Penggunaan CNN Untuk Menentukan Jumlah Kalori Pada Sayuran Dan Buah Menggunakan Image Processing
DOI:
https://doi.org/10.29407/5dzfn808Keywords:
Klasifikasi Citra, CNN, Kalori, Sayuran, Buah, Pengenalan PolaAbstract
Peningkatan kesadaran masyarakat terhadap pola makan sehat telah mendorong kebutuhan akan teknologi yang dapat membantu memantau asupan kalori secara mudah dan akurat. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi citra untuk menentukan jumlah kalori pada sayuran dan buah menggunakan metode Convolutional Neural Network (CNN). Metode CNN dipilih karena kemampuannya dalam mengenali pola visual pada citra, yang sangat berguna dalam klasifikasi objek makanan dengan karakteristik beragam. Dataset yang digunakan terdiri dari berbagai gambar sayuran dan buah yang dilabeli dengan informasi kalori yang relevan. Model CNN dilatih menggunakan data latih yang telah diproses dan dievaluasi dengan menggunakan data uji untuk memastikan akurasi prediksi. Hasil penelitian menunjukkan bahwa metode CNN mampu memberikan prediksi kalori yang cukup akurat dengan tingkat akurasi mencapai 99%, menunjukkan potensi penggunaan teknologi ini dalam aplikasi sehari-hari, seperti pemantauan diet dan kesehatan. Penelitian ini memberikan kontribusi dalam pengembangan aplikasi berbasis AI untuk mendukung gaya hidup sehat dan pengelolaan asupan kalori secara efisien.
Downloads
References
N. Rasyidin and Irwansyah, “Dampak Sosial Media Terhadap Dinamika Masyarakat Indonesia: Analisis Konseptual
Dan Studi Literatur,” J. Ilmu Komun. Dan Media Sos., vol. 3, no. 3, pp. 827–836, 2023, [Online]. Available:
https://doi.org/10.47233/jkomdis.v3i3.1213
Agus Mulyana et al., “Menumbuhkan Gaya Hidup Sehat Sejak Dini Melalui Pendidikan Jasmani, Olahraga, Dan
Kesehatan,” J. Bintang Pendidik. Indones., vol. 2, no. 2, pp. 321–333, 2024, doi: 10.55606/jubpi.v2i2.2998.
M. Lihawa et al., “Pengembangan Aplikasi Sistem Pakar Deteksi Dini Hama Dan Penyakit Tanaman Jagung
Development of an Expert System Application for Early Detection of Pests and Diseases of Maize Plants,” J. Penelit.
Pertan. Terap., vol. 24, no. 1, pp. 67–113, 2023, [Online]. Available: http://dx.doi.org/10.25181/jppt.v24i1.3301
S. Sallu, Q. Qammaddin, A. Ashari, and N. Nursamsir, “Tinjauan Literature : Pembelajaran Digital Administrasi
Publik berbasis Artificial Intelligence (AI),” Remik, vol. 7, no. 1, pp. 367–380, 2023, doi: 10.33395/remik.v7i1.12064.
A. Maya, K. Putri, A. F. Rozi, S. Informasi, U. Mercu, and B. Yogyakarta, “IMPLEMENTASI CONVUTIONAL
NEURAL NETWORK DALAM DETEKSI TINGKAT KEMATANGAN BUAH TOMAT BERDASARKAN
WARNA KULIT,” vol. 8, no. 5, pp. 10388–10394, 2024.
U. S. Rahmadhani and N. L. Marpaung, “Klasifikasi Jamur Berdasarkan Genus Dengan Menggunakan Metode CNN,”
J. Inform. J. Pengemb. IT, vol. 8, no. 2, pp. 169–173, 2023, doi: 10.30591/jpit.v8i2.5229.
I. Suhardin, A. Patombongi, and A. M. Islah, “MENGIDENTIFIKASI JENIS TANAMAN BERDASARKAN CITRA
DAUN MENGGUNAKAN AlGORITMA CONVOLUTIONAL NEURAL NETWORK,” Simtek J. Sist. Inf. dan Tek.
Komput., vol. 6, no. 2, pp. 100–108, 2021, doi: 10.51876/simtek.v6i2.101.
Normalisa, A. Rachmaniar, D. Diana, M. Saefudin, and R. Parulian, “Application Of Computer Vision Detection Of
Apples And Oranges Using Python Language,” J. Inf. Syst. Informatics Comput., vol. 6, no. 2, pp. 455–466, 2022,
doi: 10.52362/jisicom.v6i2.946.
K. Azmi, S. Defit, and S. Sumijan, “Implementasi Convolutional Neural Network (CNN) Untuk Klasifikasi Batik
Tanah Liat Sumatera Barat,” J. Unitek, vol. 16, no. 1, pp. 28–40, 2023, doi: 10.52072/unitek.v16i1.504.
A. Kholik, “Klasifikasi Menggunakan Convolutional Neural Network (Cnn) Pada Tangkapan Layar Halaman
Instagram,” J. Data Min. dan Sist. Inf., vol. 2, no. 2, p. 10, 2021, doi: 10.33365/jdmsi.v2i2.1345.
S. Suhendar, A. Purnama, and E. Fauzi, “Deteksi Penyakit Pada Daun Tanaman Ubi Jalar Menggunakan Metode
Convolutional Neural Network,” J. Ilm. Inform. Glob., vol. 14, no. 3, pp. 62–67, 2023, doi: 10.36982/jiig.v14i3.3478.
R. Bong and C. Lubis, “Pengenalan Nama Model Sepatu Menggunakan Convolutional Neural Network (CNN)
Dengan Model MobileNetV2,” J. Ilmu Komput. dan Sist. Inf., 2020.
A. Akram, K. Fayakun, and H. Ramza, “Klasifikasi Hama Serangga pada Pertanian Menggunakan Metode
Convolutional Neural Network,” Build. Informatics, Technol. Sci., vol. 5, no. 2, pp. 397–406, 2023, doi:
47065/bits.v5i2.4063.
D. Raihan Rahmalita, A. Mahmudi, and Y. Agus Pranoto, “Sistem Pendukung Keputusan Kelayakan Pemberian
Pinjaman Menggunakan Metode Topsis,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 2, pp. 1214–1220, 2024, doi:
36040/jati.v8i2.9083.
R. S. I. Arif Tirtana1, “Implementasi Convolutional Neural Network dengan Arsitektur,” vol. 8, no. 1, pp. 41–47,
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Ryo Ardiansyah, Arya Cahya Fajarulloh, Brilliant Aprilio Soeldana Putra
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
