ii

DESAIN BONEKA EDUKASI SEBAGAI MEDIA BELAJAR LAGU

DAERAH INDONESIA MENGGUNAKAN PENDEKATAN
AFFECTIVE DESIGN

TUGAS AKHIR

Diajukan ke Program Studi Teknik Industri

Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana
Teknik Industri Universitas Islam Indonesia

Nama : Siti Bariroh Maulidyawati

Nomor Mahasiswa : 13522123

JURUSAN TEKNIK INDUSTRI

FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS ISLAM INDONESIA
YOGYAKARTA
2018
Scanned by CamScanner
 HALAMAN PERSEMBAHAN

Teruntuk kedua orang tua saya,

Bapak Drs. Muhammad Darobi (rahimahullah) dan
Ibu Dra. Siti Waringah, [Link]., Psikolog.

Adik saya, Muhammad Arif Taufiqurrahman.

Anak-anak Indonesia, di manapun kalian berada.

Untuk siapa saja yang merasa pernah melontarkan pertanyaan pada saya,
“Kapan maju sidang?”

Terakhir, Tugas Akhir ini saya persembahkan untuk suami dan anak-anak saya di
masa depan.

v
 MOTTO

“Perhaps you hate a thing but it is good for you and perhaps you love a thing but it
is bad for you. Allah knows while you know not”

(QS. Al-Baqarah 216)

“Oh My Lord, expand me my breast, ease my task for me and remove the
impediment from my speech. So they may understand what I say.”

(QS. Taha 25-28)

“Ada 3 pusaka kebajikan, yaitu merahasiakan keluhan, merahasiakan musibah dan

merahasiakan sedekah.”

HR Tabrani

“Menjadi kuat bukan berarti kamu tahu segalanya. Bukan berarti kamu tidak bisa
hancur. Kekuatanmu ada pada kemampuanmu bangkit kembali setelah berkali-kali
jatuh. Jangan pikirkan kamu akan sampai di mana dan kapan. Tidak ada yang tahu.
Your strength is simply your will to go on.”
Dewi Lestari, Supernova: Partikel

vi
 KATA PENGANTAR

Assalamu’alaikum Wr. Wb.

Peneliti memanjatkan puji syukur kehadirat Allah SWT yang telah melimpahkan
rahmat dan karunia-Nya sehingga peneliti dapat menyelesaikan tugas akhir dengan
judul Desain Boneka Edukasi sebagai Media Belajar Lagu Daerah Indonesia
menggunakan Pendekatan Affective Design. Tak lupa shalawat serta salam peneliti
panjatkan kepada Nabi Muhammad SAW beserta para sahabatnya hingga akhir
zaman. Terselesaikannya tugas akhir ini juga tak lepas dari bimbingan, dukungan dan
doa dari berbagai pihak. Oleh karena itu, peneliti ingin mengucapkan terima kasih
kepada:

1. Bapak Dr. Imam Djati Widodo, [Link], selaku Dekan Fakultas Teknologi
Industri Universitas Islam Indonesia.
2. Bapak Yuli Agusti Rochman, S.T., [Link], selaku Ketua Program Studi
Teknik Industri Fakultas Teknologi Industri Universitas Islam Indonesia.
3. Bapak Ir. Hartomo, [Link], Ph.D selaku dosen pembimbing tugas akhir yang
telah meluangkan waktu dan senantiasa memberikan bimbingan kepada
peneliti hingga semua proses panjang ini dapat terlewati.
4. Bu Titir, Bu Fajar, Giri, Yandi serta seluruh anak-anak serta pihak TPA yang
telah bersedia membantu peneliti dalam pengumpulan data penelitian maupun
proses pembuatan produk.
5. Ibu, Bapak dan adik atas inspirasi, doa serta dukungan tiada henti untuk segala
kegiatan dan usaha.
6. Bapak dan Ibu Dosen Prodi Teknik Industri UII atas segenap ilmu yang
diberikan, serta Mas Faisal dan Mbak El atas segenap bantuan dan kelancaran
birokrasi selama masa perkuliahan di Prodi Teknik Industri UII.
7. Teman-teman satu bimbingan, Keluarga Labortorium DSK & E UII dan
Teknik Industri angkatan 2013 atas dukungan dan doa yang diberikan.
8. Peneliti juga mengucapkan terima kasih kepada semua pihak yang telah
membantu peneliti dalam menyelesaikan Tugas Akhir ini.
Semoga kebaikan yang diberikan oleh semua pihak kepada peneliti mendapatkan
balasan dari Allah SWT dan penelitian ini dapat bermanfaat untuk masyarakat luas.
Aamiin.

Wassalamu’alaikum Wr. Wb.

Yogyakarta, Januari 2018

Siti Bariroh Maulidyawati

vii
 DAFTAR ISI

LEMBAR PENGESAHAN DOSEN PEMBIMBING .................................................... iii

LEMBAR PENGESAHAN DOSEN PENGUJI.............................................................. iv
HALAMAN PERSEMBAHAN ....................................................................................... v
MOTTO ........................................................................................................................... vi
KATA PENGANTAR .................................................................................................... vii
DAFTAR ISI............................................................................................................. viiiviii
DAFTAR GAMBAR ....................................................................................................... xi
DAFTAR TABEL.......................................................................................................... xiii
ABSTRAK .................................................................................................................. xiviv
BAB I ................................................................................................................................ 1
1.1 Latar Belakang ............................................................................................................. 1
1.2 Rumusan Masalah ........................................................................................................ 3
1.3 Tujuan Penelitian.......................................................................................................... 4
1.4 Ruang Lingkup Penelitian ............................................................................................ 4
1.5 Manfaat Penelitian........................................................................................................ 5
1.6 Sistematika Penulisan ................................................................................................... 5
BAB II............................................................................................................................... 7
2.1 Kajian Empiris ............................................................................................................. 7
2.2 Kajian Deduktif .......................................................................................................... 15
2.2.3 Affective Desain Produk...................................................................................... 18
2.2.4 Kansei Engineering ............................................................................................ 20
2.2.5 Array Orthogonal ............................................................................................... 25
2.2.6 Conjoint Analysis ............................................................................................... 25
2.2.7 Teori Himpunan Fuzzy ....................................................................................... 26
BAB III ........................................................................................................................... 30
3.1 Objek dan Subjek Penelitian ...................................................................................... 30
3.2 Lokasi Penelitian ........................................................................................................ 31
3.3 Tipe Data ................................................................................................................ 31
3.4 Metode Pengumpulan Data .................................................................................... 31
3.4.1 Populasi dan Sampel Penelitian .............................. Error! Bookmark not defined.

viii
 3.5 Metode Pengolahan Data ............................................................................................ 32
3.5.1 Kansei Engineering ................................................................................................ 32
3.5.2 Fuzzy Linguistic .................................................................................................. 32
3.6 Metode Analisis Statistik ................................................................................................. 33
3.6.1 Semantik Diferensial .......................................................................................... 33
3.6.2 Uji Reliabilitas.................................................................................................... 34
3.6.3 Uji Validitas ....................................................................................................... 35
3.6.4 Uji Kecukupan Data ........................................................................................... 37
3.6.5 Conjoint Analysis ............................................................................................... 38
3.4.7 Uji Marginal Homogeneity ................................................................................. 39
3.5 Pengembangan Produk: Virtual Design ...................................................................... 40
3.6 Diagram Alir Penelitian .............................................................................................. 40
BAB IV ........................................................................................................................... 43
4.1 Menentukan Kata Kansei ........................................................................................... 43
4.2 Kuesioner Semantic Differential I .............................................................................. 43
4.2.1 Uji Kecukupan Data ........................................................................................... 44
4.2.2 Uji Validitas ....................................................................................................... 44
4.2.3 Uji Reliabilitas.................................................................................................... 45
4.3 Kuesioner Semantic Differential II ............................................................................. 47
4.3.1 Sampel Produk (Semantic Differential II) .......................................................... 47
4.3.2 Minimum Stimulus and Card Concept ............................................................... 48
4.3.3 Initial Virtual design ........................................................................................... 50
4.4 Conjoint Analysis ....................................................................................................... 51
4.5 Analisa Pentingnya Faktor atau Importance Rating (IR) ............................................ 60
4.6 Contoh Produk Untuk Beberapa Konsep .................................................................... 63
4.7 Hasil Metode Kansei Engineering .............................................................................. 65
4.8 Menentukan Atribut Fuzzy ......................................................................................... 65
BAB V ............................................................................................................................ 78
5.1 Kata Kansei ................................................................................................................ 78
5.2 Orthogonal Design ..................................................................................................... 78
5.3 Conjoint Analysis ....................................................................................................... 79
5.4 Penentuan Fuzzy dan Non-Fuzzy dalam Atribut Kansei ............................................ 81
5.5 Uji Kesesuaian ( Marginal Homogeneity) .................................................................. 83
BAB VI ........................................................................................................................... 86
6.1 Kesimpulan ................................................................................................................ 86

ix
 6.2 Saran .......................................................................................................................... 86
DAFTAR PUSTAKA ..................................................................................................... 88
LAMPIRAN.....................................................................Error! Bookmark not defined.

x
 DAFTAR GAMBAR

Gambar 2.1 Proses Pembembangan Produk ........................ ..................................... 16

Gambar 2.2 Proses KE Tipe 1 ................................................................................... 21
Gambar 2.3 Proses KE Tipe 2 ................................................................................... 22
Gambar 2.4 Fuzzy Interference System...................................................................... 27
Gambar 2.5 Fungsi Keanggotaan............................................................................... 27
Gambar 2.6 Fuzzy Triangular Number ...................................................................... 28
Gambar 2.7 Contoh Variabel Linguistik dan Atribut Kepuasan ............................... 29
Gambar 3.1 Diagram Alir Penelitian ......................................................................... 42
Gambar 4.1 Jumlah Sampel Berdasarkan SPSS ........................................................ 49
Gambar 4.2 32 Sampel Desain .................................................................................. 52
Gambar 4.3 Fungsi Keanggotaan dan Aturan untuk Ukuran Sedang ........................ 68
Gambar 4.4 Fungsi Keanggotaan dan Aturan untuk Motif Menarik ......................... 70
Gambar 4.5 Fungsi Keanggotaan dan Aturan untuk Warna Merah .......................... 71
Gambar 4.6 Fungsi Keanggotaan dan Aturan untuk Warna Kuning ........................ 72
Gambar 4.7 Fungsi Keanggotaan dan Aturan untuk Desain Unik ............................ 75
Gambar 4.8 Hasil Akhir Produk Usulan ................................................................... 78

Gambar 5.1 Desain Usulan Boneka Edukasi (Perempuan) ....................................... 86

Gambar 5.2 Desain Usulan Boneka Edukasi (Laki-laki) ........................................... 86
Gambar 5.3 Desain Boneka Edukasi Tampak Belakang ........................................... 87

xi
 DAFTAR TABEL

Tabel 2.1 Penelitian Terdahulu Mengenai Media Pembelajaran .................................... 10

Tabel 2.2 Penelitian Terdahulu Bermetode Kansei Engineering .................................... 14
Tabel 2.3 Variabel Bilangan Fuzzy Segitiga................................................................... 29
Tabel 3.1 Tabel Skala Semantic Diferential 5 Level ...................................................... 34
Tabel 3.2 Klasifikasi Cronbach’s Alpha......................................................................... 36
Tabel 4.1 Daftar Kata Kansei ......................................................................................... 44
Tabel 4.2 Hasil Uji Validitas Iterasi Pertama ................................................................. 46
Tabel 4.3 Hasil Uji Validitas Iterasi 2 ............................................................................ 46
Tabel 4.4 Nilai Cronbach’s Alpha .................................................................................. 47
Tabel 4.5 Hasil Uji Reliabilitas pada Kata Kansei Terpilih ........................................... 47
Tabel 4.7 Klasifikasi Elemen Boneka............................................................................. 48
Tabel 4.8 32 Sampel Berdasarkan Orthogonal Desain ................................................... 50
Tabel 4.9 Conjoint Analysis Mudah Dibawa .................................................................. 53
Tabel 4.10 Pendekatan Elemen Desain Mudah Dibawa ................................................. 54
Tabel 4.11 Conjoint Analysis Desain Menarik ............................................................... 54
Tabel 4.12 Pendekatan Elemen Desain Menarik ............................................................ 55
Tabel 4.13 Conjoint Analysis Desain Modern ............................................................... 55
Tabel 4.14 Pendekatan Elemen Desain Modern ............................................................. 56
Tabel 4.15 Conjoint Analysis Desain Halus ................................................................... 56
Tabel 4.16 Pendekatan Elemen Desain Halus ................................................................ 57
Tabel 4.17 Conjoint Analysis Desain Bersih .................................................................. 58
Tabel 4.18 Pendekatan Elemen Desain Bersih ............................................................... 59
Tabel 4.19 Conjoint Analysis Desain Empuk ................................................................. 59
Tabel 4.20 Pendekatan Elemen Desain Empuk .............................................................. 60
Tabel 4.21 Conjoint Analysis Desain Unik..................................................................... 60
Tabel 4.22 Pendekatan Elemen Desain Unik.................................................................. 61
Tabel 4.23 Penilaian Setiap Desain ................................................................................ 65
Tabel 4.24 Desain Virtual ............................................................................................... 66
Tabel 4.25 Hasil Conjoint Analysis ................................................................................ 67
Tabel 4.26 Atribut Fuzzy dan Non-Fuzzy ....................................................................... 67
Tabel 4.27 Variabel Linguistik Ukuran ......................................................................... 68

xii
Tabel 4.28 Hasil Ukuran ................................................................................................. 69
Tabel 4.29 Bentuk Motif Menarik ................................................................................. 69
Tabel 4.30 Variabel Linguistik untuk Motif Menarik .................................................... 70
Tabel 4.31 Nilai Optimum untuk Motif Menarik ........................................................... 71
Tabel 4.32 Variabel Linguistik Warna Bersih ................................................................ 72
Tabel 4.33 Warna Terpilih .............................................................................................. 73
Tabel 4.34 Konsep Desain Unik ..................................................................................... 74
Tabel 4.35 Variabel Linguistik Desain Unik .................................................................. 75
Tabel 4.36 Desain Unik .................................................................................................. 76
Tabel 4.37 Konsep Pemetaan Produk ............................................................................. 77
Tabel 4.38 Uji Marginal Homogeneity ........................................................................... 79

xiii
 ABSTRAK

Selama beberapa dekade terakhir, modernitas telah menjadi faktor utama dalam
dunia hiburan. Hal itu membuat beberapa hal yang sifatnya tradisional memudar
perlahan, terutama di Indonesia. Namun, minimnya jumlah produk tradisional yang
bisa untuk menarik perhatian pengguna dipengaruhi oleh disain dari perusahaan.
Berdasarkan studi pendahuluan yang dilakukan peneliti, fakta menunjukkan bahwa
lebih dari 50% dari 106 anak-anak tidak bisa menyanyikan lagu rakyat yang bersifat
tradisional. Karena itu, tujuan dari penelitian ini adalah mengembangkan inovasi
boneka edukasi sebagai media pembelajaran lagu daerah Indonesia. Metode Kansei
Engineering (KE) dan Fuzzy Linguistics digunakan untuk pertimbangan dalam
perancangan desain boneka edukasi. Sampel dalam penelitian ini adalah anak-anak
usia sekolah dasar di empat Taman Baca Al Qur’an (TPA) yang terletak di Daerah
Istimewa Yogyakarta. 106 responden dilibatkan dalam penelitian ini untuk
mengidentifikasi kata-kata Kansei. Hal tersebut karena KE mendukung respon
emosional pengguna dalam pendekatan affective design. Atribut potensial dalam
mengembangkan konsep desain tunggal baru dianalisis dengan orthogonal analysis
dan conjoint analysis. Selain itu, dilakukan analisis statistik dalam pengolahan data.
Hasil penelitian menunjukkan bahwa boneka edukasi yang diinginkan anak-anak
adalah boneka yang mudah dibawa, menarik, halus, modern, bersih, empuk dan unik.
Hal tersebut ditunjukkan dengan nilai uji marginal homogeneity yang menunjukkan
nilai lebih dari 0.05 sehingga desain usulan telah dapat memenuhi keinginan
responden. Diantaranya mudah dibawa 0.101, menarik 0.666, modern 0.299, halus
0.170, bersih 0.317, empuk 0.070 dan unik 0.116.

Kata kunci: Desain Boneka Edukasi, Affective Design, Lagu Daerah Indonesia,
Kansei Engineering, Fuzzy Linguistic

xiv
 1

BAB I

PENDAHULUAN

1.1 Latar Belakang

Indonesia merupakan bangsa yang kaya akan budaya. Indonesia terdiri dari 34
provinsi dan memiliki beragam suku bangsa yang tersebar dari Sabang sampai
Merauke. Masing-masing suku bangsa di Indonesia mempunyai adat-istiadat dan
kebudayaan khusus yang menjadi identitasnya, terutama yang terkait dengan
kesenian. Dalam bukunya, Forshee (2006) mengemukakan bahwa Indonesia
terdiri dari berbagai sistem kepercayaan, budaya, dan seni. Statistik Kebudayaan
Kemendikbud RI 2016 menyebutkan bahwa Indonesia memiliki 6.238 budaya
bukan benda, dengan 1.208 kesenian tradisional termasuk lagu daerah.
Konstitusi Republik Indonesia Nomor 20 Tahun 2003 pasal 37 ayat 1,
menyebutkan bahwa materi seni budaya merupakan salah satu mata pelajaran
wajib bagi siswa sekolah dasar dan menengah. Dengan demikian, dalam mata
pelajaran tersebut, seperti lagu daerah, diajarkan di setiap tingkat di sekolah
dengan metode pembelajaran standar.

Muldjaji (2014) menyatakan bahwa lagu daerah memiliki kaitan yang erat
dengan moral manusia, lingkungan dan kehidupan spiritual. Hal tersebut
menunjukkan adanya harmonisasi antara karakteristik manusia dan budaya yang
dimilikinya. Oleh karena itu, penting untuk memahami budaya secara mendalam
sehingga muncul antusiasme pribadi yang menjadi ciri diri.

Namun, berdasarkan studi pendahuluan berupa penyebaran kuesioner yang

dilakukan peneliti, fakta menunjukkan bahwa lebih dari 50% dari 106 anak-anak
tidak bisa menyanyikan lagu rakyat yang bersifat tradisional, bahkan sekitar 80%
dari 116 anak lebih memilih menyanyikan lagu-lagu modern. Beberapa anak
menyebutkan dalam kuesioner bahwa alasan minimnya ketertarikan untuk
mendengarkan lagu daerah adalah media pembelajarannya yang mudah dilupakan.
Selain itu, pengaruh guru, orang tua, lingkungan pertemanan dan tontonan juga
 2

menjadi faktor yang mempengaruhi kurang tertariknya anak akan lagu daerah
Indonesia.

Hal tersebut sejalan dengan penelitian Simatupang (2015) yang

menjelaskan bahwa penyebab kurangnya minat anak mempelajari lagu daerah
dikarenakan metode dan ketersediaan media yang kurang menarik. Sefrina (dalam
Yuliani dkk., 2014) menyatakan bahwa minat merupakan ketertarikan terhadap
suatu objek yang berasal dari hati, bukan karena paksaan dari orang lain
Tridhonanto (dalam Yuliani dkk., 2014) juga menambahkan bahwa minat
dibentuk dari proses belajar yang berupa melihat dan mendengar.

Selain itu, penelitian tentang media pembelajaran untuk anak juga telah
dilakukan. Diantaranya adalah Hamzah et al. (2014), Yussofa, et al. (2015), Aziz
et al. (2015), Yilmazer & Keklikci (2015), Reid-Searl et al. (2017), Tegge et al.
(2017). Hamzah et al. (2014) dan Aziz et al. (2015) meneliti dan mengusulkan
skenario interaksi robot manusia juga boneka sebagai mediator pengajaran untuk
anak-anak. Sementara itu, Yussofa et al. (2015) mengembangkan sebuah cerita
digital yang menceritakan tentang siswa remedial. Yilmazer & Klekikci (2015)
dan Reid-Searl et al. (2017) mengevaluasi pengaruh wayang sebagai media
edukatif terhadap anak. Tegge et al. (2017) mendesain media pengajaran untuk
pembelajaran bahasa Inggris dengan menggunakan liputan leksikal dari lagu-lagu
populer.

Pada usia dini, penting bagi orang dewasa (orangtua maupun guru) untuk
memberikan stimulus guna mengembangkan setiap aspek perkembangan anak
(Bento & Dias, 2017). Hal itu diperkuat oleh penelitian yang dilakukan oleh
Milton J. Dohn (2008) yang menunjukkan bahwa pada usia anak-anak 4-16 tahun
kemampuan verbal dan working memory anak bekerja dua hingga tiga kali lipat
lebih optimal.
Media boneka dipilih sesuai dengan preliminary study yang telah peneliti
lakukan, sejumlah 45% dari 106 responden mengusulkan media untuk belajar lagu
daerah berupa boneka. Selain itu, dalam penelitian yang dilakukan oleh (Khoir &
Hariani, 2014) menyatakan bahwa boneka sederhana yang disediakan dapat
memberikan kesempatan kepada anak untuk mengembangkan kreativitas dan
keterampilan dramatiknya. Dari pemaparan fakta-fakta tersebut, peneliti merasa
 3

perlu ada media belajar lagu daerah untuk anak yang sesuai dengan keinginan
anak-anak.

Dalam lingkungan pasar yang sangat kompetitif dan tidak menentu, dan
dengan siklus hidup produk yang singkat, saat ini perusahaan harus
mengembangkan setiap aspek kualitas produk untuk memenuhi kebutuhan
pelanggan dan juga untuk menjamin keberhasilan pasar mereka (Chou, 2014).
Petiot dan Yannou (dalam Lu & Petiot, 2014) menjelaskan bahwa kesuksesan
sebuah produk bukan hanya dipengaruhi kriteria praktikal dan objektif, namun
juga dipengaruhi oleh nilai estetika, emosional, dan berbagai faktor yang
berhubungan dengan pengalaman. Hal tersebut mempengaruhi ekspektasi dari
pengguna, sehingga penting bagi perusahaan untuk memeroleh input dan output
desain yang relevan.

Berdasarkan latar belakang permasalahan tersebut, maka diperlukan upaya

untuk membantu merangsang ketertarikan anak dalam mempelajari lagu daerah
Indonesia yaitu dengan membuat suatu alat bantu permainan berupa boneka
edukasi. Agar menghasilkan desain boneka yang baik maka diperlukan kriteria
yang dapat memenuhi kebutuhan pengguna. Permasalahan ini dapat diselesaikan
menggunakan pendekatan Affective Design. Metode yang akan digunakan adalah
Kansei Engineering (KE) agar dapat memberikan kepuasan terhadap konsumen.
Dengan metode ini produk boneka dapat dibuat dan dikembangkan dengan
mempertimbangkan keinginan pengguna berdasarkan kebutuhan emosi
konsumen. Kansei Engineering merupakan metode yang dapat menterjemahkan
perasaan psikologis konsumen ke dalam parameter desain produk (Nagamachi,
1995). Pada penelitian ini KE dipilih karena dapat menjembatani pendekatan
affective design sehingga desain boneka edukasi yang dihasilkan dapat mewakili
perasaan konsumen.

1.2 Rumusan Masalah

Berdasarkan latar belakang tersebut maka secara rinci permasalahan yang akan
dikaji dapat menjadi rumusan masalah yaitu “Bagaimana rancangan boneka
edukasi yang dapat memenuhi perasaan psikologis konsumen sebagai media
pembelajaran lagu daerah Indonesia dengan metode Kansei Engineering?”
 4

1.3 Tujuan Penelitian

Penelitian yang dilakukan ini memiliki tujuan sebagai berikut:

1. Mengidentifikasi atribut Kansei pada desain boneka edukasi berdasarkan

keinginan konsumen.
2. Menentukan spesifikasi desain boneka edukasi Indonesia menggunakan
metode Kansei Engineering sesuai keinginan konsumen terhadap rancangan
yang diusulkan.
3. Melakukan validasi dari rancangan boneka edukasi anak yang dibuat
menggunakan Uji Marginal Homogeneity.

1.4 Ruang Lingkup Penelitian

1.4.1 Asumsi

Adapun asumsi yang digunakan dalam penelitian ini adalah keinginan

konsumen merupakan parameter yang dijadikan penilaian rasa senang dan
ketertarikan dalam affective design.

1.4.2 Batasan Masalah

Dalam melaksanakan penelitian diperlukan pembatasan ruang lingkup penelitian

supaya pembahasan yang dilakukan dan penarikan kesimpulan akan lebih terarah.
Beberapa batasan masalah yang digunakan dalam penelitian ini adalah sebagai
berikut:

1. Objek penelitian yaitu anak-anak usia sekolah dasar (usia 6-12 tahun).
2. Perancangan produk hanya menggunakan metode Kansei Engineering.
3. Penelitian ini tidak membahas seluruh atribut terpilih dengan fuzzy
linguistic. Fuzzy linguistic hanya digunakan untuk atribut yang termasuk
dalam kategori fuzzy.
4. Penelitian ini tidak membahas masalah ekonomi dari desain usulan yang
dihasilkan, hanya membahas perancangan desain boneka edukasi.
 5

5. Penelitian ini hanya membahas proses perancangan desain usulan dan tidak
membahas sistem otomasi/programming yang berjalan dalam boneka
edukasi.
6. Penelitian ini hanya dilakukan sampai uji verifikasi saja dan tidak dilakukan
uji beda.
7. Penelitian ini tidak membahas tentang maintenance pada desain usulan.

1.5 Manfaat Penelitian

Hasil penelitian ini diharapkan dapat memberikan manfaat bagi almamater,

penulis, dan pembaca. Manfaat penelitian ini yaitu sebagai berikut:

1. Memperoleh atribut desain boneka edukasi lagu daerah yang berdasarkan

pada perasaan psikologis konsumen.
2. Mendapatkan spesifikasi desain boneka edukasi yang sesuai dengan
keinginan konsumen.
3. Rancangan desain boneka edukasi yang sesuai dengan keinginan konsumen
dan valid ketika diberlakukan Uji Marginal Homogeneity.

1.6 Sistematika Penulisan

Untuk lebih terstrukturnya penulisan tugas akhir ini maka selanjutnya sistematika
penulisan ini dibagi menjadi enam bab sebagai berikut:

Pada Bab I akan dibahas mengenai pendahuluan yang merupakan kajian

singkat tentang permasalahan yang terjadi di lapangan, perumusan masalah,
batasan masalah, tujuan penelitian, manfaat penelitian, dan sistematika
penelitian. Berdasarkan penjelasan-penjelasan tersebut akan dijelaskan lebih
lanjut dalam kajian literature yang akan dijabarkan lebih lanjut pada bab
berikutnya.

Bab II berisi tentang konsep dan prinsip dasar yang diperlukan untuk
memecahkan masalah penelitian. Disamping itu juga untuk memuat uraian
tentang hasil penelitian yang pernah dilakukan sebelumnya oleh peneliti lain
yang ada hubungannya dengan penelitian ini. Setelah kajian-kajian tersebut
 6

dijabarkan secara detail, maka diperlukan metode untuk memecahkan

permasalahan yang ada beserta tahapan-tahapan pemecahannya.

Bab III menjelaskan uraian tentang, kerangka dan bagan alir penelitian,
metode yang digunakan, teknik pengambilan data, bahan atau materi, alat, tata
cara penelitian dan data yang akan dikaji serta cara analisis yang dipakai.
Kemudian dilakukan penelitian dan pengolahan data yang akan dibahas lebih
lanjut pada bab selanjutnya.

Bab IV berisi tentang data yang diperoleh selama penelitian dan

dilakukan pengolahan menggunakan metode yang telah dipilih serta diuraikan
pada bab sebelumnya. Hasil pengolahan data ditampilkan baik dalam bentuk
tabel maupun gambar. Bab ini merupakan acuan untuk pembahasan hasil yang
akan ditulis pada Bab V.

Bab V dilakukan pembahasan hasil yang diperoleh dalam penelitian serta

analisis yang menyangkut penjelasan teoritis secara kualitatif, kuantitatif maupun
statistik dari hasil penelitian dan kajian untuk menjawab tujuan penelitian.
Kemudian akan didapatkan pula jawaban yang diharapkan berdasarkan rumusan
masalah pada bab pendahuluan. Oleh karena itu, pada bab selanjunya yaitu Bab
VI akan dijelaskan untuk menjawab pertanyaan yang terdapat pada rumusan
masalah.

Bab VI berisi tentang kesimpulan berdasarkan analisis yang dibuat dan

rekomendasi atau saran-saran atas hasil yang dicapai tidak lain adalah untuk
membuktikan hipotesis serta menjawab permasalahan dan berisi saran dibuat
berdasarkan pengalaman dan pertimbangan peneliti yang dapat digunakan untuk
pengembangan penelitian selanjutnya.
 7

BAB II

KAJIAN LITERATUR

Pada bagian ini akan dijelaskan mengenai landasan teori yang digunakan dalam
melakukan penelitian. Beberapa diantaranya yaitu konsep boneka edukasi Indonesia,
konsep affective design, dan Kansei Engineering. Selain itu, pada bab ini juga akan
dilakukan kajian empiris mengenai penelitian-penelitian sebelumnya yang sudah
pernah dilakukan dan serupa dengan penelitian penulis.

2.1 Kajian Empiris

Dalam melakukan penelitian ini, penulis tidak terlepas dari tinjauan pustaka dan
mengacu pada penelitian terdahulu baik dari penggunaan metode dan permasalahan
yang diusung. Baik mengenai pengembangan metode pembelajaran pada anak-anak,
maupun metode Kansei Engineering dan pendekatan Affective Design.
Pengaplikasian metode pembelajaran selain dengan membaca dan menulis
telah dilakukan oleh Mohd Shah Johan Hamzah (2014) dalam penelitiannya yang
berjudul Development of Interactions Scenarios based on Pre-School Curriculum in
Robotic Intervention for Children. Metode yang digunakan adalah Human Robot
Interaction dan Applied Behaviour Analysis (ABA). Tujuan penelitian ini adalah untuk
mengetahui tingkat kompleksitas kurikulum taman kanak-kanak dengan kebutuhan
khusus menggunakan robot. Hasil penelitian ini adalah mengembangkan scenario
robot berdasarkan tingkat kesulitam untuk mendampingi proses belajar anak
penyandang autis. Skenario tersebut meliputi respon terhadap nama responden, suara
dan instruksi singkat, lagu dan respon aksi yang berhubungan, menirukan suatu suara,
merespon “ya” atau “tidak”, serta nama objek dalam suatu lingkungan. Pada akhir
sesi, aka nada evaluasi dari guru pendamping menggunakan kuesioner dengan skala
lickert mengenai seberapa berpengaruhkah penggunaan robot tersebut dalam
meningkatkan interaksi serta pemahaman kepada anak penyandang autis.
Selanjutnya Rahmah Lob Yussof, Hafiza Abas, Tengku Nazatul Shima
Tengku Paris (2015) dalam penelitiannya yang berjudul Affective Engineering of
Background Colour in Digital Storytelling for Remedial Students mengembangkan
cerita digital dengan teknologi multimedia untuk mengajar dan belajar bagaimana
 8

membaca dalam Bahasa Melayu. Desain kerangka cerita digital berdasarkan rekayasa
afektif warna background sehingga anak tidsk bosan. Pengambilan data dilakukan
dengan kuesioner untuk siswa dengan dyslexia untuk memeriksa pemahaman dan
kemampuan bagaimana mereka menceritakan kembali suatu kisah. Penelitian tentang
penderita disability juga dilakukan oleh Azhar Abdul Aziz, Fateen Faiqa Mislan
Moganan, Afiza Ismail dan Anitawati Mohd Lokman (2015) dengan judul Autistic
Children’s Kansei Responses Towards Humanoid-Robot as Teaching Mediator.
Dalam penelitian ini, dibandingkan bagaimana reaksi anak yang menderita autism
dengan anak normal akan beberapa interaksi dalam modul peneliti. Hasil
menunjukkan bahwasanya terdapat beberapa reaksi emosional dan peneliti berhasil
menemukan kemungkinan cara terbaik untuk memberikan terapi pada anak
penyandang autism menggunakan humanoid-robot.
Dalam penelitian lain, Zehra Yilmazer & Hilal Klekikci (2015) menggunakan
boneka sebagai media untuk pembelajaran akademik formal pada anak. Penelitian
berjudul The Effect of Teaching Geometry on The Academic Achievement by Using
Puppet Method dilakukan pada anak-anak kelas 2 SMP. Ada beberapa tes yang harus
dilakukan para responden, diantaranya adalah Controlled-Group Pre-Test, Final-Test
& Achievement Test. Hasil penelitian menunjukkan bahwa pembelajaran geometri
menggunakan media yang tradisional tidak memberikan pengaruh positif dalam
kesuksesan belajar siswa kelas 8 tersebut, sedangkan sebaliknya, penggunaan media
boneka untuk pembelajaran geometri secara statistik memberikan hasil positif yang
signifikan bagi anak-anak.
Hartomo Soewardi dan Dian Putri Rahmawati (2015) melakukan penelitian
mengenai penggunaan permainan anak penyandang tuna rungu untuk meningkatkan
keterampilan motoric halus mereka menggunakan metode TRIZ. Penelitian yang
diberi judul Educative Toy Design for Deaf Children to Stimulate the Fine Motor
Skills Growth ini menyatakan, bahwa berdasarkan hasil survei diketahui atribut
mainan edukatif yang diinginkan oleh anak ialah menarik, berwarna, mudah
digunakan, bentuk menarik, ringan dan awet. Diadakan pre dan post test pada anak-
anak penyandang tuna rungu tersebut terkait stimuli yang diberikan. Berdasarkan hasil
perhitungan pre dan post test tersebut menunjukkan bahwa mainan edukasi tersebut
dapat meningkatlam motoric halus pada responden.
 9

Penelitian berjudul Puppets in An Acute Pediatric Unit: Nurse’s Experience

yang ditulis oleh Dr. Kerry Reid-Searl et al. (2017) menjelaskan tentang penggunaan
boneka sebagai media untuk mengedukasi anak-anak penderita pediatric akut agar
tidak takut ketika sedang diberikan tindakan perawatan. Tiga belas perawat
berpartisipasi dalam penelitian ini dan dibagi menjadi tiga grup. Ada beberapa
pertanyaan yang mereka diskusikan didalam grup terkait penggunaan media boneka
dalam menjelaskan dan menenangkan pasien anak-anak. Hasil penelitian
menunjukkan bahwa media boneka dapat mengurangi rasa takut pada anak dan
membantu perawat dalam melayani anak secara optimal.
Berdasarkan penelitian-penelitian tentang pengembangan media pembelajaran
yang telah diuraikan di atas, dapat dilihat bahwa ada pengaruh yang positif dengan
respon siswa terhadap suatu informasi atau pembelajaran ketika medianya berbeda
dengan yang diterima di sekolah. Beberapa diantara penelitian tersebut juga
menggunakan media perantara berupa boneka kepada anak-anak untuk menarik
perhatian dan rasa senang. Oleh sebab itu, dalam penelitian tugas akhir ini akan
dikembangkan media berupa boneka yang diharapkan dapat digunakan sebagai media
belajar lagu daerah Indonesia oleh anak-anak. Berikut pada tabel 2.1 referensi
penelitian tentang media belajar.
 10

Tabel 2.4 Penelitian Terdahulu Mengenai Media Pembelajaran

No Nama Judul Penelitian Metode
Peneliti
1 Mohd Shah Development of Human Robot
Johan Interactions Scenarios Interaction,
Hamzah based on Pre-School Applied
(2014) Curriculum in Robotic Behaviour
Intervention for Children Analysis
(ABA)
2 Rahmah Lob Affective Engineering of Affective
Yussofa, et Background Colour in Engineering
al. (2015) Digital Storytelling for
Remedial Students
3 Zehra The Effect of Teaching Controlled-
Yilmazer & Geometry on The Group Pre-
Hilal Academic Achievement Test, Final-
Klekikci by Using Puppet Method Test &
(2015) Achievement
Test
4 Azhar Abdul Autistic Children’s Kansei
Aziz, et al. Kansei Responses Engineering
(2015) Towards Humanoid- (KE)
Robot as Teaching
Mediator
5 Hartomo Educative Toy Design TRIZ
Soewardi & for Deaf Children to
Dian Putri Stimulate the Fine Motor
Rahmawati Skills Growth
(2015)
6 Dr. Kerry Puppets in An Acute Pup-Ed (KRS
Reid-Searl et Pediatric Unit: Nurse’s Simulation)
al. (2017) Experience
 11

Selain penelitian tentang pengembangan media belajar di atas, ada pula

beberapa penelitian menggunakan pendekatan affective design dan metode kansei
engineering yang dijadikan referensi oleh penulis diantaranya adalah penelitian yang
dilakukan oleh Bruno Razza & Luis Carlos Paschoarelli (2015) tentang desain pisau
cukur sekali pakai. Dalam penelitian mereka yang berjudul Affective Perception of
Disposable Razzors : A Kansei Engineering Approach dijelaskan bahwasannya
pengguna produk tidak hanya menaruh perhatian pada aspek logis produk saja,
melainkan juga factor emosional memiliki pengaruh penting dalam penentuan pilihan
sebelum membeli barang. Untuk mengevaluasi 40 desain pisau cukur yang sudah
beredar di pasaran, sejumlah 321 pria mengemukakan pendapat mereka dalam
penelitian ini. Hasil dari penelitian Razza dan Paschoarelli menunjukkan bahwa
tanggapan afektif lebih erat kaitannta dengan fitur produk. Misalnya pisau cukur yang
lebih besar terlihat lebih mahal, inovatif, berkelas dan kompleks.
Yuan Xue, Rui Zhang, Yanbo Ji dan Haruki Imaoka (2011) juga melakukan
penelitian tentang affective design dengan judul An Analysis of Emotion Space of Bra
by Kansei Engineering Methodology. Responden penelitian ini adalah mahasiswa
salah satu universitas di Jepang yang mana menggunakan 60 style bra sebagai stimuli.
Survei dilakukan menggunakan kuesioner semantic differential. Ada beberapa hal
yang diperhatikan seperti warna, motif dan juga model bra. Kemudian perasaan dari
setiap responden akan dianalisis menggunakan analisis faktor. Berdasarkan survei
yang dilakukan, peneliti meng-cluster-kan hasilnya menjadi empat yaitu personality,
age, taste dan fashion. Faktor yang paling penting diperhatikan ketika merujuk sasaran
untuk siapa bra akan ditujukan ialah dengan menunjuk personality seperti apa yang
disasar, sedangkan untuk faktor yang paling diperhatikan dalam mendesain bra ialah
pemilihan warna.
Dalam penelitian yang lain, Kwong C. K, Jiang Huimin dan Luo XG pada
tahun 2016 melakukan penelitian dengan judul AI-Based Methodology of Integrating
Affective Design Engineering, and Marketing for Defining Design Specifications of
New Products. Produk yang diulas dalam penelitian ini ialah setrika listrik. Untuk
mengembangkan kepuasan konsumen dan pembuatan model biaya digunakan fuzzy
regression, fungsi kegunaan produk diterjemahkan dengan chaos-based fuzzy
regression dan optimalisasi desain produk barunya menggunakan genetic algorithm.
 12

Pada penelitian Chanyachatchawan, et al. (2017) yang berjudul “A Linguistic

Representation Based Approach to Modelling Kansei Data and its Application to
Consumer-oriented Evaluation of Traditional Product” telah dibuktikan bahwa
representasi linguistik dapat digunakan untuk memodelkan kata-kata kansei. Di mana
nilai produk dalam kansei digambarkan dengan distribusi probabilitas pada kumpulan
label linguistik kansei dari beberapa variabel. Dari penelitian tersbut, ketidak-pastian
kata kansei yang terkumpul dapat dikembangkan menjadi beberapa kriteria produk
tradisional yang mengacu pada keinginan customer.

Selain itu, kansei juga berhasil diterapkan pada penelitian berjudul “Autistic
Children’s Kansei Responses Towards Humanoid-Robot as Teaching Mediator”
(Aziz, et al., 2015) menunjukkan bahwasanya terdapat beberapa reaksi emosional
pada anak-anak penyandang autis. Metode kansei engineering dapat menunjukkan
kemungkinan cara terbaik untuk memberikan terapi pada anak penyandang autism
menggunakan humanoid-robot. Modul yang mendapatkan nilai tertinggi pada
penelitian ini adalah dengan Humanoid-Robot NAO bernyanyi dan menari.

Metode Kansei Engineering juga digunakan dalam beberapa penelitian untuk

mendesain suatu produk, seperti pada penelitian Achmad Shergian dan Taufiq
Immawan pada tahun 2015 yang berjudul Design of Innovative Alarm Clock Made
from Bamboo with Kansei Engineering Approach. Hasil dari penelitian tersebut
adalah desain jam weaker yang inovatif sesuai dengan kepuasan konsumen. Ada
delapan Kansei word yang dijadikan dasar dalam mendesain produk tersebut,
diantaranya adalah tradisional, kreatif, unik, natular, jelas, eksklusif, artistic dan
menarik. Dalam penelitian yang lain, Kansei Engineering dilengkapi dengan Kano
model digunakan sebagai dasar pertimbangan untuk pengembangan produk souvenir
dari keramik. Penelitian tersebut berjudul Development of Costumer Oriented Product
Design using Kansei Engineering and Kano Model: Case Study of Ceramic Souvenir
karya Ishardita Pambudi Tama, Wifqi Azalia dan Dewi Hardiningtyas dari Universitas
Brawijaya, Malang pada tahun 2015. Berdasarkan penelitian tersebut, diketahui
bahwa hal yang mempengaruhi kepuasan konsumen dalam pembelian produk keramik
adalah tampilan dan performansi. Selain itu, hasil statistic Kano model menunjukkan
bahwa penampilan menjadi aspek yang harus sangat diperhatikan dalam
pengembangan produk.
 13

Hartomo Soewardi dan Ihsan Nasution (2015) melakukan penelitian

menggunakan pendekatan affective design dengan menggunakan metode Kansei
Engineering tipe 2 yang berjudul Design of the Kansei Baby Bags by Using Fuzzy
Linguistic Principles. Kata kansei yang terkumpul, kemudian diuji validitas dan
reliabilitas serta digunakan untuk input orthogonal array pada tahap conjoint analysis.
Disini beberapa kemungkinan desain akan ditawarkan kepada customer dan dilakukan
pengujian dengan SPSS untuk mengetahui tingkat kepentingan tiap-tiap atribut serta
kesinambungan atribut dengan kata kansei yang merepresentasikan produk sesuai
keinginan pengguna. Dalam penelitian ini, fuzzy linguistic digunakan untuk
menggabungkan informasi preferensi kansei dalam pengembangan produk tas bayi.
Metode dalam tugas akhir mengenai boneka edukasi, mengacu pada penelitian
tersebut. Namun, diterapkan untuk subjek dan objek penelitian yang berbeda.
Berdasarkan penelitian-penelitian di atas dapat dilihat bahwa Kansei
Engineering dimaksudkan untuk mendapatkan preferensi desain yang dapat
memenuhi perasaan psikologis konsumen. Terutama untuk produk-produk yang
kegunaannya dapat mempengaruhi pengguna terhadap sesuatu, sebagaimana boneka
edukasi lagu daerah Indonesia. Namun, untuk mendesain produk dalam jumlah
banyak dan memerlukan beberapa komponen pendukung tidak jarang masih ada
keambiguan didalam voice of costumer. Maka dari itu, pada beberapa penelitian, fuzzy
digunakan untuk memperjelas keambiguan yang ada. Dalam penelitian ini, penelitian
akan dilakukan menggunakan Kansei Engineering tipe 2, yang mana atribut kansei
akan dikolaborasikan dengan atribut linguistik agar mendapatkan desain yang sesuai
dengan emosi/perasaan psikologis konsumen.
Pada tabel 2.2 dibawah ini dapat dilihat ringkasan penelitian yang
menggunakan metode kansei engineering maupun penerapan affective design.
 14

Tabel 2.5 Penelitian Terdahulu Bermetode Kansei Engineering

No Nama Peneliti Judul Penelitian Metode
1 Y. Xue, dkk. An Analysis of Emotion Space Kansei
(2011) of Bra by Kansei Engineering Engineering (KE)
Methodology
2 Bruno Razza & Affective Perception of Kansei
Luis Carlos Disposable Razzors : A Kansei Engineering (KE)
Paschoarelli (2015) Engineering Approach

3 Kwong C. K et al. AI-Based Methodology of Affective Design,

(2016) Integrating Affective Design , Fuzzy Regression
Engineering, and Marketing
for Defining Design
Specifications of New Products
4 Sapa A Linguistic Representation Kansei
Chanyachatchawan Based Approach to Modelling Engineering,
(2017) Kansei Data and its Fuzzy Linguistic
Application to Consumer
5 Achmad Shergian Design of Innovative Alarm Kansei
& Taufiq Clock Made from Bamboo with Engineering (KE)
Immawan (2015) Kansei Engineering Approach
6 Ishardita Pambudi Development of Costumer Kansei
Tama, dkk. (2015) Oriented Product Design using Engineering (KE)
Kansei Engineering and Kano dan Kano Model
Model: Case Study of Ceramic
Souvenir
7 Nasution Ihsan Design of the Kansei Baby Kansei
(2015) Bags by Applying Fuzzy Engineering
Linguistic Principles (KE),
Anthropometric
dan Fuzzy
Linguistics.
 15

2.2 Kajian Deduktif

2.2.1 Kebutuhan Konsumen dalam Pengembangan Produk

Selama beberapa dekade terakhir, ada beberapa penelitian yang menggarisbawahi
tentang kebutuhan berinovasi dan mengembangkan produk baru untuk mengatasi
perubahan permintaan pasar. Tantangan lain seperti menyusutnya siklus hidup produk
dan preferensi pelanggan yang heterogen memaksa perusahaan manufaktur untuk
menyadari bahwa mengungguli pesaing mereka memerlukan peningkatan
pengembangan produk baru (Kettunen, et al., 2015). Oleh karena itu, untuk
memuaskan pelanggan perusahaan harus memperhatikan konsep pengembangan
produk.
Menurut Cooper (dalam Indriani, 2006) menyatakan bahwa desain dan
pengembangan produk baru merupakan serangkaian aktivitas dan metode
pertumbuhan yang membuat perubahan besar atau modifikasi di pasaran produk baru.
Perkembangan produk baru menunjukkan adanya transformasi peluang pasar dan
serangkaian asumsi tentang teknologi produk menjadi produk yang tersedia untuk
dijual dengan integrasi lintas fungsional dan siklus pengembangan yang cepat
(Marion, et al., 2012). Dalam mengembangkan suatu produk mengikuti peluang pasar
sangatlah penting, karena saat ini banyak permintaan produk dengan karakteristik
berkelanjutan (Bevilacqua et al., 2007). Produk yang berkelanjutan, bagaimanapun,
memerlukan interaksi internal, eksternal dan kolaborasi dalam pengembangan produk
baru (Tan & Tracey, 2007). Sehingga, kolaborasi dalam proses pengembangan produk
baru di seluruh perusahaan dapat memberikan keuntungan jangka panjang untuk
pengembangan produk baru (Moreno et al., 2011).
Riley (2012) mengemukakan bahwa terdapat beberapa tahapan dalam
pengembangan produk. Diantaranya dapat dilihat pada gambar 2.1 berikut ini:
 16

Gambar 2.1 Proses Pengembangan Produk

Berdasarkan gambar 2.1 di atas, diketahui ada beberapa tahapan dalam pengembangan
produk yaitu:
a. Identifikasi Kebutuhan Pelanggan
Tahapan ini dapat dilakukan dengan cara wawancara dengan calon pembeli,
kelompok tertentu, dan dengan mengamati produk sejenis yang digunakan,
peneliti mengidentifikasi kebutuhan pelanggan. Peneliti mengembangkan
informasi yang diperlukan untuk menentukan kinerja, ukuran, berat, umur
pakai, dan spesifikasi produk lainnya. Nantinya, kebutuhan pelanggan dan
spesifikasi produk disusun menjadi daftar hierarkis dengan penilaian
komparatif yang diberikan untuk setiap kebutuhan dan spesifikasi.
b. Menetapkan Spesifikasi Sasaran
Berdasarkan kebutuhan dan ulasan pelanggan terhadap produk yang
kompetitif, ditetapkan spesifikasi target dari produk baru yang prospektif.
Spesifikasi target pada dasarnya adalah daftar keinginan yang dipengaruhi
oleh kendala teknis yang diketahui. Analisis kompetitif produk juga
merupakan bagian dari proses penetapan spesifikasi target. Dengan
memahami kekurangan produk kompetitif, daftar perbaikan dapat
dikembangkan yang akan membuat produk baru lebih unggul dari produk lain.
c. Menghasilkan Konsep Produk
Desainer dan insinyur mengembangkan sejumlah konsep produk untuk
menggambarkan jenis produk apa yang layak secara teknis dan paling sesuai
dengan persyaratan spesifikasi target. Setelah mempersempit seleksi, model
penampilan non-fungsional dibangun dari desain kandidat.
d. Pilih Konsep Produk
 17

Melalui proses evaluasi dan pengimbangan antara atribut, konsep akhir dipilih.
Proses seleksi mungkin terbatas pada tim dan eksekutif utama di dalam
perusahaan, atau pelanggan mungkin akan mendapat polling atas masukan
mereka.
e. Perbaiki Spesifikasi Produk
Pada tahap ini, spesifikasi produk disempurnakan berdasarkan masukan dari
aktivitas di atas. Spesifikasi final adalah hasil tradeoff yang dibuat antara
kelayakan teknis, expected service life, proyeksi harga jual, dan keterbatasan
finansial proyek pembangunan.
f. Analisis Ekonomi
Sepanjang kegiatan di atas, implikasi ekonomi penting mengenai biaya
pengembangan, biaya produksi, dan harga jual telah diperkirakan. Analisis
ekonomi menyeluruh terhadap produk dan diperlukan upaya pengembangan
diperlukan untuk menentukan sisa proyek pembangunan. Model ekonomi
produk dan ulasan biaya pengembangan diantisipasi sehubungan dengan
manfaat yang diharapkan sekarang dikembangkan.

2.2.2 Ergonomi dan Desain Produk

Dalam International Ergonomics Association dijelaskan bahwa ergonomi adalah studi
tentang aspek-aspek manusia dalam lingkungan kerjanya yang ditinjau dari berbagai
sisi seperti anatomi, fisiologi, psikologi, engineering, manajemen dan desain. Menurut
Bridger (2003) ergonomi merupakan ilmu yang mempelajari interaksi antara manusia
dan mesin beserta faktor-faktor yang mempengaruhi interaksi tersebut. Menurut
Tarwaka (2004) ergonomi ialah ilmu, seni dan penerapan teknologi untuk
menyerasikan atau menyeimbangkan antara segala fasilitas yang digunakan baik
dalam beraktivitas maupun istirahat dengan kemampuan dan keterbatasan manusia
baik fisik maupun mental sehingga dapat meningkatkan kualitas hidup. International
Labour Organisation (ILO) mendefinisikan ergonomi sebagai penerapan ilmu biologi
manusia atau ilmu rekayasa untuk mencapai penyesuaian yang saling menguntungkan
antara pekerja dengan pekerjaannya secara optimal demi efisiensi dan kesejahteraan.
Berdasarkan berbagai pengertian ergonomi dari berbagai pakar di atas, dapat
disimpulkan bahwa ergonomi merupakan bidang keilmuan yang membahas tentang
keserasian antara manusia, pekerjaan dan lingkungan pekerjaannya demi terciptanya
 18

kenyamanan, keselamatan dan menghindarkan terhadap kemungkinan timbulnya

cedera maupun gangguan kesehatan dengan tujuan meningkatkan produktivitas kerja.
Crawford (dalam Khumar & Phrommathed, 2005) menyatakan bahwa desain
produk merupakan faktor penting dalam tahapan awal pengembangan produk baru
atau new product development (NPD). Meningkatkan kepuasan pelanggan dan
menyediakan produk inovatif menjadi salah sati strategi suksesnya suatu perancangan
produk dengan memperhatikan beberapa fokus seperti fungsionalitas, kualitas serta
biaya (Zhang et al., 2014). Desain produk dapat mendorong respons perilaku
konsumen yang mencakup berbagai kemungkinan hasil, kemungkinan membeli
kembali, dan perilaku pasca-beli lainnya (Bigné‐Alcañiz et al., 2009).

Produk yang dirancang secara ergonomis juga menawarkan kemudahan

penggunaan dan kesenangan yang tinggi kepada pelanggan (Motamedzade et al.,
2007). Namun, jika perusahaan ingin melangkah lebih jauh, kebutuhan pesanan
pelanggan yang lebih tinggi harus dipertimbangkan seperti kegunaan dan daya tarik,
emosi (Nagamachi, 1995), keselamatan dan individuasi yang dapat disenangi
(Hancock et al., 2005). Melampaui fungsionalitas, desainer dapat mengeksplorasi
konstruksi lainnya yang secara teoritis terkait dengan preferensi konsumen, salah
satunya dari segi afektif (Seva et al, 2011). Emosi adalah pengalaman manusia yang
menarik dan desainer dapat memanfaatkan pengetahuan ini dengan
mengkonseptualisasikan produk edgendering emosi yang dapat terjual dengan baik
(Seva et al., 2007). Oleh karena itu, dalam penelitian ini peneliti ingin
mengembangkan sebuah produk baru yang mengusung aspek ergonomic dengan
pendekatan afektif konsumen.

2.2.3 Affective Desain Produk

Affective engineering saat ini memiliki fokus baru dalam desain produk di mana ia
menyediakan platform untuk memasukkan fitur emosional ke dalam desain supaya
produk menarik dimata pengguna (Aziz, et al., 2015). Aspek emosional terlihat
penting dalam desain produk untuk memastikan penerimaan pengguna dan dengan
demikian kesuksesan produk.
Affective design merupakan analisis reaksi konsumen terhadap calon desain
dan kuantifikasi reaksi tersebut yang diintegrasikan ke parameter desain produk fisik
 19

untuk memaksimalkan kepuasan afektif pelanggan terhadap produk baru yang akan
dikembangkan (Barnes & Lillford, 2009). Dalam website International Ergonomic
Association (IEA) dijelaskan bahwa tujuan dari affective design adalah untuk
memberikan tampilan desain yang mampu memunculkan pengalaman emosional
tertentu dari pengguna. Affective design juga berkaitan dengan hubungan emosional
subjektif antara pengguna dan produk. IEA juga menyatakan bahwa sifat afektif
produk dan bagaimana atribut fisik suatu produk, dapat dikomunikasikan melalui segi
emosional (citarasa) dan perasaan psikologis (kansei).
Ada beberapa metode dan tools yang dapat digunakan untuk membantu proses
pengumpulan informasi mengenai sisi emosional pengguna terhadap pengembangan
suatu produk. Dalam penelitiannya, Schutte (2005) menyebutkan metodologi yang
dapat digunakan dalam affective product design, diantaranya adalah sebagai berikut:

a. Metode Semantik Diferensial (Osgood dalam Klement et al., 2015) adalah

instrumen untuk mengukur dampak aliran afektif terhadap pikiran pengguna
produk. Alat ini bisa digunakan dalam versi modifikasi untuk pengembangan
produk.
b. Conjoint Analysis (Kuzmanovic et al., 2013) adalah pendekatan eksperimental
yang digunakan untuk mengukur preferensi pelanggan tentang atribut produk
atau layanan.
c. Quality Function Deployment (QFD) (Akao, 1990) adalah alat teknik yang
dikembangkan oleh ahli teknologi Mutu Jepang. Ini mengidentifikasi hubungan
antara kebutuhan pelanggan dan fungsional.
d. Kansei Engineering (Nagamachi, 1995) adalah metode engineer untuk
mengumpulkan kebutuhan emosional pengguna dan menetapkan model prediksi
matematis tentang bagaimana kebutuhan emosional terhubung ke properti
produk yang dipilih.

Produk dengan affective design yang baik dapat menarik konsumen dan
mempengaruhi pilihan juga preferensi mereka, seperti loyalitas terhadap perusahaan
dan perasaan penggunaannya (Noble & Kumar, 2008). Oleh sebab itu, dalam hal ini
dirasa menjadi Kansei Engineering metode yang paling tepat digunakan untuk
mendesain boneka edukasi yang sesuai dengan prinsip affectuve design.
 20

2.2.4 Kansei Engineering

Kansei engineering adalah teknologi yang menyatukan kansei (perasaan dan emosi)
dengan disiplin teknik. Metode ini menerapkan pengembangan produk yang mengacu
pada kebahagiaan dan kepuasan manusia diproses menggunakan teknologi, dengan
menganalisis emosi manusia dan menggabungkannya ke dalam desain produk
(Nagamachi & Lokman, 2011). Menurut Schütte (2005) kansei engineering adalah
konsep dan metodologi yang kuat dalam konsep pengembangan juga kerangka kerja
dimana alat dan metode terus dikembangkan, ditambah dan terintegrasi. Dalam
penerapannya, kansei engineering juga memperhatikan ukuran, metode perancangan
dan validasi eksperimental.
Penerapan kansei engineering dalam instrument penelitian
dilengkapi dengan perhitungan statistik menggunakan metode matematis dan non-
matematis Nagamachi (dalam Mamaghani et al., 2014), namun disesuaikan dengan
konteksnya. Di sisi lain, untuk memberikan dukungan konkrit kepada desainer, kansei
engineering memerlukan integrasi perhitungan statistik dan kualitatif. Kerangka yang
dikembangkan pada kansei engineering menggabungkan perasaan pelanggan
terhadap desain produk dengan menerjemahkan perasaan ini ke dalam elemen desain.
(Matsubara & Nagamachi, 1997).
Dalam penelitian yang berjudul Design & Emotion: The Kansei Engineering
Methodology, Lokman (2010) menjelaskan bahwa fleksibilitas yang dimiliki oleh
metode kansei engineering tergantung pada tipe yang dimilikinya, namun tetap
dengan standar dan struktur yang kurang lebih sama. Berikut ini adalah delapan tipe
kansei engineering yang dikemukakan Nagamachi pada penelitiannya yang berjudul
The Story of Kansei Engineering (2003) dalam Bahasa Jepang (dikutip oleh Lokman,
2010):

1) Tipe 1: Klasifikasi Kategori

2) Tipe 2: Sistem Kansei Engineering
3) Tipe 3: Sistem Hybrid Engineering
4) Tipe 4: Kansei Engineerig Modelling
5) Tipe 5: Virtual Kansei Engineering
6) Tipe 6: Kolaboratif Desain Kansei Engineering
 21

7) Tipe 7: Concurrent Kansei Engineering

8) Tipe 8: Rough Set Kansei Engineering

Selain itu, dalam bukunya Nagamachi & Lokman (2011) mendeskripsikan

setiap tipe kansei engineering sebagai berikut:

1. Kansei Engineering Tipe 1: Klasifikasi Kategori

Tipe ini merupakan tipe yang paling mudah untuk dikenali dan dipahami.
Klasifikasi kategori yang dimaksud disini adalah menjabarkan konsep produk
menjadi konsep yang lebih rinci, dan saat membaginya ke beberapa tingkat.
Konsep tersebut akan ditafsirkan dalam hal karakteristik fisik dari desain
produk tersebut seperti pada gambar 2.2 di bawah ini:

Gambar 2.2 Proses KE Tipe 1 (Sumber: Nagamachi & Lokman, 2011)

Pada tipe ini melibatkan metode penelitian kualitatif dengan menggunakan

diagram afinitas.

2. Kansei Engineering Tipe 2: Sistem Kansei Engineering

Pada tipe ini interpretasi citra atau emosi dari produk menurut konsumen
diterjemahkan menjadi elemen desain produk yang nyata. Kansei
engineering tipe 2 terbagi menjadi tiga komponen penting ditunjukkan pada
gambar berikut:
 22

Gambar 2.3 Proses KE Tipe 2 (Sumber: Nagamachi & Lokman, 2011)

Berikut ini adalah penjelasan dari poin-poin pada gambar 2.3 di atas:
a. Kata kansei yang diperoleh dari responden dikumpulkan menjadi suatu
kesatuan yang merupakan database kata kansei.
b. Database desain yang terdiri dari semua spesifikasi desain yang terkait
dengan rancangan desain harus ditetapkan.
c. Fungsi inferensi yang mampu menghubungkan spesifikasi kansei dan
disain diperlukan.

Dalam kansei engineering tipe 2, banyak kata yang berhubungan dengan

perasaan konsumen akan dikumpulkan dan disortir kata-kata dengan makna
yang sama. Untuk mengoptimalkan hasilnya, analisis statistik akan
diberlakukan berupa uji validitas, uji reliabilitas dan conjoint analysis terhadap
orthogonal design. Di sisi lain, elemen desain produk yang ditargetkan harus
dijabarkan dan elemen-elemen tersebut perlu diatur dalam bentuk kalsifikasi.
Berdasarkan evaluasi dari expert, survei atau desainer, akan diperoleh
pemodelan untuk menghubungkan keduanya. Fuzzy logic juga bisa digunakan
untuk menghilangkan ambiguitas. Kansei engineering tipe 2 adalah metode
yang memiliki kemungkinan paling tinggi untuk dikerahkan ke dalam
teknologi computer. Ada empat database diantaranya adalah sebagai berikut:

a. Database Kata Kansei

Kata-kata Kansei kebanyakan dievaluasi menggunakan kuesioner
semantic differential dan kemudian diolah dan dianalisis dengan
 23

metode statistik, seperti analisis faktor. Hasil analisis faktor akan

menghasilkan kata kansei yang digunakan, kemudian akan
dimasukkan ke dalam sistem.
b. Image Database
Hasil pengujian semantic differential menggunakan metode statistic
adalah analisis teori kuantitatif. Melalui analisis ini, didapat daftar
hubungan statistik antara kata-kata dan elemen desain kansei. Setelah
itu, diiidentifikasi kata Kansei untuk memberikan detail dari desain
item tertentu dengan menggunakan kuesioner semantic differential 2.
c. Knowledge Base
Knowledge base terdiri dari aturan yang diperlukan untuk menentukan
tingkat korelasi antara item dengan detail desain kata kansei.
d. Database Desain dan Warna
Detailnya aplikasi dalam desain database dan bentuk database warna
dilakukan secara terpisah. Semua rincian desain terdiri dari aspek-
aspek yang berkaitan dengan rancangan desain sebagai gabungan
dengan masing-masing kata kansei.

3. Kansei Engineering Tipe 3: Kansei Engineering Modelling

Pada tipe ini diterapkan matematikal modelling sebagai logika pada sistem
komputer. Hal ini terutama digunakan untuk menangani fuzzy logic dalam
pembentukan kecerdasan mesin. Sistem diagnostik kata suara (Nagamachi
dalam Lokman, 2010) adalah contoh penerapan tipe KE ini.
4. Kansei Engineering Tipe 4: Hybrid Kansei Engineering
Ini adalah tipe dengan Forward kansei engineering system (KES) dan
Backward KES untuk membentuk Hybrid KES. Tipe ini memungkinkan
proses iteratif dari elemen desain ke evaluasi Kansei.

5. Kansei Engineering Tipe 5: Virtual Kansei Engineering

Virtual Menggabungkan teknik kansei engineering ke virtual reality, dan
memungkinkan konsumen untuk meneliti produk kansei di dunia maya.
Contoh penerapan KE ini adalah desain kabinet dapur oleh Matsushita Electric
Works (Enomoto et al. dalam Lokman, 2010).
6. Kansei Engineering Tipe 6: Collaborative Kansei Engineering
 24

Dalam tipe kansei engineering, perancang dan konsumen di berbagai tempat

menggunakan database kansei melalui jaringan untuk mengembangkan desain
produk baru. Contoh jenis ini adalah Internet Collaborative Design System
(Ishihara, 2005).
7. Kansei Engineering Tipe 7: Concurrent Kansei Engineering
Pada tipe ini, representasi dari departemen yang berbeda dalam sebuah
perusahaan bergabung bersama dan melakukan evaluasi serta analisis kansei.
Hal itu juga bisa dilakukan dengan mengumpulkan para ahli dalam disiplin
ilmu terkait untuk menerapkan kansei engineering tipe ini guna
mengembangkan konsep desain produk yang ditargetkan. Pendekatan ini
memungkinkan perspektif holistik desain produk seperti dari aspek teknik
hingga kualitas produk hingga pemasaran. Contoh penerapannya dapat dilihat
pada penelitian desain shampoo (Nagamachi dalam Lokman, 2010).
8. Kansei Engineering Tipe 8: Rough Set Kansei Engineering
Rough Sets KE diklaim sebagai tipe terbaik untuk menangani data Kansei
yang ambigu dan tidak pasti (Nagamachi & Tachikawa, 2008). Dengan
menggunakan tipe ini, Kansei yang pada umumnya memiliki karakteristik
nonlinier dapat diobati secara independen dan peraturan keputusan dapat
ditentukan oleh kelompok yang berarti dalam gaya If-Then.
 25

2.2.5 Array Orthogonal

Array ortogonal sering digunakan dalam penelitian industri untuk mempelajari

pengaruh yang ditimbulkan dari faktor control. Dalam penelitian ini, array
orthogonal yang digunakan akan ditampilkan berupa desain orthogonal. Desain
ortogonal adalah salah satu metode yang paling efektif dan banyak diterapkan di
bidang desain teknik (Zheng et al., 2017). Menurut prinsip ortogonalitas, metode
ini dapat mewujudkan analisis sensitivitas multi parameter dengan jumlah tes yang
paling sedikit (Chong et al., 2015; Franek & Jiang, 2013).

Mengacu pada penelitian Du et al. (2016) penerapan array orthogonal

dalam penelitian ini adalah untuk menganalisis faktor-faktor dengan
menggunakan tabel ortogonal juga beberapa kombinasi representatif dipilih dari
semua tingkat pengujian, artinya, melalui tahapan pengujian untuk menganalisis
keseluruhan situasi dan menemukan parameter desain yang optimal. Jika pada
percobaan terhadap 7 faktor dengan 2 level, menggunakan full factorial
experiment akan diperlukan 27 buah percobaan. Dengan orthogonal array akan
dapat dikurangi jumlah percobaan yang dilakukan sehingga akan mengurangi
waktu dan ongkos percobaan. Orthogonal array (metode Taguchi) telah
menyediakan berbagai matriks untuk pengujian faktor-faktor dengan dua dan
tiga level dengan kemungkinan pengembangan untuk pengujian multipel level
(Ross dalam Soewardi & Nasution, 2016).

2.2.6 Conjoint Analysis

Conjoint Analysis merupakan metode untuk menimbang konsep produk yang

berbeda satu sama lain untuk mengidentifikasi atribut produk yang disukai oleh
kelompok pelanggan tertentu yang dalam KE dikaitkan dengan representasinya
dalam kata kansei. Asumsi utama dalam conjoint analysis adalah bahwa pendapat
tentang produk dapat dipecah menjadi atribut terpisah (karakteristik produk)
(Hijau dan Srinivasan dalam Schütte, 2002). Asumsi utama dalam conjoint
analysis yaitu bahwa pendapat tentang produk dapat dipecah menjadi atribut
terpisah (karakteristik produk) (Hijau dan Srinivasan dalam Schütte, 2002).
 26

Ini berarti bahwa kombinasi atribut yang berbeda seperti bentuk desain,
warna, motif, ukuran, material dan teknologi dalam boneka edukasi memiliki
pengaruh bersama pada keputusan konsumen apakah akan membeli produk atau
tidak (Gustafsson dalam Schütte, 2002). Selain itu, conjoint analysis didasarkan
pada kemampuan manusia untuk memberi peringkat konsep dengan konten yang
berbeda untuk membuat keputusan yang jelas mengenai konsep yang diinginkan.
Schütte (2002) juga menyatakan bahwa penerapan conjoint analysis dalam Kansei
Engineering berbagai alternative produk yang disajikan dinilai oleh pelanggan
pembobotannya.

2.2.7 Teori Himpunan Fuzzy

Teori himpunan fuzzy adalah metode yang tepat untuk mengatasi ketidakpastian.
Logika fuzzy menyediakan alat yang mampu menangkap informasi yang kabur,
umumnya dijelaskan dalam bahasa alami, dan mengubahnya menjadi format
numerik (Li et al., 2017). Fungsi keanggotaan himpunan fuzzy merupakan
generalisasi fungsi indikator pada perangkat klasik. Dalam logika fuzzy, hal
tersebut mewakili tingkat kebenaran sebagai perpanjangan penilaian. Hal ini dapat
dinyatakan dalam bentuk kurva yang mendefinisikan bagaimana setiap titik pada
ruang masukan dipetakan ke nilai keanggotaan (atau tingkat keanggotaan) antara
0 dan 1, tingkat abu-abu dan juga hitam dan putih, dan dalam bentuk linguistik,
konsep ketidakpastian sebagai "sedikit", "dapat ditoleransi", dan "sangat"
(Khoiruddin dalam Soewardi & Nasution, 2016). Tingkat variabel linguistik dapat
ditentukan dengan metode tertentu (Hiwarkar & Iyer, 2013).Himpunan fuzzy juga
dapat memiliki banyak bentuk (kurva segitiga, trapesium dan lonceng) (Wang
dalam Li et al., 2017).
Sistem Inferensi Fuzzy secara konseptual sangat sederhana. Mereka terdiri
dari input, proses, dan output (Blej & Azizi, 2016). Tujuan utama dari logika fuzzy
adalah memetakan ruang input ke ruang output, dan mekanisme utama untuk
melakukan ini adalah daftar pernyataan if-then yang disebut aturan. Semua aturan
dievaluasi secara paralel, dan aturannya tidak penting. ada tahap pemrosesan,
setiap aturan spesifik dipanggil dan hasil yang sesuai dihasilkan (Blej & Azizi,
2016). Maka hasilnya digabungkan sehingga akan diberikan sebagai input ke
 27

tahap output. Pada tahap output, hasil gabungan diubah kembali menjadi nilai
spesifik (Lie-Xin dalam Blej & Azizi, 2016). Berikut ini (lihat gambar 2.4 dan
gambar 2.5) adalah visualisasi dari sistem kerja fuzzy:

Gambar 2.4 Fuzzy Interference System

Gambar 2.5 Fungsi Keanggotaan

 28

Gambar 2.6 Fuzzy Triangular Number

Pada gambar 2.6 di atas, merupakan fuzzy bilangan segitiga yang mana ditentukan
dengan 3 poin yaitu l, m dan n. parameter-parameter tersebut menunjukkan
kemungkinan nilai terkecil, nilai yang paling menjanjikan dan nilai paling tinggi yang
mungkin. Berikut ini adalah rumus dari himpunan fuzzy di atas:

(Perhitungan 2.1)

Pada penelitian ini, dikarenakan kata kansei yang didapat dari responden
bersifat sangat subjektif dan masih ada beberapa keambiguan, fuzzy linguistic
digunakan untuk menentukan nilai-nilai yang masih abu-abu. Nilai-nilai dalam bentuk
Bahasa atau linguistic tersebut akan dikonversikan kedalam bilangan fuzzy dan dibuat
fungsi keanggotaannya berdasarkan expert judgement.

2.2.6 Variabel Fuzzy Linguistik

Variabel linguistik adalah variabel dimana nilai berupa kata atau kalimat di alam atau
buatan. Zhang (1992) mengembangkan konsep dasar dan teorema integral fuzzy
bilangan fuzzy bernilai pada himpunan fuzzy. Variabel linguistik merupakan konsep
penting dalam logika fuzzy dan memainkan peran kunci dalam penerapannya,
terutama pada sistem pakar fuzzy. Misalnya, ungkapan (sangat panas atau hangat) dan
agak dingin terdiri dari istilah panas, hangat dan dingin, bersamaan dengan pengubah
fuzzy yang sangat dan sedikit. Ungkapan ini digunakan saat mendefinisikan nilai
fuzzy, konsep fuzzy spesifik yang sesuai untuk masalah yang dihadapi (lihat gambar
2.7.
 29

Gambar 2.7 Contoh Variabel Linguistik dari Atribut Kepuasan

Wu et al. (2009) juga menjelaskan dalam penelitiannya bahwa kumpulan

semantik dirancang untuk mengumpulkan tanggapan orang yang diwawancarai
terhadap setiap pertanyaan seperti ditunjukkan pada Tabel 2.6 di bawah ini.

Tabel 2.6 Variabel Bilangan Fuzzy Segitiga

Fuzzy Linguistic Scale Corresponding The inverse of the

Number Triangular Corresponding
Fuzzy Numbers triangular
Fuzzy numbers
1 Equal importance 1, 1, 1 1, 1, 1
3 Moderate importance 1, 3, 5 1/5, 1/3, 1
5 Strong importance 3, 5, 7 1/7, 1/5, 1/3
7 Very Strong Importance 5, 7, 9 1/9, 1/7, 1/5
9 Demonstrated importance 7, 9, 9 1/9, 1/9, 1/7
2, 4, 6, 8 Intermediate value between 2, 2, 4 ¼, ½, ½
two adjacent judgments 2, 4, 6 1/6, ¼, ½
4, 6, 8 1/8, 1/6, ¼
6, 8, 8 1/8, 1/8, 1/6
(Sumber: Mont et al. & Hsieh et al dalam Wu et al., 2009)

Setiap membership function (skala bilangan fuzzy) didefinisikan oleh tiga

parameter Triangular Fuzzy Number (TFN) simetris, titik kiri, titik tengah dan titik
kanan pada interval dimana fungsi didefinisikan. Penggunaan variabel linguistic di
sini dimaksudkan untuk menilai prioritas yang diberikan oleh para pengambil
keputusan mengenai perbandingan berpasangan dengan bobot minat dengan
kuesioner Kansei. Bilangan random digunakan untuk mewakili variabel linguistik
Kansei. Bilangan fuzzy bisa memiliki berbagai bentuk. Dalam aplikasi praktis, untuk
kesederhanaan, bentuk fungsi keanggotaan segitiga atau trapesium digunakan paling
sering untuk merepresentasikan bilangan fuzzy.
 30

BAB III

METODOLOGI PENELITIAN

3.1 Objek dan Subjek Penelitian

Objek penelitian kali ini adalah boneka edukasi untuk anak. Subjek penelitiannya
adalah anak-anak usia sekolah dasar di 3 TPA yang telah disebutkan pada lokasi
penelitian dengan usia berkisar antara 6-12 tahun dan pernah mengetahui atau bermain
boneka. Nagamachi dan Lokman (2011) merekomendasikan untuk mengumpulkan
setidaknya 600-800 kata kansei. Berikut ini adalah subjek dalam penelitian:

1. Preliminary Study
Pada tahapan ini kuesioner disebarkan kepada 106 responden anak-anak untuk
mengetahui gejolak masalah yang terjadi. Selain itu, diadakan wawancara
dengan 5 orang guru TPA di Sleman, Daerah Istimewa Yogyakarta (Lihat
Lampiran 2 & Lampiran 9).
2. Kuesioner Kata Kansei
Pada tahapan ini didapatkan lebih dari 600 kata kansei dari 106 responden
(Lihat Lampiran 3).
3. Kuesioner Semantic Differential I
Setelah dilakukan pengerucutan dari kata kansei yang didapat pada tahap
sebelumnya, dilakukan penyebaran kuesioner kepada 40 responden untuk
mengetahui tingkat kepentingannya. Kata kansei yang valid akan
dipertimbangkan untuk mendesain boneka edukasi (Lihat Lampiran 4).
4. Kuesioner Semantic Differential II
Pada tahap ini 40 kuesioner disebarkan untuk mengetahui hubungan antara
preferensi desain dengan kata kansei yang ada. Kata kansei tertentu
dipengaruhi oleh desain yang seperti apa (Lihat Lampiran 5).
5. Input Data Fuzzy Linguistic
Dilakukan wawancara kepada 3 orang expert untuk pengolakan data fuzzy
linguistic pada penelitian ini (Lihat Lampiran 10 & Lampiran 11).

6. Kuesioner Validasi Produk

 31

Kuesioner ini disebarkan kepada 40 responden untuk mengetahui bagaimana

respon responden terhadap desain usulan boneka edukasi (Lihat Lampiran 6).

3.2 Lokasi Penelitian

Penelitian ini dilakukan di beberapa tempat, diantaranya adalah:
1. TPA Al Wihdah, Besi, Ngaglik, Sleman.
2. TPA Al Jami’, Jalan Kaliurang Km 14.5 Sleman.
3. TPA Raden Saleh, Nganggrung, Jalan Kaliurang Km 13 Sleman.
4. T&R Badut Jogja, Sewon, Bantul.

3.3 Tipe Data

3.3.1. Data Primer

Data primer adalah data yang diperoleh dari pengukuran secara langsung terhadap
objek di lapangan dengan menggunakan eksperimen maupun interview dan kuisioner.
Dari hasil wawancara dan kuesioner didapatkan harapan atau keinginan konsumen
terhadap rancangan boneka edukasi, yang dapat diartikan juga sebagai kata kansei.
3.3.2. Data Sekunder
Data sekunder merupakan data yang diambil dari beberapa orang atau sumber lain
yang dapat berupa artikel, buku, jurnal, serta hasil pencarian menggunakan internet
dan digunakan sebagai data pendukung penelitian.

3.4 Metode Pengumpulan Data

Metode pengumpulan data dalam penelitian ini terdiri dari:
1. Wawancara
Wawancara dilakukan pada kurang lebih 100 anak-anak usia taman kanak-kanak dan
sekolah dasar mengenai media pembelajaran budaya yang ada selama ini, apa saja
kelebihan dan kekurangannya serta harapan mereka akan media edukasi budaya yang
diinginkan.
2. Penyebaran Kuesioner
Kuesioner ini digunakan untuk mengidentifikasi desain seperti apa yang diinginkan
oleh responden sesuai spesifikasi yang diberikan oleh peneliti berdasarkan kata kansei
dengan rincian yang telah disebutkan pada poin 3.1.
 32

3. Studi Literatur
Hasil yang diperoleh dari pengumpulan data terdiri dari referensi dan literatur yang
akan digunakan untuk merancang boneka edukasi.

3.5 Metode Pengolahan Data

3.5.1 Kansei Engineering

Tahapan pengumpulan dan pengolahan kata kansei dijabarkan dalam beberapa

tahapan di bawah ini (Nagamachi & Lokman, 2011):

1. Menentukan subjek dan objek penelitian.

2. Mengumpulkan data kebutuhan konsumen berupa kata kansei yang
berhubungan dengan desain boneka edukasi.
3. Kata kansei yang didapatkan dan telah direkap berdasarkan persamaan makna
dijadikan input untuk mendapatkan keinginan yang sesuai dengan perasaan
konsumen melalui kuesioner Semantik Diferensial 1.
4. Uji validitas dan reliabititas kata kansei berdasar kuesioner Semantik
Diferensial 1.
5. Menentukan atribut desain boneka berdasarkan wawancara dengan expert.
6. Membuat array orthogonal berdasarkan atribut dan menyebarkannya dalam
bentuk kuesioner Semantik Diferensial 2.
7. Perhitungan conjoint analysis menggunakan orthogonal design.
8. Menentukan tingkat kepentingan untuk setiap atribut dan mengkonstruksikan
desain parameter atribut serta variabel untuk setiap kata kansei.
9. Pembuatan desain boneka edukasi dan melakukan validasi desain.

3.5.2 Fuzzy Linguistic

Berikut adalah tahapan pengolahan data fuzzy linguistic dalam penelitian ini:

1. Mendefinisikan variabel dan istilah linguistik.

2. Membangun fungsi keanggotaan
3. Membuat rule base yang akan digunakan
4. Mengonversi data input ke dalam fuzzy menggunakan proses fuzzifikasi
5. Mengevaluasi rules pada membership function.
 33

6. Mengkombinasikan hasil dan setiap membership function

3.6 Metode Analisis Statistik

3.6.1 Semantik Diferensial

Semantik diferensial (SD) merupakan alat ukur berupa kuesioner yang sering
digunakan untuk mengukur sikap sosial (Osgood dalam Ajani & Stork, 2013). Dengan
kuesioner SD dapat dibuat skala dengan menggunakan pasangan kata sifat lawan yang
dipilih secara hati-hati untuk mengukur secara efektif suatu sikap pada berbagai
konstruksi. Nagamachi dan Lokman (2011) menyatakan bahwa metode rating 5-level
SD merupakan yang paling sering digunakan dalam penelitian-penelitian terdahulu.
Contoh dari metode rating 5-level SD dapat dilihat pada tabel 3.1 berikut:

Tabel 3.1 Tabel Skala Semantic Diferential 5 Level

1 2 3 4 5
Buruk Baik
Sangat Tidak Medium/Medium Setuju Sangat
tidak setuju setuju
setuju
Keterangan dari tabel di atas adalah sebagai berikut:
1 = Setuju menunjukkan responden menilai atribut terukur sangat rendah
2 = Setuju menunjukkan responden menilai atribut terukur dibawah rata-rata
3 = Setuju menunjukkan responden tidak menunjukkan keberpihakan
4 = Setuju menunjukkan responden menilai atribut terukur diatas rata-rata
5 = Setuju menunjukkan responden menilai atribut terukur sangat tinggi
Dalam penelitian ini, penyebaran kuesioner dan pengujian SD dibagi menjadi
dua tahapan, yaitu:

1. Sebagai input untuk melakukan uji validitas dan reliabilitas kata kansei
yang telah terkumpul.
2. Pengolahan data conjoint analysis untuk menentukan penilaian
responden terhadap produk.
 34

3.6.2 Uji Reliabilitas

Uji reliabilitas merupakan pengujian tingkat konsistensi antara dua pengukuran.

Dalam pengujian ini diukur bagaimana kestabilan, ketergantungan, kepercayaan serta
konsistensi dalam suatu pengukuran hal yang sama pada satu waktu. Berdasarkan
Nagamachi & Lokman (2011) nilai paling konsisten ditunjukkan dengan nilai α ≥ 0.8,
sedang menurut Djemari (2003) data sudah bisa dikatakan reliable apabila nilai α ≥
0.7.

Teori yang digunakan dalam menentukan level reliabilitas adalah Cronbach’s

coefficient alpha, yaitu sebagai berikut:

1. Menentukan Hipotesis
Ho : Nilai kuesioner yang reliabel
H1 : Nilai kuesioner yang tidak reliabel
Apabila nilai rhitung > rtabel , maka Ho diterima;
Apabila nilai rhitung ≤ rtabel, maka Ho ditolak; kemudian dapat dilanjutkan untuk
pengambilan keputusan.
2. Menentukan nilai rtabel
Signifikan level yang digunakan dalam penelitian ini adalah 0.05 atau 5%.
Derajat kebebasan (df) = n-2, yang mana nilai rtabel dapat dilihat pada tabel dibawah
ini:
3. Menentukan nilai rhitung dan melakukan pengujian menggunakan software SPSS.
Berikut adalah rumus perhitungan manual rhitung:

𝑘 ∑ 𝜎2 .𝑏
𝑟 = (𝑘−1)(1 − ) (perhitungan 3.1)
𝜎2 .𝑡

Di mana:

k = jumlah pertanyaan
𝜎2. 𝑡 = jumlah variansi pertanyaan
𝜎2. 𝑏 = variansi pertanyaan
Kemudian untuk mendapatkan nilai variansi dari setiap pertanyaan, dapat
diberlakukan rumus berikut:

(∑ 𝑥 2 )
𝜎 2. 𝑏 = ( ∑ 𝑥 2 − 𝑁

(perhitungan 3.2)
 35

4. Membandingkan nilai rtabel dan rhitung

Menurut Urbina (2004) nilai α pada uji reliabilitas dapat diklasifikasikan sesuai
kriteria pada tabel 3.4 berikut:

Tabel 3.3 Klasifikasi Cronbach’s Alpha

Cronbach’s Alpha Konsistensi

(α)
α ≥ 0,9 Sangat Baik
0,8 ≤ α < 0,9 Baik
0,7 ≤ α < 0,8 Diterima
0,6 ≤ α < 0,7 Dipertanyakan
0,5 ≤ α < 0,6 Buruk
α < 0,5 Tidak Diterima

3.6.3 Uji Validitas

Uji validitas merupakan uji statistic yang bertujuan untuk menunjukkan sejauh
mana ketepatan suatu alat ukur yang digunakan dalam suatu penelitian
(Singarimbum, 1989). Carmines & Zeller (dalam Edwards et al., 2005)
menambahkan bahwa uji validitas memperhatikan hubungan penting antara
konsep dengan indikatornya. Dalam penelitiannya, Singarimbun (1989) juga
menjelaskan bahwa uji validitas terbagi dalam beberapa tahapan berikut:

1. Menentukan Hipotesis
H0: nilai atribut dengan nilai faktor valid
H1: nilai atribut dengan nilai tidak valid
2. Menentukan Nilai rtabel
Dengan tingkat signifikasi 5% atau 0.05
Dengan kebebasan (df) = n-2
Maka nilai rtabel dapat dilihat pada tabel r
3. Menentukan Nilai rhitung menggunakan software SPSS dan dapat dilihat
pada corrected item-total correlation atau korelasi pearson, yang apabila
dihitung dengan perhitungan manual dapat menggunakan rumus berikut:
a. Menghitung korelasi produk dengan rumus di bawah ini:
 36

𝑁 ∑ 𝑥𝑦 (∑ 𝑥)(∑ 𝑦)
𝑟= (perhitungan 3.3)
√𝑁 ∑ 𝑥 2 −(∑ 𝑥)2 .√𝑁 ∑ 𝑦 2 −(∑ 𝑦)2

Dimana:
r = koefisien korelasi
N = jumlah [Link] pengamatan
x = nilai item product
y = jumlah nilai dari suatu responden
Σx = jumlah skor butir x yang didapat dari rekap
data
Σy = jumlah skor faktor y yang didapat dari rekap
data
Σx2 = jumlah skor butir x kuadrat
Σy2 = jumlah skor butir y kuadrat

b. Menghitung korelasi total. Cara perhitungan korelasi total dapat

dilihat pada rumus di bawah ini:
(𝑟 𝑥𝑦)(𝑆𝐵𝑦)− 𝑆𝐵𝑥
𝑟= (perhitungan 3.4)
√{(𝑆𝐵𝑥 2 +(𝑆𝐵𝑦 2 −2(𝑟 𝑥𝑦)(𝑆𝐵𝑥)(𝑆𝐵𝑦)}

Dimana:
rhitung = koefisien korelasi bagian total
rxy = korelasi momen tangkar
SBx = simpangan baku skor butir
SBy = simpangan baku skor faktor
Rumus untuk menghitung simpangan baku adalah sebagai berikut:

𝐽𝐾
𝑆𝐵𝑥 = √𝑁−1 (perhitungan 3.5)

Dimana:
SB = simpangan baku
JK = jumlah kuadrat
N = jumlah responden
Kemudian rumus untuk perhitungan kuadrat adalah sebagai
berikut:
 37

(∑ 𝑦)2
𝐽𝐾𝑦 = ∑ 𝑦 2 − (perhitungan 3.6)
𝑁

(∑ 𝑥)2
𝐽𝐾𝑥 = ∑ 𝑥 2 − (perhitungan 3.7)
𝑁

Dimana:
JKx = jumlah kuadrat untuk skor butir (x)
Jky = jumlah kuadrat untuk skor butir (y)
4. Membandingkan besar nilai rtabel dengan rhitung

Jika rhitung > rtabel maka Ho diterima

Jika rhitung ≤ rtabel maka Ho ditolak

3.6.4 Uji Kecukupan Data

Uji kecukupan data merupakan pengujian yang dilakukan untuk mengatahui

jumlah minimal data yang harus diproses sehingga pengolahan dapat dilanjutkan
ke tahap selanjutnya. Perhitungan Slovin dapat diaplikasikan untuk menghitung
ukuran sampel dari suatu populasi dengan tingkat akurasi yang diinginkan
(Stephanie dalam Kalimba et al., 2016). Kalimba et al. (2016) juga menambahkan
bahwa perhitungan Slovin juga dapat diterapkan apabila tidak memungkinkan
untuk mempelajari keseluruhan populasi, namun populasi diketahui yang mana
biasanya digunakan pada data ordinal (Ariola et. Al dalam Soewardi & Nasution,
2016). Sehubungan dengan tingkat akurasi, dalam penelitiannya Kothari (dalam
Kalimba et al., 2016) menyarankan untuk menggunakan tingkat kepercayaan 90%
atau 95%. Perhitungan Slovin yang dimaksud adalah sebagai berikut:

n=N/(1+Ne)2 (perhitungan 3.9)

Dimana:

n = jumlah sampel
N = jumlah populasi
e = error tolerance

Dalam pengaplikasian perhitungan Slovin, perlu untuk menentukan error

tolerance yang dikehendaki. Berikut ini adalah klasifikasi error tolerance:
 38

 99% ≈ 0.01, tingkat kesalahan kecil dengan tingkat kepercayaan

sangat tinggi
 95% ≈ 0.05, tingkat kesalahan sedang, dan
 90% ≈ 0.1, tingkat kesalahan sedang, jika tingkat kesalahan yang
diketahui lebih dari 10% atau kurang dari 90%, tidak dapat
melanjutkan ke pengolahan data selanjutnya.
Jumlah n adalah sampel minimum yang harus dikumpulkan dalam
percobaan.

3.6.5 Conjoint Analysis

Conjoint analysis adalah teknik multivariat yang dapat digunakan untuk

memahami bagaimana preferensi individu dikembangkan. Secara khusus, teknik
ini digunakan untuk mendapatkan wawasan tentang bagaimana konsumen menilai
berbagai atribut produk berdasarkan penilaian mereka terhadap produk yang
lengkap (Kuzmanovic et al., 2013). Berikut ini adalah tahapan dalam conjoint
analysis (Ross dalam Soewardi & Nasution, 2015):
1. Menentukan jumlah sampel
Sampel yang dimaksud disini merupakan jumlah usulan desain yang akan
dievaluasi oleh responden. Jumlah sampel minimum yang harus dievaluasi
oleh seorang responden jika analisa yang dilakukan pada level individual
adalah total jumlah level yang berlawanan dengan semua faktor–jumlah
faktor- faktor) + 1.
2. Menghitung defiasi
Penghitungan umum untuk menentukan deviasi adalah
Deviasi = Rangking level rata-rata – rangking rata-rata keseluruhan
3. Menghitung Importance Rating
Untuk menghitung pentingnya faktor, pertama-tama peneliti harus
menghitung nilai bagian pada setiap masing-masing level. Nilai bagian pada
masing-masing level dihitung dalam empat langkah:
a. Kuadratkan deviasi dan temukan jumlah yang berlawanan dengan semua
level.
 39

b. Menghitung nilai kestandaran yang sama dengan total jumlah level-level

dibagi jumlah deviasi yang dikuadratkan.
c. Menstandarkan masing-masing deviasi yang dikuadratkan dengan cara
mengalikannya dengan nilai ke-standar-an.

3.4.7 Uji Marginal Homogeneity

Uji beda adalah langkah pengujian perbedaan rata-rata antara data satu kelompok
dengan data kelompok lainnya. Pengujian Marginal Homogenity dilakukan untuk
tes dua sampel berhubungan yang digunakan untuk mengetahui apakah terdapat
perbedaan atau kesamaan respon antara dua kelompok data yang saling
berhubungan tersebut. Pada kasus antara dua peristiwa untuk data kategori lebih
dari 2x2 dan bersifat multinominal digunakan metode Stuart-Maxwell test of
Marginal Homogeneity (Yamin & Kurniawan, 2009). Metode ini merupakan
perluasan dari uji McNemar dengan formula (Sheskin, 2004):

(perhitungan 3.9)

Dimana:

(perhitungan 3.10)

Hipotesis dalam penelitian ini adalah:

H0: Tidak ada perbedaan antara keinginan konsumen dengan produk usulan.
H1: Ada perbedaan antara keinginan konsumen dengan produk usulan.
 40

3.5 Pengembangan Produk: Virtual Design

Setelah mengetahui preferensi produk yang diinginkan konsumen, menentukan

atribut dan elemen desain terpilih, kemudian diterapkan dalam pembuatan produk
boneka. Dalam proses ini digunakan Sketchup Pro 2017 dan Corel Draw dalam
mendesain produk usulan.

3.6 Diagram Alir Penelitian

Adapun langkah-langkah dalam penelitian ini direpresentasikan pada diagram alir

berikut (Lihat gambar 3.1):

Mulai

Studi Pendahuluan

Perumusan Masalah

Pengumpulan Kata
Kansei

Penyebaran Kuesioner
Semantic Differential
I
Tidak

Uji Kecukupan Data

Cukup

Uji Validitas Uji Validitas

Tidak

Ya

Uji Reliabilitas Tidak Uji Reliabilitas

Ya


A
 41

Penentuan Item dan

Katagori dengan Orthogonal
Design

Penyebaran Kuesioner
Semantic Differential II

Conjoint Analysis

Menentukan Importance
Rating untuk Atribut
Terpilih

Konsep Produk Usulan

Penentuan Atribut Fuzzy,

Variabel Linguistik,

Pembuatan Membership
Function dan Rule

Rule Assessment

Pembuatan Desain Produk

Validasi Desain Produk

Selesai

Gambar 3.1 Diagram Alir Penelitian

Penjelasan diagram alir penelitian (gambar 3.1) di atas adalah sebagai berikut:
5. Studi Pendahuluan
Peneliti mengidentifikasi masalah mengenai pengetahuan lagu daerah Indonesia
pada anak-anak, baik itu melalui survey maupun penelitian-penelitian terdahulu.
6. Perumusan Masalah
Berdasarkan studi pendahuluan, diperoleh rumusan masalah mengenai rancangan
boneka edukasi yang dapat memenuhi perasaan psikologis konsumen sebagai
media pembelajaran lagu daerah Indonesia dengan metode Kansei Engineering.
7. Pengumpulan Kata Kansei
Pada tahapan ini dilakukan penyebaran kuesioner mengenai desain boneka
edukasi seperti apa yang diinginkan oleh anak-anak.
 42

8. Kuesioner SD I
Dari sekitar 600 kata kansei yang telah terkumpul, kemudian direkap dan dicari
kata-kata yang maknanya sama. Setelah didapat kata kansei yang diperoleh,
kuesioner SD I disebarkan untuk mengidentifikasi 9 kata kansei tersebut
menggunakan uji statistik yaitu uji validitas dan reliabilitas.
9. Pengujian Statistik
Sembilan kata kansei yang telah disebarkan ke responden dalam kuesioner SD I
dianalisis menggunakan uji validitas dan uji reliabilitas, apabila memenuhi syarat,
maka kata kansei tersebut dapat diteruskan untuk pertimbangan pengembangan
desain boneka edukasi.
10. Penentuan Atribut dan Elemen Desain
Pada tahapan ini dilakukan perhitungan kombinasi desain terbaik menggunakan
array orthogonal pada menu orthogonal design di software IBM SPSS 22.
11. Kuesioner SD II
Berdasarkan kombinasi desain yang didapatkan dari tahap sebelumnya, dibuat
visualisasi desain produknya dan kemudian disebarkan kepada responden.
12. Conjoint Analysis
Analisis conjoin dilakukan menggunakan IBM SPSS 22 untuk mengetahui
hubungan antara item desain pada produk dengan kata kansei yang didapat.
13. Fuzzy Linguistic Process
Pada tahapan ini dilakukan pembentukan variable linguistic, membership function
dan if-then rule untuk menerjemahkan atribut yang masih masuk dalam kategori
fuzzy kedalam visualiasi desain berdasarkan pendapat para expert.
14. Pembuatan Desain Produk
Berdasarkan pengolahan data yang telah dilakukan, didapat desain produk yang
akan dikembangkan. Pada tahap ini desain produk dan prototype dibuat untuk
nantinya akan ditanyakan kepada responden apakah sudah memenuhi
kebutuhannya.
15. Validasi Desain Produk
Tahapan ini merupakan verifikasi, apakah desain produk sudah memenuhi
permintaan konsumen. Ditunjukkan dengan sesuai atau tidaknya perbedaan
keinginan dengan desain usulan menggunakan uji marginal homogeneity.
 43

BAB IV

PENGUMPULAN DAN PENGOLAHAN DATA

4.1 Menentukan Kata Kansei

Tahap utama dalam penentuan kata Kansei adalah menyebarkan kuesioner dengan
pertanyaan apa yang diinginkan para responden terhadap boneka edukasi. Penentuan
kata Kansei berdasarkan persepsi atau pandangan pemeriksa atau responden terhadap
produk yang ditunjukkan. Lebih dari 600 kata-kansei yang terkumpul, kemudian
direduksi berdasarkan kemiripannya. Dari hasil pemilihan, terdapat 9 kata yang
relevan dan sesuai dengan keinginan konsumen pada tabel 4.1 berikut ini.
Tabel 4.1 Daftar Kata Kansei

NO Kansei Words
1 Mudah dibawa
2 Mudah digunakan
3 Menarik
4 Modern
5 Awet
6 Halus
7 Bersih
8 Empuk
9 Unik

4.2 Kuesioner Semantic Differential I

Sebelas kata Kansei yang didapat akan difokuskan pada perkembangannya.
Kemudian buatlah perbedaan semantik (SD) yang justru membuat kebalikan dari
kata Kansei yang kemudian disebarkan kepada 40 responden, yang dimaksudkan
agar responden lebih mudah menilai apakah citra produk tersebut adalah sisi positif
atau negatif dari kata Kansei. Dengan skala 1 sampai 5 dengan penjelasan sebagai
berikut:
1 = Jika atribut produk sangat tidak sesuai dengan kata Kansei
2 = Jika atribut produk tidak sesuai dengan kata Kansei
3 = Jika atribut produk Medium/Medium dengan kata Kansei
4 = Jika atribut produk sesuai dengan kata Kansei
5 = Jika atribut produk sangat sesuai dengan kata Kansei
 44

4.2.1 Uji Kecukupan Data

Teknik pengambilan sampel dalam penelitian ini menggunakan metode purposive

sampling. Dalam perhitungan data minimal sampel yang dibutuhkan dalam penelitian ini,
digunakan rumus Slovin yang digunakan karena datanya tipe ordinal. Diketahui bahwa
total populasi dalam studi lapangan adalah 80 orang, maka peneliti melakukan
pengukuran untuk mengetahui sampel minimal yang harus dibawa sebagai sampel.
Dengan tingkat kepercayaan 90%, perhitungannya bisa dilihat sebagai berikut:
Rumus Slovin
n=N/(1+Ne)2
n=80/(1+80*0.1*0.1)^2
n=24.61936 ~ 25
Dari hasil perhitungan diperoleh bahwa n = 24.619 ≈ 25 orang. Oleh karena itu, responden
atau sampel minimum yang harus diambil adalah sejumlah 25, dan peneliti mengambil
keputusan untuk mengambil 40 jumlah sampel untuk pengolahan data lebih lanjut.

4.2.2 Uji Validitas

Setelah data sudah mencukupi, dilanjutkan dengan uji validitas. Data dinyatakan valid
jika kata Kansei yang diuji dalam kuesioner dapat menggambarkan produk usulan
boneka edukasi. Sehingga kansei word yang sudah relevan belum tentu dinilai
kepentingannya dapat menggambarkan image produk oleh konsumen karena
eliminasi kansei word diatas didasarkan pada fabrikasi dan jurnal penelitian saja, oleh
karena itu validasi digunakan sebagai eliminasi yang dilakukan oleh konsumen.
Software yang digunakan untuk pengolahan data adalah IBM SPSS 22. Data
dinyatakan valid apabila nilai r hitung ≥ r tabel, dengan menggunakan toleransi
kesalahan sebesar 5% dan dengan nilai df = 40-2 = 38, sehingga nilai r tabel yaitu
sebesar 0.320.
Hasil pengolahan data kuisioner Semantic differential I dilakukan dengan
software IBM SPSS 22 dapat dilihat pada lampiran. Dibawah ini merupakan tabel 4.2
rekapan hasil uji validitas pada iterasi pertama:
 45

Tabel 4.2 Hasil Uji Validitas Iterasi Pertama

No Atribut r tabel r hitung Keputusan
1 Mudah dibawa 0.320 0.861 Valid
2 Mudah digunakan 0.320 0.228 Tidak valid
3 Menarik 0.320 0.454 Valid
4 Modern 0.320 0.583 Valid
5 Awet 0.320 0.089 Tidak valid
6 Halus 0.320 0.406 Valid
7 Bersih 0.320 0.772 Valid
8 Empuk 0.320 0.460 Valid
9 Unik 0.320 0.735 Valid

Pada tabel 4.2 di atas, dapat dilihat bahwa ada satu kata kansei yang tidak valid
yaitu mudah digunakan. Hal tersebut dikarenakan nilai r hitungnya lebih kecil
dibandingkan dengan r tabel; dibawah 0.320. Oleh karena itu, atribut tersebut
dihilangkan dan diberlakukan uji validitas iterasi kedua untuk atribut-atribut yang
valid. Hasil dari uji validitas iterasi kedua dapat dilihat pada tabel 4.3 di bawah ini:
Tabel 4.3 Hasil Uji Validitas Iterasi 2
No Atribut r tabel r hitung Keputusan
1 Mudah dibawa 0.320 0.865 Valid
2 Menarik 0.320 0.450 Valid
3 Modern 0.320 0.558 Valid
4 Halus 0.320 0.440 Valid
5 Bersih 0.320 0.786 Valid
6 Empuk 0.320 0.369 Valid
7 Unik 0.320 0.657 Valid

Berdasarkan hasil dari uji validitas iterasi kedua pada tabel 4.3 di atas dapat
dinyatakan bahwa kedelapan atribut valid karena memiliki nilai r hitung lebih dari
0.320. Sehingga dapat disimpulkan bahwa dapat diberlakukan uji reliabilitas untuk
kedelapan atribut tersebut.

4.2.3 Uji Reliabilitas

Uji reliabilitas dilakukan untuk mengetahui apakah data yang diperoleh sudah cukup
stabil. Software yang digunakan dalam pengolahan data reliabilitas adalah IBM SPSS
22. Data dinyatakan reliabel ketika nilai r hitung ≥ r tabel. Dalam hal ini digunakan
toleransi kesalahan sebesar 5% dengan df = 40-2 = 38 yaitu 0.320. Hasil dari uji
reliabilitas yang telah dilakukan dapat dilihat pada tabel 4.4 dan 4.5 dibawah ini:
 46

Tabel 4.4 Nilai Cronbach’s Alpha

Reliability Statistics
Cronbach's N of
Alpha Items
.750 7

Berdasarkan tabel di atas, dapat dilihat bahwa nilai Cronbach’s Alpha sebesar 0.791
yang mana berada pada rentang antara 0.7 ≤ α < 0.8, sehingga dapat dinyatakan bahwa
data dapat diterima (sesuai tabel Cronbach’s Alpha pada pada Bab 3). Selanjutnya,
dilakukan uji reliabilitas untuk masing-masing atribut pada tabel berikut.
Tabel 4.5 Hasil Uji Reliabilitas pada Kata Kansei Terpilih

No Atribut r tabel r alpha Keputusan

1 Mudah dibawa 0.320 0.647 Reliabel
2 Menarik 0.320 0.762 Reliabel
3 Modern 0.320 0.669 Reliabel
4 Halus 0.320 0.754 Reliabel
5 Bersih 0.320 0.675 Reliabel
6 Empuk 0.320 0.742 Reliabel
7 Unik 0.320 0.759 Reliabel
 47

4.3 Kuesioner Semantic Differential II

Pada tahap ini, responden diminta untuk mengevaluasi beberapa contoh desain usulan
dengan 5 skala semantic differential. Hal ini bertujuan untuk menganalisis hubungan
antara preferensi setiap responden dengan sampel produk yang ditawarkan. Pilihan
dari para responden dihitung rata-ratanya dan kemudian rata-rata dari setiap sampel
produk tersebut digunakan untuk pengolahan data conjoint analysis dalam orthogonal
design menggunakan software IBM SPSS 22.

4.3.1 Sampel Produk (Semantic Differential II)

Sampel dalam perancangan boneka edukasi ini didasarkan pada beberapa expert
designer dengan mengelompokkan item dan kategori. Dari tujuh item, kemudian
ditentukan kategori dari tiap-tiap itemnya seperti yang dipaparkan pada tabel 4.6
dibawah ini:

Tabel 4.6 Klasifikasi Elemen Boneka

Item Nomor Kategori Notasi

1 Desain 1 Boneka manusia A11
2 Boneka tangan A12
3 Boneka hewan A13
2 Material luar 1 Rasfur A21
2 Velboa A22
3 Nylex A23
4 Yelvo A24
3 Warna 1 Cerah A31
2 Medium/Medium A32
3 Gelap A33
4 Motif 1 Polos A41
2 Berpola A42
5 Ukuran 1 Kecil A51
2 Sedang A52
3 Besar A53
6 Material dalam 1 Dakron A61
2 Plastik pellet A62
3 Kain perca A63
7 Teknologi 1 MP3 module A71
2 VR A72
 48

Berdasarkan tabel 4.6 di atas dapat diketahui bahwa sampel dari desain boneka
edukasi terdiri dari 7 item yaitu desain, material luar, warna, motif, ukuran, material
dalam dan teknologi. Dalam penelitian ini tidak diperhatikan atribut lain selain yang
disebutkan dalam tabel 4.6, karena ketujuh item tersebut sudah merepresentasukan
konstruksi dominan dalam pembuatan desain boneka.

4.3.2 Minimum Stimulus and Card Concept

Berdasarkan item dan kategori yang telah ditentukan pada poin sebelumnya, boneka
edukasi terdiri dari 20 kategori dan 8 atribut. Apabila dihitung secara keseluruhan
dengan mengalikan item dengan kategori (3x4x3x2x3x3x2), maka akan dihasilkan
1296 konsep desain yang ditawarkan kepada responden. Namun, hal tersebut dapat
membingungkan responden dikarenakan terlalu banyak pilihan yang harus dinilai.
Minimum konsep desain yang dapat ditawarkan dapat dihitung dengan rumus berikut:

Jumlah sampel minimal = (20-7) + 1 = 14

Maka, aka nada 14 sampel minimal untuk desain boneka edukasi. Dalam kasus
ini, digunakan orthogonal design dengan IBM SPSS versi 22 untuk mengetahui
kombinasi untuk setiap kategori produk berdasarkan tabel 4.8 di atas.

Gambar 4. 1 Jumlah Sampel Berdasar SPSS

Berdasarkan syntax pada SPSS (lihat gambar 4.1), hasil menunjukkan bahwa
32 desain yang ditawarkan kepada konsumen. Jumlah tersebut sudah melebihi batas
minimal, yaitu 14 desain. Oleh sebab itu, sampel dinyatakan cukup dan bahkan
melebihi minimal. 32 kombinasi desain berdasarkan generate dari orthogonal design
IBM SPSS versi 22 adalah sebagai berikut (lihat tabel 4.7).
 49

Tabel 4.7 32 Sampel Berdasarkan Orthogonal Desain

Card_ID Desain Material Warna Motif Ukuran Material_dalam
1 Boneka_manusia Rasfur Medium Polos Sedang Kain_perca
2 Boneka_hewan Nylex Cerah Polos Kecil Kain_perca
3 Boneka_tangan Rasfur Cerah Berpola Sedang Dacron
4 Boneka_manusia Rasfur Cerah Polos Besar Dacron
5 Boneka_hewan Rasfur Medium Berpola Besar Plastic_pellet
6 Boneka_manusia Velboa Medium Polos Besar Plastic_pellet
7 Boneka_tangan Nylex Gelap Polos Besar Dacron
8 Boneka_hewan Yelvo Medium Polos Sedang Dacron
9 Boneka_tangan Nylex Medium Polos Besar Dacron
10 Boneka_manusia Nylex Medium Berpola Kecil Dacron
11 Boneka_manusia Velboa Cerah Polos Kecil Dacron
12 Boneka_hewan Nylex Cerah Polos Sedang Plastic_pellet
13 Boneka_hewan Velboa Cerah Berpola Besar Dacron
14 Boneka_manusia Yelvo Cerah Berpola Sedang Kain_perca
15 Boneka_tangan Yelvo Cerah Polos Besar Plastic_pellet
16 Boneka_tangan Yelvo Cerah Polos Besar Kain_perca
17 Boneka_tangan Velboa Gelap Berpola Sedang Plastic_pellet
18 Boneka_manusia Yelvo Gelap Berpola Besar Dacron
19 Boneka_manusia Nylex Cerah Berpola Besar Kain_perca
20 Boneka_manusia Rasfur Cerah Polos Besar Dacron
21 Boneka_tangan Velboa Medium Berpola Kecil Kain_perca
22 Boneka_manusia Velboa Gelap Polos Besar Kain_perca
23 Boneka_manusia Yelvo Medium Berpola Besar Dacron
24 Boneka_tangan Rasfur Cerah Berpola Kecil Dacron
25 Boneka_hewan Velboa Cerah Berpola Besar Dacron
26 Boneka_hewan Yelvo Gelap Polos Kecil Dacron
27 Boneka_manusia Velboa Cerah Polos Sedang Dacron
28 Boneka_manusia Nylex Cerah Berpola Besar Plastic_pellet
29 Boneka_manusia Rasfur Gelap Polos Kecil Plastic_pellet
30 Boneka_hewan Rasfur Gelap Berpola Besar Kain_perca
31 Boneka_manusia Nylex Gelap Berpola Sedang Dacron
32 Boneka_manusia Yelvo Cerah Berpola Kecil Plastic_pellet

Table 4.7 menunjukkan berbagai kombinasi desain yang berbeda antara satu
dengan yang lainnya.
 50

4.3.3 Initial Virtual design

32 produk usulan dari orthogonal design kemudian dibuat virtual desainnya lalu
ditawarkan kepada konsumen, menggunakan kuesioner yang merupakan kuesioner
semantic differential II (lihat gambar 4.2). Kuesioner 32 produk usulan ini dapat
dilihat pada lampiran.

Gambar 4.2 32 Sampel Desain

 51

4.4 Conjoint Analysis

4.4.1. Produk Dalam Konsep Tunggal
Berdasarkan pengolahan data conjoint analysis menggunakan software IBM SPSS 22,
diperoleh nilai deviasi dari setiap kata kansei dan sampel desain yang telah ditawarkan
kepada responden. Hasil untuk kata kansei mudah dibawa dapat dilihat pada tabel 4.8
berikut:
Tabel 4.8 Conjoint Analysis Mudah Dibawa
Elemen Importance Kategori Utility
Desain rating (%) Sulit Mudah
dibawa dibawa
Desain 1.453% Boneka manusia 0.017
Boneka tangan -0.004
Boneka hewan -0.013
Material 8.777% Rasfur 0.107
luar Velboa -0.073
Nylex -0.080
Yelvo 0.045
Warna 4.110% Cerah -0.048
Medium/Medium 0.008
Gelap 0.040
Motif 0.294% Polos 0.003
Berpola -0.003
Ukuran Besar -0.700
70.483%
Sedang 0.801
Kecil -0.101
Bahan Dakron -0.106
8.220%
dalam Plastic pellet 0.038
Kain perca 0.069
Teknologi 6.664% MP3 modul -0.071
VR 0.071
Constant 3.283
Correlation Coefficient Pearson 0.931
Kendall 0.759
Significance Pearson 0.000
Kendall 0.000

Tabel 4.8 di atas mendeskripsikan bahwa untuk kategori produk mudah

dibawa (practical). Nilai negatif pada kata kansei berarti desain lebih condong kearah
sisi kiri dari kata kansei, sedang nilai positif condong pada sisi kanan. Jika dalam satu
sisi terdapat dua kategori, maka dipilih kategori dengan nilai deviasi yang lebih besar.
Selanjutnya, pada tabel 4.9 di bawah ini menunjukkan pendekatan elemen mudah
dibawa.
 52

Tabel 4.9 Pendekatan Elemen Desain Mudah Dibawa

Elemen Desain Sulit Dibawa Mudah Dibawa

Desain Hewan Manusia

Material luar Nylex Rasfur
Warna Cerah Gelap
Motif Berpola Polos
Ukuran Besar Sedang
Bahan dalam Dacron Kain perca
Teknologi MP3_module VR

Berikut ini (lihat tabel 4.10) adalah hasil perhitungan conjoint analysis untuk Desain
Menarik.
Tabel 4.10 Conjoint Analysis Desain Menarik
Elemen Importance Kategori Utility
Desain rating (%) Membosankan Menarik
Desain 28.443% Boneka manusia 0.429
Boneka tangan -0.246
Boneka hewan -0.183
Material 20.116% Rasfur 0.237
luar Velboa 0.201
Nylex -0.197
Yelvo -0.241
Warna 6.643% Cerah 0.056
Medium/Medium -0.101
Gelap 0.045
Motif Polos -0.363
30.605% Berpola 0.363
Ukuran Besar -0.037
4.231% Sedang -0.025
Kecil 0.063
Bahan Dakron 0.077
6.248%
dalam Plastic pellet -0.006
Kain perca -0.071
Teknologi 3.664% MP3 modul -0.043
VR 0.043
Constant 3.472
Correlation Coefficient Pearson 0.963
Kendall 0.712
Significance Pearson 0.000
Kendall 0.000

Tabel 4.10 di atas mendeskripsikan bahwa untuk kategori produk menarik (attractive).
Nilai negatif pada kata kansei menandakan desain lebih condong kearah sisi kiri dari
kata kansei, sedang nilai positif ke sisi kanan. Jika dalam satu sisi kata kansei terdapat
dua kategori, maka dipilih kategori dengan nilai deviasi yang lebih besar. Selanjutnya,
 53

pada tabel 4.11 di bawah ini berisi pendekatan elemen terhadap pembuatan produk
boneka yang menarik.

Tabel 4.11 Pendekatan Elemen Desain Menarik

Elemen Desain Membosankan Menarik

Desain Hewan Manusia

Material luar Yelvo Rasfur
Warna Medium Cerah
Motif Polos Berpola
Ukuran Besar Kecil
Bahan dalam Kain perca Dacron
Teknologi Mp3_module VR

Berikut ini (lihat tabel 4.12) adalah hasil perhitungan conjoint analysis untuk desain
modern.
Tabel 4.12 Conjoint Analysis Desain Modern
Elemen Importance Kategori Utility
Desain rating (%) Kuno Modern
Desain 8.145% Boneka manusia 0.027
Boneka tangan -0.098
Boneka hewan 0.071
Material 7.541% Rasfur -0.061
luar Velboa 0.027
Nylex 0.095
Yelvo -0.061
Warna 3.620% Cerah -0.002
Medium/Medium 0.039
Gelap -0.036
Motif 1.357% Polos -0.014
Berpola 0.014
Ukuran 9.653% Besar 0.069
Sedang -0.131
Kecil 0.062
Bahan 12.971% Dakron 0.156
dalam Plastic pellet -0.112
Kain perca -0.044
Teknologi 56.712% MP3 modul -0.587
VR 0.587
Constant 3.439
Correlation Coefficient Pearson 0.939
Kendall 0.733
Significance Pearson 0.000
Kendall 0.000

Tabel 4.13 di atas mendeskripsikan bahwa untuk kategori produk modern. Nilai
negatif pada kata kansei ditunjukkan dengan desain lebih condong kearah sisi kiri dari
 54

kata kansei, sedang nilai positif lebih condong pada sisi kanan. Jika dalam satu sisi
kata kansei terdapat dua kategori, maka dipilih kategori dengan nilai deviasi yang
lebih besar. Selanjutnya, pada tabel 4.13 di bawah ini berisi pendekatan elemen
terhadap pembuatan produk boneka yang modern.
Tabel 4.13 Pendekatan Elemen Desain Modern
Elemen Desain Kuno Modern

Desain Boneka Tangan Boneka Manusia

Material luar Rasfur Nylex
Warna Gelap Medium
Motif Polos Berpola
Ukuran Sedang Besar
Bahan dalam Plastic_pellet Dacron
Teknologi MP3_module VR

Berikut ini (lihat tabel 4.14) adalah hasil perhitungan conjoint analysis untuk desain
halus.
Tabel 4.14 Conjoint Analysis Desain Halus
Elemen Importance Kategori Utility
Desain rating (%) Kasar Halus
Desain 7.542% Boneka manusia -0.048
Boneka tangan -0.060
Boneka hewan 0.108
Material 59.637% Rasfur -0.342
luar Velboa 0.992
Nylex -0.339
Yelvo -0.331
Warna 6.704% Cerah 0.069
Medium/Medium -0.081
Gelap 0.013
Motif 5.307% Polos -0.059
Berpola 0.059
Ukuran 8.031% Kecil 0.096
Sedang -0.084
Besar -0.012
Bahan 5.098% Dakron -0.046
dalam Plastic pellet -0.022
Kain perca 0.068
Teknologi 7.682% MP3 modul -0.086
VR 0.086
Constant 3.156
Correlation Coefficient Pearson 0.897
Kendall 0.603
Significance Pearson 0.000
Kendall 0.000
 55

Tabel 4.14 di atas mendeskripsikan bahwa untuk kategori produk halus. Nilai negatif
pada kata kansei ditunjukkan dengan desain lebih condong kearah sisi kiri dari kata
kansei, sedang nilai positif lebih condong pada sisi kanan. Jika dalam satu sisi kata
kansei terdapat dua kategori, maka dipilih kategori dengan nilai deviasi yang lebih
besar. Selanjutnya, pada tabel 4.15 di bawah ini berisi pendekatan elemen terhadap
pembuatan produk boneka yang halus.
Tabel 4.15 Pendekatan Elemen Desain Halus
Elemen Desain Kasar Halus

Desain Boneka tangan Boneka hewan

Material luar Rasfur Velboa
Warna Medium Cerah
Motif Polos Berpola
Ukuran Sedang Besar
Bahan dalam Dacron Kain perca
Teknologi MP3_module VR
 56

Berikut ini (lihat tabel 4.16) adalah hasil perhitungan conjoint analysis untuk desain
Bersih.
Tabel 4.16 Conjoint Analysis Desain Bersih
Elemen Importance Kategori Utility
Desain rating (%) Mudah Bersih
kotor
Desain 10.018% Boneka manusia 0.085
Boneka tangan 0.004
Boneka hewan -0.090
Material 3.578% Rasfur 0.039
luar Velboa -0.023
Nylex 0.008
Yelvo -0.023
Warna 50.626% Cerah 0.540
Medium/Medium -0.195
Gelap -0.345
Motif 4.472% Polos -0.039
Berpola 0.039
Ukuran 13.596% Besar -0.123
Sedang 0.115
Kecil 0.008
Bahan 14.669% Dakron -0.110
dalam Plastic pellet -0.035
Kain perca 0.146
Teknologi 3.041% MP3 module -0.027
VR 0.027
Constant 3.413
Correlation Coefficient Pearson 0.892
Kendall 0.626
Significance Pearson 0.000
Kendall 0.000

Tabel 4.16 di atas mendeskripsikan bahwa untuk kategori produk Bersih. Nilai negatif
pada kata kansei ditunjukkan dengan desain lebih condong kearah sisi kiri dari kata
kansei, sedang nilai positif lebih condong pada sisi kanan. Jika dalam satu sisi kata
kansei terdapat dua kategori, maka dipilih kategori dengan nilai deviasi yang lebih
besar. Selanjutnya, pada tabel 4.17 di bawah ini berisi pendekatan elemen terhadap
pembuatan produk boneka yang Bersih.
 57

Tabel 4.17 Pendekatan Elemen Desain Bersih

Elemen Desain Sulit dibersihkan Bersih

Desain Boneka hewan Boneka manusia

Material luar Yelvo Rasfur
Warna Gelap Cerah
Motif Polos Berpola
Ukuran Besar Sedang
Bahan dalam Dacron Kain perca
Teknologi MP3_module VR

Berikut ini (lihat tabel 4.18) adalah hasil perhitungan conjoint analysis untuk desain
empuk.
Tabel 4.18 Conjoint Analysis Desain Empuk
Elemen Importance Kategori Utility
Desain rating (%) Keras Empuk
Desain 1.013% Boneka manusia -0.010
Boneka tangan 0.002
Boneka hewan 0.008
Material 4.219% Rasfur 0.017
luar Velboa 0.042
Nylex -0.023
Yelvo -0.036
Warna 1.013% Cerah -0.002
Medium/Medium -0.008
Gelap 0.010
Motif 3.207% Polos -0.030
Berpola 0.030
Ukuran 2.785% Kecil 0.033
Sedang -0.015
Besar -0.018
Bahan 82.869% Dakron 0.960
dalam Plastic pellet -0.386
Kain perca -0.574
Teknologi 4.895% MP3 modul -0.045
VR 0.045
Constant 3.131
Correlation Coefficient Pearson 0.983
Kendall 0.740
Significance Pearson 0.000
Kendall 0.000

Tabel 4.18 di atas mendeskripsikan bahwa untuk kategori produk empuk (soft)
negatif ditunjukkan dengan desain condong kearah sisi kiri dari kata kansei, sedang
nilai positif condong ke sisi kanan. Jika dua kategori bernilai positif, maka dipilih
 58

kategori dengan nilai deviasi yang lebih besar. Pendekatan elemen produk boneka
yang empuk dapat dilihat pada tabel 4.19 di bawah ini.
Tabel 4.19 Pendekatan Elemen Desain Empuk
Elemen Desain Keras Empuk

Desain Boneka manusia Boneka hewan

Material luar Yelvo Velboa
Warna Medium Gelap
Motif Polos Berpola
Ukuran Kecil Besar
Bahan dalam Kain perca Dacron
Teknologi MP3_module VR

Berikut ini (lihat tabel 4.20) adalah hasil perhitungan conjoint analysis untuk desain
unik.
Tabel 4.20 Conjoint Analysis Desain Unik
Elemen Importance Kategori Utility
Desain rating (%) Biasa Unik
Desain 69.225% Boneka manusia 0.966
Boneka tangan -0.480
Boneka hewan -0.486
Material 5.067% Rasfur -0.049
luar Velboa -0.015
Nylex 0.007
Yelvo 0.057
Warna 8.346% Cerah -0.022
Medium/Medium -0.077
Gelap 0.098
Motif 3.353% Polos -0.035
Berpola 0.035
Ukuran 8.793% Kecil -0.011
Sedang -0.086
Besar 0.098
Bahan 2.608% Dakron -0.034
dalam Plastic pellet 0.020
Kain perca 0.014
Teknologi 2.608% MP3 modul -0.027
VR 0.027
Constant 3.240
Correlation Coefficient Pearson 0.981
Kendall 0.779
Significance Pearson 0.000
Kendall 0.000

Tabel 4.20 di atas mendeskripsikan bahwa untuk kategori produk unik

(unique). Nilai negatif pada kata kansei ditunjukkan dengan desain lebih condong
 59

kearah sisi kiri dari kata kansei, sedang nilai positif lebih condong pada sisi kanan.
Jika dalam satu sisi kata kansei terdapat dua kategori, maka dipilih kategori dengan
nilai deviasi yang lebih besar. Selanjutnya, pada tabel 4.21 di bawah ini berisi
pendekatan elemen terhadap pembuatan produk boneka yang unik.
Tabel 4.21 Pendekatan Elemen Desain Unik
Elemen Desain Biasa Unik

Desain Boneka hewan Boneka manusia

Material luar Yelvo Rasfur
Warna Medium Gelap
Motif Polos Berpola
Ukuran Sedang Kecil
Bahan dalam Dacron Plastic pellet
Teknologi MP3_module VR

Kemudian berdasarkan penelitian yang telah dilakukan oleh Soewardi &

Nasution (2016), dilakukan pendekatan elemen desain berdasarkan nilai importance
rating tertinggi dari masing-masing kata kansei. Berikut adalah pendekatan elemen
desain berdasarkan perolehan nilai importance rating tertinggi.
 60

4.5 Analisa Pentingnya Faktor atau Importance Rating (IR)

Perhitungan tingkat kepentingan faktor-faktor elemen desain dilakukan untuk
mengetahui prosentase (%) dalam kecocokan terhadap kata kansei. Prosentase (%)
tersebut menggambarkan citra atau image konsumen maupun responden terhadap
produk boneka edukasi berdasarkan kata kansei. Nilai faktor kepentingan atau
importance rating didapatkan dari pengolahan conjoint analysis dan hasilnya dapat
dilihat pada lampiran C3. Berikut ini adalah hasil perhitungan importance rating dari
ketujuh kata kansei menggunakan IBM SPSS 22:
1. Kata kansei mudah dibawa (practical)
Faktor penting untuk desain adalah 1.453%,
Faktor penting untuk material adalah 8.777%,
Faktor penting untuk warna adalah 4.110%,
Faktor penting untuk motif adalah 0.294%,
Faktor penting untuk ukuran adalah 70.483%,
Faktor penting untuk material dalam adalah 8.220%,
Faktor penting untuk teknologi adalah 6.664%.
Faktor penting yang memiliki nilai tertinggi untuk kata kansei mudah dibawa adalah
ukuran dengan nilai IR sebesar 70.843%. Hal ini berarti, ukuran boneka merupakan
faktor yang memengaruhi citra mudah dibawa atau practical dibandingkan keenam
faktor yang lain.

2. Kata kansei menarik (attractive)

Faktor penting untuk desain adalah 20.443%,
Faktor penting untuk material adalah 20.116%,
Faktor penting untuk warna adalah 6.643%,
Faktor penting untuk motif adalah 30.605%,
Faktor penting untuk ukuran adalah 4.231%,
Faktor penting untuk material dalam adalah 6.248%,
Faktor penting untuk teknologi adalah 3.664%.
Faktor penting yang memiliki nilai tertinggi untuk kata kansei menarik adalah motif
dengan nilai IR sebesar 30.605%. Hal ini berarti, motif boneka merupakan faktor yang
memengaruhi citra menarik atau attractive dibandingkan keenam faktor yang lain.
 61

3. Kata kansei modern (modern)

Faktor penting untuk desain adalah 8.145%,
Faktor penting untuk material adalah 7.541%,
Faktor penting untuk warna adalah 3.620%,
Faktor penting untuk motif adalah 1.357%,
Faktor penting untuk ukuran adalah 9.653%,
Faktor penting untuk material dalam adalah 12.971%,
Faktor penting untuk teknologi adalah 56.712%.
Faktor penting yang memiliki nilai tertinggi untuk kata kansei modern adalah teknologi
dengan nilai IR sebesar 56.712%. Hal ini berarti, teknologi yang diterapkan pada
boneka merupakan faktor yang memengaruhi citra modern dibandingkan keenam
faktor yang lain.

4. Kata kansei halus (smooth)

Faktor penting untuk desain adalah 7.542%,
Faktor penting untuk material adalah 59.637%,
Faktor penting untuk warna adalah 6.704%,
Faktor penting untuk motif adalah 5.307%,
Faktor penting untuk ukuran adalah 8.031%,
Faktor penting untuk material dalam adalah 5.098%,
Faktor penting untuk teknologi adalah 7.682%.
Faktor penting yang memiliki nilai tertinggi untuk kata kansei halus adalah material
luar boneka dengan nilai IR sebesar 59.637%. Hal ini berarti, material bagian luar
boneka merupakan faktor yang memengaruhi citra halus atau smooth dibandingkan
keenam faktor yang lain.

5. Kata kansei Bersih (easy to clean)

Faktor penting untuk desain adalah 10.018%,
Faktor penting untuk material adalah 3.578%,
Faktor penting untuk warna adalah 50.626%,
Faktor penting untuk motif adalah 4.472%,
Faktor penting untuk ukuran adalah 13.596%,
Faktor penting untuk material dalam adalah 14.669%,
 62

Faktor penting untuk teknologi adalah 3.041%.

Faktor penting yang memiliki nilai tertinggi untuk kata kansei Bersih adalah warna
dengan nilai IR sebesar 50.626%. Hal ini berarti, warna boneka merupakan faktor yang
memengaruhi citra Bersih dibandingkan keenam faktor yang lain.

6. Kata kansei empuk (soft)

Faktor penting untuk desain adalah 1.013%,
Faktor penting untuk material adalah 4.219%,
Faktor penting untuk warna adalah 1.013%,
Faktor penting untuk motif adalah 3.207%,
Faktor penting untuk ukuran adalah 2.785%,
Faktor penting untuk material dalam adalah 82.869%,
Faktor penting untuk teknologi adalah 4.895%.
Faktor penting yang memiliki nilai tertinggi untuk kata kansei empuk adalah material
dalam dengan nilai IR sebesar 82.869%. Hal ini berarti, komponen material dalam
boneka merupakan faktor yang memengaruhi empuk atau soft dibandingkan keenam
faktor yang lain.

7. Kata kansei unik (unique)

Faktor penting untuk desain adalah 69.225%,
Faktor penting untuk material adalah 5.067%,
Faktor penting untuk warna adalah 8.346%,
Faktor penting untuk motif adalah 3.353%,
Faktor penting untuk ukuran adalah 8.793%,
Faktor penting untuk material dalam adalah 2.608%,
Faktor penting untuk teknologi adalah 2.608%.
Faktor penting yang memiliki nilai tertinggi untuk kata kansei unik adalah desain
dengan nilai IR sebesar 69.225%. Hal ini berarti, bentuk desain boneka merupakan
faktor yang memengaruhi citra unik atau unique dibandingkan keenam faktor yang
lain.
 63

4.6 Contoh Produk Untuk Beberapa Konsep

Untuk mengakomodasi preferensi konsumen, konsep seleksi yang dikumpulkan dari kata
Kansei juga dapat merancang beberapa parameter produk. Data tersebut dipenuhi oleh
responden seperti terlihat pada tabel 4.22 berikut ini:
Tabel 4.22 Penilaian Setiap Desain

Mudah
Desain Menarik Modern Halus Bersih Empuk Unik
dibawa

1 2 2.225 2.3 3.6 2.05 3.425 2.025

2 3.15 3.15 1.925 3.2 2 3.4 3.175
3 1.975 2 3.275 3.525 2.025 1.9 3.35
4 3 1.975 2 3.375 2.075 2.025 1.875
5 3.35 2.525 3.25 3.2 3.1 3.225 3.4
6 2.975 2.425 2.025 2.15 3.2 3.4 1.9
7 3.75 3.35 3.55 3.6 3.35 1.95 3.175
8 1.825 3.45 1.95 3.05 3.325 1.9 3.3
9 3.6 3.3 1.475 3.35 3.25 1.85 3.525
10 2.975 2.05 2.975 2.875 2.725 1.925 1.6
11 2.925 1.975 1.85 1.9 1.975 1.75 1.7
12 1.725 3.075 3.025 3.025 1.875 3.35 3.425
13 3.775 2.05 1.7 1.6 2 1.8 3.375
14 1.975 1.975 3.525 3.275 2.075 3.45 1.65
15 3.4 3.225 1.95 2.35 1.875 2.875 2.775
16 3.4 3.85 3.55 3.45 2.125 3.875 3.625
17 2.25 2 2.45 1.75 2.7 3.275 3.2
18 2.975 1.8 1.5 2.9 3.2 1.725 1.525
19 3.275 1.85 1.45 2.325 1.9 3.575 1.575
20 3.65 2.075 2.925 2.575 2.375 1.875 2
21 2.45 2.275 2.875 1.725 2.575 3.375 3.125
22 3.4 2.3 3.125 1.9 2.975 3.25 1.8
23 4.075 1.85 2.825 3.45 2.325 1.95 1.975
24 2.65 2 1.7 3.25 2.15 1.85 3.275
25 3.95 1.975 3.025 1.7 2.675 1.875 3.2
26 2.775 3 2.7 3.375 3 2.2 3.1
27 1.925 2.575 2.725 1.95 2 1.925 2.1
28 3.65 1.975 2.9 3.65 2.05 3.175 1.85
29 2.925 2.2 3.125 3.325 3 3.4 1.625
30 3 2.275 1.9 2.5 2.825 3.15 3.125
31 1.925 2 1.925 3.3 2.7 1.95 1.9
32 2 2.4 3.275 2.175 3.275 1.925 1.875
 64

Dari 7 kata kansei terpilih telah ditentukan dalam penelitian awal, diperoleh kombinasi
desain yang dapat mewakili keinginan konsumen berdasarkan nilai tertinggi yang
diperoleh dari asesmen desain pada tabel 4.22. Desain virtual dapat dilihat pada tabel 4.23
berikut ini:
Tabel 4.23 Desain Virtual
No Kata Kansei Desain Virtual
1 Mudah dibawa

2 Menarik

3 Modern

4 Halus

5 Bersih

6 Empuk

7 Unik
 65

4.7 Hasil Metode Kansei Engineering

Berdasarkan proses pengolahan data conjoint analysis, telah diperoleh data terpilih dari
tiap-tiap atribut dan elemen desain yang dapat dilihat pada tabel 4.24 di bawah ini:
Tabel 4.24 Hasil Conjoint Analysis
Kata Atribut Elemen Utility Importance Constant
Kansei Desain Rating (IR) Value
Mudah Ukuran Sedang 0.801 70.483% 3.283
dibawa
Menarik Motif Berpola 0.363 30.605% 3.472
Modern Teknologi Diprogram 0.587 56.712% 3.439
Halus Material luar Velboa 0.992 59.637% 3.156
Bersih Warna Cerah 0.540 50.626% 3.413
Empuk Bahan dalam Dakron 0.960 82.869% 3.131
Unik Desain Boneka 0.966 69.225% 3.240
manusia

Pengolahan data dalam metode kansei engineering untuk pembuatan produk dapat
di selesaikan menggunakan langkah ini, namun jika masih memiliki beberapa atribut yang
ambigu (fuzzy), maka penelitian terus menentukan atribut fuzzy untuk mengurangi
ambiguitas dan tingkat kepentingan produk yang disarankan.

4.8 Menentukan Atribut Fuzzy

Setelah dilakukan wawancara dengan 3 expert (Wu et al., 2009) mengenai desain boneka
edukasi, diperoleh atribut fuzzy dan non-fuzzy sebagai berikut (lihat tabel 4.25):
Tabel 4.25 Atribut Fuzzy dan Non-Fuzzy
No Kata Kansei Atribut Elemen Desain Deskripsi
Terpilih
1 Mudah dibawa Ukuran Sedang Fuzzy
2 Menarik Motif Bermotif Fuzzy
3 Modern Teknologi VR Non-Fuzzy
4 Halus Material luar Velboa Non-Fuzzy
5 Bersih Warna Cerah Fuzzy
6 Empuk Bahan dalam Dakron Non-Fuzzy
7 Unik Bentuk Boneka manusia Fuzzy

4.8.1 Menentukan Ukuran Desain yang Mudah Dibawa

Atribut fuzzy yang pertama adalah mudah dibawa. Sebagaimana telah diketahui,
hasil conjoint analysis menunjukkan bahwa elemen yang terpilih adalah ukuran yang
masuk kategori sedang. Berdasarkan pendapat expert untuk pengolahan data fuzzy
 66

linguistic terdapat 2 variabel yang dapat dijadikan input, yaitu Tinggi (T) untuk
representasi tinggi boneka dan Lebar (L) untuk representasi lebar boneka. Berikut
pada Gambar 4.2 dibawah ini adalah membership function dan hasil dari rules yang
telah dibuat menggunakan Matlab R2013a, sedangkan untuk if-then rules nya dapat
dilihan pada lampiran.

Gambar 4.3 Fungsi Keanggotaan dan Aturan untuk Ukuran Sedang

Deskripsi dari variabel linguistic untuk gambar 4.3 di atas dapat dilihat pada tabel 4.26
dibawah ini:
Tabel 4.26 Variabel Linguistik Ukuran
Tinggi (T)
Istilah Notasi Deskripsi Interval
Linguistik
Kecil K Tinggi boneka ukuran kecil [10, 17.5, 25]
Sedang S Tinggi boneka rata-rata kriteria [23, 32.5, 42]
sedang
Besar B Tinggi boneka ukuran besar [40, 70, 100]

Lebar (L)
Istilah Notasi Deskripsi Interval
Linguistik
Kecil K Lebar boneka ukuran kecil [0, 5, 10]
Sedang S Lebar boneka ukuran sedang [8, 10.5, 15]
Besar B Lebar boneka ukuran besar [12, 40, 60]
Ukuran
Boneka
Istilah Notasi Deskripsi Interval
Linguistik
Kecil K Ukuran boneka kecil [25, 27.5, 30]
Sedang S Ukuran boneka sedang [28.5, 32.5, 36.5]
Tinggi B Ukuran boneka tinggi [35, 37.5, 40]
 67

Pembobotan fungsi fuzzy pada Matlab R2013a dilakukan dengan mengubah nilai
input T dan L untuk mengetahui nilai optimum dari ukuran yang mudah dibawa, yang
mana berdasarkan perhitungan conjoint analysis ditunjukkan dengan ukuran sedang.
Berdasarkan perhitungan fuzzy, hasil dari ukuran mudah dibawa (sedang) dengan nilai
sesuai pada tabel 4.27 berikut ini.

Tabel 4.27 Hasil Ukuran

Elemen Maksimum Skor Desain Terpilih

Tinggi 32.5 32.5 cm
Lebar 10.5 10.5 cm

4.8.2 Menentukan Desain Menarik

Motif menarik berdasarkan pendapat expert untuk boneka berbentuk manusia terdiri
dari 2 variabel, yaitu motif atasan (MA) dan juga motif bawahan (MB) (lihat tabel
4.28).

Tabel 4.28 Bentuk Motif Menarik

Elemen Tipe 1 Tipe 2 Tipe 3 Tipe 4 Tipe 5

Desain
Atasan Garis (G) Bunga (Bg) 1 Motif (C) Kotak Batik (B)

Bawaha Garis (G) Bunga (Bg) 1 Motif (C) Kotak Batik (B)
n
 68

Fungsi keanggotaan untuk atribut motif menarik dapat dilihat pada gambar 4.4
berikut:

Gambar 4.4 Fungsi Keanggotaan dan Aturan untuk Motif Menarik

Deskripsi dari variabel linguistic untuk gambar di atas dapat dilihat pada tabel 4.29
dibawah ini:
Tabel 4.29 Variabel Linguistik untuk Motif Menarik
Motif atasan (MA)
Istilah Notasi Deskripsi Interval
Linguistik
Bergaris G Desain berupa tekstur garis-garis [1, 2, 3]
Bunga BG Desain berupa motif bunga-bunga [2, 3, 4]
Center motif C Desain bermotifkan satu gambar pola di [3, 5, 7]
tengah/pinggir
Kotak K Desain bermotif kotak-kotak [6, 7, 8]
Batik B Desain bermotif batik [7, 8, 9]
Motif bawahan (MB)
Istilah Notasi Deskripsi Interval
Linguistik
Bergaris G Desain berupa tekstur garis-garis [1, 2, 3]
Bunga BG Desain berupa motif bunga-bunga [2, 3, 4]
Center motif C Desain bermotifkan satu gambar pola di [3, 4, 5]
tengah/pinggir
Kotak K Desain bgermotif kotak-kotak [4, 5.5, 7]
Batik B Desain bermotif batik [5, 7, 9]
Motif
Membosankan Mb Motif boneka membosankan [1, 3, 5]
Standar S Motif boneka cukup memuaskan [3, 5, 7]
Menarik Mn Motif boneka menarik [5, 7, 9]
 69

Pembobotan dilakukan dengan merubah nilai variabel MA dan MB hingga ditemukan

nilai optimum untuk motif yang menarik. Berdasarkan perhitungan fuzzy, nilai
optimum untuk desain menarik dapat dilihat pada tabel 4.30 berikut:

Tabel 4.30 Nilai Optimum untuk Motif Menarik

Elemen Maksimum Skor Desain Terpilih

Motif atasan 5 Center motif
Motif 7 Batik
bawahan

4.8.3 Menentukan Warna yang Bersih

Warna cerah dipengaruhi oleh luminance, yang pada hal ini berperan sebagai output.
Untuk input sendiri terdiri dari 3 variabel, red (R), green (G) dan blue (B) atau biasa
dikenal sebagai RGB color. Hal tersebut dikarenakan panjang gelombang di dalam
spektrum cahaya tampak dimana energi dihasilkan dari sumber terbesar (Camgoz,
2000). Selain itu, RGB juga merupakan warna dasar yang mana kombinasi dari
setiapnya dapat menghasilkan warna-warna baru.

Berdasarkan survey yang telah dilakukan, menunjukkan bahwa sebagian

besar responden memilih warna merah untuk baju dan kuning muda untuk warna kulit
boneka. Membership function dari fuzzy warna dapat dilihat pada gambar 4.5 di bawah
ini.

Gambar 4.5 Fungsi Keanggotaan dan Aturan untuk Warna Merah

 70

Gambar 4.6 Fungsi Keanggotaan untuk Warna Kuning Muda

Deskripsi dari variabel linguistic untuk gambar 4.6 di atas dapat dilihat pada tabel 4.31
dibawah ini:
Tabel 4.31 Variabel Linguistik Warna Bersih
Istilah Linguistik Nota Deskripsi Interval
si
Red (R)
Tidak cerah TC Red with R: 50, G: 0, B: 0 [0, 25, 55]
Kurang cerah KC Red with R: 100, G: 0, B: 0 [50, 75, 105]
Sedang S Red with R: 150, G: 0, B: 0 [100, 125, 155]
Cerah C Red with R: 200, G: 0, B: 0 [150, 175, 205]
Sangat Cerah SC Red with R: 255, G: 0, B: 0 [200, 255, 255]
Green (G)
Tidak cerah TC Green with R: 0, G: 50, B: 0 [0, 25, 55]
Kurang cerah KC Green with R: 0, G: 100, B: 0 [50, 75, 105]
Sedang S Green with R: 0, G: 150, B: 0 [100, 125, 155]
Cerah C Green with R: 0, G: 200, B: 0 [150, 175, 205]
Sangat Cerah SC Green with R: 255, G: 0, B: 0 [200, 255, 255]
Blue (B)
Tidak cerah TC Red with R: 0, G: 0, B: 50 [0, 25, 55]
Kurang cerah KC Red with R: 0, G: 0, B: 100 [50, 75, 105]
Sedang S Red with R: 0, G: 0, B: 150 [100, 125, 155]
Cerah C Red with R: 0, G: 0, B: 200 [150, 175, 205]
Sangat Cerah SC Red with R: 0, G: 0, B: 250 [200, 255, 255]
Luminance
Gelap G Warna gelap; tidak nampak [0, 38, 80]
bila ada kotoran
Sedang S Warna sedang, sehingga [80, 105, 135]
nampak tidaknya tergantung
warna kotoran
Cerah C Warna yang bersih, ketika [130, 170, 210]
ada kotoran mudah
dibersihkan karena nampak
 71

Sangat Cerah SC Warna pucat [200, 220, 240]

Berdasarkan pengolahan data pada MATLAB, berikut adalah nilai paling optimum untuk
warna yang cerah (lihat tabel 4.32):
Tabel 4.32 Warna Terpilih

Warna Elemen Maksimum Skor Desain Terpilih

Merah R 252 Warna baju atasan
G 95
B 78
Kuning Muda R 252 Warna kulit
G 241
B 177
 72

4.8.4 Menentukan Desain Unik

Atribut fuzzy yang terakhir adalah desain yang unik. Penentuan atribut fuzzy untuk
desain yang unik terdiri dari 4 variabel diantaranya adalah rambut (R), wajah (W),
mata (M), hidung (H) dan bibir (B). Konsep desain unik dapat dilihat pada tabel 4.33
berikut.

Tabel 4.33 Konsep Desain Unik

Elemen Tipe 1 Tipe 2 Tipe 3
Desain
Rambut Ikat (I) Pendek Klimis Gondrong/Panjang
(PK) (G)

Wajah Oval (O) Round (R) Square (S)

Mata Sipit (S) Half-Round Round (R)

Hidung n u L

Mulut T G A
 73

Fungsi keanggotaan untuk atribut desain unik dapat dilihat pada gambar 4.7 berikut:

Gambar 4.7 Fungsi Keanggotaan Desain Unik

Deskripsi dari variabel linguistik desain unik dalam kasus ini dapat dilihat pada tabel
4.34 dibawah ini.

Tabel 4.34 Variabel Linguistik Desain Unik

Rambut (R)
Istilah Notasi Deskripsi Interval
Linguistik
I I Rambut diikat kebelakang [1, 3, 5]
PK PK Rambut pendek dan klimis [3, 5, 7]
G G Rambut gondrong/panjang [5, 7, 9]
Wajah (W)
Istilah Notasi Deskripsi Interval
Linguistik
Oval O Wajah berbentuk semi lonjong atau oval [1, 3, 5]
Round R Wajah berbentuk bulat atau round [3, 5, 7]
Square S Wajah berbentuk kekotakan atau square [5, 7, 9]
Mata (M)
Istilah Notasi Deskripsi Interval
Linguistik
Sipit S Mata sipit; hanya berupa lengkungan garis [1, 3, 5]
Half-round HR Mata seperti mata milik manusia yang [3, 5, 7]
berbentuk pipih
Round R Mata berbentuk lingkaran [5, 7, 9]
Hidung (H)
Istilah Notasi Deskripsi Interval
Linguistik
n n Hidung berbentuk seperti huruf n [1, 3, 5]
u u Hidung berbentuk seperti huruf u [3, 5, 7]
l l Hidung berbentuk semi huruf L [5, 7, 9]
Bibir (B)
 74

Istilah Notasi Deskripsi Interval

Linguistik
Tertutup T Bibir berbentuk tertutup, dapat berupa bibir [1, 3, 5]
manusia maupun kumis
Gores G Bibir berupa garis yang mencerminkan [3, 5, 7]
senyum senyuman
Terbuka “A” A Bibir terbuka seperti sedang melafalkan [5, 7, 9]
huruf “A”
Bibir (B)
Istilah Notasi Deskripsi Interval
Linguistik
Biasa B Desain tergolong biasa saja [1, 3, 5]
Memuaskan M Desain memuaskan, namun tidak spesial [3, 5, 7]
Unik U Desain unik [5, 7, 9]

Pembobotan dilakukan dengan merubah nilai variabel R, W, M, H dan B hingga

ditemukan nilai optimum untuk desain yang unik. Berdasarkan perhitungan fuzzy, nilai
optimum untuk desain unik dapat dilihat pada tabel 4.35 berikut:

Tabel 4.35 Desain Unik

Elemen Maksimum Skor Desain Terpilih
Rambut 3 Ikat
Wajah 5 Round atau bulat
Mata 8 Round atau bulat
Hidung 7 Seperti huruf “L”
Bibir 3 Tertutup atau berupa kumis
 75

4.9 Konsep Pemetaan Produk

Berdasarkan pengolahan data yang telah dipaparkan pada poin-poin sebelumnya, berikut
ini merupakan konsep pemetaan produknya (lihat tabel 4.36).
Tabel 4.36 Konsep Pemetaan Produk
Kansei words Description Sub Concept Level 1 Sub Concept Level 2 Design
Mudah Menyediakan desain Ukuran dari boneka Tinggi dan diameter boneka Tinggi: 32.
dibawa yang mudah untuk Lebar: 10.5
digenggam
Menarik Mempengaruhi daya Pakaian dengan motif Motif atasan Bermotif s
Tarik konsumen atasan
dengan motif pakaian Motif bawahan Bermotif b
boneka
Modern Mengembangkan Sumber suara dari Voice Recognition Android vo
teknologi agar boneka boneka edukasi yang disert
dapat mengeluarkan perintah to
suara berupa lagu next, previ
daerah juga penga
Halus Bahan kain yang Kain luar permukaan Material luar Velboa
nyaman ketika boneka
dipegang
Bersih Digambarkan dengan Warna boneka berupa Warna badan Kuning mu
warna boneka yang warna yang cerah R: 252 G: 2
Bersih apabila terkena Warna atasan Merah
kotoran. R: 252 G: 9
Empuk Boneka terbuat dari Preferensi bahan Material dalam Dakron
material yang nyaman isi/material dalam
untuk dimainkan boneka
Unik Digambarkan dengan Bagian kepala Wajah Round face
bentuk dan desain yang Mata Round eyes
menarik. Hidung Bentuk L
Bibir Tipis dan t
(L: kumis F
Rambut Diikat kebe
 76

4.10 Desain Virtual Boneka

Berikut ini (gambar 4.8) adalah desain produk usulan sesuai dengan konsep pemetaan
produk diatas:

Gambar 4.8 Hasil Akhir Produk Usulan

 77

4.12 Uji Kesesuaian

Uji homogenitas pada produk yang diusulkan dilakukan untuk mengidentifikasi
kesesuaian rancangan yang diusulkan dengan kata-kata kansei sebelumnya yang
diberikan kepada konsumen. Dengan tingkat signifikansi 5%, hasil uji homogenitas
ditunjukkan pada tabel 4.37 di bawah ini.
Tabel 4.37 Uji Marginal Homogeneity

Kansei Asymp. Sig. (2-

words tailed)
Mudah 0.101
dibawa
Menarik 0.666
Modern 0.299
Halus 0.170
Bersih 0.317
Empuk 0.070
Unik 0.116

Hipotesis:
H0: Tidak ada perbedaan yang signifikan antara keinginan konsumen dan desain
boneka yang diusulkan.
H1: Ada perbedaan yang signifikan antara keinginan konsumen dan desain boneka
yang diusulkan.
Hasil perhitungan menggunakan IBM SPSS 22 menunjukkan bahwa hipotesis
nol diterima untuk homogenitas preferensi konsumen. Ini ditunjukkan oleh Asymp.
Sig. nilai semua kata Kansei> 0.05. Dengan demikian, desain boneka yang diusulkan
cocok dan telah sesuai dengan keinginan psikologis konsumen.
 78

BAB V

PEMBAHASAN

5.1 Kata Kansei

Berdasarkan lebih dari 600 kata kansei yang telah terkumpul dari 106 responden,
setelah direduksi berdasarkan kemiripan maknanya diperoleh 9 kata kansei yang
diinginkan oleh konsumen. Responden adalah anak-anak usia 6-12 tahun yang pernah
mengetahui atau bermain boneka. Hal tersebut didasari beberapa penelitian yang
menyatakan bahwa kemampuan membaca, pemecahan masalah, spasial, serta kognitif
anak-anak usia sekolah dasar sedang berada dalam keadaan optimal (Davies et al.,
2016; Davies et al., 2007; Mayer et al., 2014). Kata kansei yang terkumpul
diantaranya adalah mudah dibawa, mudah digunakan, awet, menarik, modern, halus,
bersih, empuk, dan unik.

Kesembilan kata kansei tersebut kemudian ditanyakan ke konsumen mengenai

tingkat kepentingan terkait pengembangan produk. Kuesioner semantic differential
digunakan untuk mengidentifikasi data yang relevan dan sesuai (Lokman &
Nagamachi, 2011) diberikan ke 40 responden. Hasil dari tahapan ini adalah kata-kata
kansei yang akan digunakan sebagai acuan pembuatan produk. Setelah dilakukan uji
validitas dan reliabilitas didapatkan data bahwa kata kansei yang relevan untuk desain
produk boneka adalah mudah dibawa, menarik, modern, halus, bersih, empuk dan
unik.

5.2 Orthogonal Design

Pada tahap ini responden diminta untuk mengevaluasi sampel yang ditawarkan dalam
bentuk desain dengan kuesioner semantic differential 5-level. Berdasarkan yang
dinyatakan Lokman & Nagamachi (2011) dalam buku Innovations of Kansei
Engineering tujuannya adalah untuk menganalisis bagaimana hubungan antara kata
kansei dengan sampel produk. Nantinya, kata-kata kansei dan hasil isian kuesioner
 79

akan diolah dengan software IBM SPSS 22 menggunakan multivariate analysis untuk
mengetahui bagaimana keterkaitan atau pengaruh kata kansei pada tiap elemen atau
spesifikasi desain produk.

Sampel dari boneka edukasi terdiri dari 7 macam yaitu desain atau bentuk
bonekanya, material luar, warna, motif, ukuran, material dalam dan juga teknologi.
Berdasarkan item dan kategori yang telah ditentukan sebelumnya, terdapat 20 kategori
dan 7 item. Apabila dihitung setiapnya (3x4x3x4x3x3x2), akan ada 1290 konsep
desain yang harus diberikan kepada responden. Namun, hal tersebut justru akan
membingungkan responden dikarenakan jumlah yang terlampau banyak. Oleh sebab
itu, item dan kategori yang telah ditentukan tadi, diolah menggunakan orthogonal
design menggunakan software IBM SPSS 22 dan menghasilkan 32 desain.

Berdasarkan hasil wawancara dengan expert yang dapat dilihat pada lampiran,
atribut desain terdiri dari delapan atribut yaitu desain, material luar, warna, motif,
ukuran, material dalam dan juga teknologi. Setiap atribut memiliki elemen-elemennya
masing-masing. Elemen dari atribut desain terdiri dari boneka manusia, boneka
tangan, boneka hewan. Elemen dari atribut material luar terdiri dari rasfur, velboa,
nylex dan yelvo. Elemen dari atribut warna terdiri dari warna cerah, warna medium
atau netral dan warna gelap. Elemen motif terdiri dari motif polos dan motif berpola.
Elemen dari atribut ukuran terdiri dari kecil, sedang dan besar. Elemen dari atribut
material dalam terdiri dari dakron, plastic pellet dan kain perca. Terakhir, elemen dari
atribut teknologi adalah menggunakan mp3 module dan VR.

5.3 Conjoint Analysis

Setelah membuat kombinasi orthogonal design mengunakan software IBM SPSS 22

kemudian menyebarkan kuesioner terhadap ketiga puluh dua kombinasi dengan ketujuh
pasang kansei word, dilakukan perhitungan conjoint analysis. Hasil penghitungan
menunjukkan bahwa untuk kata kansei mudah dibawa dapat digambarkan dengan
kombinasi bentuk desain berupa boneka manusia, berbahan material luar rasfur, berwarna
gelap, bermotif polos, memiliki ukuran sedang, bahan dalam boneka berupa kain perca
dan menggunakan teknologi VR. Untuk kata kansei menarik dapat digambarkan dengan
 80

desain berupa boneka manusia, berbahan material rasfur, berwarna cerah serta berpola,
berukuran kecil, bahan dalam boneka berupa dakron dan berteknologi VR.
Kata kansei modern terdiri dari kombinasi desain boneka manusia, berbahan
luar material nylex, berwarna netral atau medium, berpola, berukuran besar dengan
dakron sebagai material dalamnya dan berteknologi VR. Selanjutnya, kata kansei
halus ditunjukkan dengan boneka berbentuk hewan, berbahan material velboa,
berwarna cerah serta berpola, ukurannya besar, berbahan dalam kain perca dan
berteknologi VR. Untuk kata kansei bersih, terdiri dari desain berupa boneka manusia,
berbahan material rasfur, berwarna cerah, berpola, berukuran sedang, bahan dalam
berupa kain perca dan teknologi VR. Kata kansei empuk dapat digambarkan dengan
desain berbentuk boneka hewan, berbahan material velboa, berwarna gelap, berpola,
berukuran besar, berbahan dalam dacron, dan berteknologi VR. Untuk kata kansei
unik dapat digambarkan dengan desain berupa boneka manusia, berbahan material
rasfur, berwarna gelap, berpola, berukuran kecil berbahan dalam plastic pellet dan
berteknologi VR.

Factor importance atau importance rating (IR) merupakan gambaran seberapa

penting atribut dan elemen mempengaruhi desain produk yang diusulkan. Pada
pasangan mudah dibawa-sulit dibawa diketahui faktor yang paling berpengaruh
adalah ukuran dengan nilai IR 70.483%, kemudian faktor yang paling lemah
berpengaruh adalah motif yaitu dengan nilai IR sebesar 0.294%. Untuk pasangan
menarik-membosankan diketahui bahwa faktor yang paling berpengaruh adalah motif
dengan nilai IR sebesar 30.605%, sedang yang paling lemah pengaruhnya yaitu
ukuran dengan nilai IR 4.231%. Pasangan kata kansei modern-tradisional faktor yang
paling berpengaruh adalah teknologi yaitu 56.712%, sedangkan faktor yang paling
lemah adalah motif dengan nilai IR sebesar 1.357%. Faktor yang paling berpengaruh
pada pasangan kata kansei halus-kasar adalah material luar dengan nilai IR 59.637%,
sedangkan faktor yang paling lemah pengaruhnya adalah bahan dalam dengan nilai
IR 5.098%. Faktor yang memiliki pengaruh paling besar pada pasangan kata kansei
bersih adalah warna dengan nilai IR 50.626%, sedangkan faktor yang paling lemah
berpengaruh yaitu teknologi dengan nilai IR sebesar 3.041%. Untuk pasangan kata
kansei empuk-keras paling besar dipengaruhi oleh faktor bahan dalam dengan nilai IR
sebesar 82.869% dan faktor paling lemah pengaruhnya adalah desain juga warna yang
sama-sama memiliki nilai IR sebesar 1.013%. Terakhir, untuk pasangan kata kansei
 81

unik-biasa dipengaruhi paling besar oleh faktor bentuk desain yaitu dengan nilai IR
sebesar 69.225%, sedang faktor paling lemah pengaruhnya adalah bahan dalam dan
teknologi dengan nilai IR sebesar 2.608%.

Pada nilai output korelasi hasil uji Pearson’s R dan Kendall’s ditunjukkan
bahwa angka korelasi adalah tinggi dengan tingkat signifikansi dibawah 0.05. Hal
tersebut menandakan bahwa keseluruhan sampel dalam conjoint analysis dapat
menggambarkan keinginan psikologis konsumen.

Desain usulan dalam penelitian ini dibuat berdasarkan faktor kepentingan

yang ditunjukkan dari hasil analisis conjoin. Hal tersebut digunakan untuk
mendapatkan desain yang paling optimal berdasarkan hasil perhitungan SPSS
terhadap pasangan kata kansei dan elemen desain. Oleh sebab itu, desain yang dibuat
pada penelitian ini adalah desain dengan ukuran sedang, motif menarik yang berpola,
teknologi modern berupa voice recognition, berbahan halus dengan material velboa,
berwarna bersih yang ditunjukkan dengan warna cerah, bertekstur empuk dengan isi
boneka berbahan dakron, serta berdesain unik yaitu berbentuk boneka manusia.
Rincian desain tersebut kemudian dipecah menjadi atribut kansei yang termasuk
kategori fuzzy dan non-fuzzy pada poin selanjutnya.

5.4 Penentuan Fuzzy dan Non-Fuzzy dalam Atribut Kansei

Penentuan atribut fuzzy dan non-fuzzy dilakukan melalui interview dengan 3 orang ahli
desain boneka di Yogyakarta. Pada penelitian ini, terdapat 4 atribut yang harus di-
fuzzy-kan diantaranya adalah mudah dibawa, menarik, bersih dan unik. Berikut ini
adalha penjelasan dari tiap-tiap atribut Kansei tersebut:

1. Mudah dibawa: apabila diterjemahkan dalam kata kansei, mudah dibawa dapat
disebut dengan practical (Hasio & Chen, 1997). Atribut ini termasuk atribut yang
harus di-fuzzy-kan karena ukuran sedang seberapa yang tepat untuk boneka
edukasi masih abu-abu. Kemudian berdasarkan observasi lapangan dan
wawancara dengan expert, dipilih 3 range ukuran untuk mengurangi keambiguan
dari konsumen dalam menentukan ukuran sedang yang paling pas untuk boneka,
yaitu besar, sedang dan kecil.
 82

2. Menarik: Menarik berhubungan dengan tampilan boneka edukasi, dalam hal ini
berdasarkan pengujian dengan IBM SPSS 22 dipengaruhi oleh tampilan berupa
motif boneka. Sebagaimana penelitian yang dilakukan oleh Chanyacatchawan et
al. (2016) yang menggunakan fuzzy linguistic untuk menentukan motif pada
desain cangkir. Oleh sebab itu, berdasarkan diskusi dengan expert yang mana
adalah pemilik, pekerja dan desainer boneka, diusulkan 2 variabel berupa desain
atasan dan bawahan. Harapannya dapat ditentukan kombinasi yang paling pas
untuk mendukung terciptanya desain yang menarik.
3. Bersih: berdasarkan spesifikasi desain yang disebarkan kepada konsumen,
terdapat 7 warna yang menarik perhatian responden (anak-anak) yaitu warna
pelangi; merah, jingga, kuning, hijau, biru, nila, dan ungu (me-ji-ku-hi-bi-ni-u)
(Camgoz, 2002). Namun, nilai RGB untuk setiapnya tidak dapat disamakan
standarnya mengingat persepsi warna biru untuk orang yang satu dapat berbeda
dengan yang lainnya. Kemudian dilakukan survey untuk warna yang paling
banyak diminati dan didapati anak-anak paling senang dengan warna merah
dengan R: 252 G:95 B: 78 dan untuk warna kulit yaitu kuning muda dengan R:
252 G:241 B: 177.
4. Unik: Seberapa unik suatu desain merupakan sesuatu yang ambigu. Menurut
Kamus Besar Bahasa Indonesia (KBBI), unik adalah sesuatu yang lain daripada
yang lain. Penilaian unik orang yang satu bisa jadi akan berbeda dengan orang
yang lainnya. Oleh sebab itu, dalam hal ini variabel unik dibagi menjadi 5 yaitu
rambut, wajah, mata, hidung dan bibir.

Di sisi lain, tiga atribut yaitu halus, empuk dan modern tidak termasuk atribut fuzzy
dengan beberapa pertimbang berikut ini:

1. Halus: Menurut KBBI, halus diartikan dengan bahan yang memiliki permukaan
yang lembut ketika diraba. Material luar menunjukkan kata kansei halus dan tidak
diklasifikasikan dalam atribut yang perlu di-fuzzy-kan, hal tersebut dikarenakan
kain dengan nama ‘velboa’ sudah jelas dan tidak menimbulkan kebingungan akan
kain ‘velboa’ yang mana.
2. Empuk: Dalam sebuah produk empuk atau softness merupakan salah satu factor
yang dipertimbangkan karena mempengaruhi kenyamanan terhadap pemakaian
produk tersebut (Maslow, 1970). Material dalam direpresentasikan oleh kata
 83

kansei empuk dan tidak tergolong atribut yang di-fuzzy-kan dikarenakan tidak ada
hal yang rancu terkait terpilihnya ‘dakron’ sebagai bahan material dalam boneka.
Hal tersebut dirasa sudah pasti dan tidak mengandung unsur keabu-abuan.
3. Modern: Untuk produk yang menggunakan teknologi, modern merupakan salah
satu yang diperhatikan karena merepresentasikan kekinian dan penyesuaian pada
zaman (Chen & Hiu, 2007). Teknologi ditunjukan dengan kata kansei modern dan
tidak termasuk atribut fuzzy karena menyangkut tentang fungsi dari boneka
edukasi yang sudah jelas ketika voice recognition yang terpilih.

5.5 Desain Boneka Edukasi yang Diusulkan

Berdasarkan penjabaran yang telah dijelaskan pada poin-poin sebelumnya, diperoleh

desain usulan dengan spesifikasi berikut: mudah dibawa atau practical digambarkan
dengan ukuran sedang, yaitu memiliki tinggi 32.5 cm dan lebar boneka atau diameter
boneka 10.5 cm. Kata kansei menarik digambarkan dengan motif desain yang memiliki
pola, yang mana pakaian atasan berupa pola satu di tengah dan bawahan berpolakan batik
berwarna cerah. Kata kansei modern ditunjukkan dengan teknologi pada boneka yang
menggunakan voice recognition dalam pengoperasiannya.
Untuk kata kansei halus ditunjukkan dengan bahan material luarnya dengan kain
velboa. Selanjutnya, kata kansei bersih direpresentasikan dengan warna yang cerah,
dimana warna cerah tersebut diperoleh warna merah untuk baju dengan R:252 G: 95 dan
B: 78, sedang untuk warna kulit yaitu kuning muda dengan R: 252 G: 241 B: 177. Kata
kansei empuk dipaparkan dengan bahan dalam boneka yang mana pada desain boneka
edukasi ini berbahankan dakron. Terakhir, untuk kata kansei unik ditunjukkan dengan
bentuk boneka manusia dengan rincian, mata bulat, bentuk kepala bulat, rambut diikat
atau berupa konde, hidung berbentuk L shape dan bibir tipis atau berupa kumis untuk
desain boneka laki-laki. Visualisasi desain dapat dilihat pada gambar 5.1, gambar 5.2 dan
gambar 5.3 berikut ini.
Sisi Edukasi dari boneka sendiri ditonjolkan pada fungsinya yang dapat memutar
lagu daerah dari Indonesia dengan cara ditekan tombol maupun dengan menggunakan
aplikasi android (Lebih jelas lihat di Lampiran 8). Harapannya, dengan bermain boneka
ini, anak-anak sekaligus dapat belajar dan mengenal salah satu budaya yang berupa
kesenian daerah yaitu lagu daerah dari tiap-tiap pulau yang ada di Indonesia. Pernyataan
tersebut didukung oleh beberapa penelitian terdahulu mengenai pengembangan media
 84

belajar diantaranya adalah Hamzah et al. (2014) dan Aziz et al. (2015) tentang media
robot untuk mediator belajar anak, Yussofa et al (2015) mengenai pengembangan cerita
digital, Reid-Searl et al. (2017) mengembangkan media wayang untuk edukasi dan Tegge
et al. (2017) menggunakan lagu-lagu popular untuk belajar Bahasa Inggris. Oleh sebab
itu, pada penelitian ini diusulkan produk boneka edukasi (Lihat gambar 5.1, gambar 5.2
dan gambar 5.3).

Gambar 5.1 Desain Usulan Boneka Edukasi (Perempuan)

Gambar 5.2 Desain Usulan Boneka Edukasi (Laki-laki)

 85

Gambar 5.3 Desain Boneka Edukasi Tampak Belakang

5.6 Uji Kesesuaian (Marginal Homogeneity)

Uji validasi dilakukan untuk mengetahui apakah desain produk yang diusulkan sudah
sesuai dengan keinginan konsumen yang dinyatakan dalam kata-kata Kansei yang
mulanya dikumpulkan. Pada penelitian ini uji validasi dilakukan menggunakan Uji
Marginal Homogeneity yang merupakan pengujian dua sampel berhubungan untuk
mengetahui apakah terdapat perbedaan respon antara dua kelompok data yang saling
berhubungan (Yamin & Kurniawan, 2009). Berdasarkan uji kesesuaian menggunakan
Marginal Homogeneity test, hasil Asymp Sig. (2-tailed) menunjukkan skor 0.101
untuk mudah dibawa, 0.666 untuk menarik, 0.299 untuk modern, 0.170 untuk halus,
0.317 untuk bersih, 0.070 untuk empuk dan 0.116 untuk unik. Secara keseluruhan
dapat dilihat bahwa nilai seluruh atribut Kansei > 0.05 yang mana artinya null
hipotesis (H0) diterima dan dapat dibuktikan bahwa desain usulan boneka edukasi
sesuai dengan keinginan konsumen.
 86

BAB VI

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan penelitian yang telah dilakukan, diperoleh kesimpulan sebagai berikut:

1. Terdapat 7 kata yang merupakan atribut kansei boneka edukasi, diantaranya adalah;
mudah dibawa, menarik, modern, halus, bersih, empuk dan unik. Empat diantaranya
merupakan atribut fuzzy, yaitu; mudah dibawa, menarik, bersih dan unik.
2. Mudah dibawa digambarkan dengan ukuran desain usulan dengan tinggi 32.5 cm dan
diameter 10.5 cm. Menarik digambarkan dengan motif pakaian boneka dengan atasan
bermotif satu ditengah dan bawahan bermotif batik. Halus ditunjukkan dengan bahan
boneka dari material velboa. Bersih direpresentasikan dengan warna yang cerah yaitu
kuning muda dengan R: 252 G: 241 B: 177 dan merah dengan R:252 G: 95 B: 78.
Empuk digambarkan dengan bahan dalam boneka berupa dakron. Modern
ditunjukkan dengan teknologi pengaplikasian kinerja boneka berupa voice
recognition. Unik digambarkan dengan bentuk desain boneka yang terdiri dari mata
bulat, bentuk kepala bulat, rambut diikat, hidung berbentuk L dan bibir tipis atau
kumis.
3. Berdasarkan uji kesesuaian produk menggunakan Uji Marginal Homogeneity pada
IBM SPSS 22, desain usulan dinyatakan valid dan dapat memenuhi keinginan
konsumen ditunjukkan dengan nilai Asym. Sig 2-tailed > 0.05.

6.2 Saran
Adapun saran yang peneliti berikan untuk penelitian selanjutnya adalah:
1. Dapat mengaplikasikan metode lain seperti Quality Function Deployment (QFD)
atau axiomatic untuk meninjau aspek teknis, material dan juga cost berdasarkan
keinginan konsumen.
2. Penelitian usabilitas dapat dilakukan untuk menguji kemudahgunaan produk
boneka edukasi yang telah dihasilkan dari penelitian ini.
 87

3. Dapat dikembangkan penelitian dari segi jalannya kerja coding dalam voice
recognition boneka edukasi menggunakan analisis desain sistem informasi
manajemen.
 88

DAFTAR PUSTAKA
1
Ajani, T., & Stork, E. (2013). Creating a Semantic Differential Scale for Measuring Users
’ Perceptions and Attitudes toward Emerging Technologies. Proceedings of the
Conference for Information Systems Applied Research, 1–7. Retrieved from
[Link]
Akao, Y. (1990). Quality Function Deployment: Integrating Costumer Requirements into
Product Design, Productivity Press.
Aziz, A. A., Moganan, F. F. M., Ismail, A., & Lokman, A. M. (2015). Autistic Children’s
Kansei Responses Towards Humanoid-Robot as Teaching Mediator. Procedia
Computer Science, 76(Iris), 488–493. [Link]
Barnes, C. & Lillford, S. P. (2009). Decision support for the design of affective product.
Journal of Engineering Design, 20(5), 477-492.
Bento, G. & Dias G. (2017). The importance of outdoor play for young children's healthy
development. Porto Biomedical Journal, 2 (5), 157-160.
Bevilacqua, M. et al. (2007). Life cycle assessment of pasta production in Italy. Journal
of Food Quality, 30 (6), 932-952.
Bigné‐Alcañiz, E., Currás‐Pérez, R., & Sánchez‐García, I. (2009). Brand credibility in
cause‐related marketing: the moderating role of consumer values. Journal of
Product & Brand Management, 18(6), 437–447.
[Link]
Blej, Mohammed; Azizi, M. (2016). task parameters managing and system accuracy in
fuzzy realtime scheduling. International Journal of Engineering Sciences &
Research Technology, 5(7), 61–67.
Bridger, R. S. (2003). Introduction to Ergonomics, CRC.
Camgoz,N. (2000). Effect of Hue, Saturation and Brightness on Attention and
Preference. The Department of Interior Architecture and Environmental Design,
Bylkent University.
Chanyachatchawan, S., Yan, H.-B., Sriboonchitta, S., & Huynh, V.-N. (2017). A
linguistic representation based approach to modelling Kansei data and its
application to consumer-oriented evaluation of traditional products. Knowledge-
Based Systems, 0, 1–10. [Link]
Chong, Y. T., Koh, J. L. Y., Friesen, H., Duffy, K., Cox, M. J., Moses, A., … Andrews,
B. J. (2015). Yeast proteome dynamics from single cell imaging and automated
analysis. Cell, 161(6), 1413–1424. [Link]
Chou, J. R. (2014). Applying Fuzzy Linguistic Preferences to Kansei Evaluation.
International Conference on Kansei Engineering and Emotion Research.
Davies, S., Janus, M., Duku, E., & Gaskin, A. (2016). Using the Early Development
Instrument to examine cognitive and non-cognitive school readiness and elementary
student achievement. Early Childhood Research Quarterly, 35, 63–75.
[Link]
Davies, W. H., Ackerman, L. K., Davies, C. M., Vannatta, K., & Noll, R. B. (2007).
About Your Child’s Eating: Factor structure and psychometric properties of a
feeding relationship measure. Eating Behaviors, 8(4), 457–463.
[Link]
Dehn, M. J. (2008). Working Memory and Academic Learning: Assessment and
 89

Intervention. John Wiley and Sons Ltd.

Depdiknas. (2006). Standar Isi Mata Pelajaran SBK Tingkat Sekolah Dasar. Jakarta:
Depdiknas.
Du, J., Yang, M. N., & Yang, S. F. (2016). Correlations and optimization of a heat
exchanger with offset fins by genetic algorithm combining orthogonal design.
Applied Thermal Engineering, 107, 1091–1103.
[Link]
Edwards, J. D., Vance, D. E., Wadley, V. G., Cissell, G. M., Roenker, D. L., & Ball, K.
K. (2005). Reliability and validity of useful field of view test scores as administered
by personal computer. Journal of Clinical and Experimental Neuropsychology,
27(5), 529–543. [Link]
Forshee, J. (2006). Culture and Customs of Indonesia. Ebook, 231.
[Link]
Franek, L., & Jiang, X. (2013). Orthogonal design of experiments for parameter learning
in image segmentation. Signal Processing, 93(6), 1694–1704.
[Link]
Hamzah, M. S. J., Shamsuddin, S., Miskam, M. A., Yussof, H., & Hashim, K. S. (2014).
Development of interaction scenarios based on pre-school curriculum in robotic
intervention for children with autism. Procedia Computer Science, 42(C), 214–221.
[Link]
Hancock, M., Egan, S., Summers, R., Cowie, N., Amphlett, A., Rao, S., & Hamilton, A.
(2005). The effect of experimental prescribed fire on the establishment of Scots pine
Pinus sylvestris seedlings on heather Calluna vulgaris moorland. Forest Ecology
and Management, 212(1–3), 199–213. [Link]
Hiwarkar, T. A., & Iyer, R. S. (2013). New applications of soft computing, artificial
intelligence, fuzzy logic & genetic algorithm in bioinformatics. International
Journal of Computer Science and Mobile Computing, 2(5), 202–207.
Indriani, F. (2006). Studi Mengenai Orientasi Inovasi Pengembangan Produk dan
Efektivitas Promosi sebagai Sebuah Strategi untuk Meningkatkan Kinerja Produk.
Jurnal Studi Manajemen & Organisasi, 3 (2), 82-92.
Ishihara, Y. (2005). Quantitative Analysis of Crisis: Crisis Identification and Causality.
World Bank Policy Research Working Paper, (3598), 26.
Kalimba, E., Shukla, J., & Mbabazize, M. (2016). THE INTERNATIONAL JOURNAL
OF BUSINESS & MANAGEMENT Effect of Credit Management System on
Financial Performance of Development Bank in Rwanda: Case Study of
Development Bank of Rwanda. The International Journal Of Business &
Management, 4(4), 2321–8916. Retrieved from [Link]
Kettunen, J. et al. (2015). Next product development flexibility in a competitive
environment. European Journal of Operational Research, 244(3), 892-904.
Khoir, U. & Hariani, S. (2014). Penggunaan Media Boneka dalam Pembelajaran
Tematik untuk Meningkatkan Keterampilan Berbicara Siswa Kelas 2 Sekolah
Dasar. Surabaya: Universitas Negeri Surabaya.
Klement, M., Chraska, M. & Chraskova, M. (2015). The use of semantic differential
method in identifying the opinions of university students on education realized
through e-learning. Procedia Social and Behavioral Sciences, 1214-1223.
Kumar, S. & Phrommathed, P. (2005). New Product Development: An Empirical
Approach to Study of the Effect of Innovation Strategy, Organization Learning
Market and Condition, Springer US, Diakses dari
 90

htttp://[Link]/pdf/10.1007/0-387-23273-7_3.pdf/
Kuzmanovic, M., Radosavljevic, M., & Vujosevic, M. (2013). Understanding Student
Preferences for Postpaid Mobile Services using Conjoint Analysis Method Conjoint
Analysis, 10(1), 159–176.
Kwong, C. K., Huimin, J., & Luo, X. G. (2016). AI-based methodology of integrating
affective design, engineering and marketing for defining design spesifications of
new products. Engineering Application of Artificial Intelligence, 47, 49-60.
Li, W., Yu, S., Pei, H., Zhao, C., & Tian, B. (2017). A hybrid approach based on fuzzy
AHP and 2-tuple fuzzy linguistic method for evaluation in-flight service quality.
Journal of Air Transport Management, 60, 49–64.
[Link]
Lokman, A. M. (2010). DESIGN & EMOTION : THE KANSEI ENGINEERING The
Definition of Kansei. Malaysian Journal of Computing, 1(1), 1–11.
Mamaghani, N. K., Rahimian, E., & Mortezaei, S. (2014). Kansei Engineering Approach
for Consumer’s Perception of the Ketchup Sauce Bottle. KANSEI ENGINEERING
AND EMOTION RESEARCH, 1487–1494. Retrieved from
[Link]
Marion, T., Friar, J., Simpson, T. (2012). New product development practices and early-
stage firms: two in-depth case studies. Journal of Product Innovation and
Management, 20, 69-92.
Matsubara, Y., & Nagamachi, M. (1997). Hybrid Kansei Engineering System and design
support. International Journal of Industrial Ergonomics, 19(2), 81–92.
[Link]
Mayer, D., Sodian, B., Koerber, S., & Schwippert, K. (2014). Scientific reasoning in
elementary school children: Assessment and relations with cognitive abilities.
Learning and Instruction, 29, 43–55.
[Link]
Moreno, A. et al. (2011). Application of Product Data Technology Standards to LCA
Data. Journal of Industrial Ecology, 15(4), 483-495.
Motamedzade, M., Choobineh, A., Mououdi, M. A., & Arghami, S. (2007). Ergonomic
design of carpet weaving hand tools. International Journal of Industrial
Ergonomics, 37(7), 581–587. [Link]
Muldjaji, Y. (2014). The folk underground music as culture revivalism. Bandung:
Fakultas Ilmu Sosial dan Politik, Universitas Padjajaran.
Nagamachi, M. (1995). Kansei Engineering: A new ergonomic consumer-oriented
technology for product development. International Journal of Industrial
Ergonomics, 15(1), 3–11. [Link]
Nagamachi, M., & Lokman, A. M. (2011). Innovations of Kansei Engineering. CRC
Press. [Link]
Nagamachi, M., & Tachikawa, M. (2008). A successful statistical procedure on kansei
engineering products. Electronic Conference …, 987–995. Retrieved from
[Link]
Noble, C. H., & Kumar, M. (2008). Using product design strategically to create deeper
consumer connections. Business Horizons, 51(5), 441–450.
[Link]
Razza, B., & Paschoarelli, L. C. (2015). Affective Perception of Disposable Razors: A
Kansei Engineering Approach. Procedia Manufacturing, 3(Ahfe), 6228–6236.
[Link]
 91

Reid-Searl, K., Quinney, L., Dwyer, T., Vieth, L., Nancarrow, L., & Walker, B. (2017).
Puppets in an acute paediatric unit: Nurse’s experiences. Collegian, 24(5), 441–447.
[Link]
Riley, T. et al. (2012). Challenges with Developing in Vitro Dissolution Tests for Orally
Inhaled Products (OIPs). AAPS PharmSciTech, 13(3), 978-989.
Schütte, S. (2002). Designing Feelings into Products. [Link]
[Link]/smash/get/diva2:19998/[Link]
Schütte, S. (2005). Engineering Emotional Values in Product Design -Kansei
Engineering in Development. Engineering. Linköping: Linköpings Universitet.
Retrieved from [Link]
[Link]/smash/[Link]?searchId=1&pid=diva2:20839
Seva, R. R., Axalan, J. D. M., & Landicho, A. R. P. (2011). Workplace Efficiency
Improvement for Jeepney Drivers in Metro Manila, 1–6.
Seva, R. R., Duh, H. B. L., & Helander, M. G. (2007). The marketing implications of
affective product design. Applied Ergonomics, 38(6), 723–731.
[Link]
Shergian, A., & Immawan, T. (2015). Design of Innovative Alarm Clock Made from
Bamboo with Kansei Engineering Approach. Agriculture and Agricultural Science
Procedia, 3, 184–188. [Link]
Simatupang, I. B. (2015). Faktor-Faktor Penyebab Kurangnya Minat Peserta Didik
Kelas XI terhadap Lagu Daerah di SMK YPE Sawunggalih Kutoarjo, Yogyakarta:
Universitas Negeri Yogyakarta.
Singarimbun, Masri & Efendi, S. (1989). Metode Penelitian Survey, LP3ES.
Soewardi, A. H., & Nasution, B. M. I. (2016). Design of Kansei baby bags by using
Fuzzy Linguistic principles. 2016 IEEE International Conference on Knowledge
Engineering and Applications, ICKEA 2016, 165–171.
[Link]
Soewardi, H., & Rahmawati, D. P. (2015). EDUCATIVE TOY DESIGN FOR DEAF
CHILDREN TO STIMULATE THE FINE MOTOR SKILLS GROWTH.
Proceedings of the 3rd Bali International Seminar and Science and Technology
(BISSTECH) 2015, 13–18.
Statistik Kebudayaan 2016. (2016). Jakarta: PDSPK Kemendikbud Republik Indonesia.
Tama, I. P., Azlia, W., & Hardiningtyas, D. (2015). Development of Customer Oriented
Product Design using Kansei Engineering and Kano Model: Case Study of Ceramic
Souvenir. Procedia Manufacturing, 4(Iess), 328–335.
[Link]
Tan, C. L. & Tracey, M. (2007). Collaborative New Product Development Environments:
Implications for Supply Chain Management. Journal of Supply Chain Management,
43(3), 2-15.
Tarwaka, dkk. (2004). Ergonomi untuk Keselamatan, Kesehatan Kerja dan Produktivitas,
UNIBA PRESS.
Tegge, F. (2017). The lexical coverage of popular songs in English language teaching.
System, 67, 87–98. [Link]
Urbina, S. & Anastasi, A. (2004). Psychological Testing (9th Edition), Englewood Cliffs,
NJ: Printince Hall.
Wu, H. Y., Tzeng, G. H., & Chen, Y. H. (2009). A fuzzy MCDM approach for evaluating
banking performance based on Balanced Scorecard. Expert Systems with
Applications, 36(6), 10135–10147. [Link]
 92

Xue, Y., Zhang, R., Ji, Y., & Imaoka, H. (2011). An Analysis of Emotion Space of Bra
by Kansei Engineering Methodology. Journal of Fiber Bioengineering and
Informatics, 4(1), 96–103. [Link]
Yamin, S. & Kurniawan, H. (2009). SPSS Complete, Salemba Infotek Jakarta.
Yilmazer, Z., & Keklikci, H. (2015). The Effects of Teaching Geometry on the Academic
Achievement by Using Puppet Method. Procedia - Social and Behavioral Sciences,
191, 2355–2358. [Link]
Yussofa, R. L., Abas, H.,& Paris, T. N. S. T. (2012). Affective Engineering of
Background Colour in Digital Storytelling for Remedial Students. Procedia-Social
and Behavioral Sciences, 68, 202-212.
Yuliani, dkk. (2014). Faktor-Faktor Dominan yang Memengaruhi Minat Peserta Didik
terhadap Lagu Anak. Pontianak: Fakultas Seni Tari dan Musik, Universitas
Tanjungpura.
Zhang, F., Yang, M., & Liu, W. (2014). Using integrated quality function deployment
and theory of innovation problem solving approach for ergonomic product design.
Computers and Industrial Engineering, 76(1), 60–74.
[Link]
Zheng, C., Kizil, M. S., Chen, Z., & Aminossadati, S. M. (2017). Effects of coal
properties on ventilation air leakage into methane gas drainage boreholes:
Application of the orthogonal design. Journal of Natural Gas Science and
Engineering, 45, 88–95. [Link]
Lampiran 1. Distribusi Nilai Rtable
DISTRIBUSI NILAI ratable SIGNIFIKANSI 5% dan 1%

N The Level of N The Level of

significance significance
5% 1% 5% 1%
3 0.997 0.999 38 0.320 0.413
4 0.950 0.990 39 0.316 0.408
5 0.878 0.959 40 0.312 0.403
6 0.811 0.917 41 0.308 0.398
7 0.754 0.874 42 0.304 0.393
8 0.707 0.834 43 0.301 0.389
9 0.666 0.798 44 0.297 0.384
10 0.632 0.765 45 0.294 0.380
11 0.602 0.735 46 0.291 0.376
12 0.576 0.708 47 0.288 0.372
13 0.553 0.684 48 0.284 0.368
14 0.532 0.661 49 0.281 0.364
15 0.514 0.641 50 0.279 0.361
16 0.497 0.623 55 0.266 0.345
17 0.482 0.606 60 0.254 0.330
18 0.468 0.590 65 0.244 0.317
19 0.456 0.575 70 0.235 0.306
20 0.444 0.561 75 0.227 0.296
21 0.433 0.549 80 0.220 0.286
22 0.432 0.537 85 0.213 0.278
23 0.413 0.526 90 0.207 0.267
24 0.404 0.515 95 0.202 0.263
25 0.396 0.505 100 0.195 0.256
26 0.388 0.496 125 0.176 0.230
27 0.381 0.487 150 0.159 0.210
28 0.374 0.478 175 0.148 0.194
29 0.367 0.470 200 0.138 0.181
30 0.361 0.463 300 0.113 0.148
31 0.355 0.456 400 0.098 0.128
32 0.349 0.449 500 0.088 0.115
33 0.344 0.442 600 0.080 0.105
34 0.339 0.436 700 0.074 0.097
35 0.334 0.430 800 0.070 0.091
36 0.329 0.424 900 0.065 0.086
37 0.325 0.418 1000 0.062 0.081
 Lampiran 2. Kuesioner Survei 4. Tolong tuliskan lagu-lagu daerah yang bisa adik-adik nyanyikan
a. …………………….. e. ………………………..
KUESIONER SURVEI b. …………………….. f. ………………………...
c. …………………….. g. ………………………..
Halo adik-adik! d. …………………….. h. ………………………..
Perkenalkan, nama kakak Bari, kakak adalah mahasiswi di Teknik
Industri UII dan sedang mengerjakan tugas akhir tentang produk
pengenalan lagu daerah. 5. Dari mana adik-adik mengetahui lagu daerah di atas?
Dibawah ini ada beberapa pertanyaan tentang lagu daerah Indonesia. a. Sekolah d. Orang tua
Untuk itu, kakak harapkan bahwa adik-adik dapat mengisi kuesioner ini b. Kursus e. Menonton TV/Video
sesuai yang adik-adik rasakan. c. Teman-teman d. Lainnya: ………………

Petunjuk Pengisian: 6. Apakah lagu daerah diajarkan di sekolah?

Isilah titik – titik sesuai pertanyaan dibawah ini. a. Ya b. Tidak
Nama : …………………………………….. Jika ya, bagaimana metode pembelajarannya?
Usia : …… Jenis Kelamin:……………….
a. Dijelaskan oleh ibu guru c. Dinyanyikan bersama-sama
b. Membaca buku d.
1. Apakah adik-adik mengetahui lagu daerah?
a. Ya b. Tidak 7. Lagu manakah yang lebih adik-adik sukai?
Jika adik menjawab tidak, berikan alasan pada pilihan jawaban di bawah ini a. Lagu pop dewasa
dan silakan lanjut ke pertanyaan nomor 7. b. Lagu anak-anak
a. Belum pernah mendengar c. Lagu daerah
b. Tidak diajarkan di sekolah d. Lainnya: …………
c. Lainnya: …………………..
2. Apakah adik-adik menyukai lagu-lagu daerah di Indonesia? 8. Menurut adik-adik, pengenalan lagu daerah seperti apa yang adik-adik
a. Ya b. Tidak inginkan agar tertarik mempelajari lagu daerah? (bisa memilih lebih dari
Jika adik menjawab ya, silakan lanjut ke pertanyaan nomor 4. satu)
Namun apabila adik menjawab tidak, silakan lanjut ke pertanyaan nomor 7 a. Buku
dan mohon jelaskan alasan kenapa adik-adik tidak menyukai lagu daerah pada b. Permainan
titik-titik di bawah ini: c. Boneka
………………………………………………………………………………… d. Aplikasi hand phone
………………………………………………………………… e. Lainnya: …………………

3. Ada berapa lagu daerah yang bisa adik-adik nyanyikan? ……… Kesediaan adik-adik untuk mengisi kuesioner ini merupakan dukungan yang
sangat berharga untuk penelitian kakak. Untuk itu, kakak ucapkan terima kasih
atas kesediaan adik-adik. 
 Lampiran 3. Kuesioner Kebutuhan Konsumen
Petunjuk Pengisian:
Isilah titik – titik sesuai pertanyaan dibawah ini.
IDENTIFIKASI KEBUTUHAN KONSUMEN
Nama Responden : ……………………………………..
Usia : …… Jenis Kelamin:……………….
1. Kuisioner I Kata Kansei
Halo adik-adik! Pertanyaan : Apakah adik-adik pernah bermain boneka
Perkenalkan, nama kakak Bari dan sekarang kakak kuliah di sebelumnya? …………………………………….
Teknik Industri Universitas Islam Indonesia. Kakak sedang
mengerjakan penelitian Tugas Akhir tentang produk pengenalan Pertanyaan : Menurut adik-adik, boneka pengenalan lagu daerah
budaya Indonesia dengan judul Desain Boneka Edukasi Sebagai seperti apakah yang adik-adik inginkan?
Jawaban: (mencakup semua aspek: empuk, menarik, awet, dll)
Media Belajar Lagu Daerah Indonesia Menggunakan
Pendekatan Affective Design.
1. …………………………………………………..
2. …………………………………………………..
Sebagaimana kita ketahui bersama Indonesia memiliki beraneka 3. ……………………..............................................
ragam budaya, salah satunya adalah lagu daerah. Dibawah ini ada 4. ……………………..............................................
beberapa pertanyaan tentang boneka dan lagu daerah Indonesia. 5. ……………………..............................................
Untuk itu, kakak harapkan bahwa adik-adik dapat mengisi 6. …………………………………………………..
kuesioner ini sesuai yang adik-adik rasakan. 7. …………………………………………………..
8. …………………………………………………..

Kesediaan adik-adik untuk mengisi kuesioner ini merupakan dukungan

yang sangat berharga untuk penelitian kakak. Untuk itu, kakak ucapkan
terima kasih atas kesediaan adik-adik.

Gambar 1. Contoh Boneka Bersuara yang Sudah Ada

 Lampiran 4. Kuesioner Semantic Differential I
IDENTIFIKASI KEBUTUHAN KONSUMEN
BONEKA EDUKASI LAGU DAERAH INDONESIA
2. Kuisioner II Kata Kansei

Halo adik-adik!

Perkenalkan, nama kakak Bari dan sekarang kakak kuliah di

Teknik Industri Universitas Islam Indonesia. Kakak sedang
mengerjakan penelitian Tugas Akhir tentang produk pengenalan Petunjuk Pengisian:
budaya Indonesia dengan judul Desain Boneka Edukasi Sebagai Isilah titik – titik sesuai pertanyaan dibawah ini.
Media Belajar Lagu Daerah Indonesia Menggunakan Nama : ……………………………………..
Pendekatan Affective Design. Usia : …… Jenis Kelamin:……………….

Berdasarkan kuisioner yang telah disebarkan sebelumnya, kali ini

kakak ingin mencari tau seberapa pentingkah kata kansei yang Table 1 Kata Kansei Boneka Edukasi
didapat pada kusioner sebelumnya. 9-kata kansei dapat dilihat
No Kata Kansei
pada tabel 1.
1 Mudah dibawa
2 Mudah digunakan
3 Menarik
4 Modern
5 Awet
6 Halus
7 Bersih
8 Empuk
9 Unik
Gambar 1. Contoh Boneka Bersuara yang Sudah Ada
A. KUESIONER KANSEI BONEKA EDUKASI
Petunjuk pengisian:
 Berilah tanda (√) pada tempat yang telah disediakan di setiap pertanyaan.
 Pilihlah jawaban sesuai dengan keinginan Adik-adik terhadap desain boneka edukasi
 Pilih salah satu dari 5 pilihan yang tersedia, dengan keterangan sebagai berikut
1 Sangat Tidak Setuju 4 Setuju
2 Tidak Setuju 5 Sangat Setuju
3 Netral
No Kata Kansei 1 2 3 4 5
(STS) (TS) (N) (S) (SS)
1 Bagaimana Jika Boneka Edukasi dibuat mudah dibawa?
2 Bagaimana Jika Boneka Edukasi dibuat mudah digunakan?
3 Bagaimana Jika Boneka Edukasi dibuat menarik?
4 Bagaimana Jika Boneka Edukasi dibuat dengan fitur yang
modern?
5 Bagaimana Jika Boneka Edukasi dibuat awet?
6 Bagaimana Jika Boneka Edukasi dibuat dengan bahan yang
halus?
7 Bagaimana Jika Boneka Edukasi dibuat Bersih?
8 Bagaimana Jika Boneka Edukasi dibuat dengan bahan yang
empuk?
9 Bagaimana Jika Boneka Edukasi dibuat unik?
Lampiran 6. Kuesioner Validasi Berikanlah penilaian terhadap desain usulan boneka
edukasi dengan tanda (√) sesuai dengan kriteria berikut:
Kuisioner Kesesuaian Produk
1. Sangat Tidak Setuju (STS)
Halo adik-adik,
2. Tidak Setuju (TS)
Kakak mahasiswi Teknik Industri, Universitas Islam
3. Medium/Medium (N)
Indonesia (UII) Semester akhir. Sedang melaksananakan 4. Setuju (S)
penelitian Tugas Akhir dengan judul “Desain Boneka 5. Sangat Setuju (SS)
Edukasi sebagai Media Belajar Lagu Daerah
Indonesia menggunakan Pendekatan Affective
Design”. Sehubungan dengan hal tersebut, kakak harap
adik-adik bersedia
dan kuesoner ini adalah untuk mengetahui apakah desain
boneka yang kakak buat sudah sesuai dengan kriteria –
kriteria yang dimaksud adik-adik pada penelitian awal.

Nama : …………………
Usia : ………………..
Jenis Kelamin : Laki-laki / Perempuan
Desain Produk:

Gambar 1. Desain Produk Boneka Edukasi

No Kata Kansei 1 2 3 4 5

1 Apakah desain boneka edukasi mudah dibawa?

2 Apakah desain boneka edukasi bermotif menarik?
3 Apakah desain boneka edukasi sudah berteknologi modern?
4 Apakah boneka edukasi sudah berbahan kain luar yang halus?
5 Apakah desain boneka edukasi berwarna cerah yang bersih?
6 Apakah desain boneka edukasi sudah memenuhi kriteria boneka yang
empuk?
7 Apakah desain boneka edukasi berbentuk unik?
Lampiran 7. Dokumentasi Pengambilan Data
Lampiran 8. Cara Kerja Boneka

Berikut ini adalah cara kerja boneka

1. Hidupkan tombol on/off pada boneka.
2. Aktifkan bloetooth pada handphone android.
3. Hubungkan koneksi bloetooth pada boneka.
4. Tekan tombol input perekam suara pada handphone dan katakana salah satu judul lagu.
5. Sesuaikan volume suara dengan tombol yang tersedia, dapat pula mengganti lagu dengan
tombol.
6. Matikan apabila sudah selesai.
7. Untuk pengisian baterai dapat dilakukan dengan menggunakan charger android.
Lampiran 9. Draf Wawancara Dengan Guru

Topik Wawancara : Pengarahan jalannya penelitian, informasi dasar yang dibutuhkan

terkait siswa/i TPA dan pengetahuan mereka akan lagu daerah,
komunikasi yang terjalin di TPA, tingkah laku para siswa/siswi.

Tujuan : Mendapatkan informasi serta izin kerjasama untuk pengambilan

data penelitian, mendapatkan beberapa informasi dan pandangan
yang akan digunakan untuk identifikasi penelitian.

Tempat : TPA Raden Saleh, TPA Al Jami’ dan TPA Al Wihdah.

Materi Diskusi : - Pengetahuan anak-anak mengenai lagu daerah,

- Perspektif guru terhadap kebudayaan terutama lagu daerah,
- Kebiasaan siswa/i TPA,
- Pandangan guru terhadap penelitian yang dilakukan,
- Masukan dan saran untuk penelitian maupun desain produk.
Lampiran 10. Draf Wawancara Dengan Expert

Topik Wawancara : Pengarahan jalannya penelitian, informasi mengenai material

dan spesifikasi opsi bahan untuk pembuatan desain boneka,
tingkat kepentingan atribut desain untuk input fuzzy.

Tujuan : Mendapatkan informasi serta izin kerjasama untuk pengambilan

data penelitian, mendapatkan beberapa informasi dan pandangan
yang akan digunakan untuk identifikasi penelitian, input data
fuzzy.

Tempat : T&R Badut Jogja, Sewon, Bantul.

Materi Diskusi :
- Material yang diperlukan dalam pembuatan boneka
- Pilihan spesifikasi desain
- Kombinasi desain dan kriterianya
- Pembobotan fuzzy linguistik
Lampiran 11. If-then rule fuzzy linguistic

Rule untuk Ukuran Sedang (Mudah Dibawa)

1. If (tinggi is kecil) and (lebar is kecil) then (ukuran_sedang is kecil) (1)
2. If (tinggi is kecil) and (lebar is sedang) then (ukuran_sedang is sedang) (1)
3. If (tinggi is sedang) and (lebar is kecil) then (ukuran_sedang is sedang) (1)
4. If (tinggi is sedang) and (lebar is sedang) then (ukuran_sedang is sedang) (1)
5. If (tinggi is sedang) and (lebar is besar) then (ukuran_sedang is sedang) (1)
6. If (tinggi is besar) and (lebar is kecil) then (ukuran_sedang is besar) (1)
7. If (tinggi is besar) and (lebar is sedang) then (ukuran_sedang is besar) (1)
8. If (tinggi is besar) and (lebar is besar) then (ukuran_sedang is besar) (1)

Rule untuk Motif Menarik

1. If (atasan is G) and (bawahan is G) then (motif is membosankan) (1)
2. If (atasan is G) and (bawahan is BG) then (motif is membosankan) (1)
3. If (atasan is G) and (bawahan is C) then (motif is standar) (1)
4. If (atasan is G) and (bawahan is K) then (motif is membosankan) (1)
5. If (atasan is G) and (bawahan is B) then (motif is membosankan) (1)
6. If (atasan is BG) and (bawahan is G) then (motif is membosankan) (1)
7. If (atasan is BG) and (bawahan is BG) then (motif is standar) (1)
8. If (atasan is BG) and (bawahan is C) then (motif is standar) (1)
9. If (atasan is BG) and (bawahan is K) then (motif is membosankan) (1)
10. If (atasan is BG) and (bawahan is B) then (motif is membosankan) (1)
11. If (atasan is C) and (bawahan is G) then (motif is menarik) (1)
12. If (atasan is C) and (bawahan is BG) then (motif is menarik) (1)
13. If (atasan is C) and (bawahan is C) then (motif is membosankan) (1)
14. If (atasan is C) and (bawahan is K) then (motif is standar) (1)
15. If (atasan is C) and (bawahan is B) then (motif is menarik) (1)
16. If (atasan is K) and (bawahan is G) then (motif is membosankan) (1)
17. If (atasan is K) and (bawahan is BG) then (motif is membosankan) (1)
18. If (atasan is K) and (bawahan is C) then (motif is standar) (1)
19. If (atasan is K) and (bawahan is K) then (motif is standar) (1)
20. If (atasan is K) and (bawahan is B) then (motif is membosankan) (1)
21. If (atasan is B) and (bawahan is G) then (motif is membosankan) (1)
22. If (atasan is B) and (bawahan is BG) then (motif is membosankan) (1)
23. If (atasan is B) and (bawahan is C) then (motif is menarik) (1)
24. If (atasan is B) and (bawahan is K) then (motif is standar) (1)
25. If (atasan is B) and (bawahan is B) then (motif is standar) (1)
Rules Warna Cerah (Mudah Dibersihkan)
1. If (R is SR) and (G is SR) and (B is SR) then (Luminance is G) (1)
2. If (R is SR) and (G is SR) and (B is R) then (Luminance is G) (1)
3. If (R is SR) and (G is SR) and (B is S) then (Luminance is G) (1)
4. If (R is SR) and (G is SR) and (B is T) then (Luminance is S) (1)
5. If (R is SR) and (G is SR) and (B is ST) then Luminance is S) (1)
6. If (R is SR) and (G is R) and (B is SR) then (Luminance is G) (1)
7. If (R is SR) and (G is R) and (B is R) then (Luminance is G) (1)
8. If (R is SR) and (G is R) and (B is S) then (Luminance is G) (1)
9. If (R is SR) and (G is R) and (B is T) then (Luminance is S) (1)
10. If (R is SR) and (G is R) and (B is ST) then (Luminance is S) (1)
11. If (R is SR) and (G is S) and (B is SR) then (Luminance is G) (1)
12. If (R is SR) and (G is S) and (B is R) then (Luminance is G) (1)
13. If (R is SR) and (G is S) and (B is S) then (Luminance is G) (1)
14. If (R is SR) and (G is S) and (B is T) then (Luminance is S) (1)
15. If (R is SR) and (G is S) and (B is ST) then (Luminance is S) (1)
16. If (R is SR) and (G is T) and (B is SR) then (Luminance is S) (1)
17. If (R is SR) and (G is T) and (B is R) then (Luminance is S) (1)
18. If (R is SR) and (G is T) and (B is S) then (Luminance is S) (1)
19. If (R is SR) and (G is T) and (B is T) then (Luminance is S) (1)
20. If (R is SR) and (G is T) and (B is ST) then (Luminance is S) (1)
21. If (R is SR) and (G is ST) and (B is SR) then (Luminance is S) (1)
22. If (R is SR) and (G is ST) and (B is R) then (Luminance is S) (1)
23. If (R is SR) and (G is ST) and (B is S) then (Luminance is S) (1)
24. If (R is SR) and (G is ST) and (B is T) then (Luminance is S) (1)
25. If (R is SR) and (G is ST) and (B is ST) then (Luminance is S) (1)
26. If (R is R) and (G is SR) and (B is SR) then (Luminance is G) (1)
27. If (R is R) and (G is SR) and (B is R) then (Luminance is G) (1)
28. If (R is R) and (G is SR) and (B is S) then (Luminance is G) (1)
29. If (R is R) and (G is SR) and (B is T) then (Luminance is S) (1)
30. If (R is R) and (G is SR) and (B is ST) then (Luminance is S) (1)
31. If (R is R) and (G is R) and (B is SR) then (Luminance is G) (1)
32. If (R is R) and (G is R) and (B is R) then (Luminance is G) (1)
33. If (R is R) and (G is R) and (B is S) then (Luminance is S) (1)
34. If (R is R) and (G is R) and (B is T) then (Luminance is S) (1)
35. If (R is R) and (G is R) and (B is ST) then (Luminance is S) (1)
36. If (R is R) and (G is S) and (B is SR) then (Luminance is G) (1)
37. If (R is R) and (G is S) and (B is R) then (Luminance is S) (1)
38. If (R is R) and (G is S) and (B is S) then (Luminance is S) (1)
39. If (R is R) and (G is S) and (B is T) then (Luminance is S) (1)
40. If (R is R) and (G is S) and (B is ST) then (Luminance is S) (1)
41. If (R is R) and (G is S) and (B is R) then (Luminance is S) (1)
42. If (R is R) and (G is T) and (B is SR) then (Luminance is S) (1)
43. If (R is R) and (G is T) and (B is R) then (Luminance is S) (1)
44. If (R is R) and (G is T) and (B is S) then (Luminance is S) (1)
45. If (R is R) and (G is T) and (B is T) then (Luminance is S) (1)
46. If (R is R) and (G is T) and (B is ST) then (Luminance is C) (1)
47. If (R is R) and (G is ST) and (B is SR) then (Luminance is S) (1)
48. If (R is R) and (G is ST) and (B is R) then (Luminance is C) (1)
49. If (R is R) and (G is ST) and (B is S) then (Luminance is C) (1)
50. If (R is R) and (G is ST) and (B is T) then (Luminance is C) (1)
51. If (R is R) and (G is ST) and (B is ST) then (Luminance is C) (1)
52. If (R is S) and (G is SR) and (B is SR) then (Luminance is G) (1)
53. If (R is S) and (G is SR) and (B is R) then (Luminance is G) (1)
54. If (R is S) and (G is SR) and (B is S) then (Luminance is G) (1)
55. If (R is S) and (G is SR) and (B is T) then (Luminance is S) (1)
56. If (R is S) and (G is SR) and (B is ST) then (Luminance is S) (1)
57. If (R is S) and (G is R) and (B is SR) then (Luminance is G) (1)
58. If (R is S) and (G is R) and (B is R) then (Luminance is S) (1)
59. If (R is S) and (G is R) and (B is S) then (Luminance is S) (1)
60. If (R is S) and (G is R) and (B is T) then (Luminance is S) (1)
61. If (R is S) and (G is R) and (B is ST) then (Luminance is C) (1)
62. If (R is S) and (G is S) and (B is SR) then (Luminance is G) (1)
63. If (R is S) and (G is S) and (B is R) then (Luminance is G) (1)
64. If (R is S) and (G is S) and (B is S) then (Luminance is G) (1)
65. If (R is S) and (G is S) and (B is T) then (Luminance is S) (1)
66. If (R is S) and (G is S) and (B is ST) then (Luminance is S) (1)
67. If (R is S) and (G is T) and (B is SR) then (Luminance is S) (1)
68. If (R is S) and (G is T) and (B is R) then (Luminance is S) (1)
69. If (R is S) and (G is T) and (B is S) then (Luminance is C) (1)
70. If (R is S) and (G is T) and (B is T) then (Luminance is C) (1)
71. If (R is S) and (G is T) and (B is ST) then (Luminance is C) (1)
72. If (R is S) and (G is ST) and (B is SR) then (Luminance is S) (1)
73. If (R is S) and (G is ST) and (B is R) then (Luminance is C) (1)
74. If (R is S) and (G is ST) and (B is S) then (Luminance is C) (1)
75. If (R is S) and (G is ST) and (B is T) then (Luminance is C) (1)
76. If (R is S) and (G is ST) and (B is ST) then (Luminance is C) (1)
77. If (R is T) and (G is SR) and (B is SR) then (Luminance is S) (1)
78. If (R is T) and (G is SR) and (B is R) then (Luminance is S) (1)
79. If (R is T) and (G is SR) and (B is S) then (Luminance is S) (1)
80. If (R is T) and (G is SR) and (B is T) then (Luminance is S) (1)
81. If (R is T) and (G is SR) and (B is ST) then (Luminance is S) (1)
82. If (R is T) and (G is R) and (B is SR) then (Luminance is S) (1)
83. If (R is T) and (G is R) and (B is R) then (Luminance is S) (1)
84. If (R is T) and (G is R) and (B is S) then (Luminance is S) (1)
85. If (R is T) and (G is R) and (B is T) then (Luminance is S) (1)
86. If (R is T) and (G is R) and (B is ST) then (Luminance is C) (1)
87. If (R is T) and (G is S) and (B is SR) then (Luminance is S) (1)
88. If (R is T) and (G is S) and (B is R) then (Luminance is S) (1)
89. If (R is T) and (G is S) and (B is S) then (Luminance is C) (1)
90. If (R is T) and (G is S) and (B is T) then (Luminance is C) (1)
91. If (R is T) and (G is S) and (B is ST) then (Luminance is C) (1)
92. If (R is T) and (G is T) and (B is SR) then (Luminance is S) (1)
93. If (R is T) and (G is T) and (B is R) then (Luminance is S) (1)
94. If (R is T) and (G is T) and (B is S) then (Luminance is C) (1)
95. If (R is T) and (G is T) and (B is T) then (Luminance is C) (1)
96. If (R is T) and (G is T) and (B is ST) then (Luminance is C) (1)
97. If (R is T) and (G is ST) and (B is SR) then (Luminance is S) (1)
98. If (R is T) and (G is ST) and (B is R) then (Luminance is C) (1)
99. If (R is T) and (G is ST) and (B is S) then (Luminance is C) (1)
100. If (R is T) and (G is ST) and (B is T) then (Luminance is C) (1)
101. If (R is T) and (G is ST) and (B is ST) then (Luminance is C) (1)
102. If (R is SC) and (G is SR) and (B is SR) then (Luminance is S) (1)
103. If (R is SC) and (G is SR) and (B is R) then (Luminance is S) (1)
104. If (R is SC) and (G is SR) and (B is S) then (Luminance is S) (1)
105. If (R is SC) and (G is SR) and (B is T) then (Luminance is S) (1)
106. If (R is SC) and (G is SR) and (B is ST) then (Luminance is S) (1)
107. If (R is SC) and (G is R) and (B is SR) then (Luminance is S) (1)
108. If (R is SC) and (G is R) and (B is R) then (Luminance is C) (1)
109. If (R is SC) and (G is R) and (B is S) then (Luminance is C) (1)
110. If (R is SC) and (G is R) and (B is T) then (Luminance is C) (1)
111. If (R is SC) and (G is R) and (B is ST) then (Luminance is C) (1)
112. If (R is SC) and (G is S) and (B is SR) then (Luminance is S) (1)
113. If (R is SC) and (G is S) and (B is R) then (Luminance is C) (1)
114. If (R is SC) and (G is S) and (B is S) then (Luminance is C) (1)
115. If (R is SC) and (G is S) and (B is T) then (Luminance is C) (1)
116. If (R is SC) and (G is S) and (B is ST) then (Luminance is C) (1)
117. If (R is SC) and (G is T) and (B is SR) then (Luminance is S) (1)
118. If (R is SC) and (G is T) and (B is R) then (Luminance is C) (1)
119. If (R is SC) and (G is T) and (B is S) then (Luminance is C) (1)
120. If (R is SC) and (G is T) and (B is T) then (Luminance is C) (1)
121. If (R is SC) and (G is T) and (B is ST) then (Luminance is C) (1)
122. If (R is SC) and (G is ST) and (B is SR) then (Luminance is S) (1)
123. If (R is SC) and (G is ST) and (B is R) then (Luminance is C) (1)
124. If (R is SC) and (G is ST) and (B is S) then (Luminance is C) (1)
125. If (R is SC) and (G is ST) and (B is T) then (Luminance is C) (1)
126. If (R is SC) and (G is ST) and (B is ST) then (Luminance is SC) (1)
Rule untuk desain unik