Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Ir. Adam Hendra Brata, S.Kom., M.T., M.Sc.
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Pengembangan Aplikasi Deteksi Allergen pada Makanan Menggunakan Convolutional Neural Network Berbasis Android Agastya Maheswara, Anak Agung Gde; Ir. Lutfi Fanani S.Kom., M.T., M.Sc.; Ir. Adam Hendra Brata, S.Kom., M.T., M.Sc.
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 6 (2024): Juni 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Alergi makanan menjadi masalah kesehatan internasional yang signifikan. World Allergy Organization (WAO) mengemukakan bahwa prevalensi alergi terus meningkat sebesar 30-40 persen di seluruh dunia. Di Indonesia, terdapat beberapa penelitian yang memperkirakan peningkatan kasus alergi sebesar 30% per tahunnya. Pada penelitian ini, telah melakukan wawancara terhadap pengidap alergi makanan yang masih kesulitan dalam mengetahui kandungan yang ada pada makanan. Dalam menghadapi permasalahan tersebut, diperlukan solusi untuk mencegah terjadinya dampak alergi pada seseorang menggunakan media yang mudah dijangkau. Solusi tersebut akan diimplementasikan dalam aplikasi deteksi allergen pada makanan berbasis android. Tahap pertama pengembangan yaitu melakukan wawancara terhadap responden untuk mengetahui kebutuhan pengguna dan use case scenario. Selanjutnya akan dirancang sequence diagram, class diagram, model makanan, algoritme dan antarmuka. Permodelan akan menggunakan pre-trained model yaitu InceptionV3 dan InceptionResNetV2. Hasil pengujian validasi menggunakan metode black box menunjukkan hasil bahwa seluruh fungsionalitas aplikasi dapat berjalan dengan semestinya. Hasil pengujian usabilitas yang dilakukan dengan 22 responden menggunakan SUS menunjukkan bahwa aplikasi telah mencapai kategori acceptable pada acceptability ranges, grade A pada grade scale, excellent pada adjective rating. Hasil pengujian dengan ahli gizi menunjukkan bahwa keakuratan deteksi makanan mendapat persentase 72% dan keakuratan allergen yang terkandung pada makanan mendapat persentase 70%.
Co-Authors Agastya Maheswara, Anak Agung Gde Ir. Lutfi Fanani S.Kom., M.T., M.Sc.