PENDEKATAN MODEL GENERATIF PADA MACHINE LEARNING UNTUK INDIKASI GEOGRAFIS (IG) MADU LEBAH STINGLESS BERBASIS FLUORESENSI

Abstract

Madu merupakan bahan pangan yang dibutuhkan manusia untuk mempertahankan kebutuhan nutrisi dan vitamin dalam tubuh. Manusia dapat memanfaatkan madu baik dikonsumsi secara langsung maupun menjadi campuran bahan makanan lain. Petani madu atau pembudidaya lebah memproduksi madu asli atau langsung dari sarang lebah, kemudian dipasarkan ke perdagangan komersial. Masyarakat dihadapkan pada potensi manipulasi produk madu antara lain terjadinya pemalsuan yang diproduksi tanpa memiliki mekanisme yang jelas dan hanya berfokus pada keuntungan. Peluang kehadiran sebuah inovasi di sisi hilir dapat membantu secara signifikan dalam pemenuhan kebutuhan produk madu berjenis stingless yang terjaga kemurniannya. Standarisasi produk madu, terutama jenis madu lebah tanpa sengat belum dilakukan oleh pihak berwenang di Indonesia. Oleh karena itu, Indikasi Geografis (IG) yang merupakan identitas dari sebuah produk dengan karakteristik spesifik, dalam membedakan satu jenis madu lebah tanpa sengat dari karakteristik produk yang lebih spesifik dan belum dilakukan standarisasi. Hal ini menjadi penting sebagai identitas suatu produk yang setiap wilayah dapat juga memproduksi madu dari jenis lebah, vegetasi dan asal geografis yang berbeda. Akan tetapi, pasar di Indonesia masih sangat memerlukan edukasi terkait hal tersebut. Selain itu IG menjadi salah satu tahap awal sebuah produk madu dengan kualitas kemurnian yang memiliki standar nilai yang lebih spesifik. Berdasarkan permasalahan tersebut, objek penelitian ini menggunakan madu dari lebah stingless, dengan alasan memiliki nilai jual yang lebih tinggi dari madu pada umumnya. Berdasarkan hasil penelusuran literatur, penelitian ini memiliki tujuan untuk membangun dataset dan model klasifikasi IG madu dari lebah stingless untuk memudahkan pengujian kualitas, mendukung pemasaran yang diterima masyarakat sehingga membantu peningkatan konsumsi madu lebah stingless di Indonesia. Spektroskopi berjenis ultraviolet (UV) berbasis fluoresensi dengan rentang panjang gelombang 357-750 nm dikolaborasikan dengan data hasil uji klinis berdasarkan 6 (enam) parameter standar SNI 8664:2018 yaitu nilai enzim diastase, hydroxymethylfurfural (HMF), persentase gula reduksi, sukrosa, keasaman, dan kadar air untuk menghasilkan dataset terakuisisi. Kebaruan dalam penelitian ini adalah akuisisi dataset dengan mengimplementasikan teknik imputasi data kosong (missing data) atau data tidak seimbang (imbalanced data). selanjutnya data spektrum terakuisisi dilakukan seleksi fitur dengan metode analisis korelasi Pearson antara fitur data spektrum dan data hasil uji klinis. Dataset yang telah diseleksi, pada tahap selanjutnya dilakukan reduksi dimensi dengan algoritma Probability Principal Component Analysis (PPCA) dibahas sebagai salah satu jenis algoritma dengan pendekatan model generatif, dan sebagai penentuan nilai pendugaan (likelihood) terdekat digunakan algoritma Expectation Maximization (EM) untuk mendapatkan keterwakilan fitur utama dari seluruh fitur data spektrum yang terseleksi. Pendekatan model generatif dengan algoritma PPCA dan EM diusulkan menjadi alternatif solusi dari permasalahan yang dimiliki model diskriminan. Sebagai acuan klasterisasi dari hasil pra-proses tersebut dihasilkan Skor Silhouette (SS) adalah 0,64. Model klasifikasi IG dibangun dengan menggunakan algoritma machine learning, kemudian dilakukan perbandingan akurasi dan performa kinerja model yang diterapkan dengan beberapa algoritma klasifikasi populer seperti Support Vector Machine (SVM), Random Forest (RF), K-Nearest Neighbor (KNN) dan Naïve Bayes (NB). Akurasi terbaik 98,75% dihasilkan oleh algoritma klasifikasi NB dengan nilai presisi 0,9917 dan recall 0,9762 dalam waktu komputasi (runtime) 1,702ms. Pemodelan klasifikasi IG produk madu dari lebah stingless yang diperoleh dengan nilai akurasi dan performa terbaik, dilengkapi dengan hasil penyusunan karakteristik informasi kualitas madu, hasil uji klinis dominan dan nilai spektrum yang mendeteksi kandungan klinis dominan. Solusi yang berfokus pada area hilir ini hingga menerapkan model klasifikasi IG menjadi prototipe aplikasi bergerak dalam platform android. Hal tersebut diharapkan dapat memberikan kontribusi nyata dan tepat guna untuk meningkatkan kepercayaan masyarakat pada kualitas sebuah madu. Secara tidak langsung tantangan yang dihadapi para pembudidaya berkurang seiring meningkatnya konsumsi madu jenis ini. Sehingga pemerintah dapat merespon dengan pengelolaan standarisasi kualitas kemurnian madu secara nasional.