Analisis Profil Keamanan Kosmetik Balai Besar POM di Jayapura Menggunakan Pendekatan Machine Learning

Akma Bertha Aprima Lagho (Balai Besar Pengawas Obat dan Makanan Jayapura)
Muhammad Nur Arafah (Irmex Digital Akademika)
Wiria Sende Paiman (Balai Besar Pengawas Obat dan Makanan Jayapura)
Narto Narto (Balai Besar Pengawas Obat dan Makanan Jayapura)

Indonesian Journal of Innovation Multidisipliner Research
Vol. 4 No. 1 (2026): Januari - Maret

Profil keamanan kosmetik merupakan indikator penting dalam mitigasi risiko kesehatan masyarakat, namun analisisnya sering terkendala oleh data hasil sampling dan pengujian yang heterogen dan belum terstruktur. Penelitian ini bertujuan menganalisis profil keamanan kosmetik di Balai Besar Pengawas Obat dan Makanan di Jayapura tahun 2025 dengan memanfaatkan pendekatan pembelajaran mesin untuk meningkatkan kualitas data dan menghilangkan pola pelanggaran. Penelitian menggunakan metode deskriptif-analitik kuantitatif melalui tahapan pembersihan data, penanganan data tidak lengkap, dan standarisasi terhadap 419 sampel hasil sampling dan pengujian laboratorium. Analisis dilakukan menggunakan analisis data eksploratif dan visualisasi untuk mengidentifikasi distribusi dan tren temporal. Hasil menunjukkan tingkat kepatuhan sebesar 61,1% dengan ketegangan antar triwulan, di mana kepatuhan tertinggi terjadi pada Triwulan I (80,3%) dan terendah pada Triwulan IV (49,1%). Meskipun sebagian besar produk memenuhi ketentuan, pelanggaran klaim (35,1%) menjadi indikator risiko utama yang mencerminkan pelanggaran regulasi implementasi. Pendekatan mesin pembelajaran pada tahap awal pengolahan data terbukti mampu mentransformasi data yang tidak terstruktur menjadi informasi berbasis risiko yang lebih sistematis dan informatif. Penelitian ini berkontribusi dalam penguatan pengawasan kosmetik berbasis data yang lebih adaptif, efektif, dan berorientasi pada perlindungan masyarakat.   Kata kunci: Profil Keamanan, Kosmetik, Machine Learning, BPOM RI, Transformasi Digital.   Abstrak   Profil keamanan kosmetik merupakan indikator penting dalam mitigasi risiko kesehatan masyarakat; namun, analisisnya seringkali dibatasi oleh data yang heterogen dan tidak terstruktur dari pengambilan sampel dan pengujian laboratorium. Studi ini bertujuan untuk menganalisis profil keamanan kosmetik di Pusat Pengawasan Obat dan Makanan di Jayapura pada tahun 2025 menggunakan pendekatan pembelajaran mesin untuk meningkatkan kualitas data dan akurasi identifikasi pola pelanggaran. Metode kuantitatif deskriptif-analitik diterapkan, termasuk pembersihan data, penanganan data yang hilang, dan standardisasi 419 sampel dari pengambilan sampel dan pengujian laboratorium. Analisis dilakukan menggunakan analisis data eksploratif dan visualisasi untuk mengidentifikasi distribusi dan tren temporal. Hasil menunjukkan tingkat kepatuhan sebesar 61,1% dengan fluktuasi antar kuartal, dengan kepatuhan tertinggi terjadi pada kuartal pertama (80,3%) dan terendah pada kuartal keempat (49,1%). Meskipun sebagian besar produk memenuhi persyaratan, pelanggaran klaim (35,1%) merupakan indikator risiko utama dan mencerminkan kesenjangan dalam implementasi peraturan. Pendekatan pembelajaran mesin meningkatkan kualitas dan struktur data, memungkinkan identifikasi pola pelanggaran dan tren risiko yang lebih komprehensif. Studi ini berkontribusi untuk memperkuat pengawasan kosmetik berbasis data yang lebih adaptif, efektif, dan berorientasi pada perlindungan masyarakat.