Kesalahan AI dalam Menghitung Konsentrasi Formula Kosmetik: Saat Neural Network Mengecoh Ahli Kimia

Kesalahan AI dalam menghitung konsentrasi formula kosmetik terjadi karena model bahasa hanya bisa membaca daftar INCI berbasis teks, yang menurut aturan pelabelan UE/UK hanya mengungkap urutan konsentrasi di atas 1% tetapi tidak pernah menyebutkan persentase sebenarnya — sehingga angka apa pun yang disebutkan chatbot, misalnya "niacinamide 5%", sebenarnya hanyalah tebakan statistik, bukan angka yang terverifikasi.

• Di atas konsentrasi 1% (w/w, sebagaimana dipasok), bahan-bahan INCI harus dicantumkan dalam urutan menurun berdasarkan bobot; di bawah 1%, urutannya bisa bebas, sehingga dosis sebenarnya sama sekali tidak terlihat. Peraturan BPOM No. 25 Tahun 2025 tentang Persyaratan Teknis Bahan Kosmetik, Pasal 19 mengenai persyaratan pelabelan
• Asam azelaic dapat muncul dalam suatu formula mulai dari sepersekian persen hingga sekitar 10% (w/w, bahan aktif) dalam kosmetik — sementara kekuatan 15–20% adalah obat resep — rentang yang memiliki tingkat toleransi kulit sangat berbeda, dan semuanya tidak terlihat hanya dari daftar bahan. Elewski dkk., Arch Dermatol, 2003
• Persentase pengawet hanya bernilai sebanding dengan dokumen di baliknya, dan sebuah "rentang aman" rata-rata sama sekali tidak memiliki dokumen. Angka yang valid selalu menyebut nama bahan bakunya: untuk campuran euxyl PE 9010, lembar data teknis pemasok (Ashland) memberikan rekomendasi kadar penggunaan 0,5–1,0% dari produk sebagaimana dipasok. Itu adalah rekomendasi produsen untuk bahan spesifik tersebut, bukan bukti bahwa formula yang menggunakannya sudah terawetkan dengan baik — hanya uji tantangan (challenge test) yang bisa menjawab itu. Phenoxyethanol, komponen utamanya, memiliki batas tersendiri sebesar 1,0% sebagai pengawet menurut Annex V, entri 29. Regulasi Kosmetik UK, Annex V (pengawet)
• Lembaga keamanan independen seperti CIR dan SCCS dari UE menerbitkan penilaian keamanan per bahan, tetapi belum ada standar yang menguji keakuratan persentase formula hasil hitungan AI sebagaimana efektivitas pengawet diuji.
• Protokol edukasi untuk observasi awal — yang secara eksplisit BUKAN penilaian keamanan: buat batch percobaan 50–100 g, simpan satu toples pada suhu ruang dan satu pada 40 °C, catat pH, tampilan, warna, aroma, dan pemisahan fase setidaknya sekali seminggu selama 4 minggu. Ini bisa menunjukkan bahwa dosis yang diusulkan AI salah; ini TIDAK bisa membuktikan bahwa suatu formula aman atau menetapkan masa simpan, yang membutuhkan uji tantangan pengawet dan studi stabilitas pada kemasan jadi.

Bayangkan Anda mengetikkan daftar bahan serum favorit Anda ke chatbot dan menanyakan apakah konsentrasi niacinamide-nya "aman." Bot itu menjawab dengan percaya diri: "5%, itu aman." Masalahnya, ia hanya mengarang jawaban itu. Label tidak mencantumkan satu angka pun tentang dosis sebenarnya — hanya urutan menurun berdasarkan fraksi massa di atas 1%. Jaringan saraf mengisi data yang hilang dengan angka yang secara statistik masuk akal, tapi belum tentu akurat. Dan di sinilah masalahnya menjadi menarik — dan berbahaya — bagi siapa pun yang mencoba memformulasi di rumah atau mengandalkan alat analisis bahan berbasis AI ketimbang ahli kimia kosmetik.

Apa yang tidak ditunjukkan oleh daftar INCI — dan mengapa AI tidak bisa melihatnya

Nomenklatur Internasional untuk Bahan Kosmetik mengatur urutan pencantuman tetapi tidak mewajibkan produsen mengungkapkan persentase setiap komponen. Di atas 1%, bahan harus dicantumkan dalam urutan menurun berdasarkan bobot; di bawah 1%, urutannya bisa bebas. Regulasi Kosmetik UK, Pasal 19 Ini berarti bahwa bahkan AI bahasa paling canggih pun, setelah "membaca" label, hanya melihat struktur daftar — ia tidak memiliki akses ke angka formula sebenarnya milik merek tersebut.

Sebagian besar alat analisis AI dan bot yang ditujukan untuk konsumen, yang menguraikan daftar bahan krim dari foto kemasan, bekerja dengan tepat daftar teks semacam ini — tanpa akses ke konsentrasi persentase sebenarnya dalam formula. Ini dikonfirmasi oleh fakta bahwa layanan semacam itu dirancang untuk analisis kualitatif dan rekomendasi personal, bukan untuk perhitungan dosis tingkat rekayasa.

Perbedaan antara "ada di daftar bahan" dan "bekerja pada dosis ini"

Asam azelaic dalam daftar bahan bisa berarti mulai dari sepersekian persen hingga sekitar 10% (w/w, bahan aktif) dalam kosmetik — sementara kekuatan 15–20% yang diteliti dalam dermatologi adalah obat resep, bukan kosmetik Elewski dkk., Arch Dermatol, 2003 — sehingga keduanya pada dasarnya adalah produk yang berbeda dengan tingkat toleransi kulit yang sangat berbeda pula. Kami membahas secara rinci bagaimana dosis asam ini menentukan efeknya dan risiko "pilling" dalam artikel tentang formulasi dengan asam azelaic. Tanpa akses ke formula sebenarnya, AI sama sekali tidak bisa memberikan jawaban yang benar tentang konsentrasi "yang efektif" — ia hanya bisa mengutip rentang umum di industri dan menyajikannya sebagai fakta tentang produk tertentu.

Tiga kesalahan umum AI dalam menghitung konsentrasi

Ketika pengguna meminta AI tidak hanya mendeskripsikan sebuah formula tetapi menghitungnya — misalnya, "berapa banyak xanthan gum yang saya perlukan per 100 g emulsi" — distorsi sistematis mulai muncul. Berikut tiga pola kesalahan paling umum.

Mencampuradukkan komposisi kualitatif dan kuantitatif

Jaringan saraf dilatih dengan teks — artikel, posting forum, paten — di mana angka disebutkan secara terpotong-potong dan sering tanpa konteks untuk fase tertentu dalam formula. Akibatnya, AI bisa mencampuradukkan antara "konsentrasi pengawet yang umum direkomendasikan menurut data produsen" dengan "konsentrasi yang aman khususnya dalam emulsi Anda, pada pH dan kadar air tertentu." Keduanya bukan hal yang sama: efektivitas pengawet bergantung pada kerjasamanya dengan sistem buffer, seperti yang kami bahas dalam artikel tentang buffer berbasis gluconolactone untuk emulsi.

Mengekstrapolasi persentase "aman" tanpa memperhitungkan sinergi

AI cenderung merata-ratakan data dari berbagai sumber dan menyajikan "rentang aman" sebagai konstanta universal. Namun sinergi antar-bahan justru adalah hal yang tidak tercatat dalam tabel-tabel semacam itu. Ketidakcocokan didokumentasikan per bahan baku, bukan per pasangan bahan. Untuk Niacinamide PC, produsennya menyatakan bahwa bahan ini tidak cocok dengan asam kuat, basa kuat, dan zat pengoksidasi, yang dapat menyebabkan hidrolisis menjadi asam nikotinat, serta merekomendasikan pH formula akhir 4,0–8,0 dan kadar penggunaan 1–10% sebagaimana dipasok — dengan catatan bahwa kompatibilitas selalu bergantung pada keseluruhan formula akhir, sehingga formulator harus memantaunya selama penyimpanan (dsm, Panduan Formulasi Niacinamide PC, dokumen produsen, 2023). Perlu dicermati apa sebenarnya dokumen ini dan apa yang bukan: ini adalah pernyataan satu pemasok tentang satu jenis bahan tertentu, dan tidak membenarkan klaim umum yang populer bahwa niacinamide dan vitamin C selalu saling menetralkan dalam formula apa pun — klaim yang akan dengan mudah diucapkan chatbot, padahal tidak didukung dokumen mana pun yang dikutip di sini. Surfaktan dengan sifat ionik berbeda juga berinteraksi secara tak terduga dalam hal busa dan potensi iritasi, seperti dibahas rinci dalam ulasan surfaktan dalam kosmetik. Model yang dilatih dengan data teks tidak menghitung ulang interaksi kimia antar-komponen secara real-time — ia memprediksi kelanjutan frasa yang paling mungkin, bukan hasil dari suatu reaksi kimia.

Mengabaikan pH, suhu, dan stabilitas saat scale-up

Kesalahan sering kali bukan pada angka persentasenya sendiri, melainkan pada konteks penerapannya. AI akan menyebutkan persentase pengawet tanpa dasar apa pun. Angka yang bisa dipertanggungjawabkan selalu menyebut nama bahan yang dimaksud: untuk euxyl PE 9010, lembar data teknis Ashland memberikan rekomendasi kadar penggunaan 0,5–1,0% dari produk sebagaimana dipasok (w/w) — dan penting untuk memahami jenis dokumen ini secara tepat. Lembar data teknis adalah rekomendasi produsen untuk bahan baku miliknya sendiri; ini bukan studi independen maupun garansi bahwa emulsi Anda sudah terawetkan dengan baik, dan angka tersebut tidak berlaku untuk sistem pengawet yang berbeda. Apakah 0,5–1,0% berlaku dalam formula Anda masih bergantung pada pH, aktivitas air, ketiadaan surfaktan kationik, serta suhu penambahan fase, dan pertanyaan ini hanya bisa dijawab dengan uji tantangan pengawet, bukan dengan sebuah persentase. Batas regulasi adalah kendala terpisah lagi: phenoxyethanol dibatasi hingga 1,0% sebagai pengawet menurut Annex V dari Regulasi Kosmetik UK (Annex V, entri 29). Menghitung konsentrasi tanpa memperhitungkan konteks teknologi formula sama seperti menyebutkan dosis obat yang benar tanpa menanyakan berat badan atau kompatibilitas dengan obat lain. Untuk memeriksa apakah emulsi jadi benar-benar berperilaku stabil, uji dasar yang bisa dilakukan di rumah dikumpulkan dalam panduan "Stabilitas formula: uji yang layak dilakukan di rumah".

Mengapa data yang teruji secara ilmiah masih sangat minim

Mari kita jujur di sini: menurut standar penelitian tinjauan sejawat untuk periode 2020–2026, masih sangat sedikit studi khusus tentang keakuratan konsentrasi formula kosmetik hasil hitungan AI — data belum cukup untuk menyebut keandalan perhitungan semacam itu sebagai fakta yang terbukti. Layanan AI di bidang kosmetik saat ini terutama digunakan untuk analisis komposisi kualitatif, pemodelan prediktif, dan rekomendasi personal, sementara kemampuannya menghitung dosis bahan yang aman secara efektif belum terkonfirmasi secara ilmiah. Kee dkk., Curr Pharm Des, 2026

• Model dilatih dari sumber teks terbuka — paten, blog, forum — di mana konsentrasi produksi sebenarnya jarang dipublikasikan secara terang-terangan.
• Belum ada standar regulasi independen yang menguji keakuratan perhitungan formula AI sebagaimana, misalnya, efektivitas pengawet diuji.
• Kebanyakan layanan tidak mengungkapkan metodologinya: tidak jelas apakah model melakukan ekstrapolasi dari rentang aman versi regulator (CIR, SCCS) atau dari sumber acak.

Ini membuat angka apa pun yang dihasilkan oleh chatbot yang belum terverifikasi lebih tepat disebut sebagai hipotesis yang perlu diuji, bukan solusi rekayasa yang sudah siap pakai. Kami membahas isu serupa dalam konteks formulasi perawatan rambut pada artikel "AI dalam ilmu kimia kosmetik: bagaimana jaringan saraf mengubah formulasi perawatan rambut" — yang juga menunjukkan bahwa jaringan saraf lebih andal dalam menghasilkan hipotesis daripada dalam verifikasi dosis akhir.

Di mana AI benar-benar berguna — dan di mana tidak

Untuk berlaku adil, terlalu dini untuk sepenuhnya mengabaikan jaringan saraf. Mereka menyelesaikan masalah nyata — misalnya, menghemat waktu berjam-jam untuk pencarian literatur tentang mekanisme kerja suatu peptida, atau membantu Anda dengan cepat menelusuri puluhan daftar INCI pesaing. Kami membahas bagaimana machine learning mengubah pengembangan kompleks peptida dalam artikel tentang neuropeptida dalam kosmetik.

Tugas-tugas yang sudah bisa diandalkan pada AI

1. Peninjauan komposisi kualitatif secara cepat: mendeteksi apakah suatu produk mengandung alergen potensial, fragrance, atau alkohol berkonsentrasi tinggi berdasarkan posisinya dalam daftar.
2. Mencari literatur ilmiah dan paten tentang mekanisme kerja molekul tertentu.
3. Menghasilkan hipotesis untuk diuji — daftar awal bahan aktif untuk tujuan seperti "menenangkan kulit" atau "meningkatkan elastisitas."
4. Mensistematisasi data tentang kompatibilitas pengawet dengan berbagai sistem, yang kemudian diverifikasi secara manual oleh ahli kimia.

Tugas-tugas di mana mempercayai perhitungan AI berisiko

• Persentase pasti suatu bahan aktif dalam formula jadi tertentu, tanpa akses ke resep sebenarnya.
• Menghitung konsentrasi akhir pengawet dengan memperhitungkan kapasitas buffer dan kadar air dalam emulsi tertentu.
• Memprediksi stabilitas saat scale-up dari batch skala laboratorium ke batch skala industri.
• Menilai sinergi atau antagonisme beberapa bahan aktif secara bersamaan pada konsentrasi tinggi.

Daftar periksa: cara memverifikasi perhitungan jika AI mengusulkan formulanya

Jika Anda memformulasi di rumah atau menguji hipotesis dengan AI — jangan buang alat ini, tetapi tambahkan tahap verifikasi. Berikut protokol verifikasi minimal yang mengurangi risiko kesalahan AI dalam menghitung konsentrasi formula kosmetik.

• Silangkan pemeriksaan persentase bahan aktif yang diusulkan dengan rekomendasi pemasok bahan baku (lembar data teknis, bukan lembar pemasaran) — di sanalah rentang kerja sebenarnya tercantum.
• Periksa pH formula jadi setelah menambahkan bahan aktif: banyak asam dan sistem buffer hanya bekerja dalam rentang yang sempit, seperti pada buffer GDL.
• Buat batch percobaan 50–100 g dan amati selama 4 minggu — satu toples pada suhu ruang, satu pada 40 °C — catat pH, tampilan, warna, aroma, dan pemisahan setidaknya sekali seminggu, dengan wadah yang sama setiap kali. Pahami hasilnya sesuai konteksnya: ini adalah observasi awal dalam konteks edukasi. Bertahan selama empat minggu bukanlah penilaian keamanan, tidak menggantikan uji tantangan pengawet, dan bukan dasar untuk mencetak masa simpan produk.
• Periksa kompatibilitas pengawet dengan formula akhir — terutama jika mengandung fase anhidrat, di mana aturannya berbeda, seperti dijelaskan dalam artikel tentang pengawetan produk anhidrat.
• Jangan hanya mempercayai satu jawaban chatbot — mintalah sumber angka tersebut dan silangkan pemeriksaannya dengan basis data independen (CosIng, CIR, publikasi SCCS).

Apa artinya ini jika Anda memformulasi di rumah

Pembuatan krim di rumah sedang berkembang pesat, dan AI telah menjadi sekadar "konsultan praktis" tambahan di dapur para ahli kimia amatir. Namun krim bukanlah genre teks — ia adalah sistem fisikokimia di mana yang penting pada akhirnya adalah angka gram yang tepat, bukan "kira-kira 2%" yang dirata-ratakan. Jika Anda baru mulai menyusun formula sendiri, lebih bijak untuk memahami logika dasar emulsi dan pemilihan bahan aktif terlebih dahulu — itulah yang seharusnya dipelajari sebelum mengandalkan kalkulator persentase berbasis AI — dan panduan "Cara membuat krim di rumah" bisa menjadi titik awal yang baik.

FAQ

Bisakah AI membaca persentase pasti suatu bahan dari foto label?

Tidak — foto hanya mengungkapkan urutan daftar INCI, dan menurut aturan pelabelan UE/UK, produsen tidak pernah diwajibkan mempublikasikan persentase pasti dari bahan apa pun, sehingga angka apa pun yang disebutkan AI dari sebuah foto adalah hasil kesimpulan, bukan hasil pembacaan langsung.

Apakah "rentang aman" yang disebutkan chatbot sama dengan batas regulasi yang tervalidasi?

Belum tentu — lembaga regulasi seperti CIR dan SCCS menerbitkan batas keamanan untuk bahan-bahan tersendiri, tetapi "rentang aman" yang disebutkan chatbot biasanya merupakan rata-rata yang diambil dari berbagai sumber teks yang tercampur, dan mungkin tidak mencerminkan pH, kadar air, atau sinergi bahan pada formula tertentu.

Berapa lama Anda harus memantau batch buatan rumah sebelum mempercayai formulanya?

Sebagai protokol edukasi: 4 minggu pada batch percobaan 50–100 g, satu toples pada suhu ruang dan satu pada 40 °C, dengan pencatatan pH, tampilan, aroma, dan pemisahan setiap minggu. Perlakukan ini hanya sebagai observasi awal — masa simpan dan keputusan keamanan membutuhkan uji tantangan pengawet serta studi stabilitas pada kemasan jadi, bukan hanya pengamatan empat minggu pada dua toples.

Justru agar AI tidak menyuguhkan angka-angka yang tampak indah namun salah, AI Chemist bekerja di dalam Walker Formulation Academy Club — sebuah asisten yang dibangun di atas basis pengetahuan INCI/CosIng yang terverifikasi (RAG): ia menjawab berdasarkan sumber, bukan dengan berhalusinasi. Ditambah ahli kimia sungguhan yang siap menangkap hal-hal yang tidak akan terdeteksi oleh algoritma mana pun.

Sumber

1. Peraturan BPOM No. 25 Tahun 2025 tentang Persyaratan Teknis Bahan Kosmetik, Pasal 19 mengenai persyaratan pelabelan
2. The Cosmetic Products Enforcement Regulations 2013 (SI 2013/1478), legislation.gov.uk
3. Peraturan BPOM No. 25 Tahun 2025 tentang Persyaratan Teknis Bahan Kosmetik, Lampiran V: daftar pengawet yang diizinkan dalam produk kosmetik (entri 29, phenoxyethanol, 1,0%)
4. dsm, Niacinamide PC — Formulation Guidelines, September 2023 (dokumen teknis produsen, bukan studi independen)
5. Cosmetic Ingredient Review (CIR), penilaian keamanan bahan yang dipublikasikan
6. Komisi Eropa, Scientific Committee on Consumer Safety (SCCS)
7. Elewski B.E. dkk., A comparison of 15% azelaic acid gel and 0.75% metronidazole gel in the topical treatment of papulopustular rosacea, Arch Dermatol, 2003 (PMID 14623704)
8. Kee P.E. dkk., Emerging Technologies and Current Trends in Cosmeceutics: Exploring Nanotechnology and Artificial Intelligence-Aided Approaches, Curr Pharm Des, 2026 (PMID 41919428)