Analisis Data CATA Hasil Uji Sensori Produk Coklat Menggunakan Algoritma Naïve Bayes dan Tools XLSTAT

Abstract

Penelitian ini mengeksplorasi penggunaan kombinasi metode CATA, XLSTAT, dan Naïve Bayes untuk mengklasifikasikan produk coklat berdasarkan atribut sensori dominan serta memahami preferensi konsumen. Check-All-That-Apply (CATA) merupakan metode evaluasi sensori deskriptif sederhana dan cepat untuk mengidentifikasi karakteristik produk berdasarkan persepsi konsumen walaupun bukan berasal dari panelis terlatih. Analisis klasifikasi menggunakan Naïve Bayes pada data CATA menghasilkan nilai rata-rata akurasi sebesar 93%. Begitu juga dengan precision, recall, dan F1-score menunjukkan nilai rata-rata diatas 90%. Prediksi terhadap 114 data uji menunjukkan 98 data sebagai ‘Produk A’, 16 data sebagai ‘Produk B’, dan tidak ada yang diprediksi sebagai ‘Produk C’. Hasil analisis XLSTAT mendukung temuan ini, menunjukkan bahwa produk ideal lebih terkait dengan Produk A, sebagaimana terlihat dalam grafik biplot yang menempatkan keduanya dalam kuadran F1 kanan, mengindikasikan kesamaan karakteristik yang dominan antara atribut produk ideal dengan Produk A.