Penerapan YOLOv5 untuk Klasifikasi Gambar dalam Sistem Estimasi Kandungan Kalori Masakan Indonesia

Abstrak

Di zaman teknologi yang terus berkembang ini, aplikasi penghitung kalori menjadi sangat penting bagi individu yang peduli akan pola makan dan kesehatan mereka. Namun, sebagian besar aplikasi tersebut belum sepenuhnya dapat mengakomodasi variasi masakan yang umum dikonsumsi di Indonesia, terutama masakan yang populer di Pulau Jawa, yang memiliki jumlah penduduk terbesar di Indonesia. Untuk mengatasi kekurangan ini, penelitian ini memperkenalkan solusi inovatif berupa Sistem Klasifikasi Masakan Indonesia dan Estimasi Kandungan Kalori menggunakan teknologi YOLOv5. Dalam pendekatan ini, teknologi klasifikasi objek YOLOv5 digunakan untuk mengidentifikasi berbagai jenis masakan Indonesia, termasuk delapan kelas seperti sate, bakso, soto, nasi goreng, gado-gado, ayam goreng, rawon, dan rendang. Sistem ini tidak hanya mampu mengklasifikasikan masakan dengan akurat, tetapi juga memberikan estimasi kandungan kalori berdasarkan komposisi bahan makanan yang terklasifikasi. Implementasi dari penelitian ini menggabungkan YOLOv5 untuk menerapkan model klasifikasi masakan Indonesia dengan menggunakan API nutrisi dari API Ninjas untuk mendapatkan data nutrisi yang diperlukan. Penelitian ini menggunakan dataset yang diperoleh dari website Kaggle, Mendeley Data, dan Roboflow, dengan total 303 gambar untuk setiap kelas masakan. Hasilnya, model mencapai skor akurasi sebesar 94,2%, precision sebesar 94,3%, recall sebesar 93,8%, dan F1 Score sebesar 93,8%.