Fitur Machine Learning untuk Mengidentifikasi Kandungan Gula Pada Makanan: Studi Kasus Aplikasi Glucofit untuk Pencegahan Diabetes di Indonesia

Abstract

Penelitian ini bertujuan mengembangkan fitur berbasis machine learning pada aplikasi GlucoFit untuk mengidentifikasi kandungan gula dalam makanan guna mendukung pencegahan diabetes di Indonesia. Diabetes melitus merupakan masalah kesehatan serius dengan prevalensi yang terus meningkat, salah satunya disebabkan oleh kurangnya kesadaran masyarakat terhadap asupan gula harian. Solusi yang ditawarkan adalah aplikasi mobile yang memanfaatkan teknologi Convolutional Neural Network (CNN) untuk mengenali jenis makanan dari foto dan memberikan estimasi kandungan gulanya, serta mengintegrasikan Generative AI API (Gemini) untuk menyajikan penjelasan ilmiah dan rekomendasi aktivitas fisik.

Metodologi penelitian mencakup pengumpulan data gambar makanan dari dataset Food- 101, pra-pemrosesan data (cleaning, penyeimbangan kelas, augmentasi), pengembangan model

CNN berbasis arsitektur EfficientNetB7, pelatihan model, serta pengujian akurasi. Model kemudian diintegrasikan ke aplikasi Android melalui API yang dideploy di Google Cloud Run. Hasil pengujian menunjukkan akurasi model sebesar 87% setelah optimasi, dengan kemampuan mengenali 60 jenis makanan populer di Indonesia. Evaluasi oleh delapan ahli gizi dan tenaga medis terhadap output Generative AI API Gemini memperoleh skor rata-rata 4.5 (skala 1-5) untuk aspek keterbacaan, relevansi, konsistensi, dan manfaat bagi pengguna. Temuan penelitian ini mengindikasikan bahwa kombinasi teknologi machine learning dan generative AI dapat menjadi solusi inovatif untuk meningkatkan kesadaran masyarakat terhadap asupan gula serta mendukung pencegahan diabetes melalui pendekatan yang edukatif dan interaktif. Aplikasi GlucoFit diharapkan dapat berkontribusi dalam perubahan perilaku konsumsi makanan sehat di Indonesia.