Dengan menggunakan model ANN, perusahaan dapat menghemat waktu dan biaya yang biasanya dikeluarkan untuk uji coba produk di pasar. Selain itu, kemampuan untuk memprediksi preferensi konsumen dengan lebih tepat juga memungkinkan perusahaan untuk fokus pada pengembangan produk yang lebih sesuai dengan kebutuhan target pasar, khususnya generasi muda. Dengan tingkat kegagalan produk baru yang dilaporkan mencapai 70-80%, model ini dapat membantu mengurangi angka tersebut dan meningkatkan peluang kesuksesan produk di pasar.
Secara keseluruhan, penelitian ini membuktikan bahwa integrasi ANN dan Kansei Engineering bukan hanya relevan, tetapi juga esensial dalam era digital saat ini, di mana data besar dan analitik memainkan peran penting dalam pengambilan keputusan bisnis. Pendekatan ini tidak hanya memberikan kontribusi terhadap teori evaluasi produk, tetapi juga menawarkan solusi praktis yang dapat langsung diterapkan di industri.
Referensi
Alfiani, R. N., Ushada, M., Ainuri, M., & Falah, M. A. F. (2024). Modeling consumer overall acceptance for traditional spice-based ready-to-drink using artificial neural network and Kansei engineering. International Journal on Advanced Science, Engineering and Information Technology, 14(4), 1175-1184. https://doi.org/10.18517/ijaseit.14.4.19314
Baca konten-konten menarik Kompasiana langsung dari smartphone kamu. Follow channel WhatsApp Kompasiana sekarang di sini: https://whatsapp.com/channel/0029VaYjYaL4Spk7WflFYJ2H
