HYBRID KANSEI ENGINEERING BERBASIS KECERDASAN BUATAN DALAM PENGEMBANGAN KEMASAN

Kualitas kemasan perlu diperhatikan oleh seluruh produsen termasuk perusahaan besar. Sayangnya, masih terdapat kemasan yang kurang memuaskan bagi konsumen, salah satunya kemasan margarin. Kemasan margarin masih dianggap belum sesuai oleh 71,1 persen konsumen karena tidak higienis, tidak praktis, dan sulit digunakan. Hal tersebut mengurangi kenyamanan konsumen sehingga pengembangan perlu dilakukan untuk meningkatkan kualitas kemasan. Penelitian ini bertujuan untuk menganalisis konsep dan elemen kemasan baru berdasarkan emosional konsumen, merancang mockup hasil implementasi konsep dan elemen desain baru, serta mengevaluasi rancangan yang diusulkan. Hybrid Kansei Engineering System (HKES) diterapkan karena dapat secara efektif menggambarkan kebutuhan konsumen. Hierarchical Agglomerative Clustering (HAC) dan algoritma K-Means membantu dalam analisis 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. Long Short-Term Memory (LSTM) Neural Networks memprediksi elemen kemasan sesuai dengan konsep. LSTM adalah artificial intelligence (AI) yang dapat mengingat inti informasi dan membuang informasi yang tidak berguna. Convolutional Neural Networks (CNN) yang merupakan AI dengan algoritma pembelajaran terbaik dalam image processing mengevaluasi rancangan kemasan pada tahap backward KES. Hasil analisis menunjukkan "Disposable" sebagai konsep desain kemasan. Elemen hasil prediksi adalah flip-top lid shape, connection neck shape, pouch body shape, minimalist design type, hand-drawn illustration, monochrome-white color type, dan bottom view label. Hasil evaluasi menunjukkan keselarasan dengan hasil prediksi. Penelitian ini tidak hanya membantu dalam desain dan pengembangan kemasan tetapi juga memberikan ide dan metodologi penelitian untuk memenuhi kebutuhan persepsi konsumen.