2021 : PREDIKSI KETERHUBUNGAN ANTAR PRODUK MAKANAN DENGAN GRAPH EMBEDDING MENGGUNAKAN ALGORITMA RANDOM FOREST

Nur Aini Rakhmawati S.Kom, M.Sc.Eng, Ph.

Year

2021

Published in

-

External link

Type

RESEARCH

Keywords

-


Abstract

Pada tahun 2020, agama Islam tercatat sebagai agama terbesar kedua di dunia dengan jumlah populasi sebanyak 1,9 miliar orang. Di Indonesia sendiri, populasi muslim diperkirakan berjumlah hingga 263 juta orang atau 87,2% dari total penduduk Indonesia. Dengan semakin banyaknya jumlah muslim yang ada, maka kebutuhan akan produk dan makanan halal yang merupakan salah satu ajaran dari agama Islam akan semakin banyak dibutuhkan. Untuk memfasilitasi kebutuhan produk dan makanan halal tersebut, didirikanlah World Halal Food Council (WHFC) untuk menghimpun organisasi-organisasi yang bergerak di bidang halal. WHFC memiliki misi yaitu untuk meregulasi standar halal dalam keseluruhan proses pembuatan produk khususnya makanan. Organisasi-organisasi yang tergabung pada WHFC umumnya mengeluarkan sertifikasi halal kepada makanan yang beredar di negaranya masing-masing. Dengan banyaknya organisasi yang ada, maka sumber informasi terkait daftar produk makanan menjadi terpisah-pisah dan tidak terintegrasi dengan baik. Dampaknya adalah sulit untuk mencari makanan yang sudah tersertifikasi halal, khususnya ketika mengunjungi negara baru yang minim akan produk makanan dengan sertifikasi halal. Untuk menyelsaikan masalah tersebut, pada penelitian sebelumnya dibuatlah Linked Open Data Halal (LODHalal) yang bertujuan untuk mengumpulkan data dari berbagai macam sumber dan mengintegrasikan data tersebut. Meskipun sudah terdapat penelitian terkait integrasi data makanan halal, masih terdapat tantangan yaitu terkait dengan tingkat redundancy data yang tinggi. Selain itu, belum tersedianya informasi mengenai hubungan antar produk makanan. Salah satu cara yang dapat dilakukan untuk mengatasi tantangan tersebut adalah dengan melakukan link prediction. Link prediction merupakan prediksi adanya keterhubungan antara dua entitas atau node pada sebuah jaringan. Di dalam penelitian ini akan dilakukan link prediction dengan menggunakan data produk makanan yang diperoleh dari LODHalal dan KlikIndomaret. Data tersebut kemudian diubah ke bentuk vektor dengan menggunakan algoritma graph embedding yaitu Node2vec dan RDF2Vec. Hasil dari graph embedding tersebut akan menjadi input untuk link prediction yang menggunakan Algoritma Random Forest. Harapan dari penelitian ini adalah mampu menghasilkan prediksi hubungan tiap produk makanan serta mengetahui pengaruh penggunaan algoritma graph embedding dalam melakukan link prediction.