Klasifikasi Jenis Makanan Berdasarkan Citra Menggunakan Convolutional Neural Network untuk Estimasi Nilai Gizi pada Pola Makan Bulking

Azhari, Shafira Kayla (2026) Klasifikasi Jenis Makanan Berdasarkan Citra Menggunakan Convolutional Neural Network untuk Estimasi Nilai Gizi pada Pola Makan Bulking. Diploma thesis, UNIVERSITAS NASIONAL.

	Text COVER.pdf Download (894kB)
	Text BAB 1.pdf Download (342kB)
	Text BAB 2.pdf Download (546kB)
	Text BAB 3.pdf Download (538kB)
	Text BAB 4.pdf Download (977kB)
	Text BAB 5.pdf Download (334kB)
	Text LAMPIRAN.pdf Download (733kB)

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi citra makanan
berbasis Convolutional Neural Network (CNN) yang terintegrasi dengan estimasi nilai giziguna mendukung pola makan bulking. Model yang digunakan adalah arsitektur ResNet50
berbasis transfer learning yang dilatih menggunakan dataset yang terdiri dari enam jenis
makanan, yaitu bakso, mie ayam, nasi goreng, pempek, rendang, dan sate ayam, denganjumlah sekitar 10.000 citra. Tahapan penelitian meliputi preprocessing citra, pelatihan model,
serta evaluasi performa menggunakan metrik accuracy, precision, recall, dan F1-score. Hasilpenelitian menunjukkan bahwa model mampu mencapai akurasi sebesar 98,48% dengan F1score

sebesar 0,98, yang mengindikasikan performa klasifikasi yang sangat baik. Estimasi
nilai kalori dan protein dilakukan menggunakan pendekatan pemetaan berdasarkan hasil
klasifikasi dan data referensi gizi. Sistem yang dikembangkan mampu mengidentifikasi jenis
makanan sekaligus memberikan estimasi nilai gizi secara otomatis dengan tingkat keandalan
yang tinggi, sehingga berpotensi menjadi solusi praktis dalam pemantauan asupan nutrisi
berbasis data, khususnya untuk kebutuhan bulking.

Item Type:	Thesis (Diploma)
Subjects:	R Medicine > R Medicine (General) T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika
Depositing User:	Delvy Aplirizani -
Date Deposited:	14 Jul 2026 04:34
Last Modified:	14 Jul 2026 04:34
URI:	https://repository.unas.ac.id/id/eprint/17040

Actions (login required)

View Item