Oleh: Kavadya Syska, S.P., M.Si. (Dosen Bidang Teknologi Pangan – Food Technologist, Universitas Nahdlatul Ulama)
Menjaga kesegaran ikan salmon selama siklus pembekuan dan pencairan dalam rantai distribusi dingin adalah tantangan kritis yang sering dihadapi oleh industri pangan. Dalam banyak kasus, pedagang mungkin secara sengaja salah melabelkan salmon beku-cair sebagai salmon segar untuk meraih keuntungan lebih besar. Penelitian ini menawarkan solusi inovatif melalui pengembangan sistem pemantauan berbasis bioimpedansi yang mampu melacak perubahan sinyal bioimpedansi serta parameter kualitas salmon secara real-time, yang kemudian dianalisis menggunakan model kecerdasan buatan (machine learning) untuk mendeteksi adanya siklus beku-cair dengan akurasi tinggi.
Dalam studi ini, sinyal bioimpedansi pada frekuensi 1 kHz dan 16 kHz diambil sebagai parameter kunci yang merepresentasikan perubahan dalam struktur internal salmon akibat pembekuan dan pencairan. Sinyal-sinyal tersebut dianalisis menggunakan empat model klasifikasi machine learning, yaitu Support Vector Machine (SVM), Linear Discriminant Analysis (LDA), K-Nearest Neighbors (KNN), dan Random Forest (RF). Hasilnya menunjukkan bahwa keempat model tersebut mampu mencapai tingkat akurasi, presisi, recall, dan skor F1 yang luar biasa, masing-masing sekitar 98%, 97%, 97%, dan 97%. Hasil ini menunjukkan bahwa pendekatan berbasis bioimpedansi dan kecerdasan buatan dapat diandalkan dalam mengklasifikasikan salmon berdasarkan siklus beku-cair.
Pemanfaatan bioimpedansi sebagai indikator kualitas memberikan keuntungan besar dalam pengolahan data secara non-invasif dan cepat, tanpa harus merusak produk. Sinyal bioimpedansi mencerminkan perubahan dalam struktur air dan protein ikan selama siklus beku-cair, yang mempengaruhi kesegaran dan tekstur salmon. Dengan menggabungkan analisis sinyal ini dengan kecerdasan buatan, proses deteksi menjadi lebih akurat dan efisien, memberikan solusi praktis bagi industri pangan dalam memastikan kualitas produk selama distribusi.
Dari perspektif teknologi pangan, pendekatan ini menawarkan terobosan signifikan dalam sistem pemantauan kualitas pangan, khususnya untuk produk-produk perishable seperti ikan dan daging. Akurasi tinggi dari sistem ini menunjukkan potensi besar dalam penerapannya di skala komersial, di mana pelacakan kesegaran dan kualitas produk menjadi prioritas untuk menjaga kepercayaan konsumen. Selain itu, sistem ini juga dapat membantu mencegah penipuan dalam pelabelan produk, memastikan bahwa produk yang dijual sebagai “segar” benar-benar memenuhi standar tersebut.
Tidak hanya itu, sistem ini dapat dengan mudah disesuaikan untuk digunakan pada jenis ikan dan daging lainnya, sehingga memberikan fleksibilitas yang luas dalam penggunaannya. Hal ini dapat membantu produsen dan distributor dalam memperluas penerapan teknologi ini untuk berbagai produk pangan yang rentan terhadap penurunan kualitas akibat siklus beku-cair. Di masa depan, inovasi ini berpotensi menjadi standar dalam pemantauan kualitas rantai dingin, memberikan jaminan tambahan bagi konsumen dan pengusaha di sektor pangan.
Sebagai dosen di bidang Teknologi Pangan, saya melihat potensi besar dalam penerapan teknologi ini di industri pangan, terutama dalam menjaga integritas dan kepercayaan konsumen terhadap produk yang mereka beli. Kecerdasan buatan yang diintegrasikan dengan sistem bioimpedansi menawarkan cara yang efisien dan praktis dalam mengatasi salah satu tantangan terbesar dalam distribusi pangan, yakni menjaga kualitas dan kesegaran produk dalam kondisi optimal.
Secara keseluruhan, penelitian ini menunjukkan bahwa teknologi berbasis bioimpedansi dan kecerdasan buatan dapat menjadi solusi inovatif untuk memastikan kesegaran dan kualitas ikan serta produk daging lainnya selama rantai distribusi dingin. Dengan akurasi yang tinggi dan kemampuan untuk mendeteksi siklus beku-cair, sistem ini menawarkan masa depan yang cerah dalam menjaga kualitas pangan, memperkuat keamanan pangan, dan melindungi konsumen dari praktik pelabelan yang menyesatkan.
