<![CDATA[Tujuan penelitian untuk mengembangkan sistem pendeteksi kalori makanan dengan menggunakan metode Single Shot Multibox Detector (SSD). Juga, bertujuan untuk mengatasi masalah manusia yang kesulitan dalam mengestimasi jumlah kalori yang dikonsumsi dari makanan. Dengan menggunakan model kecerdasan buatan dan bantuan kamera pada perangkat ponsel, pada penelitian ini memungkinkan pengguna untuk melakukan estimasi kalori yang lebih akurat. Sistem ini dirancang secara otomatis untuk mengidentifikasi dan memperkirakan jumlah kalori dalam makanan berdasarkan citra visual. Pemilihan metode SSD didasarkan pada keunggulannya dalam mendeteksi objek dengan tingkat akurasi yang tinggi dan kecepatan pengolahan yang cepat. Proses penelitian melibatkan beberapa tahap, termasuk pengumpulan dataset citra makanan, pelatihan model SSD dengan konfigurasi Hyperparameter pada 40.000 langkah, menggunakan data training sebanyak 90%, validasi 10%, dan testing 10%, serta menggunakan batch size 16 dan learning rate 0.007943453. Hasil eksperimen menunjukkan total loss sebesar 0.1670681 dan mean average precision (mAP) sebesar 65.09%. Jenis makanan berhasil dideteksi dengan baik, dan aplikasi mobile terkait mampu mengestimasi kalori makanan setelah deteksi jenis makanan. Meskipun demikian, penelitian mengidentifikasi beberapa tantangan, terutama dalam meningkatkan akurasi deteksi pada makanan dengan struktur kompleks atau variasi presentasi yang ekstensif. Temuan dari penelitian ini diharapkan dapat memberikan kontribusi penting dalam pengembangan sistem pendukung keputusan untuk pemantauan otomatis asupan kalori. ]]>
