BAB IV PENGUMPULAN DAN PENGOLAHAN DATA
4.2 Evaluasi Kuisoner Pertama (SD) I
4.2.3 Uji Reliabilitas
Setelah uji validitas maka langkah selanjutnya yaitu melakukan uji reliabilitas setelah didapatkan semua variable dinyatakan valid. Uji reliabilitas juga menggunakan software SPSS 16 yang dapat dilihat pada tabel 4.5.
Variabel dinyatakan reliabel jika ralpha > rtabel. Dalam hal ini, nilai r tabel jika level ke-signifikanan sebesar 5% (0,05) dan derajat kebebasan atau df (degree of freedom) sebesar 52 dengan r tabel 0,2681. Nilai ralpha dapat dilihat tabel 4.5 yaitu cronbach’s alpha yang didapatkan dari iterasi ketiga yaitu sebesar 0,864. Nilai ini lebih besar dari r tabel, sehingga data kuisioner dinyatakan reliable.
Tabel 4.5 Hasil Alpha Uji Reliabilitas
Reliability Statistics
Cronbach's Alpha N of Items
.864 20
4.3 Analisis Faktor
Analisis faktor merupakan teknik untuk menyederhanakan hubungan yang kompleks dan hubungan yang bermacam-macam yang ada diantara serangkaian variable yang diteliti dengan cara membuka dimensi-dimensi umum atau faktor-faktor yang bersama-sama menghubungkan variable-variabel yang tidak berhubungan dan sebagai hasilnya faktor ini menyediakan pengetahuan ke dalam struktur yang mendasari sebuah data.
Dalam penggunaannya pada konsep kansei engineering, hasil dari analisis faktor ini memberikan ruang dalam menentukan item kategori desain kemasan berdasarkan citra atau perasaan konsumen. Kemudian variabel (kansei word) yang lolos dalam pengujian analisis faktor ini akan digunakan kembali pada evaluasi Semantic Differential yang kedua. Dari 20 kansei word yang dinyatakan valid dan reliable, kemudian dilakukan analisis faktor dengan menggunakan bantuan software SPSS versi 16. Hasil tes nilai KMO (Kasier-Meyer-Olkin) dan test barlett dapat dilihat pada tabel 4.6
Tabel 4.6 Hasil Test KMO dan Bartlett
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .724
Bartlett's Test of Sphericity Approx. Chi-Square 528.328
Df 190
Sig. .000
Apabila nilai KMO-MSA sama dan lebih besar dari setengah dan dengan nilai signifikan (sig) atau peluang (p) lebih kecil dari setengah (0,05), maka dikatakan bahwa item item yang dianalisis dalam analisis faktor sudah layak untuk difaktorkan
Jika dilihat maka nilai KMO Measure of Sampling Adequacy pada hasil pengujian menunjukkan hasil sebesar 0,724 (≥ 0,5) dan nilai signifikansi sebesar 0,000 (≤ 0,05). Maka menurut kriteria, nilai KMO-MSA pada uji telah memenuhi kriteria, untuk itu analisis faktor yang dilakukan menunjukkan sampel tersebut layak untuk difaktorkan dan faktornya dapat dianalisis lebih lanjut.
Untuk hasil test MSA anti image dapat dilihat pada tabel di bawah ini. Dimana nilai matriks anti image correlation, khususnya nilai pada angka koefisien korelasi yang berada pada off diagonal yang dapat dilihat pada lampiran 4. Apabila nilai matriks anti image correlation lebih kecil dari setengah, maka variabel tersebut harus dikeluarkan atau dieliminasi dari analisis faktor dan variabel tersebut tidak layak dianalisis lebih lanjut. Rangkuman nilai anti image correlation tiap kansei
Tabel 4.7 Hasil Nilai Matriks Anti Image (MSA) Kansei word Nilai Korelasi Matriks Anti Image Keterangan Kuat .588a Layak
Mudah diingat .648a Layak
Ergonomis .867a Layak
Komunikatif .716a Layak
Tidak monoton .646a Layak
Inovatif, kreatif .807a Layak
Mudah dibawa .659a Layak
Uptodate, modis .791a Layak
Aman .666a Layak
Bagus .546a Layak
Berdaya jual .695a Layak
Menarik .772a Layak
Unik .775a Layak
Berkarakter .661a Layak
Informatif .857a Layak
Ramah lingkungan .803a Layak
Efisien, hemat tempat .714a Layak
Bahan recycle .645a Layak
Konstruksi kemasan
bentuk rangkaian .627 a
Layak
Praktis .871a Layak
Sumber : olah data, 2015
Semua variabel pengukuran mempunyai nilai anti image korelasi > 0,5 yang berarti bahwa semua sub-variabel pengukuran atau dimensi dapat dijadikan komponen faktor bersama penentu keberhasilan didapatkannya kansei word yang sesuai untuk pengembangan redesain kemasan.
4.3.1 Penentuan Komponen Kansei Word
Dalam analisis komponen utama pada analisis faktor, penulis menggunakan teknik Principle Component Analysis (PCA) yang merupakan suatu teknik analisis faktor di mana beberapa faktor yang akan terbentuk berupa variabel laten yang belum dapat ditentukan sebelum analisis dilakukan. Pada prinsipnya analisis faktor PCA di mana terbentuknya faktor-faktor atau variabel laten baru adalah bersifat acak, yang selanjutnya dapat diinterprestasi sesuai dengan faktor atau komponen atau konstruk yang terbentuk.
Teknik ini digunakan untuk mereduksi data dari variabel asal atau variabel awal menjadi variabel baru atau faktor yang jumlahnya lebih kecil dari pada variabel awal. Proses analisis ini mencoba untuk menemukan hubungan antar-variabel baru atau faktor yang terbentuk yang saling independen sesamanya, sehingga bisa dibuat satu atau beberapa kumpulan variabel laten atau faktor yang lebih sedikit dari jumlah variabel awal yang bebas atau tidak berkorelasi sesamanya. Jadi antar-faktor yang terbentuk tidak berkorelasi sesamanya.
Analisis ini menggunakan software SPSS 16 dan didapatkan komponen matriks sebanyak 5 komponen dari 20 kansei word yang terhimpun. Hasil olah data dapat dilihat pada lampiran 5. Dalam komponen matriks dapat dilihat 5 komponen yang telah terbentuk pada tabel 4.8.
Tabel 4.8 Matriks Komponen Faktor Baru Component Matrixa Component Kansei Word 1 2 3 4 5 Kuat 0.513 -0.48 -0.214 -0.012 -0.247 Mudah diingat 0.572 -0.415 -0.167 -0.456 0.277 Ergonomis 0.545 -0.198 0.399 0.032 0.131 Komunikatif 0.463 -0.255 0.588 -0.147 0.05 Tidak monoton 0.407 -0.472 0.265 0.262 -0.062 Inovatif, kreatif 0.674 -0.443 -0.193 -0.145 -0.189 Mudah dibawa 0.499 -0.131 0.479 0.276 0.026 Uptodate, modis 0.782 0.248 0.006 -0.126 0.207 Aman 0.67 -0.229 -0.303 0.355 -0.309 Bagus 0.394 0.111 -0.343 0.527 0.442 Berdaya jual 0.437 0.03 -0.54 0.395 0.055 Menarik 0.643 0.542 0.203 0.243 0.04 Unik 0.63 0.507 -0.117 -0.197 0.032 Berkarakter 0.65 -0.355 -0.171 -0.044 0.469 Informatif 0.768 0.19 0.044 -0.245 -0.117 Ramah lingkungan 0.493 0.461 0.012 0.183 -0.456 Efisien, hemat tempat 0.545 0.503 0.056 -0.379 0.02 Bahan recycle 0.355 0.191 0.547 0.288 0.031 Konstruksi kemasan
bentuk rangkaian 0.353 0.514 -0.273 -0.171 -0.016 Praktis 0.546 -0.302 -0.083 -0.164 -0.351 Extraction Method: Principal Component Analysis.
a. 5 components extracted.
Sumber : olah data, 2015
Penentuan komponen baru yaitu apabila kansei word bernilai lebih dari 0,5 pada komponen tersebut dan tidak berada lebih dari satu komponen maka kansei
word masuk ke dalam komponen yang bersangkutan. Namun menurut ketentuan
metode ekstraksi PCA, karena antara komponen faktor satu dan komponen faktor dua terdapat nilai-nilai dalam satu variabel pengukuran yang ≥ 0,5 pada kedua faktor maka analisis faktor harus diulang dan dilakukan rotasi faktor dengan metode
varimax atau metode lain sampai tidak terdapat nilai-nilai komponen bersama yang ≥
0,5 pada dua komponen faktor atau lebih.
Sehingga rotasi faktor dengan metode Varimax with Kaiser Normalization dilakukan dan menghasilkan pengelompokan faktor baru yang terbentuk dengan ketentuan metode ekstraksi yang telah sesuai. Hasil dari penentuan komponen atau faktor baru dapat dilihat pada tabel 4.9.
Tabel 4.9 Rotasi Faktor Baru Rotated Component Matrixa
Component Kansei Word 1 2 3 4 5 Kuat -0.009 0.744 0.097 0.117 0.157 Mudah diingat 0.204 0.463 0.073 -0.005 0.742 Ergonomis 0.139 0.212 0.627 0.017 0.238 Komunikatif 0.101 0.201 0.68 -0.265 0.254 Tidak monoton -0.204 0.418 0.544 0.115 0.076 Inovatif, kreatif 0.156 0.781 0.147 0.083 0.285 Mudah dibawa 0.072 0.169 0.726 0.104 -0.006 Uptodate, modis 0.681 0.181 0.315 0.232 0.287 Aman 0.146 0.727 0.174 0.467 -0.129 Bagus 0.14 -0.031 0.114 0.841 0.135 Berdaya jual 0.182 0.321 -0.104 0.704 -0.017 Menarik 0.672 -0.045 0.468 0.317 -0.19
Tabel 4.9 Rotasi Faktor Baru (Lanjutan)
Unik 0.816 0.096 0.066 0.151 0.07 Berkarakter 0.144 0.338 0.254 0.393 0.667 Informatif 0.682 0.384 0.27 -0.004 0.128 Ramah lingkungan 0.577 0.257 0.176 0.132 -0.5 Efisien, hemat tempat 0.814 0.021 0.106 -0.096 0.118 Bahan recycle 0.208 -0.109 0.674 0.063 -0.177 Konstruksi kemasan bentuk
rangkaian 0.66 0.012 -0.186 0.149 -0.025 Praktis 0.186 0.695 0.131 -0.073 0.08 Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 6 iterations. Sumber : olah data, 2015
Dari rotasi faktor maka didapatkan 5 komponen baru dimana komponen 1 terdapat 7 kansei word yaitu uptodate-modis, menarik, unik, informatif, ramah lingkungan, efisien - hemat tempat dan konstruksi kemasan berbentuk rangkaian. Komponen 2 terdapat 4 kansei word yang terdiri dari kuat, inovatif - kreatif, aman dan praktis. Komponen 3 terdapat 5 kansei word yaitu ergonomis, komunikatif, tidak monoton, mudah dibawa dan bahan recycle. Sedangkan komponen 4 dan 5 terdapat masing-masing 2 kansei word dimana komponen 4 terdiri dari kansei word bagus dan berdaya jual, komponen 5 terdiri dari kansei word mudah diingat dan berkarakter.
Komponen ini akan dianalisis lebih lanjut menggunakan metode modifikasi Model Kano yang merupakan metode kedua yang penulis gunakan untuk menentukan atribut pengembangan kemasan bandeng duri lunak.
4.4 Penentuan Item dan Kategori
Dalam penelitian redesain kemasan bandeng duri lunak ini, penulis mengelompokkan item atau elemen desain ke dalam 5 macam elemen dan masing-masing terdapat tiga kategori. Elemen desain yang ditentukan yaitu berupa Warna, Bentuk, Bahan, Label dan Ilustrasi. Penentuan elemen dasar dan kategori item elemen dasar digunakan untuk membentuk beberapa kombinasi sampel yang nantinya akan digunakan sebagai sampel obyek untuk kuisioner kedua (Semantic
Differential II).
Pengkategorian item elemen desain ini didasarkan pada hasil penelitian kemasan bandeng duri lunak yang sudah ada dan penambahan satu elemen ilustrasi sesuai dengan keinginan konsumen yaitu dengan adanya ilustasi khas semarang. Elemen dasar dan ketegori tiap elemen atau item dapat dilihat pada tabel 4.10.
Tabel 4.10 Elemen Desain dan Kategori Redesain Kemasan
NO ITEM NO KATEGORI NOTASI
1 Warna 1 Polos X11 2 Transparan X12 3 Colorfull X13 2 Bentuk 1 Ikan X21 2 Kotak X22 3 Bantal X23
Tabel 4.10 Elemen Desain dan Kategori Redesain Kemasan (lanjutan) 3 Bahan 1 Art karton X31 2 Plastik X32 3 Sterofoam X33 4 Label 1 card paper X41 2 digital printing X42 3 offset printing X43 5 Ilustrasi 1 Bandeng X51 2 Khas Semarang X52 3 no-ilustration X53
Sumber : olah data, 2015
Selanjutnya yaitu penetuan sampel berdasarkan kategori yang telah diibuat. Sample yang terbentuk yaitu sebanyak 16 sampel dimana sample ini merupakan sample desain stimuli/rangsangan.
4.5 Hasil Kuisoner Kedua (Semantic Differential II)
Pada kuisioner kedua ini merupakan kuisioner lanjutan dari kuisioner pertama sehingga responden diminta untuk mengisi kembali kuisioner untuk masing-masing kansei word yang telah melalui Analisis faktor. Kuisioner kedua ini juga menggunakan skala 5-point SD dengan instruksi yang sama dengan kuisioner pertama. Tujuan dari kuisioner kedua ini yaitu mengevaluasi sampel desain oleh responden. Sebanyak 16 sampel desain diberikan dan responden harus mengevaluasi semua sampel dengan 20 kansei word yang diberikan pada masing-masing sampel
desain. Dengan itu maka dapat dianalisis mengenai hubungan antara masing-masing
kansei word dengan sampel-sampel sesuai image responden.
Kuisioner kedua dapat dilihat pada lampiran 6. Pada kuisioner kedua, diberikan pula satu kata evaluasi global mengenai kemasan kepada responden. Dimana evaluasi global ini akan digunakan untuk tahap selanjutnya pada Model Kano untuk penentuan atribut guna pengembangan kemasan. Selanjutnya dilakukan perhitungan rata-rata kansei word tiap stimuli dari evaluasi yang telah diberikan responden. Nilai rata-rata masing-masing sampel dan kansei word dan juga nilai rata-rata evaluasi global dari stimuli oleh responden akan digunakan sebagai data input untuk model kano dan analisis conjoint.