perancangan standar ukuran pakaian anak laki-laki

Perancangan Standar Ukuran Pakaian Anak Laki-Laki Indonesia berdasarkan Data Antropometri sebagai Acuan dalam Perumusan

RSNI 0555:2013 Nauli Dwi Fileinti1, Boy Nurtjahyo2

Departemen Teknik Industri

Fakultas Teknik - Universitas Indonesia, Depok 16424 Tel: (021) 78888805. Fax: (021) 78885656

Email: [email protected], [email protected]

Abstrak

Untuk meningkatkan pangsa pasar produk garmen di pasar lokal yang masih sangat rendah, Kementerian Perindustrian menilai perlunya usaha untuk meningkatkan nilai tambah pada produk garmen tersebut. Salah satunya adalah dengan menerapkan sistem standardisasi ukuran pakaian. Standar ukuran pakaian terutama diperlukan untuk kelompok umur anak-anak karena adanya perbedaan antropometri yang unik antar tiap anak. Tujuan dari penelitian ini adalah untuk menghasilkan rancangan standar ukuran pakaian anak-anak berdasarkan data antropometri yang diharapkan dapat menjadi standar pakaian secara nasional dan menjadi masukan dalam perumusan SNI (Standar Nasional Indonesia). Pengambilan data dilakukan terhadap 155 anak laki-laki berusia 7-12 tahun menggunakan 3D Body Scanner. Pengolahan data yang dilakukan dengan factor analysis dan two-stage cluster analysis menghasilkan 8 kelompok ukuran untuk kemeja anak laki-laki yang dapat mengakomodasi 95,48% populasi.

Kata Kunci: anak-anak Indonesia; antropometri; factor analysis; industri garmen; standar ukuran pakaian; two-stage cluster analysis.

Abstract

In order to increase the market share of garment products in local market, the Ministry of Industry pointed out the need to provide added value to the garment products.One of the options is to implement standard sizing system for clothes.Standard sizing system is substantial especially for children, since there seem to be a unique anthropometric differences among each child. This study aims to develop a standard size of clothes for Indonesian boys based on anthopometic data, which is expected to be a national standard and a recommendation for the design of SNI. The anthropometric data is gathered from 155 boys aged 7-12 years old using 3D Body Scanner. Factor analysis and two stage cluster analysis were performed in this study and 8 groups of size for boys’ clothes were established with a coverage rate of 95,48%.

Keywords: anthropometry; factor analysis; garment industry; Indonesian children; standard size for clothes; two stage cluster analysis.

Perancangan standar ukuran..., Nauli Dwi Fileinti, FT UI, 2013

1. Latar Belakang

Industri garmen merupakan salah satu industri yang penting di Indonesia. Saat ini,

industri garmen sedang berkembang pesat, dan bersama dengan industri tekstil dan produk

tekstil lainnya (TPT), Kementerian Perindustrian menyebut industri tersebut sebagai

penyumbang devisa terbesar bagi negara setelah minyak dan gas bumi (Migas). Menurut data

yang diperoleh dari situs Kementerian Perindustrian Republik Indonesia, nilai ekspor produk

tekstil mengalami kenaikan yang cukup signifikan setiap tahunnya hingga mencapai US$ 13,2

Milyar pada tahun 2011.

Berbeda dengan nilai ekspor industri garmen yang semakin meningkat di tiap

tahunnya, tingkat penjualan produk garmen di pasar lokal masih cukup rendah. Menurut Asep

Setiaharja, selaku staf Asosiasi Pertekstilan Indonesia (API), pada tahun 2013 pangsa pasar

produk tekstil lokal di pasar domestik hanya sekitar 50%. Melihat keadaan tersebut,

Kementerian Perindustrian menilai perlunya usaha untuk meningkatkan nilai tambah pada

produk garmen lokal guna membendung banyaknya produk impor. Salah satu usaha yang

dapat dilakukan untuk meningkatkan nilai tambah terhadap produk lokal adalah dengan

menggunakan standar ukuran pakaian yang disesuaikan dengan bentuk dan ukuran tubuh

konsumennya.

Hal yang harus diperhatikan dalam perancangan standar ukuran pakaian adalah

terdapatnya perbedaan antropometri manusia yang dipengaruhi oleh berbagai faktor, seperti

suku/ras, usia, jenis kelamin, dan juga dimensi waktu. Perbedaan antropometri antar suku dan

ras telah dibuktikan melalui berbagai penelitian, salah satunya dilakukan oleh T.K Chuan et al

pada tahun 2010 yang menunjukkan terdapatnya perbedaan antropometri antara penduduk

Singapura dengan penduduk Indonesia pada beberapa dimensi tubuh. Sedangkan perbedaan

antropometri yang dipengaruhi oleh usia terlihat jelas apabila kita bandingkan antropometri

orang dewasa dengan anak-anak. Kelompok usia anak-anak merupakan kelompok usia yang

menarik, dimana masih terdapat pertumbuhan yang pesat dan acak sehingga menyebabkan

terdapatnya perbedaan antropometri anak antar kelompok umur yang berbeda maupun dalam

kelompok umur yang sama. Keadaan tersebut menyebabkan 50% anak-anak tidak dapat

menggunakan ukuran pakaian yang diklasifikasikan berdasarkan umur (Otieno, 2008 ). Jenis

kelamin dan dimensi waktu pun mempengaruhi perbedaan antropometri manusia, termasuk

anak-anak. Menurut Smith & Norris (2004), ukuran tubuh anak-anak Inggris dan Amerika

telah mengalami perubahan dalam tiga dekade ini. Perubahan ini memperlihatkan bahwa


ukuran dan bentuk tubuh anak-anak semakin besar dari waktu ke waktu. Hal tersebut

menunjukkan bahwa database antropometri haruslah selalu diperbarui dari waktu ke waktu.

Untuk memulai penelitian ini, peneliti telah melakukan observasi lapangan serta

wawancara terhadap beberapa produsen garmen. Dari hasil observasi lapangan tersebut,

didapatkan hasil bahwa standar ukuran yang tersedia di tiap toko cukup berbeda. Selain itu,

size interval yang digunakan pada tiap toko juga berbeda-beda. Size interval yang digunakan

dalam pembuatan pakaian tersebut belum disesuaikan dengan keadaan antropometri anak

terkini, sehingga terdapat beberapa ukuran yang terlalu kecil atau terlalu besar dan pada

akhirnya tidak dapat digunakan oleh konsumen sehingga menyebabkan terjadinya

penumpukan barang dan kerugian pada produsen ataupun penjual.

Di Indonesia, beberapa SNI telah dirumuskan oleh Badan Standardisasi Nasional

(BSN) untuk mengatur masalah standar ukuran pakaian, seperti SNI 08-4985-1999 mengenai

Karakteristik tubuh manusia (antropometri) untuk pembuatan pakaian jadi, serta berbagai SNI

lainnya yang secara spesifik memuat standar ukuran untuk berbagai jenis pakaian, seperti SNI

08-0555-1995 mengenai ukuran kemeja pria anak. Akan tetapi, SNI mengenai standar ukuran

pakaian anak tersebut telah diabolisi oleh BSN karena SNI tersebut dianggap sudah tidak

layak dan tidak sesuai dengan keadaan masyarakat sekarang. Suatu SNI akan diabolisi apabila

terdapat pedoman standardisasi yang isinya sudah tidak relevan dengan perkembangan zaman,

adanya perubahan alat ukur, atau tidak terdapatnya pedoman untuk perumusan isi standar

tersebut.

Berdasarkan latar belakang yang telah dijabarkan, didapatkanlah suatu rumusan

masalah yaitu perlunya rancangan standar ukuran pakaian anak-anak Indonesia berdasarkan

data antropometri terkini. Oleh karena itu, penelitian ini dilakukan untuk menghasilkan

rancangan standar ukuran pakaian yang dapat menjadi acuan terkini untuk perumusan standar

ukuran pakaian anak-anak yang berlaku secara nasional pada industri garmen di Indonesia,

yang secara khusus diharapkan dapat menjadi acuan dan masukan bagi BSN dalam merevisi

SNI 08-0555-1995, serta menambah warna pada bidang ilmu antropometri anak mengingat

penelitian antropometri di Indonesia maupun di dunia masih terlalu fokus pada antropometri

orang dewasa.


2. Tinjauan Teoritis

Pada bagian ini akan dijelaskan mengenai teori yang digunakan sebagai dasar

penelitian. Adapun teori yang digunakan adalah mengenai ergonomi, antropometri, sistem

standardisasi ukuran pakaian, serta metode analisis multivariat seperti factor analysis dan

cluster analysis.

2.1 Ergonomi

Istilah ergonomi berasal dari bahasa Yunani yaitu ergon yang berarti kerja dan nomos

yang berarti aturan atau hukum. Ergonomi dapat diartikan sebagai suatu cabang ilmu yang

digunakan untuk memanfaatkan informasi-informasi mengenai sifat, kemampuan, serta

keterbatasan dari manusia untuk dapat merancang suatu sistem kerja agar setiap manusia

dapat hidup dan bekerja dengan baik dan mencapai tujuan yang diinginkan melalui pekerjaan

itu dengan efektif, aman, dan nyaman. Inti dari ergonomi adalah suatu ilmu yang mempelajari

aspek-aspek kehidupan manusia dalam suatu lingkungan kerja.

Tujuan utama dari ilmu ergonomi adalah memperbaiki performa kerja manusia dan

memperbaiki pendayagunaan sumber daya manusia serta meminimalisir kesalahan yang

disebabkan oleh manusia. Secara singkat ergonomi bertujuan untuk merancang berbagai

peralatan, sistem teknis, dan pekerjaan untuk meningkatkan keselamatan, kesehatan,

kenyamanan, dan performa manusia.

2.2 Antropometri

Antropometri berasal dari bahasa Yunani, yaitu kata anthropos yang berarti man

(manusia) dan metron yang berarti ukuran, sehingga secara etimologi antropometri dapat

didefinisikan sebagai “measurement of man” atau pengukuran manusia. Antropometri secara

lebih luas digunakan sebagai pertimbangan ergonomis dalam proses perencanaan produk

maupun sistem kerja yang memerlukan interaksi manusia. Pengukuran ini bertujuan agar

tempat kerja dapat menyesuaikan dengan manusia, tidak sebaliknya. Berdasarkan hal

tersebut maka dapat disimpulkan bahwa data antropometri akan menentukan bentuk, ukuran,

dan dimensi yang tepat berkaitan dengan produk yang akan dirancang sesuai dengan manusia

yang akan mengoperasikan atau menggunakan produk tersebut (Nurmianto,2003).

Dimensi tubuh manusia sangatlah berbeda satu sama lain karena dipengaruhi oleh

berbagai faktor. Faktor-faktor utama yang mempengaruhi dimensi tubuh manusia antara lain


suku dan ras, usia, serta jenis kelamin. Selain faktor-faktor tersebut, ada beberapa faktor lain

yang kerap membuat adanya perbedaan antropometri, seperti dimensi waktu, jenis pekerjaan,

faktor kehamilan pada wanita, cacat tubuh secara fisik, dan juga perbedaan generasi. Seluruh

faktor yang disebutkan di atas dapat menjadi pertimbangan dalam analisis perancangan

produk (APP) serta analisis perancangan kerja (APK).

Pengukuran antropometri dapat dilakukan dengan dua cara, yaitu metode konvensional

dan otomatis. Metode pengukuran otomatis menggunakan alat yang dinamakan Anthroscan

atau 3D Body Scanner. Kedua metode tersebut memiliki kelebihan dan kekurangannya

masing-masing. Metode konvensional lebih cocok digunakan untuk penelitian lapangan

karena peralatan yang digunakan mudah dibawa. Namun, waktu yang dibutuhkan untuk

melakukan pengukuran sangatlah lama terutama untuk penelitian dengan jumlah responden

yang banyak. Sedangkan metode pengukuran otomatis dapat mengukur dimensi tubuh dengan

lebih akurat dan sangat cepat, namun tidak dapat dilakukan untuk penelitian lapangan dan

harga alatnya sangat mahal.

2.3 Sistem Standardisasi Ukuran Pakaian

Sebuah sistem ukuran digunakan untuk mengumpulkan populasi ke dalam kelompok-

kelompok yang sama berdasarkan beberapa dimensi tubuh yang dijadikan acuan. Anggota

dalam kelompok ukuran yang sama memiliki bentuk dan karakteristik yang sama dalam hal

penggunaan pakaian. Sistem standardisasi ukuran juga dapat membantu produsen dalam

memprediksi kuantitas dan proporsi dari produksi, sehingga membantu PPIC sebuah

perusahaan untuk menghasilkan perencanaan yang lebih akurat, baik dari segi produksi

maupun penggunaan material. Sistem tersebut juga dapat membekali produsen dengan

spesifikasi ukuran, membantu pengembangan desain, pattern grading, dan juga analisis pasar.

Oleh karena itu, penentuan standar ukuran pakaian menjadi hal yang sangat diperlukan oleh

industri garmen.

Pada awalnya, klasifikasi ukuran dan bentuk tubuh yang dijadikan acuan dalam

pembuatan standar ukuran hanyalah tinggi dan berat badan. Selanjutnya beberapa dimensi

antropometri mulai dijadikan pertimbangan dalam penelitian. Berdasarkan dimensi

antropometri tersebut, beberapa industri garmen menggunakan sistem struktur linear untuk

menentukan ukuran pakaian, namun penggunaan sistem ini dinilai tidak sesuai. Setelah itu,

banyak metode optimisasi yang mulai digunakan untuk penentuan standar ukuran, seperti

integer programming dan pendekatan nonlinear. Penggunaan metode optimisasi tersebut


memberikan hasil ukuran pakaian yang tepat dan sesuai dengan ukuran manusia yang

sebenarnya, namun mengakibatkan adanya kompleksitas dalam penentuan tingkat ukuran

sehingga berakibat pada naiknya biaya produksi. Pada tahun-tahun berikutnya, data mining

telah banyak digunakan dalam penelitian science dan engineering. Teknik data mining yang

digunakan untuk penelitian standar ukuran pakaian adalah neural network, cluster analysis,

decision tree approach, dan two stage cluster analysis. Hingga saat ini, two stage cluster

analysis masih menjadi metode yang paling sering digunakan untuk penelitian penentuan

standar ukuran pakaian, dan dapat digabungkan dengan beberapa metode lain seperti factor

analysis dan decision tree approach.

2.4 Analisis Multivariat

Analisis multivariat merupakan metode yang digunakan untuk melakukan penelitian

terhadap lebih dari dua variabel secara bersamaan. Dengan menggunakan teknik analisis ini

maka kita dapat menganalisis pengaruh beberapa variabel terhadap variabel lainnya dalam

waktu yang bersamaan. Dalam penelitian ini, digunakan dua metode analisis multivariat yaitu

factor analysis dan two-stage cluster analysis.

2.4.1 Factor analysis

Factor analysis merupakan salah satu teknik statistik multivariat yang digunakan

untuk meringkas dan mereduksi data sejumlah besar variabel ke dalam jumlah yang lebih

kecil atau disebut sebagai faktor. Tujuan umum dari penggunaan factor analysis adalah untuk

menemukan cara meringkas informasi yang terkandung dalam variabel-variabel ke dalam

suatu kelompok baru yang lebih simpel tanpa kehilangan suatu informasi yang berarti.

Secara garis besar, langkah penggunaan factor analysis pada penelitian ini terdiri dari

lima tahap, yaitu sebagai berikut :

1. Definisi Masalah

Pada tahap ini peneliti akan menentukan apakah jenis analisis yang dibutuhkan

merupakan exploratory atau confirmatory. Selain itu, peneliti juga akan menentukan

tujuan penggunaan factor analysis, yaitu data summarization atau data reduction.

2. Memilih Tipe Factor analysis dan Desain Penelitian

Penggunaan factor analysis terbagi dua berdasarkan jenis

pengelompokkannya, yaitu R Factor analysis dan Q Factor analysis. Jika tujuan dari

penelitian adalah untuk meringkas karakterisktik dari variabel, maka akan digunakan


R Factor analysis. Sedangkan Q Factor analysis digunakan untuk mengumpulkan

responden atau kasus ke dalam kelompok-kelompok yang berbeda.

3. Asumsi dalam Factor Analysis

Pada tahap ini akan dilakukan analisis statistik yang dapat menentukan apakah

penggunaan factor analysis dapat dilanjutkan atau tidak. Analisis dilakukan dengan

Bartlett Test of Sphericity dan Keiser-Meyers-Okliti (KMO) Measure of Sampling

Adequacy.

4. Memilih Metode Ekstraksi Faktor

Berdasarkan jenis varians yang disertakan dalam analisis, terdapat dua metode dalam

factor analysis yaitu common factor analysis dan component factor analysis atau yang

biasa dikenal dengan principle component analysis. Pemilihan metode tersebut

berdasarkan dua hal, yaitu 1) tujuan penggunaan factor analysis, dan 2) jenis varians

yang terdapat dalam variabel..

5. Memilih Metode Rotasi

Rotasi faktor bertujuan untuk mempermudah interpretasi faktor. Ketentuan rotasi

faktor adalah tidak mengubah communalities, jumlah rata variabel setiap faktor dan

jumlah hasil kali muatan-muatan faktor dari setiap pasang variabel atau korelasinya.

Metode rotasi yang dapat digunakan ada dua, yaitu orthogonal dan oblique.

Berdasarkan tujuan penelitian, akan digunakan principle component analysis dengan metode

rotasi orthogonal jenis varimax.

2.4.2 Cluster analysis

Cluster analysis merupakan suatu teknik multivariat yang bertujuan untuk

menggabungkan objek-objek yang memiliki kemiripan ke dalam suatu kelompok yang sama.

Penggunaan cluster analysis diharapkan dapat meningkatkan homogenitas dalam suatu

kelompok dan di sisi lain memaksimalkan heterogenitas antar kelompok. Ada tiga jenis

metode pada cluster analysis, yaitu hierarchical cluster analysis, non-hierarchical cluster

analysis, dan kombinasi dari keduanya yang biasa disebut sebagai two-stage cluster analysis.

Perbedaan mendasar antara hierarchical dengan non-hierarchical cluster analysis terletak

pada asumsi mengenai jumlah cluster yang akan terbentuk. Hierarchical cluster analysis

digunakan apabila peneliti belum memiliki asumsi dan pengetahuan mengenai jumlah cluster

yang akan terbentuk, sedangkan non-hierarchical cluster analysis digunakan apabila peneliti


telah menetapkan jumlah cluster yang akan terbentuk. Oleh karena itu, metode non-

hierarchical cluster analysis dinilai cukup subjektif.

Untuk menggabungkan keuntungan penggunaan hierarchical dengan non-hierarchical

cluster analysis dapat digunakan two-stage cluster analysis. melalui dua tahap, yaitu :

1. Penggunaan hierarchical cluster analysis untuk menentukan jumlah cluster yang

optimum, memberi label karakteristik pada tiap cluster center yang nantinya akan

digunakan sebagai cluster seed point, serta mengidentifikasi adanya outlier pada data.

2. Setelah outlier dieliminasi, data observasi yang tersisa dapat dikelompokkan dengan

menggunakan metode non-hierarchical. Cluster center yang didapatkan dari langkah

sebelumnya dijadikan sebagai seed point pada langkah ini.

3. Metode Penelitian

Pada bagian ini akan dijelaskan mengenai materi dan metode yang digunakan dalam

penelitian, meliputi karakteristik subjek penelitian, peralatan yang digunakan, aturan dasar

dalam pengambilan data antropometri, teknik pengumpulan data antropometri, serta variabel

dalam penelitian.

3.1 Karakteristik Subjek Penelitian

Subjek dari penelitian ini adalah anak laki-laki berusia 7-12 tahun, sebab penelitian ini

bertujuan untuk merancang standardisasi ukuran pakaian berdasarkan data antropometri anak

Indonesia, khususnya kemeja anak laki-laki. Penentuan usia responden didasarkan atas

adanya perbedaan tipe pertumbuhan antara anak-anak yang berusia di bawah 13 tahun dengan

anak-anak yang berusia di atas 13 tahun. Anak-anak yang berusia di bawah 13 tahun

mengalami pertumbuhan yang sangat pesat dan acak, baik secara vertikal maupun horizontal.

Jumlah subjek dalam penelitian adalah sebanyak 155 anak, dengan karakteristik berikut:

Tabel 3.1 Karakteristik Subjek Penelitian

Karakteristik Keterangan Jenis kelamin Laki-laki Usia 7-12 tahun Ras South East Asiatic Postur Postur Berdiri Standar Lokasi Jawa


3.2 Peralatan yang Digunakan

Alat utama yang digunakan dalam penelitian ini adalah 3D Body Scanner atau

Anthroscan. Pengukuran dengan alat ini akan menghasilkan 151 variabel dimensi tubuh

manusia dalam waktu yang sangat singkat, yaitu sekitar 10-15 detik. Hasil pengukuran akan

terlihat secara otomatis pada komputer yang terhubung dengan Anthroscan.

3.3 Aturan Dasar dalam Pengambilan Data Antropometri

Salah satu faktor penting yang sangat mempengaruhi keberhasilan pengambilan data

menggunakan Anthroscan adalah jenis pakaian yang digunakan oleh subjek penelitian.

Pakaian yang digunakan sebaiknya seminim mungkin atau tetap membentuk tubuh

sesungguhnya dari responden. Selain itu, warna pakaian yang digunakan sebaiknya warna

terang, sebab laser Anthroscan tidak mampu mengidentifikasi warna-warna gelap.

Faktor penting lainnya yang mempengaruhi keberhasilan pengambilan data adalah

postur berdiri responden. Responden haruslah berdiri tegak dengan pandangan lurus ke dalam

dan tetap diam selama proses pemindaian berlangsung. Berikut merupakan ketentuan lengkap

dalam pengambilan data menggunakan Anthroscan:

a) Menggunakan pakaian dalam untuk wanita dan celana dalam untuk pria. Pakaian

dalam yang dimaksud adalah pakaian ketat yang tidak mengubah bentuk dasar dari

tubuh.

b) Menggunakan pakaian dalam berwarna terang seperti putih, kuning, dan sebagainya.

c) Responden harus melepaskan seluruh atribut atau perhiasan yang dikenakan seperti

jam tangan, gelang, cincin, anting, dan kalung.

d) Mengenakan penutup kepala yang menutup rambut secara keseluruhan agar

pemindaian pada bagian kepala dapat berjalan dengan baik.

e) Responden harus berdiri dengan posisi sesuai standar yang telah ditentukan dan

dilarang bergerak selama proses pemindaian berlangsung.

3.4 Teknik Pengumpulan Data Antropometri

Pengambilan data antropometri dengan menggunakan 3D Body Scanner atau

Anthroscan dilakukan dalam beberapa langkah yang cukup mudah. Langkah-langkah tersebut

harus dilakukan dengan terstruktur untuk mendapatkan hasil yang paling akurat. Adapun

langkah-langkah tersebut adalah :


a) Melakukan kalibrasi Anthroscan

b) Pengaturan sensor laser

c) Persiapan subjek penelitian

d) Pemindaian subjek menggunakan Anthroscan

3.5 Variabel dalam Penelitian

Pemindaian dengan Anthroscan akan menghasilkan 151 ukuran dimensi tubuh yang

sangat detail dari kepala hingga kaki. Namun, sesuai dengan tujuan penelitian yang akan

merancang standar ukuran pakaian untuk kemeja anak laki-laki, maka hanya 28 variabel

dimensi tubuh bagian atas saja yang akan digunakan dalam penelitian. Pemilihan variabel

telah dilakukan berdasarkan literatur. Adapun berikut merupakan 28 variabel yang selanjutnya

akan digunakan dalam penelitian:

Tabel 3.2 Variabel dalam Penelitian

No Variabel Nama Variabel No Variabel Nama Variabel 1 Body height 15 Arm length right 2 Mid neck girth 16 Upper arm length left 3 Neck at base girth 17 Upper arm length right 4 Cross shoulder 18 Forearm length left 5 Shoulder width left 19 Forearm length right 6 Shoulder width right 20 Upper arm girth left 7 Across front width 21 Upper arm girth right 8 Bust/Chest Girth (Horizontal) 22 Elbow girth left 9 Across Back Width 23 Elbow girth right 10 Waist girth 24 Forearm girth left 11 Buttock girth 25 Forearm girth right 12 Hip girth 26 Wrist girth left 13 Maximum belly circumference 27 Wrist Girth Right 14 Arm length left 28 Weight

4. Hasil dan Pembahasan

Pada bab ini akan dijelaskan mengenai pengolahan data yang dilakukan dan analisis

dari hasil pengolahan data yang didapatkan. Pengolahan data dilakukan dalam beberapa tahap,

yaitu dengan metode factor analysis dan kemudian dilanjutkan dengan two-stage cluster

analysis untuk menghasilkan rumusan standar ukuran pakaian untuk kemeja anak laki-laki.


4.1 Pengolahan Data dengan Factor analysis

Untuk melakukan pengolahan data dengan factor analysis, maka tiap variabel haruslah

memiliki korelasi. Tingkat korelasi antar variabel dapat diuji dengan Kaiser-Meyer-Olkin

(KMO) Measure of Sampling Adequacy serta Bartlett’s test of sphericity. Nilai KMO yang

semakin tinggi memperlihatkan bahwa korelasi antara pasangan-pasangan variabel dapat

dijelaskan oleh variabel lain sehingga factor analysis bisa digunakan. Sedangkan, Bartlett’s

test of sphericity digunakan untuk menguji hipotesis nol bahwa variabel-variabel yang

digunakan tidak berkorelasi dalam populasi. Berikut merupakan nilai KMO dan uji Bartlett

yang didapatkan dalam penelitian:

Tabel 4.1 Nilai KMO dan Uji Bartlett

Kaiser-Meyer-Olkin Measure of Sampling Adequacy.

.887

Bartlett's Test of Sphericity

Approx. Chi-Square 6737.217

Df 378

Sig. .000

Berdasarkan nilai KMO dan uji Bartlett yang didapatkan maka dapat disimpulkan bahwa

seluruh variabel berkorelasi dengan kuat dan dapat selanjutnya diolah menggunakan factor

analysis.

Langkah selanjutnya adalah menentukan jumlah faktor yang terekstraksi. Hal tersebut

dapat dilakukan dengan melihat eigenvalue dari tiap faktor yang bernilai di atas 1. Pada

penelitian ini, didapatkan 6 faktor yang terekstraksi. Hal tersebut dapat dilihat pada grafik

scee plot berikut:


Gambar 4.1 Grafik Scree Plot

Keenam faktor yang terekstraksi memiliki anggota masing-masing sesuai dengan tingkat

korelasi yang dimiliki oleh tiap variabel terhadap faktor yang terbentuk. Anggota dari tiap

faktor dapat dilihat pada tabel berikut:

Tabel 4.2 Rotated Component Matrix

Component 1 2 3 4 5 6

Forearm Girth Right 0,917 0,268 -,042 0,120 0,022 0,156 Forearm Girth Left 0,908 0,292 -,060 0,129 0,016 0,155 Elbow Girth Left 0,907 0,330 -,039 0,101 0,021 0,148 Elbow Girth Right 0,893 0,360 -,042 0,104 0,044 0,120 Upper Arm Girth Right 0,766 0,532 -,009 0,162 0,086 0,157 Upper Arm Girth Left 0,755 0,564 -,012 0,135 0,088 0,147 Across Back Width 0,514 0,239 0,210 0,085 0,380 -,352 Max Belly Circumference

0,293 0,881 0,059 0,132 0,095 0,130

Across Front Width 0,239 0,854 -,050 -,043 0,079 0,169 Waist Girth 0,338 0,837 0,108 0,195 0,171 0,131 Hip Girth 0,368 0,823 0,195 0,088 0,102 0,181 Buttock Girth 0,336 0,807 0,269 0,108 0,098 0,161 Cross Shoulder 0,386 0,741 0,034 0,004 0,277 -,123 Bust/Chest Girth (Horizontal)

0,519 0,704 0,170 0,230 0,199 0,126

Weight 0,038 0,696 0,314 0,343 0,089 0,043 Arm Length Left 0,038 0,158 0,931 -,034 0,060 -,009 Arm Length Right -,092 0,121 0,907 0,038 -,009 0,048 Forearm Length Left -,266 -,057 0,860 0,067 0,077 -,109


Tabel 4.2 Rotated Component Matrix (lanjutan)

Component 1 2 3 4 5 6

Body Height 0,359 0,177 0,846 0,026 0,164 0,055 Forearm Length Right -,365 -,070 0,836 0,044 0,020 -,082 Upper Arm Length Right

0,287 0,247 0,745 -,053 0,169 0,036

Upper Arm Length Left 0,604 0,120 0,627 -,038 0,054 0,064 Neck at Base Girth 0,249 0,192 -,122 0,804 -,061 0,014 Mid Neck Girth 0,117 0,196 0,155 0,784 0,285 0,131 Shoulder Width Left -,089 0,232 0,263 0,065 0,749 -,011 Shoulder Width Right 0,156 0,158 0,019 0,086 0,733 0,181 Wrist Girth Right 0,408 0,387 -,031 0,128 0,157 0,730 Wrist Girth Left 0,389 0,426 0,016 0,122 0,161 0,726

Berdasarkan tabel tersebut, dapat disimpulkan bahwa faktor 1 merupakan faktor yang

berhubungan dengan ukuran lingkar lengan, faktor 2 berhubungan dengan ukuran lingkar

tubuh, faktor 3 berhubungan dengan ukuran panjang lengan, faktor 4 berhubungan dengan

ukuran lingkar leher, faktor 5 berhubungan dengan ukuran lebar bahu, dan faktor 6

berhubungan dengan ukuran lingkar pergelangan tangan.

4.2 Pengolahan Data dengan Two-stage Cluster Analysis

Setelah mendapatkan hasil dengan factor analysis, maka pengolahan data selanjutnya

dilakukan dengan two-stage cluster analysis yang terdiri dari metode hierarchical dan non-

hierarchical cluster analysis. Hierarchical cluster analysis digunakan untuk mendapatkan

solusi optimal mengenai jumlah pembentukan cluster berdasarkan variabel yang digunakan

sebab dalam penelitian tidak terdapat asumsi dan pengetahuan mengenai jumlah cluster yang

akan terbentuk. Adapun variabel yang digunakan dalam two-stage cluster analysis adalah

sebanyak 6 variabel yang masing-masing mewakili tiap faktor yang telah terbentuk

sebelumnya. Keenam variabel yang digunakan adalah upper arm girth right, maximum belly

circumference, arm length left, neck at base girth, shoulder width left, dan wrist girth right.

Hasil pengolahan data dengan hierarchical cluster analysis memberikan beberapa

alternatif solusi pembentukan cluster, dimana solusi yang paling optimal berdasarkan tingkat

homogenitas dalam cluster, tingkat heterogenitas antar cluster, serta karakteristik anggota


pada tiap cluster merupakan pembentukan 3 cluster. Berikut merupakan karakteristik anggota

dalam pembentukan 3 cluster:

Gambar 4.2 Karakteristik Anggota dalam 3 Cluster

Setelah mendapatkan jumlah cluster yang optimal, selanjutnya pengolahan data

dilakukan dengan non-hierarchical cluster analysis untuk mendapatkan final cluster center

yang akan menjadi acuan utama dalam merumuskan standar ukuran pakaian. Jenis metode

non-hierarchical cluster analysis yang dipilih dalam penelitian ini adalah K-means. Pada

metode ini, cluster seed untuk tiap cluster akan otomatis terbentuk, kemudian objek-objek

yang memiliki kemiripan karakteristik akan bergabung dalam suatu cluster. Berikut

merupakan hasil akhir dari non-hierarchical cluster analysis:

Tabel 4.3 Final Cluster Center

Variable

Cluster 1 2 3

Neck at Base Girth 41.07 38.64 35.68 Shoulder Width Left 11.64 10.84 10.35 Max Belly Circumference 95.64 71.51 58.59 Arm Length Left 44.24 43.04 41.29 Upper Arm Girth Right 29.50 25.28 20.05 Wrist Girth Right 18.05 15.45 13.38

0.0 5.0 10.0 15.0 20.0 25.0 30.0 35.0 40.0 45.0 50.0 55.0 60.0 65.0 70.0 75.0 80.0 85.0 90.0 95.0

CM

3 clusters

cluster 1

cluster 2

cluster 3


Berdasarkan tabel di atas dapat dilihat bahwa cluster 1 terdiri dari keenam variabel yang

memiliki ukuran terbesar dan cluster 3 terdiri dari keenam variabel dengan ukuran terkecil,

sehingga cluster 3 dapat dinyatakan sebagai ukuran S, cluster 2 dinyatakan sebagai ukuran M,

dan cluster 1 dinyatakan sebagai ukuran L.

4.3 Perumusan Standar Ukuran Pakaian Anak Laki-Laki

Hasil yang didapatkan dengan menggunakan cluster analysis belumlah dapat langsung

dirumuskan sebagai standar ukuran. Hal ini dikarenakan adanya permasalahan size interval.

Secara umum, size interval yang optimal untuk ukuran lingkar tubuh adalah 4 hingga 6 cm

(Eberle dan Kilgus, 1996 ; Chung et al, 2007). Sedangkan size interval yang optimal untuk

tinggi badan adalah 5 hingga 10 cm (ISO/TR 10652). Dengan memperhatikan size interval

yang optimal dan final cluster center, didapatkan kelompok ukuran sebagai berikut:

Tabel 4.4 Perumusan Standar Ukuran Pakaian Anak Laki-Laki

Dimensi Tubuh S M L

1 2 3 1 1 2 3 4

Lingkar Leher 26 30 34 38 42 46 50 54

Lebar Bahu 8 9 10 11 12 13 14 15

Lingkar Perut 54 60 66 72 78 84 90 96

Panjang Lengan Panjang 37 39 41 43 45 47 49 51

Pendek 22 23 24 25 26 27 28 29

Lingkar Lengan 13 17 21 25 29 33 37 41

Lingkar Pergelangan Tangan 10 12 13 15 17 19 21 23

4.4 Analisis

Control dimension dan size interval merupakan dua hal penting dalam membuat

standar ukuran pakaian. Control dimension yang didapatkan dari hasil penelitian ini adalah

lingkar leher, lebar bahu, lingkar perut, panjang lengan, lingkar lengan, dan lingkar

pergelangan tangan. Keenam variabel tersebut dipilih berdasarkan hasil dari factor analysis

dan mewakili tiap faktor yang terbentuk. Sedangkan size interval yang digunakan didasarkan

atas studi literatur, dan juga peraturan yang termuat dalam ISO/TR 10652 serta penerapannya

dalam SNI 08-0555-1995. Selain itu, Size interval yang digunakan dalam penelitian ini


konstan antar ukuran untuk mempermudah proses produksi dan juga mempermudah

konsumen dalam memilih ukuran.

Validasi hasil pada penelitian ini dilakukan dengan cover factor untuk melihat

persentase populasi atau sampel yang dapat terakomodasi dengan perumusan standar ukuran

pakaian yang dihasilkan melalui penelitian ini. Adapun cover factor yang didapatkan pada

penelitian ini adalah sebesar 95,48% yang menandakan bahwa standar ukuran pakaian yang

terbentuk dapat mengakomodasi 95,48% populasi. Cover factor untuk pakaian sebaiknya

berkisar antara 65-80% yang berarti dapat mengakomodasi 65-80% populasi (Zakaria, 2011).

Oleh karena itu, berdasarkan cover factor yang didapatkan, maka hasil penelitian dinyatakan

sudah valid karena dapat mengakomodasi lebih dari 80% populasi atau sampel yang

digunakan.

Hasil penelitian menunjukkan perbedaan yang cukup signifikan dengan ISO

3636:1977 serta SNI 08-0555-1995. Perbedaan dengan ISO 3636:1977 terletak pada control

dimension, dimana dalam ISO 3636:1977 tertulis bahwa dimensi yang sebaiknya dijadikan

acuan dalam pembuatan pakain bagian atas untuk anak laki-laki adalah tinggi badan, lingkar

pinggul, dan lingkar dada. Perbedaan tersebut sangat wajar mengingat ISO dirumuskan secara

global dan tidak spesifik untuk suatu negara sehingga tidak mempertimbangkan terdapatnya

perbedaan antropometri antar suku dan ras. Selain itu, ISO 3636 dirumuskan pada tahun 1977

dan tentunya antropometri manusia kini telah banyak berubah karena diakibatkan oleh

dimensi waktu.

Perbedaan hasil penelitian dengan SNI 08-0555-1995 pada aspek control dimension

dan size interval juga terjadi karena adanya perbedaan antropometri yang disebabkan oleh

dimensi waktu. Selain itu, penggunaan alat ukur juga dapat mempengaruhi hasil penelitian,

sebab perumusan SNI menggunakan alat ukur antropometri manual. Perbedaan juga dapat

disebabkan karena perbedaan jumlah dan karakteristik responden yang digunakan dalam

penelitian.

5. Kesimpulan dan Saran

Pada bagian ini akan dijelaskan mengenai kesimpulan yang dapat ditarik dari hasil

penelitian. Selain itu, pada bagian ini juga akan dimuat saran untuk mengembangkan

penelitian lebih lanjut.


5.1 Kesimpulan

Penelitian ini telah membuktikan adanya perbedaan antropometri antar kelompok

umur yang berbeda maupun dalam kelompok umur yang sama. Hal tersebut dipengaruhi

karena adanya pertumbuhan yang pesat dan acak pada tiap anak. Selain itu, hasil penelitian

juga membuktikan adanya perbedaan antropometri anak berdasarkan dimensi waktu, sehingga

database antropometri haruslah selalu diperbarui terutama jika data tersebut akan digunakan

untuk merancang suatu produk.

Hasil yang didapatkan dari penelitian ini adalah berupa rancangan standar ukuran

pakaian untuk kemeja anak laki-laki yang terdiri dari 8 kelompok ukuran dengan cover factor

sebesar 95,48%. Adapun hasil penelitian menunjukkan perbedaan yang cukup signifikan

dengan ISO 3636:1977 serta SNI 08-0555-1995 pada aspek control dimension dan size

interval. Perbedaan hasil penelitian dengan SNI 08-0555-1995 antara lain disebabkan karena

adanya perbedaan dimensi waktu, alat ukur yang digunakan, serta jumlah dan karakteristik

responden dalam penelitian. Perbedaan tersebut menunjukkan bahwa SNI memang haruslah

diperbarui dari waktu ke waktu. Sedangkan perbedaan hasil penelitian dengan ISO 3636:1977

disebabkan karena adanya perbedaan suku/ras serta dimensi waktu, dimana ISO dirumuskan

secara global dan tidak spesifik untuk suatu negara. Hal tersebut menunjukkan bahwa

perancangan produk di suatu negara tidak dapat langsung mengadopsi ketentuan yang berlaku

dalam ISO.

5.2 Saran

Absennya database antropometri di Indonesia menimbulkan berbagai masalah,

terutama dalam hal perancangan produk. Oleh sebab itu, penelitian antropometri di Indonesia

haruslah semakin sering dilakukan terkait dengan ingin dibentuknya database antropometri

penduduk Indonesia. Pengembangan penelitian ini dapat dilakukan dengan berbagai cara,

antara lain penambahan jumlah dan karakteristik responden yang tentunya akan

mempengaruhi hasil penelitian, penelitian terkait untuk beberapa jenis pakaian lainnya,

memasukkan aspek warna dan desain ke dalam penelitian, serta pembuatan software database

antropometri untuk standar ukuran pakaian.

6. Daftar Pustaka

Ariadurai, S. Ambahan, et al. (2009). An Anthropometric Study on Sri Lankan School Children for Developing Clothing Sizes. Journal of Social Science : 19(1) , 51-56.


Bagherzadah, R., Latifi, M., & Faramarzi, A.R. (2010). Employing a Three Stage Data Mining Procedure to Develop Sizing System. World Applied Sciences Journal 8 : 923-929Chuan, T.K., Hartono, Markus., & Kumar, Naresh. (2010). Anthropometry of the Singaporean and Indonesian populations.International Journal of Industrial Ergonomics 40 : 757-766

Boden, et al. (2004). New Consumer? The social and cultural significance of children’s fashion consumption. Culture of Consumption Programme Working Paper. Diakses di : http://www.consume.bbk.ac.uk/researchfindings/newconsumers.pdf

Cahyadi, Edwin. (2012). “Pengukuran Data Dimensi Tubuh Mahasiswa di DKI Jakarta dengan Instrumen Anthroscan”. Tugas Akhir Sarjana. Jurusan Teknik Industri, Fakultas Teknik, UNIKA Atma Jaya Jakarta.

Chuan, T.K., et al. (2010) Anthropometry of the Singaporean & Indonesia Populations. International Journal of Industrial Ergonomics 40 (2010) 757e766

Chung, M. J., Lin, Hai-Fen., & Wang, M. J. (2007). The Development of Sizing Systems for Taiwanese Elementary and Highschool Students. International Journal of Industrial Ergonomics: 37, 707-716.

Ciputra, E. (2012). “Pengembangan Basis data Antropometri Posisi Berdiri Pelajar Sekolah di SDN 04, SDN 05, SDN 06 Srengseng Sawah, Jakarta Selatan dengan Menggunakan Anthroscan”. Tugas Akhir Sarjana. Jurusan Teknik Industri, Fakultas Teknik, UNIKA Atma Jaya Jakarta.

Coon S.C., S.M.Garn, J.B. Birdsell. (1950). Races : A Study of Race Formation in Man.

Gita, Astriana. (2011). “Pedoman rancangan tas sekolah yang ergonomis untuk anak sekolah dasar”. Skripsi. Fakultas Teknik, DepartemenTeknik Industri Universitas Indonesia, Depok.

Gumilar, Dwiki D. (2012). “Perhitungan Luas Tubuh Manusia Indonesia dengan Metode Interpolasi”. Skripsi. Fakultas Teknik, DepartemenTeknik Industri Universitas Indonesia, Depok.

Hair, J., Black, W., Babin, B., & Anderson. (2009). Multivariate Data Analysis 7th Edition. Prentice Hall.

Hidayat, Taufik.dan Nina Istiadah. (2011). Panduan Lengkap Menguasai SPSS 19 untuk Mengolah Data Statistik Penelitian. Jakarta: Penerbit Media Kita.

Hsu, Chih-Hung. (2009). Data Mining to improve industrial standards and enhance production and marketing: An empirical study in apparel industry. Expert Systems with Application : 36, 4185-4191.

ISO 3636. (1997). Size Designation of Clothes – Men’s and Boy’s Outerwear Garments. International Organization for Standardization, Geneva.


ISO 3637. (1997). Size Designation of Clothes – Women’s and Girl’s Outerwear Garments. International Organization for Standardization, Geneva.

ISO 8559. (1989). Garment Construction and Anthropometric Surveys – Body Dimensions. International Organization for Standardization, Geneva.

ISO/TC 133, 1991. Size Systems and Designation for Clothes. International Organization for Standardization, Geneva.

ISO/TR 10652, 1991. Standard Sizing Systems for Clothes. International Organization for Standardization, Geneva.

Kang, Y., Choi, H S., & W.H. Do. (2001). A Study of the Apparel Sizing of Children’s Wear : An Analysis of the Size Increments Utilized in Children’s Wear Based on an Anthropometric Survey. J Korean HomeEco Assoc Eng, 2(1) 96.

Mustafa, P. (1992). Fundamental of Industrial Ergonomics. Englewood Cliffs, NewJersey: Prentice Hall.

Nurmianto, Eko. (1998). Ergonomi : Konsep Dasar dan Aplikasinya. Surabaya: Penerbit Guna Widya.

Nurtjahyo, Boy M., Yanto, Mangido, D. (2012). Pengukuran Antropometri Siswa SDN 02 Ujung Menteng, Cakung Jakarta Timur Menggunakan Anthroscan. Seminar Nasional Ergonomi 2012, Jakarta.

Otieno, R. (2008). Approaches in Researching Human Measurement: MMU Model of Utilising Anthropometric Data to Create Size Charts. EuroMed J Business : 3 (1) 63.

Pheasant, S. (1997). Bodyspace: Anthropometry, Ergonomics, and the Design of Work. London: Taylor & Francis.

Pheasant, S., Haselgrave, C.M. (2006). Body Space : anthropometry, ergonomics and design 3rd edition. London: Taylor and Francis.

Purnomo, Hari. (2013). Antropometri dan Aplikasinya. Jakarta: Penerbit Graha Ilmu.

SNI 08-0555-1995. (1995). Ukuran kemeja pria anak. Badan Standardisasi Nasional, Jakarta.

SNI 08-4985-1999. (1999). Karakteristik tubuh manusia (antropometri) untuk pembuatan pakaian jadi. Badan Standardisasi Nasional, Jakarta.

Widyanti, A., dan Mahachandra. (2012). Indonesian Workers Anthropometry : An Overview of Past and Present. Proceedings of the Asia pacific Industrial Engineering & Management Systems Conference.


Widyanti, A., dan Mahachandra. (2012). On the Development of Indonesian Anthropometry Database : Does Occupation of Subjects Really Matter?. Proceedings of the Asia pacific Industrial Engineering & Management Systems Conference.

Workman, J. E. (1991). Body Measurement Specification for Fit Models as a Factor in Apparel Size Variation. Cloth Text Res. J., 10(1): 31-36.

Zakaria, Norsaadah. (2011). Sizing system for functional clothing – Uniforms for Chilren. Indian Journal of Fibre & Textile Research : 36, 348-357.


perancangan standar ukuran pakaian anak laki-laki

Documents