Deteksi Bakteri Pada Produk Makanan Kemasan Menggunakan Algoritma Naïve Bayes

Authors

  • Evy Priyanti Universitas Bina Sarana Informatika

DOI:

https://doi.org/10.31294/imtechno.v2i1.147

Abstract

Produk kemasan merupakan salah satu hal penting yang harus diperhatikan. Dengan pengemasan yang baik maka produk yang ada akan terjaga kualitasnya. Kemasan produk yang baik akan membantu dalam proses pemasaran dan akan meningkatkan pembelian dari konsumen. Penerapan algoritma Naive bayes terbukti dapat mendeksi adanya bakteri dengan nilai akurasi sebesar 80,93%. Tingkat akurasi yang tinggi membuat algoritma naive bayes ini mampu dalam mengurangi kerugian dari produk baik bagi konsumen maupun bagi produsen. Bagi produsen dengan adanya kemasan produk yang baik maka akan menjaga kualitas dari produk dan menambah nilai dari produk itu sendiri dikarenakan akan adanya kepercayaan dari konsumen yang membuat loyalitas tersendiri. Bagi konsumen sendiri akan terhindar dari berbagai macam bakteri yang dapat menyebabkan berbagai macam penyakit yang tentunya tidak diharapkan apalagi untuk produk-produk yang tingkat resikonya besar seperti produk untuk bayi, anak-anak atau lansia yang memerlukan penanganan khusus dalam pengemasan dan pengontrolan produk kemasan yang dijual dipasaran secara bebas

References

Alpaydin, Ethem. (2010). Introduction to Machine Learning. The MIT Press, London UK.

Berson, A., and Smith S. J. (2001). Data Warehousing, Data Mining, & OLAP. New York, NY : McGraw-Hill.

Bevan, Nigel. (1997). Quality and Usability: A New Framework. National Physical Laboratory. UK.

Bustami. (2013). Penerapan Algoritma Naive Bayes Untuk Mengklasifikasi Data Nasabah Asuransi, TECHSI : Jurnal Penelitian Teknik Informatika, Vol. 3, No.2, Hal. 127-146.

F. Gorunescu. (2011). Data Mining Concepts, Models and Techniques. Chennai, India: Springer.

Han,J & Kamber, Micheline. (2007). Data Mining Concepts, Models and Techniques. Second Edition, Morgan Kaufmann Publisher. Elsevier.

iict. (2015, january 30). IPB Training. Retrieved from Article, Pangan dan Gizi: https://ipbtraining.com/blog/7-bakteri-patogen-penyebab-keracunan-makanan/

Kadhim, Jehan & Abdulrazzaq, Mohammad (2015). Forecasting USD/IQD Future Values According to Minimum RMSE Rate. Thi_Qar University. pg.271–285.

Keogh, Eamonn, UCR. (2006). Pattern Recognition and Machine Learning, Christopher Bishop, Springer-Verlag.

Kusrini and E. T. Luthfi. (2009). Algoritma Data Mining, 1st ed. Yogyakarta, Indonesia: Andi.

Rahayu WP, Nurwitri C. 2012. Mikrobiologi Pangan. Bogor: IPB Press http://www.pom.go.id/new/index.php/view/pers/249/Penjelasan-Badan-POM-Mengenai-Produk-yang-Diduga-Terkontaminasi-Listeria-monocytogenes.html

KajianPustaka. (2016). Kajian Pustaka. Retrieved from Kajian Pustaka: https://www.kajianpustaka.com/2016/10/pengertian-fungsi-tujuan-dan-jenis-kemasan.html

Klimchuk, Marianne dan Sandra A. Krasovec. 2006. Desain Kemasan. Jakarta: Erlangga.

Kotler dan Keller. 2009. Manajemen Pemasaran. Jilid I. Edisi ke 13. Jakarta: Erlangga.

Kotler, Philip. 1999. Manajemen Pemasaran. Jilid II. Edisi Milenium. Jakarta: Prenhallindo.

Rangkuti, Freddy. 2005. Analisis SWOT: Teknik Membedah Kasus Bisnis. Jakarta: Gramedia.

Simamora, Bilson. 2007. Panduan Riset dan Perilaku Konsumen. Jakarta: Gramedia.

Larose, D. (2005). Discovering Knowledge in Data. New Jersey, John Willey & Sons.Inc.

Larose, Daniel T. (2006). Data Mining Methods and Models. Hoboken New Jersey : Jhon Wiley & Sons, Inc.

Liao, Warren. T. & Triantaphyllou. Evangelos. (2007). Recent Advances in Data Mining of Enterprise Data: Algorithms and Applications. Series: Computer and Operation Research. 6. 190.

Louw, A. & Kimber, M. 2007. The Power of Packaging, The Customer Equity Company.

Lim TS, Loh WY, Shih YS. (1999). A comparison of prediction accuracy, complexity, and training time of thirty-three old and new classification algorithms. Kluwer Academic Publishers: Boston.

Maimon, Oded & Rokach, Lior. (2010). Data Mining and Knowledge Discovery Handbook, Springer, New York.

Myatt, Glenn J. (2007). Making sense of data : A Practical Guide to Exploratory data analysis and Data Mining. John Wiley & Sons Inc, New Jersey.

Wiratech. (2018, april 18). Wiratech. Retrieved from Wiratech: https://wiratech.co.id/kemasan/

Published

2021-02-04