PENGEMBANGAN METODOLOGI KANSEI ENGINEERING DENGAN MENGINTEGRASIKAN NONMETRIC MULTI DIMENSIONAL SCALING SEBAGAI ALAT PENGOLAHAN DATA DALAM PEMILIHAN RANCANGAN RUMAH HUNIAN Yusuf Nugroho Doyo Yekti Fakultas Rekayasa Industri – Institut Teknologi Telkom, Jl Telekomunikasi, Dayeuhkolot, Bandung 40257 Indonesia
[email protected] ABSTRACT Housing industry is one of the promising businesses in Indonesia. Property businessmen must have competitive advantage to seize that opportunity. the strategy that can be used to enhance competitiveness is to build houses based on the consumer’s demand. This research is aimed to obtain house design based on the costumer`s need. This research was conducted in Bandung by involving 52 respondents who asked to evaluate house designs. Kansei Engineering is used as the product-oriented design method to intepret the feelings of consumers into product design. One of the obstacles in using this method is the existence of ordinal data that need to be processed by the apt statistical technique. In processing ordinal data, Nonmetric Multi Dimensional Scaling is used and has been successfully integrated into Kansei Engineering method. Thus, it is believed to provide better accuracy.The kansei word derived from Nonmetric Multi Dimensional Scaling technique means Natural and Fresh, Luxurious and Urban Stylish, Roomy and Spacious, Unique and Exotic, Minimalist and Well-organized. Furthermore, the relation between home design and kansei has been expanded so the house design based on the consumer preference can be identified. Keywords: Kansei Engineering, house design, house design evaluation, ordinal data, Nonmetric Multi Dimensional Scaling, Principal Component Analysis
PENDAHULUAN Bidang perumahan merupakan salah satu peluang usaha yang menjanjikan di Indonesia, karena adanya kebutuhan pembangunan rumah yang sangat besar. Berdasarkan hasil sensus penduduk yang dilakukan oleh Badan Pusat Statistik pada tahun 2010, Indonesia membutuhkan sekitar tiga belas juta rumah baru bagi masyarakat. Peluang usaha tersebut mendorong pengusaha properti agar memiliki strategi baru untuk bersaing dengan kompetitor. Konsumen kini semakin selektif dalam membeli rumah. Keputusan membeli produk bukan hanya karena pertimbangan kecanggihan, keindahan dan atribut fisik yang melekat pada produk perumahan, melainkan juga adanya kesesuaian dengan selera konsumen (Norman, 2004). Dalam konteks industri perumahan, pertimbangan rasional belum cukup menjelaskan perilaku konsumen dalam membeli produk dengan
keterlibatan tinggi, seperti rumah yang dirancang khusus oleh arsitek, dimana konsumen terlibat dalam perancangan rumah dari awal. Faktor lain seperti karakteristik konsumen, faktor perasaan, dan faktor bawah sadar perlu dipertimbangkan untuk mengetahui motif seseorang dalam membeli rumah (koklic dan Vida, 2009). Berbagai teknik perancangan produk yang mempertimbangkan selera konsumen telah dikembangkan oleh para ilmuwan, beberapa diantaranya adalah Quality Function Deployment, Conjoint Analysis (Green dan Srinivasan, 1990), dan Kansei Engineering (Nagamachi, 1995). Quality Function Deployment (QFD) adalah teknik pengembangan produk, yang diilhami dari teknik pengendalian kualitas secara statistik dari Deming. Teknik QFD digunakan untuk mengidentifikasi hubungan antara kebutuhan fungsional 29
Kansei Engineering Dalam Pemilihan Rumah Hunian Yusuf Nugroho Doyo Yekti (hal 29-38)
yang berasal dari suara konsumen, dengan spesifikasi teknis produk yang dapat diproduksi (Akao, 1990). Sedangkan, Conjoint Analysis adalah teknik yang digunakan dalam riset pemasaran, dengan tujuan untuk menentukan bagaimana penilaian seseorang terhadap suatu desain produk yang berbeda-beda. Teknik ini menggunakan perhitungan statistik untuk menentukan bobot dari suatu konsep desain, sehingga dapat diketahui produk yang menarik bagi suatu segmen masyarakat tertentu. Selain itu, Conjoint Analysis dapat digunakan untuk mengetahui berapa uang yang sanggup dibayarkan untuk membeli produk tersebut (Green dan Srinivasan, 1990). Kansei Engineering merupakan teknik perancangan untuk mendapatkan produk yang dapat memenuhi selera dan kebutuhan konsumen. Kansei Engineering didefinisikan sebagai teknologi menerjemahkan kesan konsumen terhadap suatu produk, menjadi elemen-elemen desain (Nagamachi, 1995). Ketiga teknik perancangan tersebut memiliki tujuan yang sama, yaitu merancang produk yang dapat memenuhi keinginan dan kebutuhan konsumen. Meskipun demikian, Kansei Engineering memiliki perbedaan yang khas dibandingkan dengan metode yang lain, yaitu Kansei Engineering lebih berfokus pada kebutuhan yang sifatnya implisit, terkait dengan emosional (Anitawati, 2010). Atas dasar inilah, Kansei Engineering dipilih sebagai metode untuk merancang rumah yang sesuai selera konsumen. Namun demikian, aspek yang masih menjadi perdebatan dalam metode Kansei Engineering adalah penggunaan teknik statistik untuk mengolah data penelitian. Berdasarkan Almagro dan Llabres (2011), teknik statistik yang digunakan dalam Kansei Engineering masih belum tepat. Permasalahan tersebut diawali oleh proses pengumpulan data yang menggunakan skala Semantic Differential atau skala Likert, yang menghasilkan data berskala
ordinal. Namun, data tersebut diolah dengan teknik statistik parametrik, seperti teknik Principal Component Analysis. Penggunaan teknik statistik parametrik untuk mengolah data ordinal berpotensi menyebabkan hasil penelitian menjadi kurang valid (Harwell dan Gatti , 2001; Fraley et al., 2000). Namun menurut Schutte (2005), hasil pengolahan data ordinal yang didapat dari skala Semantic Differential, dapat menghasilkan hasil yang serupa dengan hasil pengolahan data berskala interval. Lebih lanjut, penelitian ini mencoba mengembangkan metode Kansei Engineering, khususnya pada proses pengolahan data agar sesuai dengan kaidah ilmiah. Teknik statistik nonparametrik yang diajukan sebagai teknik pengolahan data adalah teknik Nonmetric Multi Dimensional Scaling. Nonmetric Multi Dimensional Scaling (NMDS) digolongkan sebagai teknik statistik nonparametrik (Dillon dan Goldstein, 1984). Teknik statistik ini dapat digunakan untuk mengekstraksi informasi penting dari data ordinal yang kompleks dan memiliki banyak variabel (Giguere, 2006). NMDS dilakukan dengan cara meletakkan suatu obyek data dalam suatu dimensi ruang dengan koordinat tertentu, kemudian meletakkan obyek data lain pada dimensi tersebut, berdasarkan ketidaksamaan (dissimilarities) dengan obyek data yang telah diletakkan sebelumnya. Iterasi peletakan obyek-obyek data tersebut dilakukan secara berulang kali, sedemikian sehingga kriteria tertentu telah dipenuhi (Rabinowitz, 1975). NMDS membutuhkan input berupa matriks ketidaksamaan antar obyek data (Giguere, 2006). Lebih lanjut, ketidaksamaan antar dua obyek data ordinal dapat dihitung dengan metode Kendall Tau Distance (Gayatri dan Prasad, 2011). Teknik NMDS memiliki kemiripan dengan metode Factor Analysis. Teknik ini dapat memperlihatkan struktur yang tersembunyi dalam matriks data yang kompleks,
30 Jurnal Teknik Industri Telekomunikasi Volume 25 Nomor 1 Tahun 2013
sehingga faktor utama yang mewakili keseluruhan data dapat diketahui. Keunggulan metode NMDS adalah adanya visualisasi yang mudah dipahami, dan dapat digunakan untuk menganalisis data ordinal yang tidak dapat dianalisis oleh teknik Factor Analysis. Perbedaan antara NMDS dengan Factor Analysis terletak pada jenis data dan prosedur. NMDS lebih sering digunakan untuk menganalisis data yang bersifat kualitatif dan berskala ordinal (Rabinowitz, 1975). Menurut Rabinowitz (1975), prosedur pelaksanaan NMDS adalah sebagai berikut: 1. Mencari ketidaksamaan antara suatu obyek data dengan obyek data lain. Ketidaksamaan tersebut digunakan sebagai jarak pemisah obyek data. 2. Menentukan berapa banyak dimensi yang diperlukan untuk membedakan suatu obyek data dengan obyek data lain. Penentuan jumlah dimensi dilakukan berdasarkan keahlian subyektif peneliti dan tingkat stress yang dihasilkan. 3. Meletakkan obyek data ke dalam dimensi ruang 4. Menghitung nilai stress 5. Melakukan iterasi peletakan obyek data 6. Menghitung kembali nilai stress 7. Solusi didapatkan jika nilai stress pada suatu iterasi, tidak lebih baik daripada iterasi sebelumnya. Koefisien stress merupakan nilai yang menunjukkan ketidaksesuaian peletakkan data dalam dimensi ruang (badness of fit test). Semakin kecil nilai stress, maka semakin baik pula kualitas iterasi peletakan obyek data. Menurut Kruskal (1964), koefisien stress dirumuskan sebagai berikut:
stress =
√
̂
∑ ∑
(1)
= jarak antara datai dan dataj yang merepresentasikan ketidaksamaan (dissimilarities) ̂ = jarak prediksi (disparities) antara datai dan dataj yang terdapat pada penggambaran data dalam dimensi ruang Kualitas solusi ditentukan berdasarkan kriteria nilai stress yang didapatkan dari hasil peletakan seluruh obyek data. Adapun, hubungan antara kualitas solusi peletakan obyek data dan koefisien stress, ditampilkan pada Tabel I. Tabel I. Kriteria Solusi Peletakan Obyek Data Berdasarkan Koefiesien Stress (Kruskal, 1964) Koefisien 0% 2,50% 5% 10% 20% Stress Kualitas Sempurna Istimewa Baik Cukup Kurang Solusi
Penelitian ini bertujuan untuk mendapatkan rancangan rumah hunian yang memenuhi selera konsumen berusia antara 20 hingga 30 tahun. Rumah hunian yang dirancang dengan memperhatikan aspek selera konsumen diyakini dapat menjadi keunggulan kompetitif bagi perusahaan. Adapun metode yang dipandang sesuai untuk mencapai tujuan penelitian ini adalah Kansei Engineering. Lebih lanjut, metodologi Kansei Engineering dipandang perlu untuk dikembangkan dengan tujuan untuk mendapatkan hasil penelitian yang lebih akurat. METODOLOGI PENELITIAN Responden yang berpartisipasi dalam penelitian berjumlah 52 orang. Sebagian besar responden berusia antara 25 hingga 30 tahun (65%), dan sisanya adalah responden berusia 19 hingga 24 tahun (35%). Jumlah responden laki-laki dan perempuan hampir sebanding. Responden laki-laki berjumlah 27 orang, sedangkan, responden berjenis kelamin perempuan berjumlah 25 orang. Sebagian besar responden masih tinggal bersama dengan 31
Kansei Engineering Dalam Pemilihan Rumah Hunian Yusuf Nugroho Doyo Yekti (hal 29-37)
orang tua (58%). Selain itu, sepertiga responden masih mengontrak rumah sewa (31%). Sedangkan, rumah milik sendiri hanya dimiliki oleh sebagian kecil responden (12%). Alat pengumpulan data berupa kuesioner yang terdiri dari stimulus dan lembar penilaian. Stimulus adalah gambar tampak depan dan denah lantai sebuah rumah. Stimulus didapatkan dari dua macam sumber, yaitu majalah arsitektur dan internet. Sedangkan, lembar penilaian merupakan penilaian terhadap suatu stimulus gambar berdasarkan kata kansei tertentu. Kuesioner dirancang untuk mencari tahu persepsi responden terhadap suatu desain rumah, berdasarkan kata kansei. Stimulus yang dikumpulkan berupa gambar tampak depan rumah dan denah lantai, yang didapatkan dari majalah arsitektur dan internet. Pada awal penelitian, terdapat 90 gambar yang dikumpulkan oleh peneliti, selanjutnya gambar tersebut direduksi menjadi sepuluh gambar, dengan kriteria pengambilan desain rumah yang memiliki tipe 45 - tipe 60, serta tidak memuat gambar mobil yang berpotensi mempengaruhi intepretasi responden terhadap stimulus. Akhirnya, sepuluh gambar tersebut direduksi lagi menjadi enam gambar oleh tiga orang expert dengan kriteria bahwa rumah tersebut sesuai dengan kebutuhan konsumen yang berusia 20 hingga 30 tahun. Lembar penilaian merupakan isian bagi responden untuk menilai stimulus dengan kata kansei. Adapun, skala yang digunakan untuk mengukur respon adalah skala likert yang dimodifikasi. Pada awalnya, terdapat 123 kata kansei yang dikumpulkan dari beberapa majalah arsitektur dan internet. Selanjutnya, kata kansei tersebut direduksi menjadi 30 kata kansei oleh tiga orang ahli arsitektur, dengan kriteria (1) menghilangkan pengulangan arti, (2) 32
menghilangkan kata yang sulit dimengerti, (3) menghilangkan kata yang memuat jargon pemasaran, (4) serta menghilangkan kata yang terkait dengan sasaran pemasaran. Uji validitas dan uji realibilitas dilakukan terhadap 30 pernyataan sehingga dapat diketahui bahwa pernyataan yang diberikan dalam kuesioner adalah pernyataan benar-benar mengukur karakteristik rumah, pernyataan tersebut dapat dimengerti oleh para responden, serta kuesioner tersebut konsisten dalam pengukuran. Setelah uji validitas dan reliabitas didapatkan 20 kata kansei yang dapat digunakan sebagai kata kunci dalam pernyataan kuesioner. Kata kansei yang digunakan sebagai tolak ukur penilaian stimulus dalam kuesioner ditunjukkan pada Tabel II. Lebih lanjut, kuesioner penelitian ditampilkan pada Lampiran 1. Tabel II. Kata Kansei Penyusun Pernyataan Kuesioner No. Kata Kansei No. Kata Kansei 1 Luas 11 Kuat 2 Minimalis 12 Segar Sesuai dengan 3 13 Mewah iklim tropis 4 Nyaman 14 Alami 5 Inovatif 15 Eksotis 6 Unik 16 Lapang Bergaya 7 17 Teratur perkotaan 8 Fleksibel 18 Terkini Tidak 9 Kokoh 19 membosankan 10 Modern 20 Asri
Prosedur pengolahan data dengan teknik Nonmetric Multi Dimensional Scaling diawali dengan pemberian kode numerik, dengan tujuan untuk menafsirkan pernyataan responden menjadi bilangan ordinal. Pemberian kode numerik dilakukan dengan cara memberikan nilai lima pada setiap pernyataan Sangat Setuju, nilai empat untuk penilaian Setuju, nilai tiga untuk penilaian Netral, nilai dua untuk penilaian Tidak Setuju, dan nilai satu untuk penilaian Sangat Tidak Setuju.
Jurnal Teknik Industri Telekomunikasi Volume 25 Nomor 1 Tahun 2013
Langkah pertama dalam pengolahan data adalah menghitung nilai median dari penilaian seorang responden terhadap keenam stimulus gambar, berdasarkan sebuah kata kansei. Nilai median tersebut adalah penilaian agregat terhadap sebuah kata kansei, yang dapat digunakan untuk menghitung perbedaan relatif antara kata kansei yang satu dengan kata kansei yang lain. Langkah kedua adalah menghitung perbedaan relatif antar variabel kata kansei. Teknik Kendall Tau Distance digunakan untuk menghitung jarak antara obyek data, dimana semakin besar jarak antara dua obyek data, maka semakin besar pula perbedaan (dissimilarities) kedua obyek data tersebut. Perbedaan antar obyek data merupakan hal yang diperlukan sebagai input data pada teknik Nonmetric Multi Dimensional Scaling. Koefisien jarak Kendal Tau Distance dihitung dengan rumus sebagai berikut: K(τ1 ,τ2 )=|(i,j):i<j, (τ1 (i)<τ1 (j)˄τ2 (i)>τ2 (j))˅(τ1 (i)>τ1 (j)˄τ2 (i)<τ2 (j)) (2)
Koefisien Kendal Tau Distance dinormalisasi dengan cara membagi koefisien tersebut dengan n(n − 1) / 2, sehingga didapatkan nilai antara nol hingga satu. Kendal Tau Distance yang telah dinormalisasi dihitung dengan rumus sebagai berikut:
Normalized K(τ1 ,τ2 ) =
(3)
Keterangan : τ1 : obyek data 1, τ1 : obyek data 2, i : anggota obyek data ke-i, j: anggota obyek data ke-j n : jumlah data Langkah ketiga adalah memplot kata kansei kedalam bidang dua dimensi berdasarkan perbedaan relatif antar variabel (Kendal Tau Distance). Kata-kata kansei yang berdekatan berarti bahwa katakata kansei tersebut tidak memiliki perbedaan yang signifikan. Sedangkan, kata kansei berlokasi sangat jauh dari kelompok kata, dapat dipandang sebagai kata yang memiliki perbedaan yang signifikan dengan kata kansei lainnya, sehingga tidak dapat digabungkan dalam kelompok. Iterasi peletakan data didalam dimensi ruang, dilakukan hingga mendapatkan suatu solusi. Solusi didapatkan setelah iterasi dilakukan sebanyak delapan kali, hal tersebut ditandai oleh adanya nilai stress yang lebih kecil dari 0,001 (Kruskal, 1964). Data kata kansei diplot ke dalam dua dimensi ruang. Setelah delapan kali iterasi, koordinat peletakkan obyek data berhasil didapatkan seperti data ditunjukkan pada Gambar 1.
Gambar 1. Solusi Peletakkan Obyek Data
33 Kansei Engineering Dalam Pemilihan Rumah Hunian Yusuf Nugroho Doyo Yekti (hal 29-37)
Kata-kata kansei dapat dikelompokkan berdasarkan kedekatan jarak, seperti terlihat pada Gambar 1. Adapun, pengelompokkan yang dihasilkan adalah lima kelompok kata kansei, meskipun demikian terdapat tiga kata kansei yang terpisah dari kelompok. Kelompok kata kansei yang pertama terdiri dari dua kata kansei yakni alami dan segar, sehingga Kelompok pertama dapat disebut sebagai Kelompok Alami dan Segar. Kelompok kata yang kedua terdiri dari tujuh kata kansei, yaitu Mewah, Terkini, Kokoh, Tidak Membosankan, Bergaya Perkotaan, Modern dan Kuat, sehingga dapat disebut sebagai Kelompok Mewah dan Bergaya Perkotaan. Lalu, kelompok kata kansei yang ketiga terdiri dari kata Lapang dan Luas, selanjutnya disebut sebagai Kelompok kata Lapang dan Luas. Kemudian, Kelompok kata kansei keempat terdiri dari kata Inovatif, Eksotis, dan Unik, sehingga dapat disebut sebagai Kelompok Unik dan Eksotis. Terakhir, kelompok kata kansei yang kelima terdiri dari kata Minimalis, Teratur, dan Nyaman, sehingga dapat disebut sebagai Kelompok Minimalis dan Teratur.
HASIL Penelitian ini mengkaji implementasi metode Kansei Engineering dalam menemukan karakteristik produk perumahan yang disukai oleh konsumen berusia antara 20 hingga 30 tahun. Teknik pengolahan data yang diajukan sebagai pembaharuan dalam metodologi kansei engineering adalah teknik Nonmetric Multi Dimensional Scaling. Teknik tersebut dapat digunakan untuk mendapatkan kombinasi kata kansei dari kata-kata kansei yang memiliki jarak yang berdekatan. Pemberian nama kelompok dilakukan secara lebih subyektif dengan memperhatikan komposisi kata penyusun kombinasi kata kansei, serta melihat peletakan kata kansei dalam dimensi. Adapun, kombinasi kata kansei yang diperoleh dengan teknik Nonmetric Multi Dimensional Scaling adalah (1) Alami dan Segar, (2) Mewah dan Bergaya Perkotaan, (3) Lapang dan Luas, (4) Unik dan Eksotis, serta (5) Minimalis dan Teratur. Setelah itu, pembahasan dilanjutkan dengan mencari hubungan antara desain rumah dengan kata kansei. Desain rumah yang menjadi stimulus kuesioner dikaitkan dengan kata kansei dengan cara memperhatikan skor kombinasi kata kansei.
Tabel 1. Skor Kelompok Kata Kansei berdasarkan Teknik NMDS Skor Kelompok Kelompok Kata No. Kansei Rumah1 Rumah2 Rumah3 Rumah4 Rumah5 Rumah6 1 Alami dan Segar Mewah dan 2 Bergaya Perkotaan Lapang dan 3 Luas Unik dan 4 Eksotis Minimalis dan 5 Teratur
-1,41
0,47
-1,41
-0,47
2,34
-5,16
4,45
8,20
-12,42
6,33
6,33
-7,74
0,47
0,47
-1,41
-5,16
2,34
-5,16
-3,98
3,52
-7,74
3,52
1,64
-7,74
3,52
3,52
2,58
3,52
3,52
1,64
Batas signifikan ditentukan untuk membuat klasifikasi stimulus terhadap kata kansei. Batas signifikan yang ditentukan oleh peneliti adalah 2,05. Batas signifikan
34
tersebut ditetapkan berdasarkan 20% dari prosentase nilai positif yang terbesar, yakni nilai rumah nomor 2 pada kelompok kata kansei Mewah dan Bergaya Perkotaan. Selanjutnya, skor komponen digambarkan dalam grafik untuk mengetahui hubungan Jurnal Teknik Industri Telekomunikasi Volume 25 Nomor 1 Tahun 2013
antara kata kansei dengan desain rumah. Berdasarkan grafik tersebut, karakteristik
dari suatu rumah dapat terlihat dengan jelas. Suatu desain rumah dapat digolongkan dalam suatu kata kansei apabila memiliki nilai skor melebihi batas
signifikan. Batas signifikan digambarkan dengan garis terputus-putus. Nilai positif dari sumbu axis menunjukkan bahwa suatu rumah dapat dikategorisasikan sesuai dengan kata kansei. Sedangkan, nilai negatif menunjukkan suatu rumah tidak dapat dimasukkan dalam kategori kata kansei.
Gambar 2. Profil Hubungan antara Kata Kansei dengan Desain Rumah berdasarkan NMDS
Hubungan antara kata kansei dengan desain rumah dapat diketahui dari Gambar II. Seluruh rumah yang digunakan sebagai stimulan penelitian, dapat diketahui karakteristiknya menurut persepsi responden. Intepretasi dari Gambar II adalah sebagai berikut: (1) Terdapat dua rumah yang dipersepsikan sebagai rumah yang terkesan alami dan segar, yaitu rumah nomor 2, dan rumah nomor 5. Sedangkan, keempat rumah yang lain memiliki skor yang negatif, sehingga tidak dapat dipersepsikan sebagai rumah yang alami dan segar. Lebih lanjut, Rumah yang dianggap paling berkesan alami dan segar adalah rumah nomor 5. (2) Sebagian besar rumah dapat dianggap sebagai rumah yang mewah dan bergaya perkotaan. Rumah nomor 1, rumah nomor 2, rumah nomor 4, dan rumah nomor 5 dipersepsikan sebagai rumah yang mewah dan bergaya perkotaan. Adapun demikian, Rumah nomor 2 dipersepsikan sebagai rumah
yang paling mewah dan paling bergaya perkotaan. (3) Rumah normor 5 dianggap sebagai rumah yang paling berkarakteristik lapang dan luas. Selanjutnya, rumah nomor 2 dan rumah nomor 1 juga dipresepsikan sebagai rumah yang Lapang dan Luas, namun memiliki skor yang kecil. Sedangkan, rumah nomor 4 dan rumah nomor 6 tidak dipersepsikan sebagai rumah yang lapang dan luas. (4) Grafik Hubungan antara Kata Kansei Unik dan Eksotis dengan suatu desain rumah ditunjukkan pada Gambar II. Rumah nomor 2, rumah nomor 4, dan rumah nomor 5 dipersepsikan sebagai rumah yang Unik dan Eksotis. Sedangkan, rumah nomor 1, rumah nomor 3, dan rumah nomor 6 tidak dipersepsikan sebagai rumah yang Unik dan Eksotis. (5) Semua rumah dipersepsikan sebagai rumah yang minimalis dan teratur, kecuali rumah nomor 6 yang memiliki skor kurang dari batas signifikan.
35 Kansei Engineering Dalam Pemilihan Rumah Hunian Yusuf Nugroho Doyo Yekti (hal 29-37)
Pada penelitian ini, kata kansei yang telah diperoleh dengan teknik Nonmetric Multi Dimensional Scaling dapat dijadikan sebagai referensi untuk mendesain suatu rumah hunian. Rekomendasi desain tersebut dibuat berdasarkan hubungan antara skor kombinasi kata kansei dengan desain rumah yang digunakan sebagai stimulus dalam penelitian. Tabel V.3 menunjukkan desain rumah yang direkomendasikan sesuai dengan selera konsumen berusia 20 hingga 30 tahun di kota Bandung. N o
1
2
3
4
Gambar Desain Rumah
Selera Konsumen
Minimalis dan Teratur
Mewah dan Bergaya Perkotaan, Unik dan Eksotis, Minimalis dan Teratur
Minimalis dan Teratur
Mewah dan Bergaya Perkotaan, Unik dan Eksotis, Minimalis dan Teratur
5
Alami dan Segar, Mewah dan Bergaya Perkotaan, Lapang dan Luas, Minimalis dan Teratur
KESIMPULAN Kesimpulan yang dapat diperoleh dari penelitian tentang implementasi dan analisis teknik pengolahan data Kansei Engineering dalam perancangan rumah adalah sebagai berikut : (1) Metodologi Kansei Engineering dengan Menerapkan Nonmetric Multi Dimensional Scaling Sebagai Alat Pengolahan Data dalam Studi Kasus Perancangan Rumah Hunian. (2) Karakteristik rumah yang disukai oleh konsumen dapat diketahui dari kombinasi kata kansei. Kata kansei yang didapatkan dengan teknik Nonmetric Multi Dimensional Scaling adalah (1) Alami dan Segar, (2) Mewah dan Bergaya Perkotaan, (3) Lapang dan Luas, (4) Unik dan Eksotis, serta (5) Minimalis dan Teratur. (3) Hubungan antara desain rumah dengan kata kansei telah dikembangkan, sehingga dapat diketahui desain rumah yang sesuai dengan selera konsumen. DAFTAR PUSTAKA [1] Akao, Y. (1990). Quality Function Deployment: Integrating Customer Requirements into Product Design, Productivity Press, Cambridge [2] Akmal, I., Primasanti, N., Sawitri, W., Soraya, D. (2011). Desain Inspiratif Rumah Tumbuh Tipe 45-68m 2 , PT. Gramedia Pustaka Utama, Jakarta, 2011 [3] Anitawati, M.L. (2010). The Kansei Engineering Methodology, Design & Emotion, Faculty of Computer and Mathematical
36 Jurnal Teknik Industri Telekomunikasi Volume 25 Nomor 1 Tahun 2013
Sciences Universiti Teknologi MARA, 1, 1, 1-14 [4] Almagro, L.M., Llabres, X.T.M. (2011). Statistical Methods in Kansei Engineering: a Case of Statistical Engineering, Department of Statistics and Operations Research Universitat Politècnica de Catalunya, BarcelonaTech, Barcelona [5] Dillon, W.R., dan Goldstein, M. (1984). Multivariate Analysis, Methods and Application, John Wiley & Sons, Canada, 23-27 [6] Fraley, R.C., Waller, N.G., Brennan, K.A. (2000). An Item Response Theory Analysis of Self-Report Measures of Adult Attachment, Journal of Personality and Social Psychology , American Psychological Association,78, 2, 350-365 [7] Gayatri, M., dan Prasad, K. (2011). Quantitative Measurement of Scores by Ranks, IPCSIT, 20, 99-103 [8] Giguere, G. (2006). Collecting and Analyzing Data in Multidimensional Scaling Experiments: A guide for Psychologists using SPSS, Tutorials in Quantitative Methods for Psychology, 2, 1, 26-37 [9] Green, E. P., Srinivasan. V. (1990). Conjoint Analysis in Marketing: New Developments with Implications for Research and Practice, Journal of Marketing, American Marketing Association, 3-19 [10] Harwell, M. R., Gatti, G.G. (2001). Rescaling Ordinal Data to
[11]
[12]
[13]
[14]
[15]
[16]
[17]
Interval Data in Educational Research, Review of Educational Research Spring 2001, Sage, 71, 1, 105–131 Koklic, M.K., dan Vida, I. (2009). A Strategic Household Purchase : Consumer House Buying Behavior, Managing Global Transitions, University of Primorska, 1, 75–96 Kompas(2011).http://properti.kompa s.com/read/2011/06/01/1600274 3/Menpera.Indonesia.Butuh.13.J uta.Rumah, diakses pada tanggal 05/02/2012, pukul 16.38 WIB Kruskal, J.B. (1964). Multidimensional Scaling by Optimizing Goodness of Fit to A Nonmetric Hypothesis, Psychometrika, 9, 1, 1-27 Nagamachi, M. (1995). Kansei Engineering: A New Ergonomic Consumer-Oriented Technology for Product Development, International Journal of Industrial Ergonomics, 15 (1), 311 Norman, D.A. (2004). Emotional Design: Attractive Things Work Better, Basic Books, New York Rabinowitz, G.B. (1975). An Introduction to Nonmetric Multidimensional Scaling, American Journal of Political Science, JSTOR, Vol. 9, No. 2, 343-390 Schutte, S. (2005). Engineering Emotional Values in Product Design-Kansei Engineering in Development. Linköping Studies in Science and Technology, Linköping, Sweden.
37 Kansei Engineering Dalam Pemilihan Rumah Hunian Yusuf Nugroho Doyo Yekti (hal 29-37)
