MACHINE LEARNING DALAM PENENTUAN KONSEP DESAIN KEMASAN BLUE BANDMACHINE LEARNING DALAM PENENTUAN KONSEP DESAIN KEMASAN BLUE BAND

Authors

  • Afrilla Syalsa Farid Emberik Politeknik Negeri Jakarta
  • Novi Purnama Sari

Abstract

Kemasan sangat berpengaruh bagi produk yang dikemas. Kemasan dapat memengaruhi persepsi harga, citra merek, dan persepsi kualitas. Kemasan juga menjadi salah satu pelayanan konsumen dari produsen. Sayangnya, masih terdapat kemasan yang kurang memuaskan bagi konsumen, salah satunya kemasan margarin Blue Band. Kemasan Blue Band masih dianggap belum sesuai oleh 71,1% konsumen karena tidak higienis, tidak praktis, dan sulit digunakan. Penelitian ini bertujuan untuk mengidentifikasi konsep desain baru untuk kemasan Blue Band. Kansei Engineering (KE) diterapkan karena dapat secara efektif menggambarkan kebutuhan konsumen. Hierarchical Agglomerative Clustering (HAC) dan algoritma K-Means membantu dalam identifikasi konsep desain. HAC merupakan metode clustering yang rumit dengan hasil dan performa yang akurat. K-Means adalah salah satu algoritma data mining yang paling kuat dan populer dalam penelitian. HAC mengidentifikasi “Practical”, “Usable”, dan “Disposable” sebagai cluster konsep desain. Algoritma K-Means mengidentifikasi “Disposable” sebagai konsep desain terpilih. Penelitian ini menunjukkan bahwa kombinasi KE, HAC, dan algoritma K-Means mampu diterapkan dalam penentuan konsep desain kemasan. Diharapkan penelitian ini dapat menjadi sumber referensi untuk pengembangan IPTEK.

References

D. Darmawan and S. Arifin, “Studi Empiris tentang Kontribusi Harga,

Varian Produk, dan Kemasan terhadap Pembentukan Minat Beli Produk

Sabun Mandi Batang (Studi Kasus terhadap Pekerja Rantau di Kota

Surabaya),” Bisman (Bisnis dan Manajemen) J. Bus. Manag., vol. 4, no. 2,

pp. 99–116, 2021.

G. Vladić, N. Kasiković, S. Dedijer, M. Stančić, and S. Đurđević, “Influence

of Packaging Shape on a Price Presumption,” V Int. Jt. Conf. Environ. Light

Ind. Technol., no. November, pp. 11–18, 2015.

B. R. Noviadji, “Desain Kemasan Tradisional Dalam Konteks Kekinian,”

Artika, vol. 1, no. 1, pp. 10–21, 2015, doi: 10.34148/artika.v1i1.24.

F. Abdullah, “Analisis Pengambilan Keputusan Dengan Menggunakan

Kansei Engineering Dan Technique for Order Preference By Similarity To

Ideal Solution (Topsis) (Study Kasus Pemilihan Sepeda Motor Yamaha),”

Naratif J. Nas. Riset, Apl. dan Tek. Inform., vol. 2, no. 1, pp. 16–23, 2020.

Y. Hu and K. Yan, “Convolutional Neural Network Models Combined with

Kansei Engineering in Product Design,” Comput. Intell. Neurosci., vol.

, 2023.

A. A. Hania, “Mengenal Artificial Intelligence, Machine Learning, & Deep

Learning,” J. Teknol. Indones., vol. 1, no. June, pp. 1–6, 2017, [Online].

L. Amanda, F. Yanuar, and D. Devianto, “Uji Validitas dan Reliabilitas

Tingkat Partisipasi Politik Masyarakat Kota Padang,” J. Mat. UNAND, vol.

, no. 1, p. 179, Jul. 2019, doi: 10.25077/jmu.8.1.179-188.2019.

T.-C. Wang and Y. T. H. Pham, “An Application of Cluster Analysis Method

to Determine Vietnam Airlines’ Ground Handling Service Quality

Benchmarks,” J. Adv. Transp., vol. 2020, pp. 1–13, May 2020.

M. Ahmed, R. Seraj, and S. M. S. Islam, “The k-means algorithm: A

comprehensive survey and performance evaluation,” Electron., vol. 9, no. 8,

pp. 1–12, 2020, doi: 10.3390/electronics9081295.

R. R. Putra and C. Wadisman, “Implementasi Data Mining Pemilihan

Pelanggan Potensial Menggunakan Algoritma K Means,” INTECOMS J. Inf.

Technol. Comput. Sci., vol. 1, no. 1, pp. 72–77, 2018.

C. Andrade, “The Inconvenient Truth About Convenience and Purposive

Samples,” Indian J. Psychol. Med., vol. 43, no. 1, pp. 86–88, 2021.

N. R. Triana, “Aplikasi Mono-Diasilgliserol dari Fully Hydrogenated Palm

Kernel Oil Sebagai Emulsifier untuk Margarin,” Mutu Pangan, vol. 1, no. 2,

pp. 137–144, 2014, [Online].

S. Yana, “Analisis pengendalian mutu produk roti pada Nusa Indah Bakery

Kabupaten Aceh Besar,” Malikussaleh Ind. Eng. J., vol. 4, no. 1, pp. 17–23,

, [Online].

L. Xue, X. Yi, and Y. Zhang, “Research on optimized product image design

integrated decision system based on Kansei engineering,” Appl. Sci., vol. 10,

no. 4, 2020, doi: 10.3390/app10041198.

H. A. Hasibuan, “Reviu Jenis, Aspek Perlindungan dan Migrasi Bahan

Kemasan dalam Pengemasan Minyak Nabati (Review of Types, Protection

Aspects, and Migration of Packaging Materials in Packaging of Vegetable

Oil),” J. Pangan, vol. 29, no. 3, pp. 243–252, 2021.

M.-Y. Wu and Y.-H. Chen, “Factors affecting consumers’ cognition of food

photos using Kansei engineering,” Food Sci. Technol., vol. 42, p. e38921,

X. Kang, “Aesthetic product design combining with rough set theory and

fuzzy quality function deployment,” J. Intell. Fuzzy Syst., vol. 39, no. 1, pp.

–1146, 2020.

M. Nagamachi, Kansei/affective engineering. CRC press, 2016.

H. Huicong and L. Wen-Feng, “Design specification representation for

intelligent product appearance design,” E3S Web Conf., vol. 179, pp. 1–6,

, doi: 10.1051/e3sconf/202017902004.

Lamatinulu, “Packaging Design Concepts as Attributes of Product

Diversification Using Kansei Engineering Approach in SMEs Scale Cocoa

Industry in South Sulawesi,” Int. J. Innov. Sci. Res. Technol., vol. 6, no. 11,

pp. 81–84, 2021, [Online].

D. Dermawan, M. Qurthuby, D. Denur, and H. Ali Ardi, “Redesign Kemasan

Keripik Singkong Menggunakan Kansei Engineering,” J. Tek. Ind.

Terintegrasi, vol. 6, no. 1, pp. 14–26, 2023, doi: 10.31004/jutin.v6i1.14071.

D. Kodžoman, A. Hladnik, A. P. Čuden, and V. Čok, “Assessment and

Semantic Categorization of Fabric Visual Texture Preferences,” Autex Res.

J., vol. 0, 2022.

H. Taherdoost, “What Is the Best Response Scale for Survey and

Questionnaire Design; Review of Different Lengths of Rating Scale /

Attitude Scale / Likert Scale,” Int. J. Acad. Res. Manag., vol. 8, no. 1, pp.

–1747, 2019, [Online].

C. Themistocleous, A. Pagiaslis, A. Smith, and C. Wagner, “A comparison

of scale attributes between interval-valued and semantic differential scales,”

Int. J. Mark. Res., vol. 61, no. 4, pp. 394–407, 2019.

B. Darma, Statistika Penelitian Menggunakan SPSS (Uji Validitas, Uji

Reliabilitas, Regresi Linier Sederhana, Regresi Linier Berganda, Uji t, Uji

F, R2). Guepedia, 2021.

N. P. Sari, Perencanaan dan Pengembangan Kemasan: Kansei Engineering.

PNJ Press, 2019. [Online]. Available: https://press.pnj.ac.id/?p=518

M. Sumadyo and L. Purwantini, “Penilaian Kemampuan Metakognitif Siswa

Sma Dengan Menggunakan Algoritma K-Means,” in Seminar Nasional

Energi & Teknologi (SINERGI), 2018, pp. 81–88.

D. D. C. Nugraha, Z. Naimah, M. Fahmi, and N. Setiani, “Klasterisasi Judul

Buku dengan Menggunakan Metode K-Means,” Semin. Nas. Apl. Teknol.

Inf. Yogyakarta, vol. 21, no. 1, pp. 1907–5022, 2014, [Online].

Downloads

Published

2024-01-09