Kansei engineering
adalah jenis teknologi
yang menerjemahkan perasaan pelanggan kedalam spesifikasi desain (Nagamachi & Lokman, 2011).
Tim R&D mengambil perasaan
pelanggan, dengan nama Kansei; menganalisa data
menggunakan metode psikologi, ergonomi, kedokteran, atau metode
rekayasa; dan mendesain produk baru berdasarkan analisis informasi. Kansei/affective engineering
adalah teknologi dan proses rekayasa dari data Kansei kedalam spesifikasi desain.
Proses Kansei/affective engineering
harus mengikuti alur:
Pertama seorang Kansei
engineer harus berpikir, Siapakah
pelanggannya?; Kedua Apakah
yang mereka inginkan dan butuhkan?; Ketiga, seorang Kansei engineer harus memikirkan bagaimana cara mengevaluasi Kansei pelanggan.
Setelah evaluasi kansei, engineer harus menganalisa
data kansei dengan analisis statistik atau pengukuran
psikofisiologis, dan mentransfer data yang telah dianalisis ke wilayah desain.
Untuk menerjemahkan perasaan
psikologis manusia sebagai
parameter desain sebuah produk,
diperlukan sebuah model
telah dikembangkan seperti
model kansei engineering
untuk desain produk
otomotif , desain
produk wrist watch, hingga pengembangannya dibidang
teknologi informasi menggunakan software psikologi dengan
pendekatan kepintaran buatan.
Baca Selengkapnya
Pada
perkembangan teknologi
Rekayasa Kansei ada lima tipe
dari metode Kansei
engineering antara lain:
Baca Selengkapnya
a.
Tipe I : Klasifikasi Kategori
Klasifikasi kategori adalah suatu
metode dimana kategori kansei dari
produk diuraikan dalam pohon struktur untuk mendapatkan rancangan rinci.
Langkah-Langkah Kansei engineering 1
1. Decision of strategy (Company Strategy)
Kansei
engineering bermula dari keputusan strategi perusahaan, perusahaan ingin
menciptakan produk baru yang produk khususnya menggunakan kansei engineering. Perusahaan mesti mempunyai konsep tertentu atau
strategi untuk produk baru. kansei engineering harus memanfaatkan strategi
ini untuk diterapkan ke dalam bidang baru.
2. Collection of kansei word
Langkah awal setelah keputusan dari
strategi baru adalah mengkoleksi kata kansei
berkaitan dengan konsep produk baru (mengenai 20-30 kata kansei)
3. Setting of SD Scale
Untuk pengumpulan kansei word adalah diantara skala 5 atau 7.
4. Collection of other product sample
Untuk membandingkan diantara produk
yang sama dari perusahaan dan pembuat lainnya. sampel adalah koleksi dari
perbedaan-perbedaan perusahaan yang dimasukkan ke dalam benchmark (terdiri dari
10-20 sampel)
5.
a list
item/category
Item atau kategori menggambarkan
spesifikasi desain tentang produk sampel yang dikumpulkan. semua sifat produk
dijelaskan. untuk warna, bentuk, ukuran, merek, logo dan lain-lain.
6. Evaluation experiment
Setelah kerja panel dari laki-laki dan
perempuan (pelajar atau orang dewasa) semua subyek menyertai dalam percobaan
penilaian. mereka merekam perasaan mereka dengan kata-kata kansei untuk setiap sampel pada lembar skala SD.
7. Statistical Analysis
Evaluasi data adalah analisa dari
metode statistik, terutama dengan menggunakan analisis statistik multivariat.
8. Interpretation Of The Analyzed Data
Semua data harus dianalisis dan
ditafsirkan dari sudut pandang kansei
engineering. tujuannya adalah untuk mencari hubungan antara kansei manusia dan produk. dari data
yang dianalisis didapatkan hubungan kansei
dengan spesifikasi desain.
9. The Explanation Of Data
Interprestasi data harus menjelaskan
kepada perancang perusahaan untuk membuat desain baru dengan bantuan
pendesaian.
10. Collaboration With Designer
Teknik kansei memotivasi perancang perusahaan untuk membuat emosi baru
desain produk melangkah lebih dari data analisis. dalam proses ini, kansei engineering seharusnya mendukung
pembuatan desain pada data kansei.
ini adalah semacam kerja sama antara kansei
engineering dan perancang.
b.
Tipe II : Sistem Komputer Kansei engineering
Kansei
engineering tipe II adalah sistem yang berbantuan komputer. Kansei engineering System (KES) adalah
sistem terkomputerisasi dengan sistem pakar untuk mentransfer perasaan
pelanggan dan citra kedalam rancangan rinci. Dasar-dasar arsitektur sistemini
menjadi empat buah basis data. Yaitu :
1.
Basis Data Kansei
Kata-kata Kansei adalah representasi dari perasaan pelanggan terhadap produk yang dikumpulkan dari pembicaraan
dengan salesman di pasar atau dari majalah industri. Lebih dari 600 kata
dikumpulkan dan direduksi hingga menjadi
sekitar 100 kata. Setelah membangun SD dan mengevaluasi jumlah dari produk
dalam skala SD, data terevaluasi dianalisa dengan analis faktor. Hasil dari
analisis faktor menyarankan ruang tujuan Kansei,
yang akan menjadi basis data kata-kata kansei
yang di bangun ke dalam sistem.
2.
Basis Data
Citra (image)
Hasil evaluasi dengan SD merupakan
analisa kedua oleh teori kuantitatif
Hayashi tipe I (Hayashi, 1996) yang merupakan tipe dari analisa regresi untuk
data kualitatif. Melalui analisis ini, dapat memperoleh daftar hubungan (kaitan)
statistik antara kata-kata kansei dan
elemen-elemen desain. Disini dapat diidentifikasi kata-kata kansei yang memberikan kontribusi
terhadap item-item rincian desain tertentu. Sebagai contoh jika pelanggan
menginginkan sesuatu yang ’nyaman’. Kata kansei
ini berkorespondensi terhadap beberapa rincian desain dalam sistem. Data ini
membangun basis data citra (image) dan basis aturan (rule base).
3.
Basis
Pengetahuan
Basis pengetahuan terdiri dari
aturan-aturan yang dibutuhkan untuk memutuskan tingkat korelasi antara
item-item rincian desain dengan kata-kata kansei.
Beberapa aturan dihasilkan dari perhitungan teori kuantitatif dan beberapa dari
prinsip-prinsip kondisi warna, dan sebagainya.
4.
Basis Data
Desain dan Warna
Rincian desain di dalam sistem
diimplementasikan dalam bentuk basis data warna, secara terpisah. Semua rincian
desain terdiri dari aspek-aspek desain yang berkorelasi sebagaimana seluruh
bangun dengan tiap-tiap kata kansei.
Basis data warna terdiri dari seluruh warna yang juga berkorelasi dengan
kata-kata kansei. Kombinasi komponen
desain dan warna dikeluarkan oleh sistem inferensi tertentu dan ditayangkan
dalam bentuk grafis pada layar.
5.
Prosedur Kansei engineering
Pelanggan memasukan kata-kata tentang
citra yang berkaitan dengan produk yang diharapkan ke dalam KES. KES menerima
kata-kata ini melalui basis data kansei
dan memeriksa apakah dapat menerimanya atau tidak. Jika dapat diterima
kata-kata kansei tersebut akan
dikirim ke basis pengetahuan. Motor inferensi bekerja pada tiap tahap ini
dengan mencocokan basis peraturan dan basis data citra. Kemudian motor
inferensi memutuskan aspek-aspek dari rincian desain dan mengendalikan KES
mengeluarkan dan menayangkan komponen dan warna yang sesuai pada layar.
6.
Bagaimana
membangun KES
Yang pertama dilakukan adalah
memutuskan domain produk secara spesifik. Setelah itu mengumpulkan kata-kata kansei dan membangun skala SD dari
kata-kata tersebut. Setelah itu data dianalisis dengan analisis faktor dan
teori kuantifikasi tipe I, dan membuat empat basis data tersebut, motor
inferensi dan sistem kendali yang berbasis prosedur pakar.
7. Aspek-aspek penerapan KES
Terdapat dua cara penerapan KES, yaitu
: dukungan terhadap keputusan pelanggan untuk memiliki produk dan dukungan
untuk desainer dalam memutuskan pengembangan produk.
c.
Tipe 3: Hybrid Kansei
engineering
Tipe
ini hampir sama
dengan tipe kedua
akan tetapi tipe
ini dapat juga memprediksi kansei dari
suatu kekayaan produk. Proses yang
dimulai dengan studi Kansei dan
dinyatakan dalam karakteristik
desain fisik dilakukan
juga pada Kansei
engineering tipe III.
Perbedaannya terletak pada
media model matematika,
dan hubungan dari input
ke output (karakteristik fisik)
dilakukan dengan mencari
nilai koefisien.
d.
Tipe 4: Virtual Kansei
engineering
Virtual
Kansei engineering
adalah teknologi yang
mengintegrasikan Virtual Reality dan Kansei
engineering. Penelitian ini dilakukan oleh Hiroshima University dan
Matsushita Electric Works Ltd. (MEW) sebagai teknologi baru pertama di dunia
dalam menggabungkan Virtual Reality dan Kansei engineering.
e. Tipe
5: Kansei Quality Management
Kansei Quality
Management dijelaskan
sebagai aplikasi dari
Quality management yang dimulai
dari Kansei konsumen dengan tujuan
untuk memaksimalkan kepuasan konsumen.
Pustaka
Nagamachi, M., & Lokman, A.
M. (2011). Innovation of Kansei Engineering. Boca Raton: CRC Press.
permisi mas mau nanya kalo penyebaran kuisioner pada kansei ini menggunakan semantic differential scale bagaimana cara uji kecukupan data nya apakah sama dengan uji kecukupan data pada skala likert di artikel mas sebelumnya?
ReplyDeleteklo likert pakai slovin formula. https://tiosampurno.blogspot.co.id/2015/02/uji-kecukupan-data-kuesioner.html
ReplyDeleteCara membuat spesifikasi teknis dari kansei tuh gmna yah ? Mungkin ada yg berkenan menjawab
ReplyDeleteom Tio, saya tertarik dengan isi blog om. tapi skripsi saya bukan tentang ini. skripsi saya tentang peternakan. mohon solusinya. terimakasih
ReplyDeleteAda contoh kuesionernya?
ReplyDeleteMas tio saya mau nanya, kalo kansei itu memakai metode apa saja ya di dalamnya? Rata2 kan pca qtt1, analisis faktor, conjoin, apakah ada metode lain selain itu? Dan selain fuzzy?
ReplyDeletekalau kansei memang metodenya itu saja @salwazhara, kalau mau scale up agar berbeda dengan penelitian lain itu hanya lewat tipe kanseinya. Sy 2014 dulu pakai kansei Tipe II dengan DBMS basis data.
DeleteBaccarat | Table games | FBCasino
ReplyDelete"I have to try these four variations 도레미시디 출장샵 for real money 바카라 사이트 and have some of 빅 카지노 the best prices in Vegas, so 탑카지노 I definitely 카지노 사이트 go