BAB IV PENGUMPULAN DAN PENGOLAHAN DATA. Penentuan Kansei Word ini berdasarkan persepsi atau andangan penguji atau

Transkripsi

1 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 56

2 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 masingmasing 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 57

3 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 D 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 (Ʃx 2 i ) (Ʃx i )² 2 Ʃx i ], N N Dimana : 58

4 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 ] 2 N = [ ] 2 N = 44.7 Besarnya N adalah 44,7 sedangkan nilai N adalah 45, sehingga N N. Hasil uji kecukupan data dapat dinyatakan bahwa data sudah cukup untuk menjadi sampel 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, 59

5 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 : Kansei Word Tabel 4.2 Hasil Uji Validitas Iterasi 1 Korelasi total item yang dikorelasi Keterangan 1. Praktis Valid 2. Halus Valid 3. Modern Valid 4. Artistik Valid 5. Elegan Tidak Valid 6. Berwarna Tidak Valid 7. Rapi Valid 8. Menarik Valid 9. Ergonomis Valid 10. Kasual Valid 11. Murah Tidak Valid 12. Ramai Tidak Valid 13. Nyaman Valid 14. Inovatif Valid 15. Awet 0417 Valid 60

6 16. Komplek Valid 17. Unik 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 < 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 Keterangan dikorelasi 1. Praktis Valid 2. Halus Valid 3. Modern Valid 4. Artistik Valid 5. Rapi Valid 6. Menarik Valid 7. Ergonomis Valid 8. Kasual Valid 9. Nyaman Valid 10. Inovatif Valid 61

7 11. Awet Valid 12. Komplek Valid 13. Unik Valid Hasil dari uji validitas pada iterasi yang kedua seluruh variabelnya valid karena nilai rkalkulasi > Hasil akhir dari uji validitas menunjukkan ada 13 variabel yang valid 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 Nilai ralpha dapat dilihat pada nilai Guttman Split-Half Coefficient pada tabel 4.4 yaitu Jadi hasil dari uji reliabilitas menyatakan nilai ralpha > rtabel yaitu 0.88 > 0.301, maka data kuisioner dinyatakan reliable. 62

8 Tabel 4.4 Hasil Uji Reliabilitas Reliability Statistics Part1 Value N of Items 7 a Part 2 Value N of Items 6 b Total N of Items 13 Correlation Between Forms Equal Length Unequal Length Guttman Split-Half Coefficient 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 63

9 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 Bartlett s Test of Sphericity Approx. ChiSquare Df 78 Sig 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 Layak 2. Halus Layak 3. Modern Layak 4. Artistik Layak 64

10 5. Rapi Layak 6. Menarik Layak 7. Ergonomis Layak 8. Kasual Layak 9. Nyaman Layak 10. Inovatif Layak 11. Awet Layak 12. Komplek Layak 13. Unik 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, 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, 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. 65

11 Tabel 4.7 Item dan Kategori Desain Fideks Compack Workstation No Elemen No Kategori Notasi 1 Mudah Dibongkar X11 1 Bentuk 2 Tetap atau Statis X12 1 Monitor Komputer X21 2 Sarana Pendukung 2 Telepon X22 3 Lampu X23 1 Kayu X31 3 Bahan 2 Besi X32 1 Polos X Dua warna atau lebih X42 3 Bermotif X43 1 Kecil X51 5 Ukuran 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. Sampelsampel tersebut dapatdilihat pada tabel 4.8 berikut ini : 66

12 Tabel 4.8 Item dan Kategori-Kategori Masing-Masing Sampel No Bentuk Sampel 1 Tetap atau Statis 2 Tetap atau Statis 3 Tetap atau Statis 4 Tetap atau Statis 5 Tetap atau Statis 6 Tetap atau Statis 7 Mudah Dibongkar 8 Mudah Dibongkar Sarana Pendukung Bahan Ukuran Monitor Komputer Kayu Polos Besar Monitor komputer Kayu Kecil Monitor Komputer Besi Bermotif Kecil Telepon Kayu Kecil Lampu Besi Polos Besar Lampu Besi Polos Kecil Monitor Komputer Kayu Kecil 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 67

13 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 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 68

14 Jumlah sampel yang diberikan yaitu 8, jadi jumlah sampel sudah tercukupi sesuai dengan jumlah sampel minimum 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 ) meja ( Polos Bermotif ) Ukuran Ukuran dari meja ( Besar Kecil ) /HOLDOUT=0 SAVE OUTFILE= ujiconjoint1.sav. 69

15 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 O 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 ) meja ( Polos Bermotif ) Ukuran Ukuran dari meja ( Besar Kecil ) /SUBJECT=KODE /SCORE=SAMPEL1 SAMPEL2 SAMPEL3 SAMPEL4 SAMPEL5 SAMPEL6 SAMPEL7 SAMPEL8 /UTILITY= ujiconjoint2.sav 70

16 9. Klik Run kemudian Ok 10. Hasil dari analisa conjoint dengan SPSS syntax editor dapat dilihat dilampiran J 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 Selisih Elemen Desain Kategori Tidak Praktis Praktis Mudah Dibongkar Bentuk Tetap atau Statis Monitor Komputer Sarana Pendukung Telepon Lampu Bahan Kayu Besi 0.95 Polos warna atau lebih Bermotif Ukuran Besar Kecil Constant Correlation Coefficient Pearson 1 Kendall 1 Significance Pearson 0 Kendall Hasil Perhitungan Deviasi Pada Kansei Word Halus Elemen Desain Kategori Selisih Kasar Halus Bentuk Mudah Dibongkar

17 Tetap atau Statis Monitor Komputer Sarana Pendukung Telepon Lampu 0.63 Bahan Kayu Besi Polos warna atau lebih Bermotif Ukuran Besar Kecil Constant Correlation Coefficient Pearson 1 Kendall 1 Significance Pearson 0 Kendall 0, Hasil Perhitungan Deviasi Pada Kansei Word Modern Elemen Desain Kategori Selisih Konvensional Modern Bentuk Mudah Dibongkar Tetap Atau Statis 0,105 Monitor Komputer Sarana Pendukung Telepon Lampu Bahan Kayu Besi Polos warna atau lebih Bermotif Ukuran Besar Kecil Constant Correlation Coefficient Pearson 1 Kendall 1 Significance Pearson 0 Kendall Hasil Perhitungan Deviasi Pada Kansei Word Artistik Elemen Desain Kategori Selisih Tidak Artistik Artistik Bentuk Mudah Dibongkar Tetap atau Statis Sarana Pendukung Monitor Komputer Telepon

18 Lampu Bahan Kayu Besi Polos warna atau lebih Bermotif Ukuran Besar Kecil Constant Correlation Coefficient Pearson 1 Kendall 1 Significance Pearson 0 Kendall Hasil Perhitungan Deviasi Pada Kansei Word Rapi Elemen Desain Kategori Selisih Berantakan Rapi Bentuk Mudah Dibongkar Tetap atau Statis Monitor Komputer Sarana Pendukung Telepon Lampu Bahan Kayu Besi Polos warna atau lebih Bermotif Ukuran Besar Kecil Constant Correlation Coefficient Pearson 1 Kendall 1 Significance Pearson 0 Kendall Hasil Perhitungan Deviasi Pada Kansei Word Menarik Elemen Desain Kategori Selisih Membosankan Menarik Bentuk Mudah Dibongkar Tetap atau Statis Monitor Komputer Sarana Pendukung Telepon Lampu Bahan Kayu Besi

19 Polos warna atau lebih Bermotif Ukuran Besar Kecil Constant Correlation Coefficient Pearson 1 Kendall 1 Significance Pearson E-47 Kendall 0, Hasil Perhitungan Deviasi Pada Kansei Word Ergonomis Elemen Desain Kategori Selisih Tdk Ergonomis Ergonomis Bentuk Mudah Dibongkar Tetap atau Statis Monitor Komputer Sarana Pendukung Telepon Lampu Bahan Kayu Besi Polos warna atau lebih Bermotif Ukuran Besar Kecil Constant Correlation Coefficient Pearson 1 Kendall 1 Significance Pearson 0 Kendall 0, Hasil Perhitungan Deviasi Pada Kansei Word Kasual Elemen Desain Kategori Selisih Formal Kasual Bentuk Mudah Dibongkar Tetap atau Statis Monitor Komputer Sarana Pendukung Telepon Lampu Bahan Kayu Besi Polos warna atau lebih Bermotif

20 Ukuran Besar Kecil Constant 3.22 Correlation Coefficient Pearson 1 Kendall 1 Significance Pearson 0 Kendall Hasil Perhitungan Deviasi Pada Kansei Word Nyaman Elemen Desain Kategori Selisih Tdk Nyaman Nyaman Bentuk Mudah Dibongkar Tetap atau Statis Monitor Komputer Sarana Pendukung Telepon Lampu Bahan Kayu Besi Polos warna atau lebih Bermotif Ukuran Besar Kecil Constant Correlation Coefficient Pearson 1 Kendall 1 Significance Pearson 0 Kendall 0, Hasil Perhitungan Deviasi Pada Kansei Word Inovatif Elemen Desain Kategori Selisih Tdk Inovatif Inovatif Bentuk Mudah Dibongkar Tetap atau Statis Monitor Komputer Sarana Pendukung Telepon Lampu Bahan Kayu Besi Polos warna atau lebih Bermotif Ukuran Besar Kecil Constant

21 Correlation Coefficient Pearson 1 Kendall 1 Significance Pearson 0 Kendall Hasil Perhitungan Deviasi Pada Kansei Word Awet Elemen Desain Kategori Selisih Cepat Rusak Awet Bentuk Mudah Dibongkar Tetap atau Statis Monitor Komputer Sarana Pendukung Telepon Lampu Bahan Kayu Besi Polos warna atau lebih Bermotif Ukuran Besar Kecil Constant Correlation Coefficient Pearson 1 Kendall 1 Significance Pearson 0 Kendall Hasil Perhitungan Deviasi Pada Kansei Word Komplek Elemen Desain Kategori Selisih Tdk Komplek Komplek Bentuk Mudah Dibongkar Tetap atau Statis Monitor Komputer Sarana Pendukung Telepon Lampu E-16 Bahan Kayu Besi Polos warna atau lebih Bermotif Ukuran Besar Kecil Constant Correlation Coefficient Pearson 1 Kendall 1 Significance Pearson E-48 76

22 Kendall Hasil Perhitungan Deviasi Pada Kansei Word Unik Elemen Desain Kategori Selisih Tdk Unik Unik Bentuk Mudah Dibongkar Tetap atau Statis Monitor Komputer Sarana Pendukung Telepon Lampu Bahan Kayu Besi Polos warna atau lebih Bermotif Ukuran Besar Kecil Constant Correlation Coefficient Pearson 1 Kendall 1 Significance Pearson 0 Kendall 0, 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. 77

23 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 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 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 2 warna atau lebih Polos, Bermotif Ukuran Kecil Besar 78

24 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 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 Telepon, Lampu Monitor komputer Pendukung Bahan Kayu Besi 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 Telepon, Lampu Monitor komputer Pendukung Bahan Kayu Besi Bermotif Polos, 2 warna atau Lebih Ukuran Kecil Besar 79

25 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 Telepon, Lampu Monitor komputer Pendukung Bahan Kayu Besi 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 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 Bahan Kayu Besi 2 warna atau lebih, Bermotif Polos Ukuran Kecil Besar Monitor komputer, Lampu 80

26 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 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, bermotif, Kecil Tetap atau Statis, Lampu,Kayu, Polos, Besar Kansei Word : Awet Elemen Desain Cepat Rusak Awet Bentuk Tetap atau Statis Mudah dibongkar Sarana Pendukung Monitor Komputer, Telepon Lampu Bahan Besi Kayu 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 2 warna atau lebih Polos, Bermotif Ukuran Kecil Besar 81

27 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 Monitor Komputer, Telepon, lampu Pendukung Bahan Kayu Besi 2 warna atau lebih, Bermotif Polos Ukuran Kecil Besar Pendekatan elemen Desain berdasarkan nilai terbesar Mudah dibongkar, Monitor Komputer, Kayu, 2 warna atau lebih, Bermotif, Kecil Tetap atau Statis, Telepon, lampu,besi, Polos, Besar Besar 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% 82

28 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% 83

29 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 84

30 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% 85

31 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. 86

32 11. Kansei Word = Awet a. Faktor penting untuk bentuk adalah 17,910% b. Faktor penting untuk sarana pendukung adalah % 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% 87

33 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 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 88

34 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 nilainilai 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. : Polos 89

35 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 Fideks Compack Workstation 90

36 Gambar Fideks Compack Workstation 4.8 Perancangan Produk Gambar Fideks Compack Workstation Dalam pembuatan Fideks Workstation terdapat 4 proses utama, diantaranya: 91

37 1. Proses pembutan kerangka. 2. Proses perakitan Gambar Kerangka Fideks Compack Workstation Gambar Perakitan Fideks Compack Workstation 3. Proses finishing, yaitu proses penghalusan permukaan serta proses pewarnaannya. 92

38 Gambar Finishing Fideks Compack Workstation 4. Proses akhir, yaitu proses pemasangan sarana pendukung dan pengecekan terakhir. Gambar Proses Akhir Fideks Compack Workstation 93