Pengujian Kontaminan pada Produk Peternakan Melalui Studi Kasus Laboratorium Terakreditasi: Testing for Contaminants in Livestock Products Through Accredited Laboratory Case Studies

Arya Dwiki Ramadhan

J.Pelastek
Vol 4 No 2 (2024): November 2024

Penelitian ini mengkaji penerapan machine learning (ML) dalam optimalisasi pengujian kontaminan pada produk peternakan, dengan fokus pada studi kasus laboratorium terakreditasi. Melalui tinjauan literatur komprehensif, studi ini mengungkapkan bahwa integrasi ML dalam pengujian laboratorium telah meningkatkan akurasi, efisiensi, dan kemampuan prediktif dalam deteksi kontaminan. Berbagai teknik ML, termasuk Random Forest dan Gradient Boosting, telah terbukti efektif dalam memprediksi keberadaan patogen dan mengoptimalkan proses pengujian. Studi ini juga membahas tantangan implementasi, standar regulasi, dan potensi pengembangan di masa depan. Hasil penelitian menunjukkan bahwa ML memiliki potensi signifikan untuk mentransformasi praktik laboratorium, meningkatkan keamanan pangan, dan memastikan kepatuhan terhadap standar regulasi dalam industri peternakan.