EKSTRAKSI INFORMASI BERBASIS TRANSFORMERS PADA PRODUK PANGAN OLAHAN TERKEMAS UNTUK DETEKSI KANDUNGAN BAHAN MAKANAN

Alergen merupakan hal yang perlu dihindari oleh penderita alergi sebab reaksi
alergi terparahnya, anafilaksis, dapat mengakibatkan kematian. Di Indonesia,
sebanyak 21,94% dari pengeluaran penduduk dan 32,00% dari pengeluaran
wisatawan mancanegara dialokasikan untuk kategori pangan. Oleh karena itu,
implementasi Peraturan Badan Pengawas Obat dan Makanan (BPOM) Nomor 31
Tahun 2018 tentang pelabelan pangan olahan perlu ditegakkan guna menjamin
perlindungan konsumen terhadap risiko alergen. Meskipun demikian, sangat
disayangkan bahwa masih ada sejumlah individu yang belum menyadari
pentingnya informasi mengenai alergen, yang pada akhirnya dapat menimbulkan
risiko kesehatan bagi dirinya sendiri maupun orang di sekitarnya. Dalam penelitian
ini, penulis mengembangkan arsitektur OCR-free document understanding
transformer (Donut) pada dataset kemasan produk olahan yang diperoleh melalui
proses scraping pada situs Alfagift dan Open Food Facts untuk tugas ekstraksi
informasi, kemudian mengintegrasikannya dengan fuzzy string matching untuk
mengidentifikasi kandungan alergen dalam komposisi produk olahan berdasarkan
hasil ekstraksi informasi dan data alergen. Model ekstraksi informasi yang telah
dikembangkan menunjukkan tingkat akurasi sebesar 98,7% dan skor F-1 sebesar
93,2%. Lebih lanjut lagi, sistem deteksi alergen yang dihasilkan menunjukkan
kinerja yang sangat baik dengan tingkat akurasi mencapai 99,35%. Hasil ini
mengindikasikan bahwa metode yang digunakan berhasil mendeteksi alergen dan
dapat dijadikan sebagai dukungan langkah preventif dalam upaya menghindari
potensi reaksi alergi pada produk pangan olahan terkemas.
Kata kunci: Deteksi Alergen, Document understanding transformer (Donut),
Ekstraksi informasi, Produk olahan terkemas, Scraping