<![CDATA[Pemalsuan anggur (Wine Fraud) merupakan masalah bisnis serius yang menimbulkan kerugian ekonomi, merusak kepercayaan konsumen, dan mendistorsi harga pasar, terutama pada segmen wine premium yang nilainya bergantung pada keaslian asal dan kultivar. Penelitian ini bertujuan merancang dan membandingkan lima model machine learning untuk mengklasifikasikan kultivar anggur berdasarkan 13 parameter komposisi kimia serta mengidentifikasi parameter yang paling berpengaruh sebagai dasar autentikasi produk. Penelitian menggunakan pendekatan eksperimental kuantitatif dengan data sekunder Wine sebanyak 178 sampel dari tiga kultivar di Italia. Data dibagi secara stratified menjadi 142 data latih dan 36 data uji dengan rasio 80:20. Model yang dibandingkan meliputi Deep Neural Network (Multi-Layer Perceptron), Logistic Regression, Random Forest, Support Vector Machine, dan K-Nearest Neighbors. Hasil pengujian pada pembagian data tersebut menunjukkan Random Forest mencapai akurasi 100%, sedangkan empat model lainnya mencapai 97,22%. Feature importance Random Forest mengidentifikasi intensitas warna, flavonoid, dan prolin sebagai parameter kimia paling dominan. Temuan ini menunjukkan potensi komposisi kimia standar dan machine learning sebagai pendukung autentikasi yang objektif dan efisien bagi produsen serta lembaga sertifikasi untuk menjaga reputasi merek dan integritas pasar. Namun, karena data uji hanya 36 sampel dan belum menggunakan cross-validation, hasil tersebut perlu ditafsirkan sebagai bukti awal yang memerlukan validasi lebih luas sebelum penerapan operasional.]]>
Copyrights © 2023
