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. 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.
3.6. Analisis Statistik
3.6.1. Analisis Multivariat
17
Analisis multivariat adalah metode-metode statistik yang mengolah beberapa pengukuran menyangkut individu atau objek sekaligus. Dengan
17
Bilson Simamora, Analisis Multivariat Pemasaran, Jakarta: PT. Gramedia Pustaka Utama, 2005., h. 2-5
Universitas Sumatera Utara
pengertian ini, analisis multivariat merupakan perluasan dari analisis univariat dan bivariat. Beberapa ahli menyatakan bahwa tujuan analisis multivariat adalah
mengukur, menerangkan, dan memprediksi tingkat relasi the degree of relationship di antara variat-variat. Analisis multivariat selalu berkembang.
Berbagai teknik yang telah diterima secara luas adalah: 1.
Principal component dan common factors analysis 2.
Multiple regression dan multiple correlation 3.
Multiple discriminant analysis 4.
Multivariat analysis of variance dan covariance 5.
Conjoint analysis 6.
Canoncial correlation 7.
Cluster analysis 8.
Multidimensional analysis 9.
Correspondence analysis
3.6.1.1.Analisis Statistik Kansei Engineering
18
Analisis multivariat memainkan peranan penting dalam Kansei engineering. Data evaluasi kansei mempunyai karakteristik multidimensional
karena sifat kansei adalah multidimensional. Format umum data evaluasi kansei dapat dilihat pada Gambar 3.7. Gambar tersebut memperlihatkan urutan kolom
dan baris untuk menyesuaikan tabel data yang digunakan dalam Kansei Engineering.
18
Mitsuo, Nagamachi, KanseiEffective Engineering, Jepang: New York CRC Press, 2011., h. 51- 54
Universitas Sumatera Utara
3.6.1.2.Conjoint Analysis
19
Salah satu fokus penelitian konsumen adalah untuk memperkirakan preferensi konsumen terhadap keberadaan produk atau atribut potensial. Salah
satu teknik yang populer untuk mengetahui hal tersebut adalah conjoint analysis, yang secara kuantitatif menghitung utilitas masing-masing atribut produk
berdasarkan feedback dari konsumen. Kombinasi dari beberapa atribut dijumlahkan dengan total skor yang diharapkan, dan tergantung pada kombinasi
yang mungkin termasuk atribut yang kurang diinginkan ditambah dengan atribut yang diinginkan pelanggan membandingkan atribut.
Conjoint analysis diawali dengan membangun perangkat atribut yang digunakan untuk membangun desain produk lengkap yang ditawarkan
berdasarkan kombinasi
atribut-atribut tersebut.
Konsumen kemudian
mengevaluasi masing-masing produk yang ditawarkan. Data evaluasi
dikumpulkan dan dianalisa untuk menghitung skor keinginan dari atribut individual dan kepentingan relatif untuk masing-masing kelompok atribut yang
berbeda. Sebagai contoh, kemampuan zoom, pixels, dan ketahanan terhadap air
mewakili kelompok atribut atau dimensi untuk kamera digital. Masing-masing dimensi terbagi menjadi level yang berbeda. Zoom memiliki tiga level, yaitu 2X,
5X, dan 10X, pixel memiliki dua level, yaitu 2 juta atau 5 juta, dan ketahanan terhadap air memiliki dua level, yaitu tahan air dan anti air. Level individual
dikombinasikan menjadi 12 level berbeda untuk produk yang ditawarkan 3 level
19
Kenneth B. Kahn, New Product Forecasting, an Applied Approach, New York: M.E. Sharpe, 2006, h. 72-77.
Universitas Sumatera Utara
x 2 level x 2 level = 12 level. Kedua belas level yang ditawarkan ini ditunjukkan kepada konsumen yang akan ditanyai.
Salah satu metodologi evaluasi yang sederhana adalah konsumen member ranking kombinasi produk dari 1 kombinasi yang paling diminati hingga 12
kombinasi yang paling tidak diminati. Akan tetapi karena ranking relatif mudah untuk dibentuk dari sudut pandang konsumen, ranking data harus diubah menjadi
kombinasi yang dipilih yang menunjukkan skor keinginan tertinggi dalam kata lain, skor yang lebih tinggi berarti lebih diinginkan. Ranking diubah dengan
pengurangan ranking dari tiga belas 12+1. Skor keinginan rata-rata dari masing- masing level dihitung dengan merata-ratakan skor keinginan dari seluruh
kombinasi level. Pertimbangkan apabila Konsumen I memberikan data seperti ditunjukkan
pada Tabel 3.2, yang dikonversi menjadi skor keinginan. Skor rata-rata keinginan dapat dihitung untuk masing-masing level individual per dimensi dengan merata-
ratakan skor keinginan untuk kombinasi termasuk level utama. Sebagai contoh, keinginan rata-rata untuk kemampuan Zoom 2X adalah 4.5, yang merupakan
kombinasi dari level 2X [1+2+7+84]= 4.5, rata-rata keinginan untuk Zoom 5X adalah 6.5, yang merupakan rata-rata level 5X [3+4+9+104= 6.5], dan rata-
rata keinginan untuk Zoom 10X adalah 8.5, yang merupakan rata-rata kombinasi seluruh produk yang termasuk level 10X [5+6+11+124= 8.5]. Berdasarkan
perhitungan tersebut, konsumen menemukan bahwa 10X lebih diminati daripada 5X dan jauh lebih diminati dari 2X, hal ini bisa juga diartikan bahwa Zoom 10X
hamper dua kali lebih diminati dari 2X.
Universitas Sumatera Utara
3.6.2. Kuesioner
