Sanjaya, Firman (2026) DETEKSI MAKANAN BERBASIS YOLO DENGAN ESTIMASI BERAT NASI SEBAGAI PENDUKUNG PEMENUHAN NUTRISI. Diploma thesis, UNIVERSITAS HARKAT NEGERI.
![[img]](http://repository.harkatnegeri.ac.id/style/images/fileicons/text.png) |
Text (COVER)
COVER.pdf Download (1MB) |
|
Text (BAB I)
BAB I.pdf Download (237kB) |
|
Text (BAB II)
BAB II.pdf Download (236kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (381kB) | Request a copy |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (369kB) | Request a copy |
|
Text (BAB V)
BAB V.pdf Restricted to Registered users only Download (1MB) | Request a copy |
|
Text (BAB VI)
BAB VI.pdf Download (173kB) |
|
Text (DAFTAR PUSTAKA)
DAFTAR PUSTAKA .pdf Download (194kB) |
|
Text (LAMPIRAN)
LAMPIRAN.pdf Download (410kB) |
Abstract
Mengatasi keterbatasan pemantauan manual pada Program Makan Bergizi Gratis (MBG), penelitian ini mengembangkan sistem deteksi makanan berbasis computer vision menggunakan model YOLO26 Segmentasi untuk mengidentifikasi komponen makanan dan mengestimasi berat nasi sebagai pendukung pemantauan nutrisi. Dataset yang digunakan terdiri dari 505 citra menu makanan dengan enam kelas objek, yaitu nasi, protein, sayur, buah, karbohidrat, dan susu yang diperoleh dari media sosial Satuan Pelayanan Pemenuhan Gizi (SPPG). Estimasi berat nasi dilakukan berdasarkan luas area hasil segmentasi (mask) menggunakan nilai kalibrasi 0,00011159 gram/piksel. Model dilatih, diuji, dan diintegrasikan ke dalam layanan REST API berbasis Flask serta aplikasi Android. Pengujian model dilakukan menggunakan tiga skenario data uji, yaitu 50, 115, dan 690 citra. Hasil pengujian menunjukkan bahwa model memperoleh nilai mAP50 segmentasi sebesar 88,6%, 78,3%, dan 77,5% pada masing-masing skenario pengujian. Pada objek nasi yang menjadi fokus penelitian, model memperoleh nilai mAP50 segmentasi sebesar 96,3%, 98,3%, dan 98,6%. Sistem juga melakukan estimasi berat nasi berdasarkan luas area hasil segmentasi serta menampilkan hasil deteksi, estimasi berat, dan perhitungan kalori melalui aplikasi Android. Hasil penelitian menunjukkan bahwa model YOLO26 Segmentasi berhasil diimplementasikan pada aplikasi Android untuk deteksi makanan dan estimasi berat nasi.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology |
| Divisions: | Teknik > Diploma III Teknik Komputer |
| Depositing User: | Firman Sanjaya |
| Date Deposited: | 14 Aug 2026 07:02 |
| Last Modified: | 14 Aug 2026 07:02 |
| URI: | http://repository.harkatnegeri.ac.id/id/eprint/7300 |
Actions (login required)
 |
View Item |