Syavina, Syavina (2025) DETEKSI ALERGEN PADA LABEL MAKANAN DENGAN EKSTRAKSI TEKS OPTICAL CHARACTER RECOGNITION DAN GRADIENT BOOSTING. S1 thesis, UNIVERSITAS MALIKUSSALEH.

	Text Cover.pdf Download (44kB)
	Text Abstrak.pdf Download (11kB)
	Text Bab I.pdf Download (20kB)
	Text Daftar Pustaka.pdf Download (146kB)
	Text Full-Text.pdf Restricted to Registered users only Download (8MB)

Abstract

Label makanan memiliki peran penting dalam memberikan informasi kepada konsumen, khususnya bagi individu yang memiliki alergi terhadap bahan-bahan tertentu. Namun, format dan tata letak label yang bervariasi seringkali menyulitkan konsumen dalam mengidentifikasi kandungan alergen secara cepat dan akurat. Penelitian ini bertujuan untuk membangun sebuah sistem berbasis website yang dapat secara otomatis mengekstraksi informasi alergen dan e-code dari label makanan menggunakan teknologi Optical Character Recognition (OCR) serta mengklasifikasikannya dengan algoritma Gradient Boosting. Sistem ini memungkinkan pengguna untuk mengunggah gambar label atau menggunakan fitur live capture dari perangkat yang kompatibel. Teks yang berhasil diekstraksi kemudian diproses dan dianalisis untuk mendeteksi adanya bahan alergen dan e-code yang teridentifikasi. Gradient Boosting dipilih sebagai metode klasifikasi karena kemampuannya dalam meningkatkan kinerja prediksi melalui pendekatan ansambel. Hasil pengujian menunjukkan bahwa sistem ini mampu mencapai akurasi sebesar 85%, dengan F1-Score sebesar 87%, precision 90%, dan recall 93,3%. Capaian ini menunjukkan bahwa sistem dapat bekerja secara efektif dalam mendeteksi bahan-bahan alergen pada label makanan. Dengan adanya sistem ini, diharapkan konsumen dapat lebih cepat dan aman dalam memilih produk makanan yang sesuai, sekaligus memberikan kontribusi pada pengembangan teknologi kecerdasan buatan di bidang pengolahan teks berbasis citra.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Syavina Syavina
Date Deposited:	29 Oct 2025 02:50
Last Modified:	29 Oct 2025 02:50
URI:	https://rama.unimal.ac.id/id/eprint/16866

Actions (login required)

View Item