Sistem Evaluasi Elemen Desain Kursi Rotan

6 SISTEM EVALUASI
Sistem evaluasi bertujuan untuk memperoleh pengetahuan antara kata
Kansei dengan elemen desain yang menunjukkan kata tersebut. Pengetahuan
tersebut diperoleh dari responden dengan menggunakan kuesioner.
Kuisioner
terdiri dari dua bagian, yaitu bagian data pribadi yang berisikan nama, alamat,
jenis kelamin, pendidikan dan pekerjaan, dan bagian pemilihan dan penilaian
terhadap elemen desain kursi rotan. Contoh kuesioner terdapat pada Lampiran 3.
6.1 Data Responden Evaluasi Elemen Desain Kursi Rotan
Responden berjumlah 45 orang yang terdiri dari konsumen toko rotan, dan
pemilik produk furnitur rotan rotan. Berdasarkan jenis kelamin, terdapat 26 orang
perempuan dan 19 orang laki laki, dengan umur bervariasi antara 21 – 64 tahun.
Pekerjaan responden bervariasi yaitu ibu rumah tangga, pegawai swasta, pegawai
negeri, dan pengusaha. Pendidikan responden bervariasi dari tamat SMA hingga
jenjang magister.
Menurut Wang dan Holden (2000), dalam penilaian terhadap produk
kerajinan yang dibuat oleh manusia, jenis kelamin, umur dan pendidikan bukan
merupakan faktor yang mempengaruhi secara nyata terhadap penilaian. Dalam
penelitian ini, penilaian lebih ditekankan kepada perasaan atau Kansei dari
responden terhadap elemen desain yang diperlihatkan dalam kuesioner.
6.2 Pengembangan Sistem Evaluasi Elemen Desain Kursi Rotan
Pada tahap evaluasi elemen desain kursi rotan ini, data yang digunakan
adalah data penilaian responden.
Responden diminta untuk memilih elemen
desain kursi rotan yang disukai dan kata Kansei yang sesuai dengan elemen kursi
rotan tersebut. Sebagian hasil pilihan konsumen terhadap kata Kansei dan elemen
desain disajikan pada Tabel 12.
Association rules merupakan salah satu teknik di dalam data mining untuk
menentukan hubungan antar item suatu data set (sekumpulan data) yang telah
ditentukan. Melalui penggunaan association rule mining maka dapat ditemukan
hubungan asosiasi yang menarik atau korelasi antara item dari item data.
74
Pengolahan menggunakan association rules menghasilkan rule dalam
bentuk if… then… atau yang dinotasikan sebagai A  B. Hubungan antara A dan
B adalah hubungan implikasi dimana A sebagai antecendent dan B sebagai
consequent.
Tabel 12 Beberapa pilihan kata Kansei dan elemen desain kursi rotan dari
responden
Responden Kata Kansei yang dipilih
Elemen yang dipilih
1
2
F1, F2, F4, F5, F6, F7, F8
F1, F2, F3, F4, F5, F7
3
4
5
6
…
41
42
43
44
45
F3, F4, F5, F6, F7
F1, F2, F3, F5, F7, F8
F5, F6
F1, F2, F3, F5, F6, F7
…
F4, F7
F1, F5, F6, F7, F8
F5, F6
F1, F2, F3, F4, F5, F6, F7
F1, F4, F5, F6, F7, F8
Keterangan: F1 = Cantik,
F2 = Unik
F5 = Sederhana
F6 = Kokoh
V = elemen desain (lihat Tabel 6)
V12, V21, V33, V42, V51
V14, V23, V32, V42, V43, V51, V52,
V53
V14, V22, V31, V42, V56
V12, V22, V31, V42, V51, V52
V12, V23, V31, V43, V52
V12, V22, V31, V43, V56
…
V13, V23, V31, V41, V55
V11, V22, V31, V41, V54
V14, V21, V31, V41, V51
V11, V21, V31, V42, V53
V11, V22, V31, V41, V53
F3 = Inovatif
F7 = Nyaman
F4 = Alami
F8 = Modern
Pada Tabel 12, dapat dilihat bahwa responden 1 memilih kata cantik, unik,
alami, sederhana, kokoh, nyaman dan modern untuk elemen desain sandaran
punggung berbentuk kotak, desain dudukan berbentuk persegi empat, desain tanpa
sandaran tangan, desain kaki kursi yang tertutup dan anyaman rapat satu-satu.
Pilihan tersebut dianggap sebagai item set dari responden 1. Demikian seterusnya
hingga responden 45 yang memilih kata cantik, alami, sederhana, kokoh, nyaman
dan modern untuk desain sandaran punggung rendah tinggi setengah lingkaran,
desain dudukan setengah lingkaran, desain sandaran tangan melengkung, desain
kaki kursi dengan penopang yang silang, dan desain anyaman antik.
Selanjutnya pemilihan tersebut dijadikan sebagai masukan dalam pencarian
rules yang dilakukan dengan menggunakan bantuan software Magnum Opus
(http://www.giwebb.com/). Rules tersebut digunakan untuk memetakan hubungan
antara kata Kansei dan elemen desain. Data yang diperoleh dari responden
75
digunakan sebagai input untuk sistem Magnum Opus. Terdapat lima rule mining
yang disediakan oleh sistem, yaitu coverage, support, strength, lift dan leverage.
Untuk memperoleh semua rules dari data yang ada, maka hanya nilai support dan
confidence yang dijadikan sebagai batasan rule yang dianggap sesuai dengan
pemilihan konsumen
Dalam menggunakan teknik ini, terdapat dua kriteria ukuran yang umumnya
digunakan, sebagai berikut:
Support: ukuran yang menunjukkan tingkat dominasi item set dari keseluruhan
transaksi yang ada, seberapa besar kemungkinan item A dan item B dipilih secara
bersaman.
support = P(A∩B) = jumlah penilaian yang mengandung A dan B
jumlah penilaian total
Confidence: ukuran yang menyatakan hubungan antara dua item secara
conditional (misalkan seberapa sering item B dipilih, jika konsumen memilih item
A).
Confidence= P(A|B) =
jumlah penilaian yang mengandung A dan B
jumlah penilaian yang mengandung A
Pada penelitian ini, hanya support dan strength (confidence) yang
digunakan untuk penerapan algoritma Apriori, yang membutuhkan nilai support
dan confidence untuk memperoleh rules yang tepat (strong rules). Untuk
memastikan semua rules yang dapat diperoleh, maka maksimal jumlah rules
ditetapkan sebesar 1000 sehingga diperoleh kemungkinan rules yang memenuhi
tingkat support dan confidence yang ditetapkan.
Hasil keluaran magnum opus menghasilkan 148 rules yang memenuhi
minimum support 0,2 (20%) dan minimum strength (confidence) 0,5 (50%).
Sebagian rules yang dihasilkan disajikan pada Tabel 13. Rules secara lengkap
disajikan pada Lampiran 4.
Berdasarkan association rules yang dilakukan diperoleh beberapa rules,
antara lain rules no 1;
If alami, kokoh dan inovatif, then desain yang terpilih adalah desain V31.
Rule ini mempunyai nilai support sebesar 20% dan confidence 100%, hal
ini menunjukkan bahwa rules tersebut mempunyai probabilitas dipilih sebesar
76
20%, dan apabila alami, kokoh dan inovatif tersebut terpillih, maka kata-kata
tersebut menunjukkan desain V31.
Tabel 13 Beberapa rules yang dihasilkan dari pengolahan magnum opus
No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Rules
Alami & kokoh & inovatif  V31
Alami & kokoh & nyaman  V42
Alami & kokoh  V31
Alami & nyaman  V42
Alami & sederhana & kokoh & nyaman  V42
Alami & sederhana & kokoh  V42
Alami & sederhana & nyaman  V31
Alami  V31
Cantik & alami & kokoh & nyaman  V31
Cantik & alami & sederhana & nyaman  V42
Cantik & inovatif  V31
Cantik & kokoh & inovatif  V31
Cantik & sederhana & kokoh  V31
Cantik & sederhana  V31
Cantik & unik & alami & sederhana  V42
Cantik & unik & kokoh  V31
Cantik & unik  V31
Inovatif  V22
Modern  V22
Nyaman & inovatif  V22
Nyaman & modern  V22
Nyaman  V31
Sederhana & kokoh  V31
Sederhana & nyaman & inovatif  V31
Sederhana  V31
Unik & alami & nyaman  V23
Unik & alami  V23
Unik & inovatif  V31
Unik & nyaman  V31
Unik & sederhana & nyaman & inovatif  V31
Support
Confidence
0,200
0,289
0,422
0,311
0,267
0,289
0,378
0,489
0,289
0,222
0,311
0,222
0,356
0,422
0,2
0,222
0,311
0,289
0,267
0,244
0,267
0,644
0,489
0,289
0,578
0,2
0,2
0,244
0,311
0,2
1,000
0,565
0,731
0,519
0,545
0,565
0,68
0,71
0,813
0,556
0,778
0,909
0,762
0,704
0,75
0,714
0,737
0,619
0,75
0,579
0,75
0,725
0,71
0,765
0,684
0,643
0,6
0,846
0,737
0,818
Rules no. 9;
If cantik & alami & kokoh & nyaman then terpilih adalah desain V31.
77
Rule ini didukung sebesar 28,9% dengan tingkat confidence 81,3%. Hal
ini menunjukkan bahwa bila cantik, alami, kokoh dan nyaman merupakan kata
Kansei yang diucapkan oleh konsumen, maka 81,3% elemen desain yang terpilih
adalah V31.
Rules No. 12;
If cantik & kokoh & inovatif then desain V31
Rule ini didukung sebesar 22,2% dengan tingkat confidence 90,9%. Hal
ini menunjukkan bahwa bila cantik, kokoh, dan inovatif dipilih maka 90,9 %
responden memilih V31.
Rules no 28.
If unik & inovatif then V31
Rule ini didukung sebesar 24,4% dengan tingkat confidence 84,6%. Hal
ini menunjukkan bahwa bila unik dan inovatif dipilih maka 84,6% responden
memilih V31.
Rules no 30;
If unik & sederhana & nyaman & inovatif then desain terpilih V31
Rule ini didukung sebesar 20% dengan tingkat confidence 81,8%. Hal ini
menunjukkan bahwa bila unik, sederhana, nyaman dan inovatif dipilih maka
81,8% responden memilih V31.
Berdasarkan hasil yang diperoleh terlihat bahwa beberapa kombinasi
mempunyai nilai confidence yang tinggi (>80%). bahkan ada yang mencapai
100%. Pada rule no 1, no 9, no 12, no 28 dan no 30, tingkat confidence yang
diperoleh diatas 80%, hal ini mengindikasikan bahwa desain yang terpilih
mempunyai tingkat kepercayaan yang sangat baik. Di lain pihak, rule yang
mempunyai nilai confidence antara 50% hingga 80% tetap digunakan sebagai
basis aturan untuk penilaian desain kursi makan rotan.
Menurut Schmidhuber (2007) penggunaan pengolahan data menggunakan
unsupervised training seperti association rules hanya untuk menganalisa, tidak
78
untuk memilih. Oleh karena itu perlu dilakukan pemetaan pengetahuan rules yang
diperoleh sehingga dapat diketahui prioritas elemen desain.