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.
