Pendekatan Data mining untuk Proses Pengembangan Kemasan Matcha dengan Kansei engineering

Tingginya popularitas produk matcha bubuk di platform e-commerce diiringi dengan permasalahan kerentanan fisikokimia dan tingginya keluhan konsumen terkait kemasan rusak, penyok, atau bocor selama pengiriman logistik yang berdampak pada penurunan loyalitas. Guna mengatasi masalah tersebut, penelitian ini bertujuan mengembangkan konsep dan elemen desain fisik kemasan matcha bubuk yang mampu memberikan pelindungan teknis sekaligus memenuhi ekspektasi emosional konsumen menggunakan pendekatan Kansei engineering. Penggalian kebutuhan emosional dilakukan melalui text mining pada ulasan online dan preprocessing teks yang ditransformasikan menjadi data numerik melalui matriks DTM berbobot TF-IDF, untuk selanjutnya diklasterisasi menggunakan algoritma Self-Organizing Maps (SOM) dan Hierarchical clustering. Data persepsi konsumen yang dikumpulkan dari kuesioner Semantic Differential kemudian dianalisis hubungannya dengan atribut morfologi kemasan melalui pemodelan statistik Partial Least Squares Regression (PLSR). Hasil penelitian mengidentifikasi 51 kata Kansei valid yang terkelompok ke dalam lima konsep, dengan konsep "Tangguh" (R-squared 0.738) terpilih sebagai model desain terbaik. Analisis PLSR merumuskan elemen fisik untuk konsep tersebut berupa kemasan Aluminium can atau Pouch gusset bertutup Screw cap, didominasi warna hitam dengan aksen krem, bergaya elegan dengan grafis ilustrasi, dan dicetak menggunakan stiker, yang pada tahap akhir divisualisasikan menjadi mockup 3D. Sebagai rekomendasi lanjutan, konsep desain ini perlu diuji coba secara langsung kepada konsumen serta dievaluasi pada skala produksi industri untuk menganalisis efisiensi biaya secara komprehensif.