Sistem Klasifikasi Kandungan Gula pada Produk Makanan dan Minuman Kemasan Berbasis Algoritma K-Nearest Neighbor (KNN)

Abstract

Konsumsi gula berlebih dari produk makanan dan minuman kemasan menjadi salah satu faktor meningkatnya kasus obesitas dan diabetes melitus tipe 2 di Indonesia. Rendahnya literasi gizi masyarakat menyebabkan informasi nilai gizi pada label produk sulit dipahami sehingga konsumen kesulitan menilai tingkat kandungan gula suatu produk. Penelitian ini bertujuan merancang sistem klasifikasi kandungan gula pada produk makanan dan minuman kemasan menggunakan algoritma K-Nearest Neighbor (KNN). Dataset yang digunakan berasal dari Open Food Facts dengan atribut nilai gizi seperti energi, gula, karbohidrat, lemak, dan protein. Proses penelitian meliputi data preprocessing, pemilihan fitur, serta pembagian data menggunakan metode train-test split atau cross-validation. Hasil klasifikasi membagi produk ke dalam tiga kategori kandungan gula yaitu rendah, sedang, dan tinggi. Hasil evaluasi menunjukkan bahwa algoritma KNN mampu mengklasifikasikan tingkat kandungan gula dengan performa yang baik dan sistem diimplementasikan dalam bentuk prototype berbasis web.

GS Cited Analysis