Prediksi Kalori pada Makanan Menggunakan Pengolahan Citra Digital dengan Metode Single Shot Multibox Detector

Puspitasari, Fifin Ayu (2025) Prediksi Kalori pada Makanan Menggunakan Pengolahan Citra Digital dengan Metode Single Shot Multibox Detector. Skripsi thesis, Prodi Teknik Informatika.

	Text cover.pdf - Submitted Version Download (1MB)
	Text bab I.pdf - Submitted Version Download (1MB)
	Text bab II.pdf - Submitted Version Download (6MB)
	Text bab III.pdf - Submitted Version Download (6MB)
	Text bab IV.pdf - Submitted Version Restricted to Registered users only Download (3MB) | Request a copy
	Text bab V.pdf - Submitted Version Download (522kB)
	Text daftar pustaka.pdf - Submitted Version Download (1MB)
	Text lampiran.pdf - Submitted Version Restricted to Registered users only Download (2MB) | Request a copy

Abstract

Di era digital, teknologi memainkan peran penting dalam mempermudah berbagai aspek kehidupan, termasuk di bidang kesehatan. Salah satu inovasi yang berkembang adalah aplikasi kesehatan yang membantu individu dalam memahami dan mengelola asupan kalori harian mereka. Konsumsi kalori yang berlebihan tanpa pemantauan yang baik dapat meningkatkan risiko berbagai penyakit, seperti obesitas, diabetes tipe 2, penyakit jantung, dan gangguan metabolisme lainnya. Oleh karena itu, diperlukan solusi berbasis teknologi yang mampu memberikan estimasi kalori secara akurat dan efisien guna membantu individu dalam menjaga pola makan yang lebih sehat. Untuk mengatasi permasalahan ini, dikembangkan sebuah sistem prediksi kalori yang mampu memperkirakan jumlah kalori dalam makanan atau minuman tertentu secara otomatis. Penelitian ini bertujuan untuk merancang aplikasi prediksi kalori berbasis web yang efektif dan mudah digunakan (user-friendly). Sistem ini tidak hanya berfungsi sebagai alat bantu pemantauan kalori, tetapi juga mendukung upaya pencegahan penyakit akibat pola makan yang kurang terkontrol. Dalam pengembangannya, penelitian ini menerapkan model Single Shot MultiBox Detector (SSD) dalam pengolahan citra digital untuk mendeteksi jenis makanan dan memperkirakan kandungan kalorinya. Metode yang digunakan dalam penelitian ini adalah kombinasi algoritma SSD dan MobileNet, yang diterapkan menggunakan framework TensorFlow. Algoritma ini dipilih karena kemampuannya dalam mendeteksi objek dengan cepat dan akurat, serta efisiensi komputasi yang cocok untuk diaplikasikan dalam sistem berbasis web. Hasil penelitian menunjukkan bahwa model deteksi makanan yang dikembangkan memiliki kinerja yang baik, dengan mAP (mean Average Precision) sebesar 77.63%, serta Macro Average dan Weighted Average mencapai 89%-90% pada metrik Precision, Recall, dan F1-Score. Nilai mAP ini mencerminkan tingkat akurasi model dalam mengenali dan mengklasifikasikan makanan dengan cukup baik. Dengan tingkat akurasi yang tinggi, sistem ini memiliki potensi besar untuk diterapkan dalam kehidupan sehari-hari, membantu individu dalam memantau dan mengontrol asupan kalori mereka secara otomatis dan akurat.

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	Deteksi Makanan, Citra, SSD, MobileNet, Prediksi Kalori: Food Detection, Image, SSD, MobileNet, Calorie Prediction
Subjects:	000 Karya Umum > 000-009 Ilmu Umum dan Komputer > 006.3 Kecerdasan Buatan
Divisions:	Fakultas Teknik dan Komputer > Teknik Informatika
Depositing User:	Susila Novmbrita
Date Deposited:	10 Jun 2025 05:15
Last Modified:	10 Jun 2025 05:15
URI:	http://repository.upbatam.ac.id/id/eprint/6709

Actions (login required)

View Item

Downloads