(Sumber:https://news.kokikit.com)
Food waste merupakan salah satu tantangan besar di era Industri 5.0 karena menyebabkan kelangkaan pangan, pencemaran lingkungan, dan emisi karbon yang tinggi. Industri makanan dan minuman, khususnya FMCG (Fast Moving Consumer Goods), menjadi salah satu penyumbang limbah makanan terbesar sehingga perlu dilakukan optimalisasi proses produksi. Pemanfaatan Artificial Intelligence (AI) diharapkan mampu meningkatkan efisiensi manufaktur tanpa mengurangi kualitas maupun kapasitas produksi sehingga food waste dapat ditekan. Upaya ini sekaligus mendukung terwujudnya Sustainable Development Goals (SDGs), khususnya tujuan 2 (Zero Hunger), 12 (Responsible Consumption and Production), dan 13 (Climate Action).
AI dapat dimanfaatkan untuk melakukan demand forecasting berbasis machine learning sehingga perusahaan mampu memprediksi permintaan produk berdasarkan data historis. Hasil prediksi tersebut membantu perusahaan menentukan jumlah produksi dan kebutuhan bahan baku secara lebih akurat sehingga risiko overproduction dapat dikurangi. Selain itu, perencanaan inventori menjadi lebih optimal karena penyimpanan bahan baku dapat disesuaikan dengan karakteristik dan masa simpannya. Dengan demikian, pemborosan bahan baku dan potensi food waste dapat ditekan sejak tahap perencanaan produksi.
AI juga berperan dalam proses quality control, melalui teknologi computer vision yang mampu mendeteksi cacat produk secara real time di sepanjang jalur produksi. Produk yang tidak memenuhi standar dapat langsung dipisahkan sehingga tidak melanjutkan proses manufaktur dan mengurangi pemborosan bahan baku. Model AI dilatih menggunakan data berlabel agar tingkat akurasi deteksinya semakin tinggi. Teknologi ini menjaga kualitas produk sekaligus menghemat waktu, biaya inspeksi, dan potensi food waste akibat produk cacat.
Integrasi Artificial Intelligence of Things (AIoT) memungkinkan sensor IoT memantau kondisi mesin dan proses produksi secara real time melalui satu dashboard. Ketika terjadi gangguan, seperti kebocoran atau penurunan performa mesin, sistem dapat memberikan peringatan dini sehingga tindakan perbaikan dapat segera dilakukan. AI juga mendukung predictive maintenance untuk memperkirakan waktu kerusakan mesin dan menjadwalkan perawatan sebelum terjadinya kegagalan produksi. Dengan demikian, downtime mesin dapat diminimalkan dan bahan baku tetap terjaga sehingga food waste semakin berkurang.
Pemanfaatan Artificial Intelligence dalam industri FMCG memberikan solusi yang efektif untuk mengurangi food waste melalui perencanaan produksi yang lebih akurat, inspeksi kualitas otomatis, serta pemantauan dan perawatan mesin secara prediktif. Penerapan teknologi ini tidak hanya meningkatkan efisiensi operasional dan menekan biaya produksi, tetapi juga menjaga kualitas produk serta mengurangi dampak lingkungan. Oleh karena itu, implementasi AI menjadi langkah yang sangat baik bagi industri FMCG dalam mewujudkan sistem produksi yang lebih berkelanjutan sekaligus mendukung tercapainya tujuan SDGs.
Sumber:
Frederick, T., Wikson, J. O., & Husein, A. M. (2026). Application of Vision AI for Assessing the Usability of Packaged Household Cooking Oil Based on Visual Images. Jurnal Teknologi dan Ilmu Komputer Prima (JUTIKOMP), Vol. 9 No. 1, 14-29.
Nampira, A. A., Pangastuti, N., Wiwi, & Taufik. (2025). AI-Driven Predictive Maintenance for Smart Manufacturing Systems: A Case Study Using Deep Learning on Sensor Data. Journal of Moeslim Research Technik, Vol. 2 No. 3, 96-107.
Rafi, H. (2026). Predictive Maintenance Berbasis Machine Learning dalam Smart Manufacturing. Jurnal Teknologi Informasi (JUTECH), Vol. 6 No. 2, 101-110.
