Deteksi Dini Titik Kritis Halal Bahan Pangan Mikrobial Sebagai Penilaian Mandiri Umkm Menuju Sertifikasi Halal.

Kinanggit, Fara Dinda Mutia (2022) Deteksi Dini Titik Kritis Halal Bahan Pangan Mikrobial Sebagai Penilaian Mandiri Umkm Menuju Sertifikasi Halal. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 051118400000112-Undergraduate_thesis.pdf Restricted to Repository staff only Download (2MB)

Abstract

Populasi Muslim diperkirakan akan mencapai 26% dari total populasi dunia pada tahun 2030. Makanan yang bersertifikasi halal menjadi suatu hal yang penting bagi Muslim karena halal merupakan suatu gaya hidup dan kewajiban yang harus dipegang teguh oleh semua umat Muslim. Indonesia sebagai negara dengan populasi Muslim terbesar di dunia seharusnya mempunyai kesempatan menjadi yang terdepan dalam bisnis produk makanan bersertifikat halal. Namun, berdasarkan data statistik, usaha produk makanan yang terdaftar sertifikasi halal di Indonesia hanya berkisar 0,11% jika dibandingkan dengan keseluruhan jumlah UMKM. Hal ini salah satunya disebabkan karena kebanyakan UMKM masih awam dengan proses sertifikasi halal. Proses sertifikasi halal salah satunya melibatkan proses penelusuran kehalalan setiap bahan-bahan kritis yang digunakan dalam pembuatan produk makanan. Dalam rangka membantu memudahkan UMKM mempersiapkan produk pangan bersertifikat halal, diajukan sebuah sistem penilaian mandiri yang dapat mendeteksi secara dini apakah produk makanan dibuat dari bahan-bahan mikrobia yang halal. Pemodelan proses bisnis yang digunakan dalam membuat model penelusuran kehalalan produk makanan mikrobial dilakukan dengan menggunakan perangkat lunak business process management (BPM) ProcessMaker. Model klasifikasi dibuat dengan tiga jenis classifier, yaitu Decision Tree, Random Forest, dan SVM. Di antara ketiga model klasifikasi tersebut kemudian dipilih classifier paling optimal yang tepat digunakan untuk melakukan prediksi. Deteksi dini penelusuran titik kritis halal bahan mikrobial dilakukan dengan melakukan pengujian pada data penelusuran titik kritis mikrobial yang dibuat secara tidak lengkap. Dari proses deteksi dini tersebut dapat diketahui di mana sumber ketidakhalalan terjadi melalui nilai status halal yang dimiliki oleh setiap aktivitas penelusuran. Berdasarkan evaluasi hyperparameter didapatkan nilai rata-rata akurasi pengujian data testing tertinggi sebesar 99,44% yang dihasilkan dari jenis classifier Decision Tree dan SVM. Sementara itu, performa model klasifikasi paling optimal dihasilkan dari klasifikasi yang dilakukan dengan metode Random Forest dan SVM. Dengan demikian, SVM dipilih sebagai classifier yang tepat dalam melakukan prediksi titik kritis halal mikrobial. Deteksi dini pada data penelusuran baru yang terdiri dari lima produk mikrobial berbeda menunjukkan bahwa ketiga model berhasil memprediksi seluruh skenario uji coba dengan tepat.
==============================================================================================================================
The Muslim population is expected to reach 26% of the world's total population by 2030. Halal-certified food is an important thing for Muslims because halal is a lifestyle and an obligation that must be adhered to by all Muslims. Indonesia as a country with the largest Muslim population in the world should have the opportunity to be at the forefront of the halal-certified food product business. However, based on statistical data, food product businesses registered with halal certification in Indonesia are only around 0.11% when compared to the total number of MSMEs. This is partly because most MSMEs are still unfamiliar with the halal certification process. One of the halal certification processes involves tracing the halalness of each critical ingredient used in the manufacture of food products. In order to help make it easier for MSMEs to prepare halal-certified food products, a self-assessment system is proposed that can detect early whether food products are made from halal microbial ingredients. The business process modeling used in making the traceability model of microbial food product halal is done using ProcessMaker business process management (BPM) software. The classification model is made with three types of classifiers, namely Decision Tree, Random Forest, and SVM. Among the three classification models, the most optimal classifier is then selected that is appropriate for making predictions. Early detection of microbial critical point tracing is carried out by testing the incomplete microbial critical point tracing data. From the early detection process, it can be seen where the source of non-halal occurs through the value of the halal status owned by each tracking activity. Based on the hyperparameter the highest average of testing data accuracy value was 99.44% resulting from the classifier Decision Tree and SVM. Meanwhile, the most optimal performance of the classification model was obtained from the classification carried out using the Random Forest and SVM methods. Thus, SVM was chosen as classifier in predicting the microbial halal critical point. Early detection of the new tracing data consisting of five different microbial products showed that the three models successfully predicted all test scenarios correctly.

Item Type:	Thesis (Other)
Additional Information:	RSIf 006.2 Kin d-1 2022
Uncontrolled Keywords:	decision tree, deteksi dini, halal, mikrobial, processmaker, titik kritis. decision tree, early detection, halal, microbial, processmaker, critical point.
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	26 May 2026 03:49
Last Modified:	26 May 2026 03:49
URI:	http://repository.its.ac.id/id/eprint/133432

Actions (login required)

View Item