Pengenalan Citra Makanan dan Perhitungan Kalori Otomatis Berbasis Convolutional Neural Network

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