Mengumpulkan sampel produk Mendaftar Item dan Kategori Evaluasi Eksperimen

commit to user III-6 c. MSA 0,5, variabel tidak dapat diprediksi tanpa kesalahan dari variabel lain dan tidak dapat dianalisa lebih jauh, atau harus dipindahkan keluar dari variabel-variabel lain. Jika ada lebih dari satu variabel yang memiliki MSA 0,5, maka kemudian variabel yang dipindahkan tadi merupakan nilai yang terkecil.

3.4 Mengumpulkan sampel produk

Menyiapkan sampel kursi roda yang akan diteliti dan dikembangkan. Sampel produk yang didapatkan sebanyak 16 kursi roda dengan spesifikasi yang bermacam-macam.

3.5 Mendaftar Item dan Kategori

Pemilihan desain elemen berdasarkan pada item-item dan kategori pada sampel produk yang telah disiapkan. Pengumpulan data dengan mengadakan pengamatan langsung pada objek penelitian. Dalam langkah ini peneliti mengadakan pengamatan awal tentang komponen – komponen penyusun 16 sampel produk kursi roda yang diproduksi oleh “Toko Medical Teknik”. Elemen desain sebuah produk dapat dibagi menjadi beberapa komponen-komponen untuk menyiapkan sampel. Masing-masing komponen didefinisikan sebagai item dan sifat masing-masing item didefinisikan sebagai kategori. Dengan kata lain, sebuah produk disusun dari beberapa item dan masing-masing item memiliki satu kategori. Sampel-sampel harus disiapkan agar supaya tidak ada sampel yang memiliki kategori yang sama pada seluruh item untuk analisa matematis dengan model Analisa. Dalam penelitian ini, sebuah kursi roda dibagi menjadi 5 elemen faktor, yaitu Bahan kerangka, Sistem penggerak, Sarana pendukung Aksesoris, Bahan sandaran, Warna.

3.6 Evaluasi Eksperimen

Pada kuesioner yang kedua, responden diminta kembali untuk mengevaluasi masing-masing sampel yang ada dihadapan mereka untuk masing- commit to user III-7 masing kansei word dari hasil analisis faktor. Kuesioner kedua juga menggunakan skala Semantic Differential dengan skala 7 dan intruksinya sama dengan kuesioner pertama. Perbedaan antara kuesioner pertama dengan kuisioner yang kedua adalah pada kuesioner pertama, responden mengevaluasi 16 sampel produk bersama-sama untuk menyeleksi kansei word yang sesuai dengan keinginannya. Sedangkan pada kuesioner yang kedua, responden harus mengevaluasi masing- masing stimuli sampel produk terhadap masing-masing kansei word . Tujuan dari evaluasi kedua Semantic Defferential yang kedua adalah menganalisa hubungan antara masing-masing kansei word dengan image subyek tentang masing-masing stimuli sampel produk. Nilai rata-rata masing-masing stimuli sampel produk terhadap masing-masing kansei word dari evaluasi responden kemudian dihitung. Nilai rata-rata masing – masing sampel dari hasil data kuesioner II SDII akan digunakan sebagai data input dalam proses Analisis Conjoint . Stimuli sampel produk merupakan suatu kartu konsep eksperimen yang berasal dari daftar item dan kategori dari 16 sampel produk awal. Untuk mengetahui jumlah minimum stimuli sampel produk yang harus dievaluasi oleh seorang responden jika analisa yang dilakukan pada kategori individual adalah: Jumlah stimuli sampel produk minimum= Total jumlah kategori – jumlah item +1 ..........................................3.3 3.7 Analisis Conjoint Analisis Kansei sebenarnya menggunakan teori Kuantifikasi Hayashi Tipe 1 untuk analisa statistik. Akan tetapi karena referensi dan pengetahuan yang terbatas mengenai software yang digunakan, maka penulis peneliti menerapkan modul Conjoint dalam SPSS untuk memproses data. Maka dari itu, dalam penelitian ini, peneliti menggunakan Analisis Conjoint . commit to user III-8 Langkah-langkah Analisis Conjoint tidak menggunakan menu umum atau kotak dialog tetapi menggunakan Editor Syntax . Maka dari itu, peneliti harus menulis perintah melalui Editor Syntax SPSS. Penerapan Analisis Conjoint : a Menghitung Deviasi Penghitungan umum untuk menentukan deviasi adalah Deviasi= Rangking kategori rata-rata – rangking rata-rata keseluruhan …………………………………………................................…….… 3.4 b Menghitung pentingnya item Untuk menghitung pentingnya item, pertama-tama peneliti harus menghitung nilai bagian pada setiap masing-masing kategori. Nilai bagian pada masing-masing kategori dihitung dalam empat langkah: Langkah 1 = Kuadratkan deviasi masing-masing sampel dan jumlahkan semua deviasi kuadrat. Langkah 2 = Menghitung nilai kestandaran yang sama dengan total jumlah kategori-kategori yang dibagi dengan jumlah deviasi kuadrat. Langkah 3 = Menstandarkan masing-masing deviasi yang kudarat yang dikalikan dengan nilai kestandaran. Langkah 4 = Mengestimasi bagian yang penting dengan mengakarkan standar deviasi . Pentingnya item dihitung sebagai: nūȖ̜Ϝ Ǵ ū ƯtϜm xĖm Ǵ t฀Ϝ nūȖ̜Ϝ ūynxx ū ƯtϜm 100 ……………………… 3.5 c Menghitung Nilai Bentuk umum model conjoint dapat diperlihatkan seperti berikut ini: Nilai produk ij ...n= Deviasi kategori i untuk item 1 + deviasi kategori j untuk item 2 + ........... + deviasi kategori n untuk item m...........…..3.6 commit to user III-9 Dimana produk atau servis memiliki atribut m, yang masing-masing memiliki kategori n. Produk terdiri dari kategori i untuk item 2, dan seterusnya sampai kategori n untuk item m.

3.8 Pengembangan produk