Publisher

UNAIUNAI

Journal 11th International Scholars Conference11th International Scholars Conference Abstract

Penelitian ini memperkenalkan Allertify, sebuah aplikasi mobile berbasis Android yang dirancang untuk membantu individu dengan alergi makanan mengidentifikasi alergen potensial dalam produk makanan melalui pemindaian barcode dan pengenalan gambar. Tujuan utamanya adalah mengembangkan alat yang komprehensif dan ramah pengguna untuk meminimalkan reaksi alergi dengan deteksi alergen yang cepat dan akurat. Aplikasi ini dikembangkan menggunakan Thunkable untuk desain antarmuka dan Google Teachable Machine untuk melatih model pengenalan gambar dengan dataset khusus. Pemindaian barcode dan pengenalan gambar diimplementasikan untuk mengidentifikasi alergen. Pengujian dilakukan di kampus universitas swasta, fokus pada produk makanan di kafetaria dan toko. Hasil menunjukkan pemindaian barcode memiliki tingkat keberhasilan 100% dengan waktu pemrosesan rata-rata 4 detik. Sebaliknya, fitur pengenalan gambar memiliki tingkat keberhasilan 91% tetapi hanya mencapai akurasi 50%, dengan waktu pemrosesan rata-rata 17 detik. Akurasi rendah pada pengenalan gambar terutama disebabkan oleh keterbatasan dataset pelatihan dan kemiripan visual antar item makanan tertentu. Keterbatasan utama meliputi database item makanan yang kecil dan kebutuhan koneksi internet, yang dapat membatasi ketersediaan aplikasi. Meskipun demikian, Allertify menunjukkan potensi signifikan sebagai alat untuk meningkatkan keamanan pangan, memberikan umpan balik real-time kepada pengguna mengenai alergen. Pengembangan selanjutnya dapat difokuskan pada perluasan database, peningkatan akurasi pengenalan gambar, dan penambahan kemampuan offline, sehingga aplikasi menjadi lebih tangguh dan andal.

Conclusion

Aplikasi Allertify berhasil dikembangkan sebagai solusi mobile untuk membantu individu dengan alergi makanan mengidentifikasi alergen potensial dan membuat keputusan makanan yang aman.Fitur pemindaian barcode berkinerja sangat baik dengan tingkat keberhasilan 100%, sementara pengenalan gambar hanya mencapai akurasi 50% karena keterbatasan dataset dan kemiripan visual antar makanan.Pengembangan lebih lanjut diperlukan untuk memperluas database, meningkatkan akurasi pengenalan gambar, dan menambahkan kemampuan offline agar aplikasi dapat digunakan secara lebih luas dan andal.

Future Research

Pertama, perlu dikembangkan penelitian untuk melatih ulang model pengenalan gambar dengan dataset yang lebih luas dan beragam, termasuk makanan yang dipotret dari berbagai sudut, kondisi pencahayaan, dan latar belakang, guna meningkatkan akurasi dalam mengenali makanan yang tampak mirip. Kedua, perlu diteliti penerapan kemampuan offline pada aplikasi, sehingga pengguna dapat tetap mengakses fitur pemindaian barcode dan pengenalan gambar tanpa koneksi internet, terutama di daerah dengan akses jaringan terbatas. Ketiga, perlu dieksplorasi integrasi sistem penyimpanan data berbasis cloud yang aman, sehingga pengguna dapat menyinkronkan daftar alergen pribadi dan riwayat pemindaian antar perangkat, sekaligus menjaga privasi melalui otentikasi seperti PIN atau kata sandi. Pengembangan ini dapat membuat aplikasi lebih fleksibel, aman, dan cocok untuk penggunaan sehari-hari. Penelitian lanjutan juga dapat mengevaluasi efektivitas aplikasi dalam lingkungan nyata seperti restoran atau pasar tradisional, di mana variasi makanan lebih tinggi dan kemasan mungkin tidak memiliki barcode. Selain itu, penting untuk menguji robustness model terhadap makanan lokal yang berbeda tekstur, warna, dan penyajiannya. Dengan memperluas konteks pengujian, aplikasi dapat disesuaikan untuk pasar yang lebih luas. Peningkatan ini akan membuat Allertify menjadi solusi yang lebih komprehensif dan dapat diandalkan bagi penderita alergi makanan.

Metadata

File size	345.62 KB
Pages	16
DMCA	ReportReport