58 BAB IV
PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Penentuan Kansei Word.
Langkah awal penentuan kansei word yaitu dengan memberikan beberapa gambar produk dopplet bookcase kepada penguji atau responden yang akan di uji. Penentuankansei word ini berdasarkan persepsi atau pandangan penguji atau responden terhadap produk yang diperhatikan. Dari penelitian awal didapatkan 20 kansei word. 20 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 observasi Kansei word
1. Modern 2. Elegan 3. Menarik 4. Murah 5. Awet 6. Bermotif 7. Ergonomis 8. Minimalis 9. Inovatif 10. Rapi 11. Artistik 12. Unik 13. Praktis 14. Luas 15. Kasual 16. Natural 17. Halus
59 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 masing-masing 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 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 Kecukupan Data
Data kuisioner yang disebarkan sebanyak 45 kuisioner kepada responden yang sudah ditentukan. Dari rekapan hasil kuisioner, peneliti melakukan uji kecukupan data. Dibawah ini adalah hasil perhitungan uji kecukupan data.
N = [
𝑘⁄𝑠√𝑁(∑ 2𝑥𝑖 )−(∑ 𝑥𝑖)2
∑ 𝑥𝑖 ]
2
,N≥N’
Dimana :
N’ = Jumlah Pengamatan yang seharusnya dilakukan
K = Tingkat kepercayaan dalam pengamatan (k = 2, 1-α = 95%)
60 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 ≥ N’, Jadi jumlah pengamatan yang harus dilakukan adalah sebanyak :
N’ =[
2⁄0,05√45×603.010−26396.63
162.47 ]
2
N’ = [40 √27135.47−26396.69 162.47 ]2 N’ = 44.7
Besarnya N’ adalah 44,7 sedangkan nilai N adalah 45, sehingga N ≥ N’. 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 ≥ r tabel, 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 D1. Dibawah ini merupakan tabel 4.2 rekapan hasil uji validitas pada iterasi pertama :
61 Tabel 4.2 Hasil Uji Validitas Iterasi 1
Kansei Word Korelasi total item yang
dikorelasi
Keterangan
1. Kasual 264 Tidak Valid
2. Elegan 420 Valid
3. Modern 381 Valid
4. Luas 257 Tidak Valid
5. Bermotif 592 Valid
6. Ergonomis 732 Valid
7. Minimalis 568 Valid
8. Natural 253 Tidal Valid
9. Inovatif 510 Valid
10. Rapi 689 Valid
11. Menarik 454 Valid
12. Murah 488 Valid
13. Artistik 707 Valid
14. Awet 385 Valid`
15. Unik 462 Valid
16. Halus 262 Tidak Valid
17.Praktis 460 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 :
62 Tabel 4.3 Hasil Uji Validitas Iterasi 2
Kansei Word Korelasi total item yang
dikorelasi
Keterangan
1. Elegan 433 Valid
2. Modern 425 Valid
3. Bermotif 562 Valid
4. Ergonomis 715 Valid
5. Minimalis 512 Valid
6. Inovatif 535 Valid
7. Rapi 710 Valid
8. Menarik 479 Valid
9. Murah 559 Valid
10. Artistik 749 Valid
11. Awet 457 Valid`
12. Unik 479 Valid
13.Praktis 472 Valid
Hasil dari uji validitas pada iterasi yang kedua seluruh variabelnya valid karena nilai Гkalkulasi > 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.
Setelah variabel dinyatakan valid, maka langkah selanjutnya melakukan tes realibilitas dengan menggunakan software SPSS. Hasil dari uji reliabilitas dapat dilihat pada tabel 4.4.
Jadi hasil dari uji reliabilitas menyatakan nilai r alpha ≥ r tabel yaitu 0.88 > 0.301, maka data kuisioner dinyatakan reliable.
63 Tabel 4.4 Hasil Uji Realiabilitas
Case Processing Summary
N %
Cases
Valid 45 100,0
Excludeda 0 ,0
Total 45 100,0
a. Listwise deletion based on all variables in the procedure.
Reliability Statistics
Cronbach's Alpha
N of Items
,801 13
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 variabel yang dinyatakan valid dan reliable, kemudian variabel dilakukan analisis faktor dengan
menggunakan Software SPSS. Hasil tes nilai KMO (Kaiser-Mayer-Olkin) dan tes bartless dapat dilihat pada tabel 4.5 sebagai berikut :
64 Tabel 4.5 Hasil Tes Nilai KMO dan Bartless
KMO and Bartlett’s test Kaiser-meyer- oikin measure
of sampling adequacy
0.806
Bartlett’s test of sphericity Approx. chisquare 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 Tes Nilai MSA
Kansei word Nilai MSA Keterangan
Elegan 0.788 Layak
Modern 0.711 Layak
Bermotif 0.888 Layak
Ergonomis 0.786 Layak
Minimalis 0.646 Layak
Inovatif 0.863 Layak
Rapi 0.801 Layak
Menarik 0.811 Layak
Murah 0.726 Layak
Artistik 0.883 Layak
Awet 0.745 Layak
Unik 0.822 Layak
Praktis 0.839 Layak
65 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 perancangan dopplet bookcase 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.
Tabel 4.7 item dan kategori desain dopplet bookcase
No Elemen No Kategori Notasi
1 Mudah dibongkar 𝑋11
1 Bentuk 2 Tetap atau permanen 𝑋12
1 Kapasitas banyak 𝑋21
2 Sarana pendukung 2 Minimalis 𝑋22
3 Memiliki sekat 𝑋23
1 Kayu 𝑋31
3 Bahan 2 Besi 𝑋32
1 Polos 𝑋41
4 Warna 2 Dua warna atau lebih 𝑋42
3 Bermotif 𝑋43
1 Kecil 𝑋51
5 Ukuran 2 Besar 𝑋52
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. Sampel-sampel tersebut dapat dilihat pada tabel 4.8 berikut ini :
66 Tabel 4.8 item dan kategori-kategori masing-masing sampel
No Bentuk Sarana pendukung Bahan Warna Ukuran 1 Tetap atau statis Kapasitas banyak kayu Warna besar 2 Tetap atau statis Kapasitas banyak kayu Polos kecil 3 Tetap atau statis Kapasitas banyak Besi Polos kecil
4 Mudah
dibongkar
Kapasitas banyak Kayu Polos kecil
5 Tetap atau statis Memiliki sekat Besi warna Besar
6 Mudah
dibongkar
Minimalis Besi warna Kecil
7 Tetap atau statis Memiliki sekat Kayu bermotif Kecil 8 Tetap atau statis Kapasitas banyak 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 dilihat pada lampiran E. 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 data proses analisa Conjoint. Hasil nilai rata-rata masing- masing Kansei Word pada setiap sampel, dapat dilihat pada lampiran F
67 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 Jumlah sampel yang diberikan yaitu 8, jadi jumlah sampel sudah tercukupi 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 ‘Bentuk Meja’ (‘Mudah Dibongkar’ ‘Tetap’)
Sarana Pendukung ‘Sarana pendukung meja’(‘kapasitas banyak’ ‘minimalis’ ‘memiliki sekat’)
Bahan ‘Bahan dari meja’ (‘Kayu’ ‘Besi’)
Warna ‘Warna meja’ (‘Polos’ ‘Warna’ ‘Bermotif’) Ukuran ‘Ukuran dari meja’ (‘Besar’ ‘Kecil’) /HOLDOUT=0
SAVE OUTFILE=’ujiconjoint1.SAV’.
68 5. Klik Run kemudian klik all
6. Output dari syntax conjoint 1
7. Menyimpan file dengan nama ‘ujiconjoin1.SAV’
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=’ujiconjoint1.SAV’
/FACTORS=
Bentuk ‘Bentuk Meja’ (‘Mudah Dibongkar’)
Sarana Pendukung ‘Sarana Pendukung Meja’ (‘Kapasitas banyak’ ‘minimalis’ ‘memiliki sekat’) Bahan ‘Bahan dari meja’ (‘kayu’ ‘besi’)
Warna ‘Warna meja’ (‘polos’ ‘warna’ ‘bermotif’) Ukuran ‘ukuran meja’ (‘besar’ ‘kecil’)
/SUBJECT=KODE
/SCORE=SAMPEL 1 SAMPEL 2 SAMPEL 3 SAMPEL 4 SAMPEL 5 SAMPEL 6 SAMPEL 7 SAMPEL 8
/UTILITY=’Ujiconjoint2. SAV’
9. Klik Run kemudian Ok
69 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 perhitungan deviasi 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 Elegan
Elemen desain kategori selisih
Biasa Elegan
Bentuk Mudah dibongkar 0.105
Tetap atau statis -0.105
Kapasitas banyak 0.217
Sarana pendukung Minimalis -0.223
Memiliki sekat 0.007
Bahan Kayu -0.95
Besi 0.95
Polos 0.93
Warna 2 warna atau lebih 0.223
Bermotif -0.317
Ukuran Besar -0.210
Kecil 0.210
Constant 3.210
Correlation Coefficient
Pearson 1
Kendall 1
Significance Pearson 0
Kendall 0.000266
70 Hasil perhitungan Deviasi pada Modern
Elemen desain kategori selisih
tradisional modern Bentuk Mudah dibongkar -0.235
Tetap atau statis 0.235
Sarana Pendukung Kapasitas banyak -0.017
Minimalis -0.047
Memiliki Sekat 0.63
Bahan Kayu -0.390
Besi 0.390
Warna Polos 0.040
2 Warna atau Lebih 0.240
Bermotif -0.280
Ukuran Besar 0.045
Kecil -0.045
Constant 3.047
Correlation Coefficient
Pearson 1
Kendall 1
Significane Pearson 0
Kendal 0.0002660
Hasil Perhitungan Deviasi pada Kansei Word Bermotif
Elemen Desain Kategori Selisih
Polos Bermotif
Bentuk Mudah Dibongkar -0.105
Tetap atau Statis 0.105
Sarana Pendukung Kapasitas Banyak -0.033
Minimalis -0.123
Memiliki Sekat 0.157
Bahan Kayu -0.050
Besi 0.050
71
Warna Polos 0.030
2 Warna atau Lebih -0.140
Bermotif 0.110
Ukuran Besar 0.165
Kecil -0.165
Constant 3.223
Correlation Coefficient
Pearson 1
Kendall 1
Significane Pearson 0
Kendall 0.0002660
Hasil Perhitungan Deviasi pada kansei word Ergonomis
Elemen desain kategori selisih
Tidak Ergonomis Ergonomis
Bentuk Mudah dibongkar -0.090
Tetap atau statis 0.090
Kapasitas banyak 0.123
Sarana pendukung Minimalis -0.127
Memiliki sekat 0.003
Bahan Kayu 0.075
Besi -0.075
Polos 0.223
Warna 2 warna atau lebih 0.003
Bermotif -0.227
Ukuran Besar 0.035
Kecil -0.035
Constant 3.233
Correlation Coefficient
Pearson 1
Kendall 1
Significance Pearson 0
Kendall 0.00034722
72 Hasil Perhitungan Deviasi pada kansei word Minimalis
Elemen desain kategori selisih
Maksimalis Minimalis
Bentuk Mudah dibongkar -0,130
Tetap atau statis 0,130
Kapasitas banyak 0.230
Sarana pendukung Minimalis -0.150
Memiliki sekat -0.80
Bahan Kayu -0.145
Besi 0.145
Polos 0.293
Warna 2 warna atau lebih 0.073
Bermotif -0.367
Ukuran Besar 0.100
Kecil -0.100
Constant 3032
Correlation Coefficient
Pearson 1
Kendall 1
Significance Pearson 1.36845 E -47
Kendall 0.00034722
Hasil Perhitungan Deviasi pada kansei word Inovatif
Elemen desain kategori selisih
Tidak Inovatif Inovatif
Bentuk Mudah dibongkar -0.215
Tetap atau statis 0.215
Kapasitas banyak 0.323
Sarana pendukung Minimalis -0.107
Memiliki sekat -0.217
Bahan Kayu -0.255
Besi 0.255
73
Polos 0.167
Warna 2 warna atau lebih 0.277
Bermotif -0.443
Ukuran Besar -0.025
Kecil 0.025
Constant 2935
Correlation Coefficient
Pearson 1
Kendall 1
Significance Pearson 0
Kendall 0.00026600
Hasil Perhitungan Deviasi pada kansei word Rapi
Elemen desain kategori selisih
Tidak Rapi Rapi
Bentuk Mudah dibongkar 0.090
Tetap atau statis -0.090 Kapasitas banyak -0.010
Sarana pendukung Minimalis -0.100
Memiliki sekat 0.110
Bahan Kayu -0.100
Besi 0.100
Polos 0.130
Warna 2 warna atau lebih 0.200
Bermotif -0.330
Ukuran Besar 0.090
Kecil -0.090
Constant 322
Correlation Coefficient
Pearson 1
Kendall 1
Significance Pearson 0
74
Kendall 0.00034722
Hasil Perhitungan Deviasi pada kansei word Menarik
Elemen desain kategori selisih
Tidak Menarik Menarik
Bentuk Mudah dibongkar -0.190
Tetap atau statis 0.190
Kapasitas banyak 0.193
Sarana pendukung Minimalis -0.207
Memiliki sekat 0.013
Bahan Kayu -0.115
Besi 0.115
Polos 0.147
Warna 2 warna atau lebih -0.003
Bermotif -0.143
Ukuran Besar 0.010
Kecil -0.010
Constant 3215
Correlation Coefficient
Pearson 1
Kendall 1
Significance Pearson 0
Kendall 0.00034722
Hasil Perhitungan Deviasi pada kansei word Murah
Elemen desain kategori selisih
Mahal Murah
Bentuk Mudah dibongkar -0.085
Tetap atau statis 0.085
Kapasitas banyak -0.153
Sarana pendukung Minimalis -0.093
Memiliki sekat 0.247
Bahan Kayu 0.040
75
Besi -0.040
Polos 0.127
Warna 2 warna atau lebih -0.013
Bermotif -0.023
Ukuran Besar 0.100
Kecil -0.100
Constant 3412
Correlation Coefficient
Pearson 1
Kendall 1
Significance Pearson 0
Kendall 0.00026600
Hasil Perhitungan Deviasi pada kansei word Artistik
Elemen desain kategori selisih
Tidak Artistik Artistik
Bentuk Mudah dibongkar 0.120
Tetap atau statis -0.120 Kapasitas banyak -0.123
Sarana pendukung Minimalis -0.103
Memiliki sekat 0.227
Bahan Kayu 0.135
Besi -0.135
Polos -0.123
Warna 2 warna atau lebih -0.103
Bermotif 0.227
Ukuran Besar 0.065
Kecil -0.065
Constant 3527
Correlation Coefficient
Pearson 1
Kendall 1
76
Significance Pearson 0
Kendall 0.000033472
Hasil Perhitungan Deviasi pada kansei word Awet
Elemen desain kategori selisih
Rusak Awet
Bentuk Mudah dibongkar -0.270
Tetap atau statis 0.270
Kapasitas banyak -0.100
Sarana pendukung Minimalis 0.100
Memiliki sekat -0.1388E-16
Bahan Kayu -0.105
Besi 0.105
Polos 0.15
Warna 2 warna atau lebih -0.160
Bermotif 0.010
Ukuran Besar 0.155
Kecil -0.155
Constant 3230
Correlation Coefficient
Pearson 1
Kendall 1
Significance Pearson 1.710569E -48
Kendall 0.00034722
Hasil Perhitungan Deviasi pada kansei word Unik
Elemen desain kategori selisih
Tidak Unik Unik
Bentuk Mudah dibongkar -0.105
Tetap atau statis 0.105
Kapasitas banyak -0.153
Sarana pendukung Minimalis 0.047
Memiliki sekat 0.107
77
Bahan Kayu -0.092
Besi 0.092
Polos 0.263
Warna 2 warna atau lebih -0.237
Bermotif -0.027
Ukuran Besar 0.020
Kecil -0.020
Constant 3435
Correlation Coefficient
Pearson 1
Kendall 1
Significance Pearson 0
Kendall 0.00034722
Hasil Perhitungan Deviasi pada kansei word Praktis
Elemen desain kategori selisih
Tidak Praktis Praktis
Bentuk Mudah dibongkar 0.090
Tetap atau statis -0.090 Kapasitas banyak -0.010
Sarana pendukung Minimalis -0.100
Memiliki sekat 0.110
Bahan Kayu -0.100
Besi 0.100
Polos 0.130
Warna 2 warna atau lebih 0.200
Bermotif -0.330
Ukuran Besar 0.090
Kecil -0.090
Constant 322
Correlation Coefficient
Pearson 1
78
Kendall 1
Significance Pearson 0
Kendall 0.00034722
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.
Tabel 4.10 Pendekatan Elemen Desain Kansei Word : Praktis
Elemen Desain Tidak Praktis Praktis
Bentuk Tetap atau Statis Mudah Dibongkar
Sarana Pendukung Kapasitas Banyak Minimalis, memiliki sekat
Bahan Besi Kayu
Warna Bermotif Polos, 2Warna atau Lebih
Ukuran Besar Kecil
Pendekatan Elemen Desain berdasarkan nilai terbesar
Tetap atau statis, Kapasitas banyak,kayu, bermotif,Besar
Mudah dibongkar, Minimalis, Memiliki Sekat, Besi, Polos,2 Warna atau lebih,Kecil Kansei Word : Minimalis
Elemen Desain Maksimalis Minimalis
Bentuk Tetap atau statis Mudah dibongkar
Sarana Pendukung Kapasitas Banyak Minimalis, memiliki sekat
Bahan Kayu Besi
Warna 2Warna atau lebih Polos, bermotif
Ukuran Besar Kecil
79 Pendekatan Elemen, Desai
Berdasarkan nilai Terbesar
Mudah dibongkar, Kapasitas Banyak, Kayu,Bermotif,Besar
Tetap atau statis, Minimalis, Besi, Polos, 2Warna atau lebih, Kecil
Kansei Word : Modern
Elemen Desain Modern Tradisional
Bentuk Mudah dibongkar Tetap atau statis
Sarana Pendukung Kapsitas banyak, Minimalis Memiliki sekat
Bahan Kayu Besi
Warna Bermotif, 2 warna atau lebih Polos
Ukuran Kecil Besar
Pendekatan Elemen Desain berdasarkan nilai Terbesar
Mudah dibongkar, Kapasitas Banyak, minimalis, Kecil
Tetap atau Statis, Memiliki Sekat, Polos, Besar
Kansei Word : Artistik
Elemen Desai Tidak Artistik Artistik
Bentuk Mudah dibongkar Tetap atau Statis
Sarana Pendukung Kapasitas Banyak Memiliki Sekat, Minimalis
Bahan Besi Kayu
Warna Bermotif Polos, 2 warna atau lebih
Ukuran Kecil Besar
Pendekatan Elemen Desain berdasarkan nilai Terbesar
Mudah dibongkar, Kapasitas Banyak, minimalis, Kecil
Tetap atau Statis, Memiliki Sekat, Polos, Besar
Kansei Word : Unik
Elemen Desai Tidak Unik Unik
Bentuk Mudah dibongkar Tetap atau Statis
Sarana Pendukung Kapasitas Banyak Memiliki Sekat, Minimalis
Bahan Besi Kayu
Warna Bermotif Polos, 2 warna atau lebih
Ukuran Kecil Besar
Pendekatan Elemen Desain berdasarkan nilai Terbesar
Mudah dibongkar, Kapasitas Banyak, minimalis, Kecil
Tetap atau Statis, Memiliki Sekat, Polos, Besar
Kansei Word : Awet
80
Elemen Desai Mudah Rusak Awet
Bentuk Mudah dibongkar Tetap atau Statis
Sarana Pendukung Kapasitas Banyak Memiliki Sekat, Minimalis
Bahan Besi Kayu
Warna Bermotif Polos, 2 warna atau lebih
Ukuran Kecil Besar
Pendekatan Elemen Desain berdasarkan nilai Terbesar
Mudah dibongkar, Kapasitas Banyak, minimalis, Kecil
Tetap atau Statis, Memiliki Sekat, Polos, Besar
Kansei Word : Menarik
Elemen Desai Membosankan Menarik
Bentuk Mudah dibongkar Tetap atau Statis
Sarana Pendukung Kapasitas Banyak Memiliki Sekat, Minimalis
Bahan Besi Kayu
Warna Bermotif Polos, 2 warna atau lebih
Ukuran Kecil Besar
Pendekatan Elemen Desain berdasarkan nilai Terbesar
Mudah dibongkar, Kapasitas Banyak, minimalis, Kecil
Tetap atau Statis, Memiliki Sekat, Polos, Besar
Kansei Word :Rapi
Elemen Desai Berantakan Rapi
Bentuk Mudah dibongkar Tetap atau Statis
Sarana Pendukung Kapasitas Banyak Memiliki Sekat, Minimalis
Bahan Besi Kayu
Warna Bermotif Polos, 2 warna atau lebih
Ukuran Kecil Besar
Pendekatan Elemen Desain berdasarkan nilai Terbesar
Mudah dibongkar, Kapasitas Banyak, minimalis, Kecil
Tetap atau Statis, Memiliki Sekat, Polos, Besar
Kansei Word : Inovatif
Elemen Desai Tidak Inovatif Inovatif
Bentuk Mudah dibongkar Tetap atau Statis
Sarana Pendukung Kapasitas Banyak Memiliki Sekat, Minimalis
Bahan Besi Kayu
81
Warna Bermotif Polos, 2 warna atau lebih
Ukuran Kecil Besar
Pendekatan Elemen Desain berdasarkan nilai Terbesar
Mudah dibongkar, Kapasitas Banyak, minimalis, Kecil
Tetap atau Statis, Memiliki Sekat, Polos, Besar
Kansei Word : Bermotif
Elemen Desai Tidak Bermotif Bermotif
Bentuk Mudah dibongkar Tetap atau Statis
Sarana Pendukung Kapasitas Banyak Memiliki Sekat, Minimalis
Bahan Besi Kayu
Warna Bermotif Polos, 2 warna atau lebih
Ukuran Kecil Besar
Pendekatan Elemen Desain berdasarkan nilai Terbesar
Mudah dibongkar, Kapasitas Banyak, minimalis, Kecil
Tetap atau Statis, Memiliki Sekat, Polos, Besar
Kansei Word : Ergonomis
Elemen Desai Tidak Ergonomis Ergonomis
Bentuk Mudah dibongkar Tetap atau Statis
Sarana Pendukung Kapasitas Banyak Memiliki Sekat, Minimalis
Bahan Besi Kayu
Warna Bermotif Polos, 2 warna atau lebih
Ukuran Kecil Besar
Pendekatan Elemen Desain berdasarkan nilai Terbesar
Mudah dibongkar, Kapasitas Banyak, minimalis, Kecil
Tetap atau Statis, Memiliki Sekat, Polos, Besar
Kansei Word : Elegan
Elemen Desai Tidak Elegan Elegan
Bentuk Mudah dibongkar Tetap atau Statis
Sarana Pendukung Kapasitas Banyak Memiliki Sekat, Minimalis
Bahan Besi Kayu
Warna Bermotif Polos, 2 warna atau lebih
Ukuran Kecil Besar
Pendekatan Elemen Desain berdasarkan nilai Terbesar
Mudah dibongkar, Kapasitas Banyak, minimalis, Kecil
Tetap atau Statis, Memiliki Sekat, Polos, Besar
82 Kansei Word : Murah
Elemen Desai Mahal Murah
Bentuk Mudah dibongkar Tetap atau Statis
Sarana Pendukung Kapasitas Banyak Memiliki Sekat, Minimalis
Bahan Besi Kayu
Warna Bermotif Polos, 2 warna atau lebih
Ukuran Kecil Besar
Pendekatan Elemen Desain berdasarkan nilai Terbesar
Mudah dibongkar, Kapasitas Banyak, minimalis, Kecil
Tetap atau Statis, Memiliki Sekat, Polos, Besar
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 g.
1. Kansei Word = Praktis
a. Faktor penting untuk bentuk adalah 11,667%
b. Faktor penting untuk sarana pendukung adalah 24,444%
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.
83 2. Kansei Word = Minimalis
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%
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%
84 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.
4. Kansei Word = Unik
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%
85 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
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.
86 8. Kansei Word =Bermotif
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%
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 = Elegan
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%
87 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.
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 = Murah
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%
88 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%
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 h. 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, H0 diterima
89 Sig. < 0,05, H0 ditolak
Nilai value dan significant pada correlation yang terlampir pada Lampiran h, 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 i. Elemen desain yang akan dipilih dan dirancang yaitu elemen desain yang terbentuk dari banyaknya nilai-nilai 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 : tetap atau statis
2. Sarana Pendukung : kapasitas banyak dan minimalis 3. Bahan : Kayu
4. Warna : Bermotif
5. Ukuran : Kecil
Sehingga desain produk yang dipilih dan dirancang memiliki spesifikasi seperti tersebut.
Setelah mengetahui konsep desain, maka peneliti merancang desain dopplet bookcase 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 j. Dimensi produk yang dirancang memperhatikan sisi ergonomis, yaitu dengan menggunakan data antropometri orang Indonesia.
90 Gambar 4.1 dopplet bookcase
Gambar 4.2 dopplet bookcase
Gambar 4.3 dopplet bookcase
91 4.8 Perancangan Produk
Dalam pembuatan almari buku terdapat 4 proses utama, diantaranya:
1 proses pemotongan bahan
Gambar 4.4 pemotongan bahan almari buku
92 2. proses perakitan bahan atau kerangka lemari
Gambar 4.5 perakitan kerangka almari buku
93 3. proses finishing, yaitu proses pengalusan permukaan serta proses pewarnanya
Gambar 4.6 finishing Almari buku
94 4. proses akhir yaitu pengecekan terakhir produk
Gambar 4.7 ALMARI BUKU