PENGEMBANGAN APLIKASI ESTIMASI KALORI MAKANAN BERBASIS CITRA DENGAN PENDEKATAN DETEKSI OBJEK MENGGUNAKAN YOLO

Abstract

Penelitian ini mengembangkan aplikasi estimasi kalori makanan berbasis citra untuk membantu pengguna memantau asupan energi secara praktis melalui foto ponsel. Sistem menggunakan deteksi objek YOLOv8n untuk mengenali makanan Indonesia dan memetakan tiap deteksi ke parameter nutrisi guna menghitung massa dan kalori. Dataset pelatihan berisi 3.772 citra pada 9 kelas makanan (dibagi 80% latih, 10% validasi, 10% uji). Model dilatih selama 100 epoch pada resolusi 640 piksel menggunakan optimizer AdamW dan early stopping. Backend FastAPI dalam lingkungan Docker menjalankan inferensi dan perhitungan kalori berdasarkan data nutrisi tiap kelas. Aplikasi mobile Flutter mengirim citra ke endpoint /predict dan menampilkan makanan terdeteksi beserta confidence, estimasi massa, dan total kalori. Hasil uji menunjukkan performa deteksi tinggi dengan mAP@0.5 0,975, sementara kesalahan terbesar terjadi pada kelas yang mirip secara visual atau minim data. Temuan ini menegaskan bahwa sistem end-to-end mampu mengestimasi kalori otomatis dari satu foto dan layak dikembangkan lebih lanjut dengan menambah kelas dan menyeimbangkan dataset.