3. Membangun Kansei Engineering sebagai sebuah teknologi ergonomik. Beberapa teknologi komputer yang canggih. Inteligen buatan, model jaringan
syaraf, dan algoritma genetik termasuk juga teori Fuzzy, disertakan juga untuk membangun rangka kerja yang sistematik dari teknologi Kansei Engineering
dan untuk mengkonstruksi database yang terhubung dan system interface. 4. Menyesuaikan desain produk dengan perubahan sosial yang sedang terjadi
yang sesuai dengan pilihan orang. Hal ini bertujuan untuk merawat kesehatan database dari Kansei Engineering system dan trend Kansei konsumen yang
sedang meningkat dengan memasukkan data Kansei baru konsumen dalam setiap tiga atau empat tahun.
3.1.2 Metode Kansei Engineering
4
Lima tipe Metode Kansei Engineering yang digunakan oleh Nagamichi yaitu :
1. Tipe I : Kansei Engineering Type 1
Sumber : Mitsuo Nagamachi 2011
Gambar 3.2. Diagram Kansei Engineering Tipe I
4
Ibid, hal : 15-17.
Universitas Sumatera Utara
1. Langkah pertama yaitu strategi perusahaan, perusahaan harus memiliki konsep yang ditentukan atau strategi untuk produk baru. Insinyur Kansei harus
memanfaatkan strategi ini untuk diterapkan ke bidang baru. 2. Langkah kedua yaitu mengumpulkan kata-kata Kansei yang berhubungan
dengan konsep produk baru sekitar 20-30 kata Kansei. Langkah ketiga yaitu kata-kata Kansei dikumpulkan disusun pada titik 5-atau skala Semantic
Differential 7- 3. Langkah ketiga yaitu kata-kata Kansei dikumpulkan disusun pada titik 5-atau
skala Semantic Differential 7-point. 4. Langkah keempat yaitu mengumpulkan sampel produk sebagai perbandingan
di antara produk sejenis dari perusahaan dan pembuat yang berbeda sekitar 10-20 sampel.
5. Langkah kelima yaitu daftar item dan kategori, item dan kategori menyiratkan spesifikasi desain tentang produk sampel yang dikumpulkan. Semua sifat
produk dijelaskan, misalnya item terdiri dari warna, bentuk, ukuran, merek logo, dan lain-lain. Kategori misalnya item warna memiliki kategori kuning,
merah, hijau dan lain-lain. 6. Langkah keenam evaluasi percobaan yaitu responden diminta mencatat
perasaan mereka dengan kata-kata Kansei untuk setiap sampel pada lembar skala Semantic Differential.
7. Langkah ketujuh yaitu analisis statistik, data dievaluasi dan dianalisa dengan metode statistik, terutama dengan analisis statistik multivariat.
Universitas Sumatera Utara
8. Langkah kedelapan interpretasi data yang dianalisis, yaitu semua data dianalisis harus ditafsirkan dari sudut pandang Kansei Engineering. Tujuannya
adalah untuk menemukan hubungan antara Kansei manusia dan properti produk. Data yang dianalisis ditemukan hubungan setiap Kansei dengan
spesifikasi desain. 9. Langkah kesembilan yaitu Penjelasan data, interpretasi data harus menjelaskan
kepada desainer perusahaan untuk membuat desain baru dengan bantuan desainer.
10. Langkah kesepuluh yaitu kolaborasi para insinyur dengan desainer, Kansei memotivasi perusahaan untuk membuat desain produk baru. Proses ini,
insinyur Kansei harus mendukung terciptanya perancangan produk baru berdasarkan data Kansei Engineering.
3.1.3.
5
Conjoint Analysis adalah teknik analisis yang digunakan secara khusus untuk memahami bagaimana responden mengembangkan produk atau layanan
pilihan. Analisis conjoint bertujuan untuk menentukan bagaimana persepsi seseorang terhadap suatu objek yang terdiri dari satu atau banyak bagian. Analisis
Conjoint CA adalah metodologi didasarkan pada beberapa langkah mulai dari merancang percobaan, mengumpulkan data, memperkirakan model dan, akhirnya,
menggunakan hasil untuk pengembangan produk. Proses analisis conjoint adalah
sebagai berikut:
Conjoint Analysis
Universitas Sumatera Utara
1. Tentukan nilai Constant Constant adalah analisis nilai tengah. Nilai konstan ditentukan berdasarkan
skala penilaian yang digunakan. Nilai konstan dapat diperoleh dengan rumus berikut:
1 2 3 ... n
c
n
dimana n adalah skala penilaian yang digunakan
.
2. Tentukan nilai rata-rata Nilai rata-rata adalah rata-rata dari total responden penilaian atribut produk.
Nilai rata-rata dapat diperoleh dengan rumus berikut
:
x
1
x
2
x
3
... xn
x
3
n
dimana xn
adalah nilai dari sampel n. 3. Tentukan nilai Utilitas
Penyimpangan atau utilitas adalah perbedaan antara rata-rata faktor spesifik dengan konstan. Jika perbedaannya adalah negatif, maka responden kurang
puas dengan atribut produk. Sebaliknya, jika perbedaan tersebut positif, maka responden menyukai atribut produk
4. Analisis data Data penyimpangan dianalisis untuk memperoleh kategori produk yang sesuai
dengan kebutuhan responden. Produk kategori dipilih berdasarkan kategori yang memiliki nilai deviasi tertinggi dibandingkan dengan kategori lainnya.
5
Bernard Fichet
dkk. 2010.
Classification and Multivariate Analysis for Complex Data Structures. Italy
Universitas Sumatera Utara
3.2. Quality Function Deployment