Perpustakaan Digital ITB

Dalam kerangka Food Risk Analysis, informasi yang transparan merupakan komponen krusial sebagai bagian dari Risk Communication. Namun, kurangnya transparansi informasi alergen di kantin universitas menjadi risiko kesehatan bagi mahasiswa dan tenaga didik kampus. Studi kasus di kantin kampus ITB Ganesha menunjukkan 83.1% pengunjung tidak mengetahui kandungan makanan yang dikonsumsi. Penelitian ini bertujuan untuk menjembatani kesenjangan tersebut dengan mengembangkan modul komputasi sebagai tahapan Risk Assessment untuk identifikasi bahaya alergen makanan. Merujuk pada peraturan EU 1169/2011 yaitu kewajiban penerapan regulasi pencantuman label 14 kategori alergen pada makanan kemasan dan non-kemasan, penelitian ini merancang dan membangun sebuah sistem deteksi alergen berbasis machine learning untuk diintegrasikan ke platform Smart Canteen. Dengan mengadopsi metodologi DSRM dan CRISP-DM, sebuah model klasifikasi multi-label dikembangkan dengan algoritma Random Forest dan strategi One-vs-Rest untuk mengidentifikasi 14 alergen utama dengan kinerja solid pada data uji, direpresentasikan oleh F1-score Weighted sebesar 0,88 dan ROC AUC 0,98. Tantangan kesenjangan linguistik antara data latih diatasi dengan implementasi kamus pemetaan manual yang kontekstual dipadukan dengan layanan translasi otomatis. Studi kualitatif menunjukkan bahwa sistem memiliki akurasi yang kompetitif (F1-score 0,77) dan lebih efisien dengan kecepatan pemrosesan 20 kali lebih tinggi. Validasi dengan Guru Besar dari Sekolah Farmasi ITB lebih lanjut memperkaya analisis mengenai batasan dan fitur tambahan kontekstual. Kesimpulan dari penelitian tugas akhir ini memvalidasi bahwa sistem yang diusulkan merupakan solusi teknis yang layak dan praktis sebagai alat bantu pra-penyaringan yang efisien bagi pengelola kantin.