Sistem Deteksi Kehalalan Produk Makanan Kemasan Berbasis Xai dengan Integrasi Vision Model dan Web-retrieval

Abstract

Pasar makanan halal global mencapai USD 2,71 triliun pada tahun 2024 dengan proyeksi USD 5,91 triliun pada tahun 2033. Namun, banyak konsumen Muslim masih mengalami kesulitan dalam memverifikasi kehalalan produk akibat kompleksitas informasi pada kemasan, seperti penggunaan istilah teknis yang ambigu, label multibahasa, serta keterbatasan pemahaman terhadap kode dan istilah bahan pangan. Penelitian ini mengembangkan sistem verifikasi kehalalan berbasis Explainable Artificial Intelligence (XAI) yang mengintegrasikan GPT-5, Optical Character Recognition (OCR), dan web-retrieval melalui SERP API. Sistem menganalisis citra kemasan secara zero-shot untuk mengekstraksi komposisi bahan, memproses istilah teknis dan bahasa asing, serta memverifikasi status halal, haram, atau syubhat dengan penjelasan transparan berbasis natural language. Evaluasi dilakukan terhadap 100 produk makanan kemasan yang diklasifikasikan ke dalam empat kategori berdasarkan kejelasan dan indikasi bahan. Kinerja sistem diukur menggunakan metrik akurasi, presisi, recall, spesifisitas, serta analisis kesalahan. Hasil evaluasi menunjukkan akurasi sebesar 93%, recall 100%, presisi 87,72%, dan spesifisitas 86%, tanpa kesalahan False Negative. Kesalahan False Positive terutama disebabkan oleh keterbatasan informasi web dan ambiguitas istilah bahan. Waktu eksekusi rata-rata 97 detik per produk masih dapat diterima untuk verifikasi non-real-time. Sistem berbasis XAI ini bisa digunakan untuk membantu pengambilan keputusan mengenai halal/haram dari suatu produk. Namun demikian, sistem berfungsi sebagai alat bantu informasi dan tidak menggantikan peran lembaga sertifikasi halal resmi.