Publisher

IOINFORMATICIOINFORMATIC

Journal JUKI : Jurnal Komputer dan InformatikaJUKI : Jurnal Komputer dan Informatika Abstract

Perkembangan teknologi kecerdasan buatan, khususnya di bidang computer vision, telah membuka peluang baru dalam penerapan sistem pengenalan citra untuk mendukung program kesehatan masyarakat. Penelitian ini bertujuan untuk mengembangkan sistem cerdas yang mampu melakukan pengenalan citra makanan dan perhitungan kalori secara otomatis menggunakan algoritma Convolutional Neural Network (CNN). Sistem ini diimplementasikan sebagai bagian dari upaya mendukung Dapur Gizi, dengan tujuan membantu pemantauan asupan gizi secara objektif dan efisien. Metode penelitian mencakup tahapan pengumpulan dataset citra makanan, pra-pemrosesan data (resizing, augmentation, dan normalisasi), pelatihan model CNN untuk klasifikasi jenis makanan, serta integrasi modul perhitungan kalori berdasarkan hasil klasifikasi. Pengujian dilakukan untuk mengevaluasi tingkat akurasi model dalam mengenali citra makanan dan estimasi kalori menggunakan metrik evaluasi seperti accuracy, precision, recall, dan mean absolute error (MAE). Hasil penelitian menunjukkan bahwa model CNN yang dikembangkan mampu mengenali jenis makanan dengan tingkat akurasi sebesar 95,6%, precision 94,8%, dan recall 93,2%, dengan nilai error perhitungan kalori rata-rata (MAE) sebesar 6,7%. Nilai-nilai tersebut menunjukkan bahwa sistem dapat mengenali makanan dan menghitung estimasi kalori dengan tingkat ketepatan yang tinggi. Sistem ini menjadi solusi inovatif dalam mendukung pelaksanaan dan evaluasi program Dapur Gizi, serta berpotensi dikembangkan lebih lanjut sebagai aplikasi pemantauan gizi berbasis digital di bidang kesehatan dan pendidikan.

Conclusion

Model YOLOv11 telah berhasil dikembangkan untuk mengenali sepuluh jenis makanan dengan kinerja yang sangat baik, ditunjukkan oleh mAP50 sebesar 98,35%, presisi 95,57%, dan recall 96,46%, yang dicapai melalui pra-pemrosesan data dan penyesuaian hiperparameter yang optimal.Sistem ini tidak hanya berfungsi sebagai alat deteksi dan perhitungan gizi, tetapi juga menjadi sarana edukatif yang berkontribusi dalam meningkatkan literasi gizi masyarakat.Dengan demikian, implementasi Smart Nutrition secara signifikan mendukung keberhasilan program Makan Bergizi Gratis (MBG) menuju pencapaian generasi emas 2045.

Future Research

Meskipun penelitian ini berhasil mengembangkan sistem pengenalan citra makanan dan perhitungan kalori otomatis dengan akurasi tinggi untuk sepuluh jenis makanan, ada beberapa arah pengembangan lanjutan yang krusial untuk meningkatkan utilitas dan dampaknya. Pertama, bagaimana sistem ini dapat diperluas untuk mengenali ratusan hingga ribuan jenis makanan yang jauh lebih beragam, termasuk variasi cara masak dan presentasi yang berbeda, serta makanan yang tampak sebagian, tanpa mengorbankan akurasi dalam kondisi lingkungan yang bervariasi? Tantangan ini membutuhkan eksplorasi metode pembelajaran mendalam yang lebih adaptif, seperti transfer learning dengan dataset yang lebih besar atau pendekatan pembelajaran tanpa sedikit contoh (few-shot learning), untuk menangani keragaman kuliner Indonesia dan dunia. Kedua, bagaimana sistem dapat secara akurat mengestimasi porsi makanan melalui analisis citra untuk memberikan perhitungan kalori yang lebih presisi, tidak hanya berdasarkan klasifikasi jenis makanan? Ini dapat melibatkan pengembangan teknik visi komputer yang mampu memperkirakan volume atau berat makanan dari gambar tunggal, mungkin dengan integrasi sensor kedalaman atau rekonstruksi 3D sederhana, yang akan sangat meningkatkan keakuratan pemantauan asupan gizi personal. Terakhir, bagaimana sistem Smart Nutrition ini dapat dioptimalkan menjadi platform yang lebih interaktif dan personal, mampu memberikan saran gizi adaptif dan memantau tren asupan jangka panjang untuk meningkatkan literasi gizi serta mendorong perubahan perilaku makan yang lebih sehat bagi penggunanya? Penelitian masa depan dapat fokus pada integrasi modul rekomendasi berbasis kecerdasan buatan dan antarmuka pengguna yang menarik, yang tidak hanya menginformasikan tetapi juga memberdayakan individu dalam mengelola pola makan mereka secara mandiri.

Metadata

File size	707.9 KB
Pages	12
DMCA	Report