bab iv pengumpulan dan pengolahan data 4.1...

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


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


Bermotif -0.280

Ukuran Besar 0.045

Kecil -0.045

Constant 3.047


Kendall 1


Kendall 0,0002660

Hasil Perhitungan Deviasi Pada Kansei Word Modern


Konvensional Modern


Tetap Atau Statis 0,105

Sarana Pendukung


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


Kendall 1


Kendall 0.0002660

Hasil Perhitungan Deviasi Pada Kansei Word Artistik


Tidak Artistik Artistik



Sarana Pendukung Monitor Komputer 0.123

Telepon -0.127

73

Lampu 0.003

Bahan Kayu 0.075

Besi -0.075

Warna

Polos 0.223


Bermotif -0.227

Ukuran Besar 0.035

Kecil -0.035

Constant 3.233


Kendall 1


Kendall 0.00034722

Hasil Perhitungan Deviasi Pada Kansei Word Rapi


Berantakan Rapi



Sarana Pendukung


Telepon -0.153

Lampu -0.033

Bahan Kayu -0.190

Besi 0.190

Warna Polos 0.087


Bermotif -0.333

Ukuran Besar -0.085

Kecil 0.085

Constant 3.382


Kendall 1


Kendall 0.00034722

Hasil Perhitungan Deviasi Pada Kansei Word Menarik


Membosankan Menarik



Sarana Pendukung


Telepon -0.150

Lampu -0.80

Bahan Kayu -0.145

Besi 0.145

74

Warna

Polos 0.293


Bermotif -0.367

Ukuran Besar 0.100

Kecil -0.100

Constant 3.032


Kendall 1

Significance Pearson 1.36845 E-47

Kendall 0,00034722

Hasil Perhitungan Deviasi Pada Kansei Word Ergonomis


Tdk Ergonomis Ergonomis



Sarana Pendukung


Telepon -0.107

Lampu -0.217

Bahan Kayu -0.255

Besi 0.255

Warna Polos 0.167


Bermotif -0.443

Ukuran Besar -0.025

Kecil 0.025

Constant 2.935


Kendall 1


Kendall 0,00026600

Hasil Perhitungan Deviasi Pada Kansei Word Kasual


Formal Kasual



Sarana Pendukung


Telepon -0.100

Lampu 0.110

Bahan Kayu -0.100

Besi 0.100

Warna

Polos 0.130


Bermotif -0.330

75

Ukuran Besar 0.090

Kecil -0.090

Constant 3.22


Kendall 1


Kendall 0.00034722

Hasil Perhitungan Deviasi Pada Kansei Word Nyaman


Tdk Nyaman Nyaman



Sarana Pendukung


Telepon -0.207

Lampu 0.013

Bahan Kayu -0.115

Besi 0.115

Warna

Polos 0.147


Bermotif -0.143

Ukuran Besar 0.010

Kecil -0.010

Constant 3.215


Kendall 1


Kendall 0,00034722

Hasil Perhitungan Deviasi Pada Kansei Word Inovatif


Tdk Inovatif Inovatif



Sarana Pendukung


Telepon -0.093

Lampu 0.247

Bahan Kayu 0.040

Besi -0.040

Warna

Polos 0.127


Bermotif -0.023

Ukuran Besar 0.100

Kecil -0.100

Constant 3.412

76


Kendall 1


Kendall 0.00026600

Hasil Perhitungan Deviasi Pada Kansei Word Awet


Cepat Rusak Awet



Sarana Pendukung


Telepon -0.103

Lampu 0.227

Bahan Kayu 0.135

Besi -0.135

Warna

Polos -0.123


Bermotif 0.227

Ukuran Besar 0.065

Kecil -0.065

Constant 3.527


Kendall 1


Kendall 0.0003472

Hasil Perhitungan Deviasi Pada Kansei Word Komplek


Tdk Komplek Komplek



Sarana Pendukung


Telepon 0.100

Lampu -1.388E-16

Bahan Kayu -0.105

Besi 0.105

Warna

Polos 0.15


Bermotif 0.010

Ukuran Besar 0.155

Kecil -0.155

Constant 3.230


Kendall 1

Significance Pearson 1.710569E-48

77

Kendall 0.00034722

Hasil Perhitungan Deviasi Pada Kansei Word Unik


Tdk Unik Unik



Sarana Pendukung


Telepon 0.047

Lampu 0.107

Bahan Kayu -0.092

Besi 0.092

Warna

Polos 0.263


Bermotif -0.027

Ukuran Besar 0.020

Kecil -0.020

Constant 3.435


Kendall 1


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


Ukuran Kecil Besar


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


Sarana Pendukung

Monitor komputer, Telepon

Lampu

Bahan Kayu Besi

Warna 2 warna atau lebih

Polos, Bermotif

Ukuran Kecil Besar

79


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


Sarana Pendukung

Telepon

Monitor komputer, Lampu

Bahan Besi Kayu

Warna Bermotif


Ukuran Kecil Besar


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


Sarana Pendukung

Telepon, Lampu

Monitor komputer

Bahan Kayu Besi

Warna Bermotif


Ukuran Besar Kecil


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


Sarana Pendukung

Telepon, Lampu

Monitor komputer

Bahan Kayu Besi

Warna Bermotif


Ukuran Kecil Besar

80


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


Sarana Pendukung

Telepon, Lampu

Monitor komputer

Bahan Kayu Besi

Warna Bermotif


Ukuran Besar Kecil


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


Sarana Pendukung

Monitor Komputer, Telepon

Lampu

Bahan Kayu Besi

Warna Bermotif


Ukuran Kecil Besar


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


Sarana Pendukung

Telepon

Monitor komputer, Lampu

Bahan Kayu Besi

Warna 2 warna atau lebih, Bermotif

Polos

Ukuran Kecil Besar

81


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


Sarana Pendukung


Lampu

Bahan Besi Kayu


Polos

Ukuran Kecil Besar


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


Sarana Pendukung


Lampu

Bahan Besi Kayu

Warna Polos, 2 warna atau Lebih

Bermotif

Ukuran Kecil Besar


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


Sarana Pendukung

Monitor Komputer, Lampu

Telepon

Bahan Kayu Besi

Warna 2 warna atau lebih

Polos, Bermotif

Ukuran Kecil Besar

82


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


Sarana Pendukung

Monitor Komputer,

Telepon, lampu

Bahan Kayu Besi


Polos

Ukuran Kecil Besar


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




d. Faktor penting untuk warna adalah 26,396%


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






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






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






Faktor penting yang terbesar untuk kansei word rapi adalah warna. Hal ini


rapi dibandingkan faktor yang lain.

6. Kansei Word = Menarik

85






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%




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





86


Faktor penting yang terbesar untuk kansei word kasual adalah warna. Hal ini


kasual dibandingkan faktor yang lain.

9. Kansei Word = Nyaman






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






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


b. Faktor penting untuk sarana pendukung adalah 20.149%




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






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




88

d. Faktor penting untuk warna adalah 0%


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.

93

Gambar 154.6 Finishing Fideks Compack Workstation

4. Proses akhir, yaitu proses pemasangan sarana pendukung dan pengecekan

terakhir.

Gambar 164.7 Proses Akhir Fideks Compack Workstation

bab iv pengumpulan dan pengolahan data 4.1...

Documents