SISTEM KLASIFIKASI KANDUNGAN GULA PADA PRODUK MAKANAN DAN MINUMAN KEMASAN BERBASIS ALGORITMA K-NEAREST NEIGHBOR(KNN)

Abstract

Konsumsi gula berlebih dari makanan dan minuman kemasan berkontribusi terhadap meningkatnya kasus obesitas dan diabetes melitus tipe 2 di Indonesia. Rendahnya literasi gizi menyebabkan informasi pada label produk sulit dipahami. Penelitian ini bertujuan merancang sistem klasifikasi kandungan gula untuk membantu konsumen memahami informasi gizi secara lebih mudah. Metode yang digunakan adalah algoritma K-Nearest Neighbor (KNN) dengan dataset dari Open Food Facts, menggunakan atribut energi, gula, karbohidrat, lemak, dan protein. Tahapan penelitian meliputi preprocessing data, pemilihan fitur, serta pembagian data menggunakan train-test split dan cross-validation. Hasil penelitian menunjukkan bahwa sistem mampu mengklasifikasikan produk ke dalam tiga kategori, yaitu rendah, sedang, dan tinggi. Evaluasi model menunjukkan akurasi sebesar 96%, yang menandakan performa model sangat baik. Sistem kemudian diimplementasikan dalam bentuk prototype berbasis web. Sistem ini diharapkan dapat membantu meningkatkan pemahaman masyarakat terhadap informasi gizi dan mendukung pemilihan produk yang lebih sehat.