bab iv pengumpulan dan pengolahan data 4.1...
TRANSCRIPT
56
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
57
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 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
58
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.
N’ = [
𝑘
𝑠 √𝑁 (Ʃ𝑥𝑖2)−(Ʃ𝑥𝑖)²
⁄
Ʃ𝑥𝑖] , N ≥ N’
Dimana :
2
59
N’ = 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 ≥ N’, Jadi jumlah pengamatan yang harus
dilakukan adalah sebanyak :
N’ = [2
0,05 √45 𝑋 603.010−26396.63⁄
162.47]
N’ = [40 √27135.47−26396.69
162.47]
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,
2
2
60
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 Korelasi total item yang dikorelasi
Keterangan
1. Praktis 0.575 Valid
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
61
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 Korelasi total item yang dikorelasi
Keterangan
1. Praktis 0.561 Valid
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
62
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.
63
Tabel 4.4 Hasil Uji Reliabilitas
Reliability Statistics
Part1 Value 0.787
N of Items 7a
Part 2 Value 0.705
N of Items 6b
Total N of Items 13
Correlation Between Forms
0.792
Equal Length 0.884
Unequal Length 0.884
Guttman Split-Half Coefficient
0.88
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
64
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 :
Tabel 4.5 Hasil Tes Nilai KMO dan Bartless
KMO and Bartlett’s Test
Kaiser-Meyer-Olkin 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 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
65
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.
66
Tabel 4.7 Item dan Kategori Desain Fideks Compack Workstation
No Elemen No Kategori Notasi
1
Bentuk
1 Mudah Dibongkar X11
2 Tetap atau Statis X12
2
Sarana Pendukung
1 Monitor Komputer X21
2 Telepon X22
3 Lampu X23
3
Bahan
1 Kayu X31
2 Besi X32
4
Warna
1 Polos X41
2 Dua warna atau lebih X42
3 Bermotif X43
5
Ukuran
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. Sampel-
sampel tersebut dapatdilihat pada tabel 4.8 berikut ini :
67
Tabel 4.8 Item dan Kategori-Kategori Masing-Masing Sampel
No Sampel
Bentuk Sarana Pendukung
Bahan Warna Ukuran
1 Tetap atau Statis
Monitor Komputer Kayu Polos Besar
2 Tetap atau Statis
Monitor komputer Kayu Warna Kecil
3 Tetap atau Statis
Monitor Komputer Besi Bermotif Kecil
4 Tetap atau Statis
Telepon Kayu Warna Kecil
5 Tetap atau Statis
Lampu Besi Polos Besar
6 Tetap atau Statis
Lampu Besi Polos Kecil
7 Mudah Dibongkar
Monitor Komputer Kayu Warna Kecil
8 Mudah Dibongkar
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
68
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
69
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’ (‘Monitor Komputer’ ‘Telepon’ ‘Lampu’) Bahan ‘Bahan dari meja’ (‘Kayu’ ‘Besi’) Warna ‘Warna meja’ (‘Polos’ ‘Warna’ ‘Bermotif’) Ukuran ‘Ukuran dari meja’ (‘Besar’ ‘Kecil’) /HOLDOUT=0 SAVE OUTFILE=’ujiconjoint1.SAV’.
70
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’ ‘Tetap’) Sarana Pendukung ‘Sarana pendukung meja’ (‘Monitor Komputer’ ‘Telepon’ ‘Lampu’) Bahan ‘Bahan dari meja’ (‘Kayu’ ‘Besi’) Warna ‘Warna meja’ (‘Polos’ ‘Warna’ ‘Bermotif’) Ukuran ‘Ukuran dari meja’ (‘Besar’ ‘Kecil’) /SUBJECT=KODE /SCORE=SAMPEL1 SAMPEL2 SAMPEL3 SAMPEL4 SAMPEL5 SAMPEL6 SAMPEL7 SAMPEL8 /UTILITY=’ujiconjoint2.SAV’
71
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 Selisih
Tidak Praktis Praktis
Bentuk Mudah Dibongkar 0.105
Tetap atau Statis -0.105
Sarana Pendukung
Monitor Komputer 0.217
Telepon -0.223
Lampu 0.007
Bahan Kayu -0.95
Besi 0.95
Warna
Polos 0.93
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
Hasil Perhitungan Deviasi Pada Kansei Word Halus
Elemen Desain Kategori Selisih
Kasar Halus
Bentuk Mudah Dibongkar -0.235
72
Tetap atau Statis 0.235
Sarana Pendukung
Monitor Komputer -0.017
Telepon -0.047
Lampu 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
Significance Pearson 0
Kendall 0,0002660
Hasil Perhitungan Deviasi Pada Kansei Word Modern
Elemen Desain Kategori Selisih
Konvensional Modern
Bentuk Mudah Dibongkar -0.105
Tetap Atau Statis 0,105
Sarana Pendukung
Monitor Komputer -0.033
Telepon -0.123
Lampu 0.157
Bahan Kayu -0.050
Besi 0.050
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
Significance Pearson 0
Kendall 0.0002660
Hasil Perhitungan Deviasi Pada Kansei Word Artistik
Elemen Desain Kategori Selisih
Tidak Artistik Artistik
Bentuk Mudah Dibongkar -0.090
Tetap atau Statis 0.090
Sarana Pendukung Monitor Komputer 0.123
Telepon -0.127
73
Lampu 0.003
Bahan Kayu 0.075
Besi -0.075
Warna
Polos 0.223
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
Hasil Perhitungan Deviasi Pada Kansei Word Rapi
Elemen Desain Kategori Selisih
Berantakan Rapi
Bentuk Mudah Dibongkar -0.220
Tetap atau Statis 0.220
Sarana Pendukung
Monitor Komputer 0.187
Telepon -0.153
Lampu -0.033
Bahan Kayu -0.190
Besi 0.190
Warna Polos 0.087
2 warna atau lebih 0.247
Bermotif -0.333
Ukuran Besar -0.085
Kecil 0.085
Constant 3.382
Correlation Coefficient Pearson 1
Kendall 1
Significance Pearson 0
Kendall 0.00034722
Hasil Perhitungan Deviasi Pada Kansei Word Menarik
Elemen Desain Kategori Selisih
Membosankan Menarik
Bentuk Mudah Dibongkar -0.130
Tetap atau Statis 0.130
Sarana Pendukung
Monitor Komputer 0.230
Telepon -0.150
Lampu -0.80
Bahan Kayu -0.145
Besi 0.145
74
Warna
Polos 0.293
2 warna atau lebih 0.073
Bermotif -0.367
Ukuran Besar 0.100
Kecil -0.100
Constant 3.032
Correlation Coefficient Pearson 1
Kendall 1
Significance Pearson 1.36845 E-47
Kendall 0,00034722
Hasil Perhitungan Deviasi Pada Kansei Word Ergonomis
Elemen Desain Kategori Selisih
Tdk Ergonomis Ergonomis
Bentuk Mudah Dibongkar -0.215
Tetap atau Statis 0.215
Sarana Pendukung
Monitor Komputer 0.323
Telepon -0.107
Lampu -0.217
Bahan Kayu -0.255
Besi 0.255
Warna Polos 0.167
2 warna atau lebih 0.277
Bermotif -0.443
Ukuran Besar -0.025
Kecil 0.025
Constant 2.935
Correlation Coefficient Pearson 1
Kendall 1
Significance Pearson 0
Kendall 0,00026600
Hasil Perhitungan Deviasi Pada Kansei Word Kasual
Elemen Desain Kategori Selisih
Formal Kasual
Bentuk Mudah Dibongkar 0.090
Tetap atau Statis -0.090
Sarana Pendukung
Monitor Komputer -0.010
Telepon -0.100
Lampu 0.110
Bahan Kayu -0.100
Besi 0.100
Warna
Polos 0.130
2 warna atau lebih 0.200
Bermotif -0.330
75
Ukuran Besar 0.090
Kecil -0.090
Constant 3.22
Correlation Coefficient Pearson 1
Kendall 1
Significance Pearson 0
Kendall 0.00034722
Hasil Perhitungan Deviasi Pada Kansei Word Nyaman
Elemen Desain Kategori Selisih
Tdk Nyaman Nyaman
Bentuk Mudah Dibongkar -0.190
Tetap atau Statis 0.190
Sarana Pendukung
Monitor Komputer 0.193
Telepon -0.207
Lampu 0.013
Bahan Kayu -0.115
Besi 0.115
Warna
Polos 0.147
2 warna atau lebih -0.003
Bermotif -0.143
Ukuran Besar 0.010
Kecil -0.010
Constant 3.215
Correlation Coefficient Pearson 1
Kendall 1
Significance Pearson 0
Kendall 0,00034722
Hasil Perhitungan Deviasi Pada Kansei Word Inovatif
Elemen Desain Kategori Selisih
Tdk Inovatif Inovatif
Bentuk Mudah Dibongkar -0.085
Tetap atau Statis 0.085
Sarana Pendukung
Monitor Komputer -0.153
Telepon -0.093
Lampu 0.247
Bahan Kayu 0.040
Besi -0.040
Warna
Polos 0.127
2 warna atau lebih -0.103
Bermotif -0.023
Ukuran Besar 0.100
Kecil -0.100
Constant 3.412
76
Correlation Coefficient Pearson 1
Kendall 1
Significance Pearson 0
Kendall 0.00026600
Hasil Perhitungan Deviasi Pada Kansei Word Awet
Elemen Desain Kategori Selisih
Cepat Rusak Awet
Bentuk Mudah Dibongkar 0.120
Tetap atau Statis -0.120
Sarana Pendukung
Monitor Komputer -0.123
Telepon -0.103
Lampu 0.227
Bahan Kayu 0.135
Besi -0.135
Warna
Polos -0.123
2 warna atau lebih -0.103
Bermotif 0.227
Ukuran Besar 0.065
Kecil -0.065
Constant 3.527
Correlation Coefficient Pearson 1
Kendall 1
Significance Pearson 0
Kendall 0.0003472
Hasil Perhitungan Deviasi Pada Kansei Word Komplek
Elemen Desain Kategori Selisih
Tdk Komplek Komplek
Bentuk Mudah Dibongkar -0.270
Tetap atau Statis 0.270
Sarana Pendukung
Monitor Komputer -0.100
Telepon 0.100
Lampu -1.388E-16
Bahan Kayu -0.105
Besi 0.105
Warna
Polos 0.15
2 warna atau lebih -0.160
Bermotif 0.010
Ukuran Besar 0.155
Kecil -0.155
Constant 3.230
Correlation Coefficient Pearson 1
Kendall 1
Significance Pearson 1.710569E-48
77
Kendall 0.00034722
Hasil Perhitungan Deviasi Pada Kansei Word Unik
Elemen Desain Kategori Selisih
Tdk Unik Unik
Bentuk Mudah Dibongkar -0.105
Tetap atau Statis 0.105
Sarana Pendukung
Monitor Komputer -0.153
Telepon 0.047
Lampu 0.107
Bahan Kayu -0.092
Besi 0.092
Warna
Polos 0.263
2 warna atau lebih -0.237
Bermotif -0.027
Ukuran Besar 0.020
Kecil -0.020
Constant 3.435
Correlation Coefficient Pearson 1
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.
78
Tabel 4.10 Pendekatan Elemen Desain
Kansei Word : Praktis
Elemen Desain Tidak Praktis Praktis
Bentuk Tetap atau Statis Mudah dibongkar
Sarana Pendukung
Telepon
Monitor Komputer, Lampu
Bahan Kayu Besi
Warna Bermotif
Polos, 2 warna atau Lebih
Ukuran Besar Kecil
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
Kansei Word : Halus
Elemen Desain Kasar Halus
Bentuk Mudah dibongkar Tetap atau Statis
Sarana Pendukung
Monitor komputer, Telepon
Lampu
Bahan Kayu Besi
Warna Bermotif
Polos, 2 warna atau Lebih
Ukuran Kecil 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
Kansei Word : Modern
Elemen Desain Konvensional Modern
Bentuk Mudah dibongkar Tetap atau Statis
Sarana Pendukung
Monitor komputer, Telepon
Lampu
Bahan Kayu Besi
Warna 2 warna atau lebih
Polos, Bermotif
Ukuran Kecil Besar
79
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 Tidak Artistik Artistik
Bentuk Mudah dibongkar Tetap atau Statis
Sarana Pendukung
Telepon
Monitor komputer, Lampu
Bahan Besi Kayu
Warna Bermotif
Polos, 2 warna atau Lebih
Ukuran Kecil Besar
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
Kansei Word : Rapi
Elemen Desain Berantakan Rapi
Bentuk Mudah dibongkar Tetap atau Statis
Sarana Pendukung
Telepon, Lampu
Monitor komputer
Bahan Kayu Besi
Warna Bermotif
Polos, 2 warna atau Lebih
Ukuran Besar 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
Kansei Word : Menarik
Elemen Desain Membosankan Menarik
Bentuk Mudah dibongkar Tetap atau Statis
Sarana Pendukung
Telepon, Lampu
Monitor komputer
Bahan Kayu Besi
Warna Bermotif
Polos, 2 warna atau Lebih
Ukuran Kecil Besar
80
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 Tidak Ergonomis Ergonomis
Bentuk Mudah dibongkar Tetap atau Statis
Sarana Pendukung
Telepon, Lampu
Monitor komputer
Bahan Kayu Besi
Warna Bermotif
Polos, 2 warna atau Lebih
Ukuran Besar 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
Kansei Word : Kasual
Elemen Desain Formal Kasual
Bentuk Tetap atau Statis Mudah dibongkar
Sarana Pendukung
Monitor Komputer, Telepon
Lampu
Bahan Kayu Besi
Warna Bermotif
Polos, 2 warna atau Lebih
Ukuran Kecil 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
Kansei Word : Nyaman
Elemen Desain Tidak Nyaman Nyaman
Bentuk Mudah dibongkar Tetap atau Statis
Sarana Pendukung
Telepon
Monitor komputer, Lampu
Bahan Kayu Besi
Warna 2 warna atau lebih, Bermotif
Polos
Ukuran Kecil Besar
81
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 Tidak Inovatif Inovatif
Bentuk Mudah dibongkar Tetap atau Statis
Sarana Pendukung
Monitor Komputer, Telepon
Lampu
Bahan Besi Kayu
Warna 2 warna atau lebih, Bermotif
Polos
Ukuran Kecil Besar
Pendekatan elemen Desain berdasarkan nilai terbesar
Mudah dibongkar, Monitor Komputer, Telepon,Besi, 2 warna atau lebih,
Tetap atau Statis, Lampu,Kayu, Polos, Besar
bermotif, Kecil
Kansei Word : Awet
Elemen Desain Cepat Rusak Awet
Bentuk Tetap atau Statis Mudah dibongkar
Sarana Pendukung
Monitor Komputer, Telepon
Lampu
Bahan Besi Kayu
Warna Polos, 2 warna atau Lebih
Bermotif
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
Kansei Word : Komplek
Elemen Desain Tidak Komplek Komplek
Bentuk Mudah dibongkar Tetap atau Statis
Sarana Pendukung
Monitor Komputer, Lampu
Telepon
Bahan Kayu Besi
Warna 2 warna atau lebih
Polos, Bermotif
Ukuran Kecil Besar
82
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
Kansei Word : Unik
Elemen Desain Tidak Unik Unik
Bentuk Mudah dibongkar Tetap atau Statis
Sarana Pendukung
Monitor Komputer,
Telepon, lampu
Bahan Kayu Besi
Warna 2 warna atau lebih, Bermotif
Polos
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
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%
83
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%
84
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
85
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%
86
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.
87
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%
88
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
89
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 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 : Mudah Dibongkar
2. Sarana Pendukung : Monitor Komputer dan Telepon
3. Bahan : Kayu
4. Warna : Polos
90
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
91
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:
92
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.