Putri, Marjuniati (2025) ANALISIS KANDUNGAN GIZI BERBASIS MACHINE LEARNING UNTUK PREDIKSI KUALITAS FAST-MOVING CONSUMER GOODS (FMCG) (TA.2.25.009). Diploma thesis, UNIVERSITAS LOGISTIK DAN BISNIS INTERNASIONAL.
Full text not available from this repository.Abstract
Kandungan gizi dalam makanan, terutama kalori yang berasal dari protein, lemak, dan karbohidrat, merupakan faktor penting dalam penilaian kualitas pangan, khususnya di industri Fast Moving Consumer Goods (FMCG). Proses penghitungan kalori secara manual sering kali tidak efisien, terutama pada skala produksi yang besar. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan model prediksi kalori menggunakan teknologi Support Vector Regression (SVR) yang dioptimalkan dengan 9-fold cross-validation dan hyperparameter tuning menggunakan GridSearchCV. Metodologi yang digunakan dalam penelitian ini melibatkan pengumpulan data dari dataset Kaggle, eksplorasi data (EDA), penghapusan outlier, serta pemrosesan data menggunakan teknik Label Encoding dan Standard Scaler. Model SVR dilatih dan dievaluasi dengan menggunakan K- Fold Cross Validation, kemudian dioptimalkan untuk mencari kombinasi parameter terbaik. Tujuan penelitian ini adalah untuk memprediksi kandungan kalori dengan akurasi tinggi serta mengklasifikasikan kualitas makanan berdasarkan grade gizi. Hasil penelitian menunjukkan bahwa model SVR dengan konfigurasi terbaik mencapai R2 Score sebesar 0.996304, menunjukkan akurasi prediksi yang sangat tinggi. Evaluasi model menggunakan metrik MAE, MSE, RMSE, dan R2 menunjukkan bahwa model ini lebih baik dibandingkan dengan model lain seperti Linear Regression, MLP Regressor, Random Forest, dan Decision Tree. Penelitian ini menghasilkan model yang dapat digunakan untuk memberikan informasi yang lebih akurat dan transparan mengenai kualitas makanan di industri FMCG. Penelitian ini menghasilkan Aplikasi menngunakan framework Streamlit, dengan menghasilkan hasil prediksi kalori yang menyertakan hasil grade, yang isinya A,B,C. Kata Kunci: Machine Learning, FMCG, Prediksi Nutrisi, Kalori
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | T Technology > TA Engineering (General). Civil engineering (General) |
| Divisions: | Sekolah Vokasi > Teknik Informatika D4 |
| Depositing User: | PKL TUJUH TUJUH |
| Date Deposited: | 26 Sep 2025 03:18 |
| Last Modified: | 26 Sep 2025 03:18 |
| URI: | http://eprints.ulbi.ac.id/id/eprint/3490 |
Actions (login required)
 |
View Item |
