0.030 Warna 2 warna atau lebih -0.140 Bermotif 0.110 Besar 0.165 Ukuran Kecil -0.165 Constant 3.223 Pearson 1 Correlation Coefficient Kendall 1 Pearson 0 Significance Kendall 0.0002660 Hasil Perhitungan Deviasi Pada Kansei Word Artistik Selisih Elemen Desain Kategori Tidak Artistik Artistik Mudah Dibongkar -0.090 Bentuk Tetap atau Statis 0.090 Monitor Komputer 0.123 Sarana Pendukung Telepon -0.127
72
Lampu Kayu Besi Polos 2 warna atau lebih Bermotif Besar Kecil
Bahan
Warna
Ukuran
0.003 0.075 -0.075 0.223 0.003 -0.227 0.035 -0.035
Constant
3.233 Pearson 1 Correlation Coefficient Kendall 1 Pearson 0 Significance Kendall 0.00034722 Hasil Perhitungan Deviasi Pada Kansei Word Rapi Selisih Elemen Desain Kategori Berantakan Mudah Dibongkar -0.220 Bentuk Tetap atau Statis Monitor Komputer Sarana Pendukung Telepon -0.153 Lampu -0.033 Kayu -0.190 Bahan Besi Warna Polos 2 warna atau lebih Bermotif Besar Kecil
Ukuran
Rapi 0.220 0.187
0.190 0.087 0.247
-0.333 -0.085 0.085
Constant
3.382 Pearson 1 Correlation Coefficient Kendall 1 Pearson 0 Significance Kendall 0.00034722 Hasil Perhitungan Deviasi Pada Kansei Word Menarik Selisih Elemen Desain Kategori Membosankan Menarik Mudah Dibongkar -0.130 Bentuk Tetap atau Statis 0.130 Monitor Komputer 0.230 Sarana Pendukung Telepon -0.150 Lampu -0.80 Kayu -0.145 Bahan Besi 0.145
73
Polos 2 warna atau lebih Bermotif Besar Kecil
Warna
Ukuran
0.293 0.073 -0.367 0.100 -0.100
Constant
3.032 Pearson 1 Correlation Coefficient Kendall 1 Pearson 1.36845 E-47 Significance Kendall 0,00034722 Hasil Perhitungan Deviasi Pada Kansei Word Ergonomis Selisih Elemen Desain Kategori Tdk Ergonomis Ergonomis Mudah Dibongkar -0.215 Bentuk Tetap atau Statis 0.215 Monitor Komputer 0.323 Sarana Pendukung Telepon -0.107 Lampu -0.217 Kayu -0.255 Bahan Besi 0.255 Polos 0.167 Warna 2 warna atau lebih 0.277 Bermotif -0.443 Besar -0.025 Ukuran Kecil 0.025 Constant 2.935 Pearson 1 Correlation Coefficient Kendall 1 Pearson 0 Significance Kendall 0,00026600 Hasil Perhitungan Deviasi Pada Kansei Word Kasual Selisih Elemen Desain Kategori Formal Kasual Mudah Dibongkar 0.090 Bentuk Tetap atau Statis -0.090 Monitor Komputer -0.010 Sarana Pendukung Telepon -0.100 Lampu 0.110 Kayu -0.100 Bahan Besi 0.100 Polos 0.130 Warna 2 warna atau lebih 0.200 Bermotif -0.330
74
Besar Kecil
Ukuran
0.090 -0.090
Constant
3.22 Pearson 1 Correlation Coefficient Kendall 1 Pearson 0 Significance Kendall 0.00034722 Hasil Perhitungan Deviasi Pada Kansei Word Nyaman Selisih Elemen Desain Kategori Tdk Nyaman Nyaman Mudah Dibongkar -0.190 Bentuk Tetap atau Statis 0.190 Monitor Komputer 0.193 Sarana Pendukung Telepon -0.207 Lampu 0.013 Kayu -0.115 Bahan Besi 0.115 Polos 0.147 2 warna atau lebih -0.003 Warna Bermotif Besar Kecil
Ukuran
-0.143 0.010 -0.010
Constant
3.215 Pearson 1 Correlation Coefficient Kendall 1 Pearson 0 Significance Kendall 0,00034722 Hasil Perhitungan Deviasi Pada Kansei Word Inovatif Selisih Elemen Desain Kategori Tdk Inovatif Inovatif Mudah Dibongkar -0.085 Bentuk Tetap atau Statis 0.085 Monitor Komputer -0.153 Sarana Pendukung Telepon -0.093 Lampu 0.247 Kayu 0.040 Bahan Besi -0.040 Polos 0.127 Warna 2 warna atau lebih -0.103 Bermotif -0.023 Besar 0.100 Ukuran Kecil -0.100 Constant 3.412
75
Pearson 1 Kendall 1 Pearson 0 Significance Kendall 0.00026600 Hasil Perhitungan Deviasi Pada Kansei Word Awet Selisih Elemen Desain Kategori Cepat Rusak Mudah Dibongkar Bentuk Tetap atau Statis -0.120 Monitor Komputer -0.123 Sarana Pendukung Telepon -0.103 Lampu Kayu Bahan Besi -0.135 Polos -0.123 Warna 2 warna atau lebih -0.103 Bermotif Ukuran Besar
Correlation Coefficient
Kecil
Awet 0.120
0.227 0.135
0.227 0.065
-0.065
Constant
3.527 Pearson 1 Correlation Coefficient Kendall 1 Pearson 0 Significance Kendall 0.0003472 Hasil Perhitungan Deviasi Pada Kansei Word Komplek Selisih Elemen Desain Kategori Tdk Komplek Komplek Mudah Dibongkar -0.270 Bentuk Tetap atau Statis 0.270 Monitor Komputer -0.100 Sarana Pendukung Telepon 0.100 Lampu -1.388E-16 Kayu -0.105 Bahan Besi 0.105 Polos 0.15 Warna 2 warna atau lebih -0.160 Bermotif 0.010 Besar 0.155 Ukuran Kecil -0.155 Constant 3.230 Pearson 1 Correlation Coefficient Kendall 1 Significance Pearson 1.710569E-48
76
Kendall 0.00034722 Hasil Perhitungan Deviasi Pada Kansei Word Unik Selisih Elemen Desain Kategori Tdk Unik Mudah Dibongkar -0.105 Bentuk Tetap atau Statis Monitor Komputer -0.153 Sarana Pendukung Telepon Lampu Kayu -0.092 Bahan Besi Polos Warna 2 warna atau lebih -0.237 Bermotif -0.027 Besar Ukuran Kecil -0.020 Constant 3.435 Pearson 1 Correlation Coefficient Kendall 1 Pearson 0 Significance Kendall 0,00034722
Unik 0.105 0.047 0.107 0.092 0.263
0.020
Dari hasil perhitungan deviasi diketahui nilai dari setiap kategori terletak pada sisi positif kansei word atau sisi negatif kansei word. Nilai negatif pada kansei word menunjukkan bahwa kategori desain lebih kerah sisi kiri dari kansei word. Nilai dari setiap kategori ini digunakan sebagai pendekatan dari elemen desain. Jika dalam satu sisi kansei word terdapat dua kategori maka dipilih kategori dengan nilai deviasi yang paling besar. Pada Tabel 4.10 menunjukkan pendekatan elemen desain berdasarkan nilai deviasi dari setiap kategori pada kansei word.
77
Tabel 4.10 Pendekatan Elemen Desain Kansei Word : Praktis Elemen Desain Bentuk
Tidak Praktis Tetap atau Statis
Praktis Mudah dibongkar
Sarana Pendukung Bahan
Telepon
Monitor Komputer, Lampu Besi
Warna
Kayu Bermotif
Polos, 2 warna atau Lebih Kecil
Ukuran
Besar
Pendekatan elemen Desain berdasarkan nilai terbesar
Tetap atau Statis, Telepon, kayu, bermotif, Besar
Mudah dibongkar, Monitor Komputer, Lampu, Besi, Polos, 2 warna atau lebih, Kecil
Elemen Desain Bentuk
Kasar Mudah dibongkar
Halus Tetap atau Statis
Sarana Pendukung Bahan
Monitor komputer, Telepon Kayu Bermotif
Lampu
Kansei Word : Halus
Besi
Ukuran
Kecil
Polos, 2 warna atau Lebih Besar
Pendekatan elemen Desain berdasarkan nilai terbesar
Mudah dibongkar, Monitor komputer, Telepon, kayu, Bermotif, Kecil
Tetap atau Statis, Lampu, Besi, Polos, 2 warna atau lebih, Besar
Warna
Kansei Word : Modern Elemen Desain Bentuk
Konvensional Mudah dibongkar
Modern Tetap atau Statis
Sarana Pendukung Bahan
Monitor komputer, Telepon Kayu 2 warna atau lebih
Lampu
Kecil
Besar
Warna Ukuran
Besi Polos, Bermotif
78
Pendekatan elemen Desain berdasarkan nilai terbesar
Mudah dibongkar, Monitor komputer, Telepon, kayu, 2 warna atau lebih, Kecil
Tetap atau Statis, Lampu, Besi, Polos, Bermotif, Besar
Kansei Word : Artistik Elemen Desain Bentuk
Tidak Artistik Mudah dibongkar
Artistik Tetap atau Statis
Sarana Pendukung Bahan
Telepon
Monitor komputer, Lampu Kayu
Warna
Besi Bermotif
Polos, 2 warna atau Lebih Besar
Ukuran
Kecil
Pendekatan elemen Desain berdasarkan nilai terbesar
Mudah dibongkar, Telepon, Besi, Bermotif, Kecil
Tetap atau Statis, Monitor komputer, Lampu, kayu, Polos, 2 wara atau lebih, Besar
Elemen Desain Bentuk
Berantakan Mudah dibongkar
Rapi Tetap atau Statis
Sarana Pendukung Bahan
Telepon, Lampu
Monitor komputer
Kayu Bermotif
Besi
Kansei Word : Rapi
Ukuran
Besar
Polos, 2 warna atau Lebih Kecil
Pendekatan elemen Desain berdasarkan nilai terbesar
Mudah dibongkar, Telepon, Lampu, Kayu, Bermotif, Besar
Tetap atau Statis, Monitor komputer, Polos, 2 warna atau lebih, Kecil
Warna
Kansei Word : Menarik Elemen Desain Bentuk
Membosankan Mudah dibongkar
Menarik Tetap atau Statis
Sarana Pendukung Bahan
Telepon, Lampu
Monitor komputer
Kayu Bermotif
Besi
Warna Ukuran
Kecil
Polos, 2 warna atau Lebih Besar
79
Pendekatan elemen Desain berdasarkan nilai terbesar
Mudah dibongkar, Telepon, Lampu, Kayu, Bermotif, Kecil
Tetap atau Statis, Monitor komputer, Polos, 2 warna atau lebih, Besar
Kansei Word : Ergonomis Elemen Desain Bentuk
Tidak Ergonomis Mudah dibongkar
Ergonomis Tetap atau Statis
Sarana Pendukung Bahan
Telepon, Lampu
Monitor komputer
Kayu Bermotif
Besi
Ukuran
Besar
Polos, 2 warna atau Lebih Kecil
Pendekatan elemen Desain berdasarkan nilai terbesar
Mudah dibongkar, Telepon, Lampu, Kayu, Bermotif, Besar
Tetap atau Statis, Monitor komputer, Polos, 2 warna atau lebih, Kecil
Warna
Kansei Word : Kasual Elemen Desain Bentuk
Formal Tetap atau Statis
Kasual Mudah dibongkar
Sarana Pendukung Bahan
Monitor Komputer, Telepon Kayu Bermotif
Lampu Besi
Ukuran
Kecil
Polos, 2 warna atau Lebih Besar
Pendekatan elemen Desain berdasarkan nilai terbesar
Tetap atau Statis, Monitor Komputer, Telepon, Kayu, Bermotif, Kecil
Mudah dibongkar, Lampu, Besi, Polos, 2 warna atau lebih, Besar
Warna
Kansei Word : Nyaman Elemen Desain Bentuk
Tidak Nyaman Mudah dibongkar
Nyaman Tetap atau Statis
Sarana Pendukung Bahan
Telepon
Monitor komputer, Lampu Besi
Warna
Kayu 2 warna atau lebih, Bermotif
Ukuran
Kecil
Polos Besar
80
Pendekatan elemen Desain berdasarkan nilai terbesar
Mudah dibongkar, Telepon, Kayu, 2 warna atau lebih, Bermotif, Kecil
Tetap atau Statis, Monitor komputer, Lampu, Besi Polos, Besar
Kansei Word : Inovatif Elemen Desain Bentuk
Tidak Inovatif Mudah dibongkar
Inovatif Tetap atau Statis
Sarana Pendukung Bahan
Lampu
Warna
Monitor Komputer, Telepon Besi 2 warna atau lebih, Bermotif
Ukuran
Kecil
Besar
Pendekatan elemen Desain berdasarkan nilai terbesar
Mudah dibongkar, Monitor Komputer, Telepon,Besi, 2 warna atau lebih, bermotif, Kecil
Tetap atau Statis, Lampu,Kayu, Polos, Besar
Elemen Desain Bentuk
Cepat Rusak Tetap atau Statis
Awet Mudah dibongkar
Sarana Pendukung Bahan
Lampu
Warna
Monitor Komputer, Telepon Besi Polos, 2 warna atau Lebih
Ukuran
Kecil
Besar
Pendekatan elemen Desain berdasarkan nilai terbesar
Tetap atau Statis, Monitor Komputer, Telepon,Besi, Polos 2 warna atau lebih, Kecil
Mudah dibongkar, Lampu,Kayu, Bermotif, Besar
Kayu Polos
Kansei Word : Awet
Kayu Bermotif
Kansei Word : Komplek Elemen Desain Bentuk
Tidak Komplek Mudah dibongkar
Komplek Tetap atau Statis
Sarana Pendukung Bahan
Monitor Komputer, Lampu Kayu 2 warna atau lebih
Telepon
Kecil
Besar
Warna Ukuran
Besi Polos, Bermotif
81
Pendekatan elemen Desain berdasarkan nilai terbesar
Mudah dibongkar, Monitor Komputer, Lampu,Kayu, 2 warna atau lebih, Kecil
Tetap atau Statis, Telepon, Besi, Polos, Bermotif, Besar
Elemen Desain Bentuk
Tidak Unik Mudah dibongkar
Unik Tetap atau Statis
Sarana Pendukung Bahan
Monitor Komputer,
Telepon, lampu Besi
Warna
Kayu 2 warna atau lebih, Bermotif
Ukuran
Kecil
Besar
Pendekatan elemen Desain berdasarkan nilai terbesar
Mudah dibongkar, Monitor Komputer, Kayu,
Tetap atau Statis, Telepon, lampu,Besi, Polos, Besar
2 warna atau lebih, Bermotif, Kecil
Besar
Kansei Word : Unik
Polos
4.6.4 Analisa Pentingnya Faktor Menghitung pentingnya faktor digunakan untuk mengetahui prosentase (%) faktor-faktor dalam kontribusi kansei word. Prosentase pentingnya faktor dapat menggunakan citra image konsumen maupun responden terhadap suatu produk berdasarkan kansei word. Dalam perhitungan analisa pentingnya faktor didapatkan dari pengolahan analisa conjoint, dan hasilnya dapat dilihat di Lampiran J. 1. Kansei Word = Praktis a. Faktor penting untuk bentuk adalah 11,667% b. Faktor penting untuk sarana pendukung adalah 24,444%
82
c. Faktor penting untuk bahan adalah 10,556% d. Faktor penting untuk warna adalah 30% e. Faktor penting untuk ukuran adalah 23,333% Faktor penting yang terbesar untuk kansei word praktis adalah warna meja. Hal ini menunjukkan, warna meja merupakan faktor yang mempengaruhi penambahan image praktis dibandingkan faktor lain. 2. Kansei Word = Halus a. Faktor penting untuk bentuk adalah 23,858% b. Faktor penting untuk sarana pendukung adalah 5,584% c. Faktor penting untuk bahan adalah 35,594% d. Faktor penting untuk warna adalah 26,396% e. Faktor penting untuk ukuran adalah 4,569% Faktor penting yang terbesar untuk kansei word halus adalah bahan. Hal ini menunjukkan, bahan merupakan faktor yang mempengaruhi penambahan image halus dibandingkan faktor yang lain. 3. Kansei Word = Modern a. Faktor penting untuk bentuk adalah 17,949% b. Faktor penting untuk sarana pendukung adalah 23,932% c. Faktor penting untuk bahan adalah 8,54% d. Faktor penting untuk warna adalah 21,368% e. Faktor penting untuk ukuran adalah 28,205%
83
Faktor penting yang terbesar untuk kansei word modren adalah ukuran. Hal ini menunjukkan, ukuran merupakan faktor yang mempengaruhi penambahan image modern dibandingkan faktor yang lain. 4. Kansei Word = Artistik a. Faktor penting untuk bentuk adalah 16,364% b. Faktor penting untuk sarana pendukung adalah 22,72% c. Faktor penting untuk bahan adalah 13,636% d. Faktor penting untuk warna adalah 40,909% e. Faktor penting untuk ukuran adalah 6,364% Faktor penting yang terbesar untuk kansei word artistik adalah warna. Hal ini menunjukkan, warna merupakan faktor yang mempengaruhi penambahan image artistik dibandingkan faktor lain. 5. Kansei Word = Rapi a. Faktor penting untuk bentuk adalah 23,03% b. Faktor penting untuk sarana pendukung adalah 17,801% c. Faktor penting untuk bahan adalah 19,895% d. Faktor penting untuk warna adalah 30,366% e. Faktor penting untuk ukuran adalah 8,901% Faktor penting yang terbesar untuk kansei word rapi adalah warna. Hal ini menunjukkan, warna merupakan faktor yang mempengaruhi penambahan image rapi dibandingkan faktor yang lain. 6. Kansei Word = Menarik 84
a. Faktor penting untuk bentuk adalah 14,525% b. Faktor penting untuk sarana pendukung adalah 21,229% c. Faktor penting untuk bahan adalah 16,201% d. Faktor penting untuk warna adalah 36,872% e. Faktor penting untuk ukuran adalah 11,173% Faktor penting yang terbesar untuk kansei word menarik adalah warna. Hal ini menunjukkan, warna merupakan faktor yang mempengaruhi penambahan image menarik dibandingkan faktor yang lain. 7. Kansei Word = Ergonomis a. Faktor penting untuk bentuk adalah 32% b. Faktor penting untuk sarana pendukung adalah 24% c. Faktor penting untuk bahan adalah 22,667% d. Faktor penting untuk warna adalah 19,111% e. Faktor penting untuk ukuran adalah 2,222% Faktor penting yang terbesar untuk kansei word ergonomi bentuk. Hal ini menunjukkan, bentuk merupakan faktor yang mempengaruhi penambahan image ergonomi dibandingkan faktor yang lain. 8. Kansei Word = Kasual a. Faktor penting untuk bentuk adalah 13,846% b. Faktor penting untuk sarana pendukung adalah 16,154% c. Faktor penting untuk bahan adalah 15,385% d. Faktor penting untuk warna adalah 40,769%
85
e. Faktor penting untuk ukuran adalah 13,846% Faktor penting yang terbesar untuk kansei word kasual adalah warna. Hal ini menunjukkan, warna merupakan faktor yang mempengaruhi penambahan image kasual dibandingkan faktor yang lain. 9. Kansei Word = Nyaman a. Faktor penting untuk bentuk adalah 28,788% b. Faktor penting untuk sarana pendukung adalah 30,303% c. Faktor penting untuk bahan adalah 17,424% d. Faktor penting untuk warna adalah 21,970% e. Faktor penting untuk ukuran adalah 1,515% Faktor penting yang terbesar untuk kansei word nyaman adalah bentuk. Hal ini menunjukkan, bentuk merupakan faktor yang mempengaruhi penambahan image nyaman dibandingkan faktor yang lain 10. Kansei Word = Inovatif a. Faktor penting untuk bentuk adalah 15,741% b. Faktor penting untuk sarana pendukung adalah 37,037% c. Faktor penting untuk bahan adalah 7,40% d. Faktor penting untuk warna adalah 21,296% e. Faktor penting untuk ukuran adalah 18,519% Faktor penting yang terbesar untuk kansei word inovatif adalah sarana pendung. Hal ini menunjukkan, sarana pendukung merupakan faktor yang mempengaruhi penambahan image inovatif dibandingkan faktor yang lain. 86
11. Kansei Word = Awet a. Faktor penting untuk bentuk adalah 17,910% b. Faktor penting untuk sarana pendukung adalah 20.149% c. Faktor penting untuk bahan adalah 26,119% d. Faktor penting untuk warna adalah 26,119% e. Faktor penting untuk ukuran adalah 9,701% Faktor penting yang terbesar untuk kansei word awet adalah bahan dan warna. Hal ini menunjukkan, bahan dan warna merupakan faktor yang mempengaruhi penambahan image awet dibandingkan faktor yang lain. 12. Kansei Word = Komplek a. Faktor penting untuk bentuk adalah 34,395% b. Faktor penting untuk sarana pendukung adalah 12,739% c. Faktor penting untuk bahan adalah 13,376% d. Faktor penting untuk warna adalah 19,745% e. Faktor penting untuk ukuran adalah 19,745% Faktor penting yang terbesar untuk kansei word komplek adalah bentuk. Hal ini menunjukkan, bentuk merupakan faktor yang memepengaruhi penabahan image komplek dibandingkan faktor yang lain. 13. Kansei Word = Unik a. Faktor penting untuk bentuk adalah 20,792% b. Faktor penting untuk sarana pendukung adalah 25,473% c. Faktor penting untuk bahan adalah 49,505%
87
d. Faktor penting untuk warna adalah 0% e. Faktor penting untuk ukuran adalah 3,96% Faktor penting yang terbesar untuk kansei word unik adalah bahan. Hal ini menunjukkan, bahan merupakan faktor yang mempengaruhi penambahan image unik dibandingkan faktor yang lain.
4.6.5 Analisa Pembahasan Conjoint Setelah melakukan analisa pentingnya faktor, maka langkah selanjutnya menganalisa korelasi Pearson dan Kendall. Analisa korelasi Pearson dan Kendall dilakukan untuk mengetahui hubungan antara variabel estimasi dengan image konsumen (Kansei Word). Analisa korelasi Pearson dan Kendall berdasarkan hasil analisa conjoint, dapat diketahui dari nilai Pearson dan Kendall dari nilai value dan significant pada correlation yang terlampir pada Lampiran J. Hipotesa dari analisa significant ini adalah : H0 : Ada hubungan (korelasi) yang kuat antara variabel estimasi dengan image konsumen rata-rata yang nyata (Kansei Word). H1 :
Tidak ada korelasi yang kuat antara variabel estimasi dengan image
konsumen rata-rata yang nyata (Kansei Word). Area Kritis : Sig. > 0,05, H0diterima
88
Sig. < 0,05, H0 ditolak Nilai value dan significant pada correlation yang terlampir pada Lampiran J, menunjukkan nilai korelasi Pearson dan Kendall 1 semua. Sehingga dapat disimpulkan bahwa ada hubungan yang kuat antara variabel-variabel item dan kategori dengan citra konsumen. Sedangkan untuk nilai signifikan, semua Kansei Word bernilai kurang dari 0,05 sehingga hasil tersebut menunjukkan bahwa semua korelasi adalah signifikan.
4.7 Konsep Desain dan Spesifikasi Berdasarkan pendekatan elemen desain dari hasil perhitungan deviasi dengan analisa Conjoint, didapatkan 26 elemen desain. Dari 26 elemen desain terdapata 6 elemen desain dengan spesifikasi yang sama. Kemudian 6 elemen desain yang sama dihilangkan, sehingga terdapat 20 elemen desain yang terpilih yang hasil rekapannya dapat dilihat pada Lampiran K. Elemen desain yang akan dipilih dan dirancang yaitu elemen desain yang terbentuk dari banyaknya nilainilai terbesar masing-masing item yang sering muncul. Dari 20 elemen desain, nilai terbesar masing-masing item yang sering muncul dan menjadi konsep rancangan produk adalah : 1. Bentuk : Mudah Dibongkar 2. Sarana Pendukung : Monitor Komputer dan Telepon 3. Bahan : Kayu 4. Warna : Polos 89
5. Ukuran : Kecil Sehingga desain produk yang dipilih dan dirancang memiliki spesifikasi seperti tersebut. Setelah mengetahui konsep desain, maka peneliti merancang desain meja workstation menggunakan Software Solidwork. Hasil dari rancangan desain workstation dapat dilihat pada gambar 4.1, gambar 4.2 dan gambar 4.3, sedangkan dimensi dari setiap desain dapat dilihat pada Lampiran L. Dimensi produk yang dirancang memperhatikan sisi ergonomis, yaitu dengan menggunakan data antropometri orang Indonesia.
Gambar 10 4.1 Fideks Compack Workstation
90
Gambar 114.2 Fideks Compack Workstation
Gambar 124.3 Fideks Compack Workstation 4.8 Perancangan Produk Dalam pembuatan Fideks Workstation terdapat 4 proses utama, diantaranya:
91
1. Proses pembutan kerangka.
Gambar 134.4 Kerangka Fideks Compack Workstation 2. Proses perakitan
Gambar 144.5 Perakitan Fideks Compack Workstation 3. Proses finishing, yaitu proses penghalusan permukaan serta proses pewarnaannya.
92
Gambar 154.6 Finishing Fideks Compack Workstation 4. Proses akhir, yaitu proses pemasangan sarana pendukung dan pengecekan terakhir.
Gambar 164.7 Proses Akhir Fideks Compack Workstation
93
