Thursday, November 19, 2026
Cart / RM0.00

No products in the cart.

No Result
View All Result
e-ISSN : 2682-8456
MajalahSains
  • Laman Utama
  • Siapa Kami
  • HANTAR ARTIKEL & F.A.Q
  • Kategori
    • Alam Semulajadi
    • Astronomi & Kosmologi
    • Berita & Peristiwa
    • Bicara Saintis
      • Sains untuk Manusia
    • Suara Saintis Muda
    • Fiksyen, Buku & Filem
    • Fizik
    • Kimia
    • Komputer & IT
    • Luar Negara
    • Matematik
    • Perubatan & Kesihatan
    • Rencana
    • Sejarah & Falsafah
    • Teknologi & Kejuruteraan
    • Tempatan
    • Tenaga
    • Tokoh
  • Pengiklanan
  • Sains Shop
    • Pengajian Tinggi
    • Biografi
    • Umum
    • Siri-Ingin Tahu
    • Mengapa Sains Penting
    • Tokoh Wanita Dalam Bidang Sains
    • Kitaran Hidup
    • Gaya Hidup Sihat
    • Sains Dalam Kehidupan
    • Sains Itu Menyeronokkan
MajalahSains
  • Laman Utama
  • Siapa Kami
  • HANTAR ARTIKEL & F.A.Q
  • Kategori
    • Alam Semulajadi
    • Astronomi & Kosmologi
    • Berita & Peristiwa
    • Bicara Saintis
      • Sains untuk Manusia
    • Suara Saintis Muda
    • Fiksyen, Buku & Filem
    • Fizik
    • Kimia
    • Komputer & IT
    • Luar Negara
    • Matematik
    • Perubatan & Kesihatan
    • Rencana
    • Sejarah & Falsafah
    • Teknologi & Kejuruteraan
    • Tempatan
    • Tenaga
    • Tokoh
  • Pengiklanan
  • Sains Shop
    • Pengajian Tinggi
    • Biografi
    • Umum
    • Siri-Ingin Tahu
    • Mengapa Sains Penting
    • Tokoh Wanita Dalam Bidang Sains
    • Kitaran Hidup
    • Gaya Hidup Sihat
    • Sains Dalam Kehidupan
    • Sains Itu Menyeronokkan
No Result
View All Result
MajalahSains
No Result
View All Result

Bolehkah Kecerdasan Buatan (AI) Menghidu Makanan Basi?

Bolehkah Kecerdasan Buatan (AI) Menghidu Makanan Basi?

Editor by Editor
19/11/2026
in Berita & Peristiwa, Kimia, Komputer & IT, Teknologi & Kejuruteraan
0 0
0

Penulis: Dr. Noor Liyana Yusof
Pensyarah Kanan, Jabatan Teknologi Makanan
Universiti Putra Malaysia

Bekas lauk semalam dibuka. Kita mendekatkan hidung, berfikir sejenak, lalu membuat keputusan: makan atau buang?

Hidung manusia ialah alat pengesan kesegaran yang paling lama digunakan, tetapi ia tidak sempurna. Deria bau berbeza antara individu, mudah letih dan tidak boleh memberi bacaan yang tepat. Kini, penyelidik sedang membangunkan “hidung elektronik” yang digabungkan dengan kecerdasan buatan (AI) untuk menghidu makanan dengan lebih konsisten. Persoalannya, bolehkah mesin benar-benar mengenal pasti makanan yang sudah basi?

Isu ini dekat dengan kita. Hampir 40 peratus daripada kira-kira 40,000 tan metrik sisa pepejal yang dihasilkan setiap hari di Malaysia ialah sisa makanan. Menurut Jabatan Perangkaan Malaysia (DOSM, 2025), setiap rakyat Malaysia membazirkan antara 31.9 kg hingga 97.3 kg makanan setahun. Antara punca utama pembaziran ini ialah makanan yang tamat tempoh (19.3 peratus) dan lebihan makanan yang disimpan terlalu lama di dalam peti sejuk (18.1 peratus).

Rajah 1: Sekilas pandang tentang hidung elektronik. Sensor gas merakam “cap jari bau” makanan, dan model AI mempelajari corak tersebut untuk meramal tahap kesegaran. Ketepatan dalam makmal boleh mencecah 90–100%, tetapi angka ini boleh menurun dalam keadaan sebenar. Kelembapan tropika, hanyutan sensor dan kekurangan data bau tempatan merupakan cabaran utama bagi Malaysia.

Mengapa Makanan Basi Berbau?

Makanan menjadi basi apabila bakteria dan kulat mula membiak dan mengurai protein, lemak serta karbohidrat. Proses ini membebaskan sebatian organik meruap (volatile organic compounds, VOC) ke udara. Daging dan ikan, misalnya, menghasilkan ammonia, amina biogenik seperti putresina dan kadaverina, serta hidrogen sulfida yang berbau seperti telur busuk. Buah-buahan dan nasi pula menghasilkan alkohol, asid dan ester apabila mula menapai.

Gabungan gas inilah yang kita kenali sebagai “bau basi”. Masalahnya, ada makanan yang dibuang terlalu awal walaupun masih selamat, dan ada pula makanan yang kelihatan elok tetapi sebenarnya sudah tercemar. Kaedah yang lebih tepat untuk menilai kesegaran boleh membantu mengurangkan kedua-dua masalah ini.

Bagaimana “Hidung Elektronik” Menghidu?

Hidung kita tidak mempunyai satu reseptor khas bagi setiap bau. Sebaliknya, ratusan jenis reseptor bertindak balas secara berbeza terhadap pelbagai molekul, lalu otak mentafsir gabungan isyarat tersebut. Hidung elektronik (e-nose) meniru prinsip yang sama. Satu set sensor gas yang masing-masing peka kepada kumpulan gas tertentu menghasilkan bacaan yang membentuk “cap jari bau” bagi setiap sampel makanan.

Terdapat tiga jenis sensor utama. Jenis pertama ialah sensor oksida logam (MOS), yang rintangan elektriknya berubah apabila gas seperti ammonia, hidrogen sulfida atau alkohol melekat pada permukaannya. Contohnya ialah sensor siri MQ berkos rendah yang boleh disambung kepada Arduino. Jenis kedua ialah sensor kolorimetrik, iaitu pewarna yang bertukar warna apabila terdedah kepada gas tertentu, lalu dibaca menggunakan kamera atau telefon pintar. Penyelidik di NTU Singapura, misalnya, membangunkan “kod bar” yang mengandungi 20 jalur pewarna. Jenis ketiga ialah sensor nanobahan, yang memuatkan banyak bahan peka gas seperti nanotiub karbon dan polimer konduktif dalam satu cip kecil, seperti cip 16 bahan peka gas yang dibangunkan di UC Berkeley.

Bagaimana Komputer Mengenali Corak Kesegaran?

Sensor hanya menghasilkan nombor. AI-lah yang menentukan maksud nombor tersebut melalui proses pengecaman corak (pattern recognition), yang biasanya berlaku dalam empat langkah.

Langkah pertama ialah mengumpul data. Sampel makanan disimpan dalam keadaan terkawal, dan bacaan sensor direkodkan setiap jam atau setiap hari. Seterusnya, data tersebut dilabel, iaitu setiap bacaan dipadankan dengan status sebenar makanan sama ada segar, separa segar atau basi. Status ini ditentukan melalui panel deria, ujian mikrobiologi atau ujian kimia seperti TVB-N bagi ikan dan daging. Selepas itu, model dilatih menggunakan algoritma seperti Support Vector Machine (SVM), Random Forest dan k-Nearest Neighbours (k-NN) untuk mempelajari corak yang membezakan setiap kategori. Akhirnya, bagi sampel baharu, model membandingkan cap jari baunya dengan corak yang telah dipelajari dan meramal tahap kesegarannya.

Satu contoh tempatan datang daripada Universiti Malaysia Perlis (UniMAP). Penyelidiknya menyimpan enam jenis lauk tempatan, termasuk ayam masak lemak, ayam goreng berempah, nasi goreng daging dan sup daging, selama lima hari pada suhu bilik 28–30°C. Empat sensor gas digunakan untuk mengesan metana, hidrogen sulfida, ammonia dan alkohol. Selepas data diseimbangkan, model SVM, Random Forest dan k-NN mencapai ketepatan 90 hingga 100 peratus. Tanpa pengimbangan data, ketepatan jatuh kepada 26 hingga 57 peratus sahaja. Ini menunjukkan bahawa kualiti data sama penting dengan kecanggihan algoritma.

Di Singapura pula, penyelidik NTU melatih rangkaian neural konvolusi (convolutional neural network) untuk membaca corak warna kod bar sensor. Sistem ini meramal kesegaran ayam, ikan dan daging lembu dengan ketepatan 98.5 peratus, berbanding hanya 61.7 peratus bagi kaedah analisis konvensional.

Di mana Teknologi ini boleh digunakan?

Dari ladang hingga ke dapur, hidung elektronik berpotensi digunakan di sepanjang rantaian bekalan makanan. Di gudang dan dalam rantaian sejuk, ia boleh memantau ikan, daging dan buah-buahan semasa penyimpanan dan pengangkutan, supaya produk yang hampir rosak boleh dijual atau diagihkan lebih awal. Teknologi yang sama boleh dijadikan pembungkusan pintar, iaitu label yang berubah warna apabila makanan mula rosak, sebagai pelengkap kepada tarikh luput.

Di pasar borong, pasar ikan, hotel dan premis katering, hidung elektronik membolehkan pemeriksaan pantas tanpa memusnahkan sampel. Di kilang pemprosesan, ia boleh digunakan untuk memantau penapaian, mengesan pencemaran dan memastikan aroma produk konsisten. Malah di rumah, peti sejuk pintar kelak mungkin mampu memberi amaran apabila lauk hampir basi.

Hebat di Makmal, Mencabar di Dunia Sebenar

Walaupun hasil kajian makmal memberangsangkan, beberapa cabaran perlu diatasi sebelum teknologi ini digunakan secara meluas. Pertama, ketepatan makmal tidak semestinya kekal. Satu ulasan dalam jurnal Sensors (2025) mendapati kebanyakan hidung elektronik mencapai ketepatan melebihi 90 peratus, tetapi hanya bagi kelas makanan yang ditakrifkan dengan jelas. Dalam satu kajian kesegaran ayam, ketepatan model jatuh daripada 100 peratus kepada 69 peratus apabila diuji dengan data yang lebih menyerupai keadaan sebenar.

Kedua, sensor boleh “hanyut” dan perlu ditentukur. Bacaan sensor boleh berubah sedikit demi sedikit dari semasa ke semasa (sensor drift), dan turut dipengaruhi oleh suhu serta kelembapan. Cabaran ini lebih ketara dalam iklim tropika seperti Malaysia.

Ketiga, lain makanan, lain modelnya. Bau basi ikan berbeza daripada bau basi nasi atau santan, jadi setiap kategori makanan memerlukan data berlabel dan model tersendiri.

Keempat, tidak semua bahaya ada baunya. Sesetengah bakteria patogen boleh membiak tanpa mengubah bau makanan dengan ketara. Oleh itu, hidung elektronik lebih sesuai dijadikan alat saringan awal yang melengkapi, bukan menggantikan, ujian mikrobiologi, amalan penyimpanan yang betul dan label tarikh.

Malaysia: di mana kita sekarang?

Penyelidikan hidung elektronik sudah bertapak di universiti tempatan. Selain kajian lauk sisa di UniMAP, penyelidik Universiti Putra Malaysia telah menerbitkan ulasan mengenai prinsip dan kemajuan hidung elektronik bagi pemeriksaan kualiti produk pertanian dan makanan.

Di peringkat dasar, Pelan Tindakan AI Kebangsaan 2026–2030 berkuat kuasa sejak 28 Julai 2026, dan AI Malaysia Berhad ditubuhkan di bawah Kementerian Digital untuk menyelaras agenda AI negara. Bagi pembaziran makanan, siaran khas DOSM (Julai 2026) menyediakan data asas pembaziran isi rumah, manakala SWCorp sedang memuktamadkan Pelan Tindakan Pengurangan Sisa ke Tapak Pelupusan. Semua usaha ini selari dengan Dasar Agromakanan Negara 2.0 (2021–2030) yang menekankan agromakanan berteknologi tinggi dan mampan.

Langkah seterusnya untuk Malaysia

Untuk memanfaatkan teknologi ini, beberapa langkah boleh diambil. Langkah paling asas ialah membina pangkalan data bau makanan tempatan, kerana model AI hanya sebaik data latihannya. Data terbuka bagi ikan, ayam, santan, sambal, nasi dan buah-buahan tropika akan mempercepat pembangunan model yang tepat. Sensor dan model juga perlu dibangunkan supaya tahan iklim tropika, dan diuji dalam suhu serta kelembapan tinggi, bukan sahaja dalam makmal berhawa dingin.

Selain itu, projek perintis wajar dijalankan di gudang, pasar borong ikan dan dapur katering berskala besar, iaitu tempat yang sesuai untuk menguji teknologi ini dalam keadaan sebenar. Standard dan protokol pengesahan yang seragam juga perlu ditetapkan supaya ketepatan setiap peranti dapat dibandingkan dan dipercayai oleh pengawal selia, industri dan pengguna. Akhir sekali, kerjasama antara penyelidik, jurutera, syarikat pemula dan PKS makanan perlu diperkukuh untuk membawa teknologi ini ke pasaran, sambil pendidikan pengguna tentang penyimpanan makanan dan label tarikh diteruskan.

Penutup: AI sebagai “Hidung Kedua”

Jadi, bolehkah AI menghidu makanan basi? Ya, sekurang-kurangnya dalam keadaan terkawal. Gabungan sensor gas dan pembelajaran mesin mampu mengenal pasti corak bau kerosakan dengan ketepatan tinggi, malah lebih konsisten daripada hidung manusia.

Namun, teknologi ini masih memerlukan data yang berkualiti, sensor yang stabil dan pengesahan dalam persekitaran sebenar. Peranan terbaiknya ialah sebagai “hidung kedua” yang membantu manusia membuat keputusan, bukan sebagai pengganti ujian keselamatan makanan. Jika dibangunkan dengan baik, teknologi ini boleh membantu mengurangkan pembaziran, meningkatkan keselamatan makanan dan memperkukuh keterjaminan makanan negara.

Rujukan

  1. Wan Azman, W. N. F. S., Ku Azir, K. N. F. & Mohd Khairuddin, A. (2024). An embedded machine learning-based spoiled leftover food detection device for multiclass classification. Journal of ICT, 23(2), 253–292.
  2. Sanislav, T. et al. (2025). A Comprehensive Review on Sensor-Based Electronic Nose for Food Quality and Safety. Sensors, 25, 4437.
  3. Anwar, H. & Anwar, T. (2025). Quality assessment of chicken using machine learning and electronic nose. Sensing and Bio-Sensing Research, 47, 100739.
  4. Mohd Ali, M., Hashim, N., Abd Aziz, S. & Lasekan, O. (2020). Principles and recent advances in electronic nose for quality inspection of agricultural and food products. Trends in Food Science & Technology, 99, 1–10.
  5. Food Processing (2020). AI-powered ‘electronic nose’ sniffs out meat freshness (kajian NTU Singapura).
  6. Technology Networks. “Electronic Nose” Can Smell When Your Food’s Gone Bad (kajian UC Berkeley).
  7. Jabatan Perangkaan Malaysia (2026). Siaran Khas Pembaziran Makanan Isi Rumah di Malaysia 2025, seperti dilaporkan oleh Utusan Malaysia dan RinggitPlus.
  8. Kementerian Digital (2026). Pelan Tindakan AI Kebangsaan 2026–2030.
Berikan Komen Anda Di Sini

Tags: Dr Noor Liyana Yusofe-noseHidung elektronikJabatan Teknologi Makanan UPMKecerdasan Buatan (AI)
Previous Post

Penyakit Anemia Kekurangan Zat Besi di Kalangan Kanak-kanak: Apa yang Perlu Anda Tahu

Next Post

Ujian Kiraan Darah Lengkap dan Filem Darah: Kepentingan dalam Saringan Masalah Penyakit Darah

Editor

Editor

Related Posts

Apabila Haba Bertemu Plastik: Apa yang Berlaku kepada Makanan Kita
Berita & Peristiwa

Apabila Haba Bertemu Plastik: Apa yang Berlaku kepada Makanan Kita

19 minutes ago
Apabila Haba Menguji Keupayaan Teknologi Pengangkutan Pintar
Berita & Peristiwa

Apabila Haba Menguji Keupayaan Teknologi Pengangkutan Pintar

25 minutes ago
Diabetes dan Kesuburan Lelaki: Hubungan yang Jarang Diperkatakan
Berita & Peristiwa

Diabetes dan Kesuburan Lelaki: Hubungan yang Jarang Diperkatakan

31 minutes ago
Ujian Kiraan Darah Lengkap dan Filem Darah: Kepentingan dalam Saringan Masalah Penyakit Darah
Berita & Peristiwa

Ujian Kiraan Darah Lengkap dan Filem Darah: Kepentingan dalam Saringan Masalah Penyakit Darah

39 minutes ago
Next Post
Ujian Kiraan Darah Lengkap dan Filem Darah: Kepentingan dalam Saringan Masalah Penyakit Darah

Ujian Kiraan Darah Lengkap dan Filem Darah: Kepentingan dalam Saringan Masalah Penyakit Darah

Kategori Produk

  • Sains Dalam Kehidupan
  • Sains Itu Menyeronokkan
  • Mengapa Sains Penting
  • Tokoh Wanita Dalam Bidang Sains
  • Pengajian Tinggi
  • Kitaran Hidup
  • Gaya Hidup Sihat
  • Biografi
  • Siri-Ingin Tahu
  • Umum
  • Laman Utama
  • Siapa Kami
  • HANTAR ARTIKEL & F.A.Q
  • Kategori
  • Pengiklanan
  • Sains Shop
e-ISSN : 2682-8456

Copyright @2026 MajalahSains | MScience Ent. (002387117-X) Berdaftar dengan Perpustakaan Negara Malaysia (PNM)

No Result
View All Result
  • Laman Utama
  • Siapa Kami
  • HANTAR ARTIKEL & F.A.Q
  • Kategori
    • Alam Semulajadi
    • Astronomi & Kosmologi
    • Berita & Peristiwa
    • Bicara Saintis
      • Sains untuk Manusia
    • Suara Saintis Muda
    • Fiksyen, Buku & Filem
    • Fizik
    • Kimia
    • Komputer & IT
    • Luar Negara
    • Matematik
    • Perubatan & Kesihatan
    • Rencana
    • Sejarah & Falsafah
    • Teknologi & Kejuruteraan
    • Tempatan
    • Tenaga
    • Tokoh
  • Pengiklanan
  • Sains Shop
    • Pengajian Tinggi
    • Biografi
    • Umum
    • Siri-Ingin Tahu
    • Mengapa Sains Penting
    • Tokoh Wanita Dalam Bidang Sains
    • Kitaran Hidup
    • Gaya Hidup Sihat
    • Sains Dalam Kehidupan
    • Sains Itu Menyeronokkan

Copyright @2026 MajalahSains | MScience Ent. (002387117-X) Berdaftar dengan Perpustakaan Negara Malaysia (PNM)

Login to your account below

Forgotten Password? Sign Up

Fill the forms bellow to register

All fields are required. Log In

Retrieve your password

Please enter your username or email address to reset your password.

Log In