Pengembangan Model Deteksi Bahan Berbahaya di Label Komposisi Pada Kemasan Kosmetik Menggunakan Kombinasi NER-OCR
Tahun 2026 · Penulis: Fahmi Firdausal Umam
Faculty of Computer Science, Universitas Jember
Tautan: https://repository.unej.ac.id/handle/123456789/12935
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Penelitian ini bertujuan mengembangkan sistem deteksi bahan berbahaya pada label komposisi kosmetik dengan mengombinasikan Optical Character Recognition (OCR), rule-based Named Entity Recognition (NER), dan algoritma Random Forest. Permasalahan yang melatarbelakangi penelitian ini adalah sulitnya masyarakat mengenali bahan berbahaya pada label kosmetik karena penggunaan istilah ilmiah serta adanya potensi kesalahan pembacaan teks hasil OCR. Pendekatan yang digunakan diawali dengan proses preprocessing citra berupa image resizing dan konversi grayscale untuk meningkatkan kualitas hasil OCR. Teks hasil ekstraksi kemudian diproses menggunakan rule-based NER berbasis gazetteer yang memanfaatkan teknik sliding window, exact matching, dan fuzzy matching untuk menghasilkan kandidat entitas. Selanjutnya, kandidat tersebut divalidasi menggunakan algoritma Random Forest berdasarkan 16 fitur yang merepresentasikan karakteristik kemiripan, struktur penulisan, dan jarak antar string. Dataset penelitian terdiri atas 470 citra label kosmetik, 737 data bahan berbahaya, 216 data bahan yang perlu diwaspadai, serta 7.163 data pelatihan Random Forest. Hasil evaluasi preprocessing menunjukkan penurunan Character Error Rate (CER) dari 13,5% menjadi 7,2% dan Word Error Rate (WER) dari 16,8% menjadi 9,5%. Evaluasi candidate generator berbasis NER menghasilkan precision sebesar 73,39%, recall 100%, dan F1-score 84,66%. Sementara itu, model Random Forest memperoleh accuracy sebesar 78,21% dan F1-score sebesar 83,39%. Pada evaluasi sistem secara end-to-end diperoleh precision sebesar 84,47%, recall sebesar 83,65%, dan F1-score sebesar 84,06%. Hasil tersebut menunjukkan bahwa kombinasi OCR, rule-based NER, dan Random Forest mampu mendeteksi bahan berbahaya pada label komposisi kosmetik secara efektif serta berpotensi mendukung masyarakat dalam mengenali kandungan kosmetik yang berisiko
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,825
Tahun 2026 · Penulis: Dewana Kretarta Lokeswara
Implementasi Model Vision Transformer dalam Klasifikasi Citra Batik Indonesia
Batik merupakan warisan budaya Indonesia yang memiliki nilai seni tinggi dengan beragam motif dari berbagai daerah. Keberagaman ini sering menyulitkan masyarakat dalam mengenali motif batik tanpa pengetahuan sebelumnya. Penelitian terdahulu menunjukkan bahwa C
- Cosine 0,823
Tahun 2025 · Penulis: Fayza Permatasari
Sistem Deteksi Self-Plagiarisme Pada Media Online Berbasis Model Word2vec
Self-plagiarism adalah menyajikan kembali karya tulisnya sendiri yang telah dipublikasikan tanpa mencantumkan sumber asli. Dalam media online, praktik ini sering kali tidak disadari namun dapat berdampak negatif terhadap kredibilitas dan orisinalitas konten be
- Cosine 0,821
Tahun 2026 · Penulis: Adellia Putri
Klasifikasi Penyakit Batang Buah Naga Merah Menggunakan Arsitektur Eca-Resnet-50 Berbasis Website
Buah naga merah adalah salah satu komoditas hortikultura dengan nilai ekonomi tinggi di Indonesia. Salah satu tantangan utama penanaman buah naga adalah infeksi penyakit batang, yang dapat mengurangi pertumbuhan tanaman dan produktivitas tanaman. Identifikasi