<![CDATA[Manajemen nutrisi adalah faktor penentu dalam mencapai target kesehatan, baik untuk penurunan berat badan, pemeliharaan berat badan ideal, maupun peningkatan massa otot, namun masyarakat sering mengalami kesulitan mengidentifikasi kandungan gizi dan kalori makanan secara cepat dan akurat sehingga estimasi yang dihasilkan rawan bias. Penelitian ini bertujuan merancang dan mengembangkan sistem aplikasi estimasi gizi dan kalori berbasis Deep Learning yang mampu mengenali 34 kelas makanan Indonesia dan buah-buahan lokal dari citra digital secara otomatis dan real-time. Sistem dibangun menggunakan arsitektur MobileNetV3 dan framework TensorFlow dengan metode CNN dan Transfer Learning dua fase (feature extraction dan fine-tuning) serta augmentasi data, kemudian diimplementasikan sebagai Progressive Web App (PWA) dengan backend Flask dan frontend Vanilla JS yang mengintegrasikan hasil klasifikasi dengan basis data TKPI dan fatsecret. Dataset terdiri dari 5.690 citra yang dibagi 80:10:10, dan evaluasi pada 569 citra uji menghasilkan akurasi 95,08% serta Weighted Average F1-Score 95,1%, melampaui target awal 85%. Hasil ini membuktikan bahwa sistem yang dikembangkan layak digunakan sebagai solusi praktis pemantauan nutrisi harian berbasis citra, baik dari sisi akurasi model maupun kelengkapan fitur aplikasi. Penelitian selanjutnya dapat diarahkan pada penambahan deteksi multi-objek dalam satu frame serta integrasi sensor berat porsi untuk meningkatkan presisi estimasi kalori.]]>
Copyrights © 2026
