Klasifikasi Kategori Sertifikasi Halal Self Declare dan Reguler pada Badan Penyelenggara Jaminan Produk Halal Berdasarkan Deskripsi Nama Bahan

Rahmawati, Annisa (2023) Klasifikasi Kategori Sertifikasi Halal Self Declare dan Reguler pada Badan Penyelenggara Jaminan Produk Halal Berdasarkan Deskripsi Nama Bahan. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06211940000035_Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (1MB) | Request a copy

Abstract

Sertifikasi halal didefinisikan sebagai pengakuan kehalalan suatu produk yang dikeluarkan oleh BPJPH berdasarkan fatwa tertulis yang dikeluarkan oleh Majelis Ulama Indonesia. Permasalahan muncul pada Badan Penyelenggara Jaminan Produk Halal (BPJPH) ketika melaksanakan program sertifikasi halal gratis SEHATI 2022 yaitu bahan pada produk yang diajukan terkadang tidak sesuai dengan kategori self declare dan beberapa kendala klasifikasi manual yang memakan waktu lama. Pada Badan Penyelenggara Jaminan Produk Halal pengajuan sertifikasi yang diajukan oleh pelaku usaha digolongkan menjadi dua, yakni jalur reguler dan jalur self declare. Jalur reguler ini diperuntukkan bagi pelaku usaha Mikro, Kecil, Menengah dan Besar. Sedangkan jalur self declare diperuntukkan bagi pelaku usaha Mikro dan Kecil. Pada penelitian ini akan menggunakan metode Support Vector Machine (SVM) dan metode klasifikasi Naïve Bayes (NBC) untuk mengklasifikasikan jenis sertifikasi data pengajuan sertifikasi halal SEHATI 2022 pada Badan Penyelenggara Jaminan Produk Halal Indonesia. Pada penelitian ini berdasarkan perbandingan metode SVM dan NBC didapatkan bahwa metode SVM dengan Kernel RBF memiliki ketepatan klasifikasi yang lebih baik dibandingkan dengan Metode NBC. Kriteria jalur sertifikasi halal terbanyak dari program SEHATI 2022 yang didaftarkan terdapat pada kategori self declare dengan jumlah sebanyak 102080 deskripsi daftar bahan dan kategori reguler dengan total data sebanyak 7760 deskripsi daftar bahan. Pada penelitian ini berdasarkan perbandingan metode SVM dan NBC didapatkan bahwa metode SVM dengan Kernel RBF memiliki ketepatan klasifikasi yang lebih baik dibandingkan dengan Metode NBC.
===============================================================================================================================
Halal certification is a recognition of a product's halal status issued by the BPJPH based on a fatwa from the Indonesian Ulema Council. However, the SEHATI 2022 free halal certification program at the Halal Product Guarantee Agency faces challenges such as ingredient discrepancies in submitted products and manual classification obstacles that cause delays. The certification process at the agency is divided into two paths: regular and self-declaration, catering to different business sizes. This research uses two classification methods, Support Vector Machine (SVM) and Naive Bayes (NBC), to categorize SEHATI 2022 halal certification applications. The criteria for the most abundant halal certification path from the SEHATI 2022 program are found in the self-declare category with a total of 102080 ingredient description listings and the regular category with a total of 7760 ingredient description listings. The study found that SVM with RBF Kernel has higher accuracy than NBC.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Sertifikasi halal, reguler, self declare, SVM, Naïve Bayes, halal certification
Subjects:	H Social Sciences > HD Industries. Land use. Labor > HD108 Classification (Theory. Method. Relation to other subjects ) Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines.
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User:	Annisa Rahmawati
Date Deposited:	30 Aug 2023 05:26
Last Modified:	30 Aug 2023 05:26
URI:	http://repository.its.ac.id/id/eprint/104599

Actions (login required)

View Item