PENGEMBANGAN DESAIN KEMASAN PRODUK JAMU UMKM BERDASARKAN PREFERENSI KONSUMEN MENGGUNAKAN METODE KANSEI ENGINEERING

Jamu merupakan obat tradisional herbal yang dikenal luas oleh masyarakat Indonesia, fenomena minum jamu muncul pada awal tahun 2020 saat COVID-19 muncul di Indonesia, fenomena ini dapat dijadikan peluang produsen dalam meraih keuntungan. Namun, pelaku home industry jamu pada umumnya mengemas produk menggunakan botol dengan label kemasan yang terkesan sangat sederhana dan kurang menarik, salah satunya pada UMKM Bregas. Tujuan dari penelitian ini yaitu untuk meracang kemasan baru produk UMKM Jamu Bregas berdasarkan kebutuhan konsumen. Pemenuhan kebutuhan konsumen dapat dilakukan dengan metode Kansei Engineering, yang kerap diartikan sebagai teknologi penerjemah perasaan konsumen. Penelitian ini diawali dengan melakukan survei kata Kansei hingga didapatkan 30 kata Kansei hasil ekstraksi. Kata tersebut dilakukan evaluasi dengan 30 sampel kemasan dan diolah menggunakan metode Principal Component Analysis (PCA). Output PCA menghasilkan 1 komponen utama yang dapat dipertahankan berdasarkan 4 kriteria pemilihan komponen utama yaitu pada KU ke-1. Pada hasil persebaran Kansei Word yang dilakukan menghasilkan 2 pasang konsep kemasan yaitu konsep “Praktis-Atraktif”. Konsep tersebut kemudian dilakukan evaluasi untuk mendapatkan elemen desain terpilih menggunakan identifikasi morfologi yang dilakukan bersama pakar kemasan dan desain. Data evaluasi diolah menggunakan metode Neural Network (NN) dan menghasilkan elemen desain terpilih dengan konsep paling positif yaitu “Atraktif” dengan elemen kemasan Top Press On (X1.2), Neck Straight (X2.1), Body Oblong (X3.3), Volume Small (X5.1), Material Glass (X6.2), Label Un-Informative (X7.3), Color Warm (X8.1), Typograpy Sans-Serif (X9.2) dan Image Illustrasi (X10.1). Hasil dari elemen desain digunakan sebagai acuan dalam membuat desain kemasan dan mock up, dengan persentase penerimaan konsumen sebesar 90%.

Kata kunci: Desain Kemasan, Kansei Engineering, Neural Network (NN), Principal Component Analysis (PCA).