Oleh: Kavadya Syska, S.P., M.Si. (Dosen Bidang Teknologi Pangan – Food Technologist, Universitas Nahdlatul Ulama)
Gula merah merupakan salah satu pemanis alami yang memiliki nilai tradisional dan nutrisi tinggi, namun salah satu tantangan utamanya adalah variabilitas sensori yang dapat mempengaruhi kualitas produk. Variasi dalam sukrosa, gula pereduksi, mineral, serta warna ICUMSA (International Commission for Uniform Methods of Sugar Analysis) menjadi faktor kunci yang mempengaruhi kualitas gula merah. Oleh karena itu, kebutuhan akan metode kontrol kualitas yang cepat, akurat, dan ramah lingkungan sangat mendesak untuk memenuhi standar industri dan preferensi konsumen.
Penelitian ini memperkenalkan pendekatan baru yang revolusioner dengan memanfaatkan teknologi pemrosesan citra digital (Digital Image Processing/DIP) menggunakan kamera ponsel pintar yang dipadukan dengan algoritma Machine Learning (pembelajaran mesin) k-nearest neighbors (kNN). Strategi ini tidak hanya cepat, tetapi juga ramah lingkungan karena menghilangkan penggunaan pelarut kimia berbahaya dan reagen, mengurangi konsumsi energi, serta mencegah limbah beracun. Pendekatan ini sangat relevan dalam konteks industri pangan yang semakin mengedepankan keberlanjutan.
Dalam studi ini, data dari citra digital digunakan untuk membangun model regresi prediktif yang mampu menganalisis berbagai parameter kualitas gula merah. Hasilnya menunjukkan bahwa model yang dibangun mencapai tingkat keakuratan yang sangat tinggi, dengan koefisien determinasi (R2) ≥ 92,33% untuk parameter penting seperti kalsium (Ca), warna ICUMSA, zat besi (Fe), dan seng (Zn). Meskipun sukrosa dan gula pereduksi menunjukkan tingkat prediksi yang sedikit lebih rendah (masing-masing 81,16% dan 85,67%), ini tetap merupakan pencapaian yang luar biasa dalam hal prediksi kualitas gula merah.
Pentingnya pengukuran parameter mineral seperti kalsium, besi, dan seng ini juga sangat berkaitan dengan nilai gizi gula merah, yang dapat menjadi pertimbangan penting bagi produsen yang ingin menonjolkan aspek kesehatan dari produk mereka.
Salah satu keunggulan utama dari pendekatan ini adalah metrik AGREE yang menilai keberlanjutan metode yang diusulkan. Dibandingkan dengan metode konvensional, teknologi ini unggul karena tidak menggunakan bahan kimia berbahaya, mengonsumsi energi minimal, serta aman bagi analis. Ini sangat penting bagi industri pangan yang semakin dituntut untuk mengikuti regulasi ketat terkait keamanan dan dampak lingkungan dari proses produksi.
Pendekatan kombinasi DIP dan kNN ini memberikan keuntungan besar bagi produsen gula merah, karena memungkinkan kontrol kualitas yang lebih cepat, akurat, dan efisien tanpa harus bergantung pada metode konvensional yang memakan waktu dan bahan kimia. Hal ini akan membantu meningkatkan konsistensi kualitas produk, yang pada akhirnya dapat meningkatkan kepercayaan konsumen terhadap produk gula merah. Konsumen masa kini tidak hanya mencari produk dengan kualitas sensorik yang konsisten, tetapi juga memperhatikan proses produksinya yang ramah lingkungan.
Penelitian ini menawarkan solusi inovatif bagi industri gula merah dengan pendekatan analitik yang cepat, non-invasif, dan berkelanjutan. Dengan menggabungkan teknologi pemrosesan citra digital dan algoritma pembelajaran mesin, metode ini tidak hanya meningkatkan efisiensi kontrol kualitas tetapi juga mendukung upaya keberlanjutan dalam industri pangan. Di masa depan, teknologi semacam ini memiliki potensi untuk diadopsi secara lebih luas, tidak hanya untuk gula merah, tetapi juga untuk produk-produk pangan lain yang memerlukan kontrol kualitas ketat dan ramah lingkungan.
Sebagai dosen Teknologi Pangan, saya melihat bahwa pendekatan ini menjadi langkah maju yang signifikan dalam pengembangan metode analitik yang lebih ramah lingkungan dan efisien, sekaligus menjawab tantangan konsistensi kualitas dalam produk-produk alami seperti gula merah.
