Perbaikan desain kantin truk dengan kansei engineering: studi kasus di Institut Teknologi Bandung Kampus Jatinangor

Akhdan, Irfan Fauzan and Yassierli, Yassierli (2024) Perbaikan desain kantin truk dengan kansei engineering: studi kasus di Institut Teknologi Bandung Kampus Jatinangor. In: Prosiding Seminar Nasional Perhimpunan Ergonomi Indonesia (PEI), 8-9 Agustus 2024, Bandung.

[thumbnail of Prosiding_2024_Akhdan Irfan Fauzan_560_572.pdf]
Preview
Text
Prosiding_2024_Akhdan Irfan Fauzan_560_572.pdf - Published Version
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB) | Preview

Abstract

Perkembangan bisnis kuliner yang kian pesat menjadikan kantin di area kampus pun berinovasi dengan menggunakan konsep food truck, termasuk di Kampus Jatinangor, Institut Teknologi Bandung. Desain dan kustomisasi kendaraan berbasis humancentered design memainkan peran kunci dalam menarik pelanggan dan membedakan dari kompetitor. Penelitian ini bertujuan untuk melakukan penyempurnaan pada desain food truck menggunakan desain human experience yang dikombinasikan dengan Principal Component Analysis (PCA) dan K-Means Cluster Analysis. Tahap expert screening menghasilkan 15 Kansei Word dengan enam alternatif desain food truck. Kuesioner disebarkan kepada 32 orang mahasiswa maupun alumni ITB yang pernah mengunjungi kampus Jatinangor. Hasil pengolahan data menggunakan PCA menunjukkan bahwa terdapat 3 komponen utama, yakni komponen pertama (45.283% variansi) direpresentasikan sebagai "Aman dan Enak," komponen kedua (14.382% variansi) sebagai "Ekonomis Terjangkau," dan komponen ketiga (6.908% variansi) sebagai "Mobile Instagrammable”. Hasil berbeda diperoleh dengan metode K-Means Cluster Analysis yakni Komponen 1 tidak memiliki anggota variabel, Komponen 2 berisi variabel seperti "ekonomis," "terjangkau," dan "lokal," dan Komponen 3 mencakup berbagai variabel seperti "unik," "dinamis," "bersih," "aman," "higienis," "ekonomis," "cepat," "terjangkau,""instagrammable," "populer," "mobile," "atraktif," "sehat," dan "enak". Perbedaan hasil antara PCA dan K-Means clustering disebabkan oleh PCA yang menentukan komponen berdasarkan variansi, sedangkan K-Means clustering menggunakan jumlah cluster tetap dari awal, yang dapat menyebabkan komponen kurang optimal dan kesulitan memisahkan data homogen.

Item Type: Conference or Workshop Item (Paper)
Uncontrolled Keywords: Kantin Truk Kansei Word, Principal Component Analysis (PCA), K-Means Cluster Analysis
Subjects: Manufacturing Technology > Engineering Materials
Urban & Regional Technology & Development
Depositing User: Saepul Mulyana
Date Deposited: 19 Feb 2025 01:35
Last Modified: 19 Feb 2025 01:35
URI: https://karya.brin.go.id/id/eprint/52412

Actions (login required)

View Item
View Item