Perpustakaan Digital ITB

Kesadaran akan pentingnya informasi nutrisi di lingkungan kampus ITB terus meningkat, namun akses terhadap informasi tersebut masih terbatas. Penelitian ini, dengan menggunakan pendekatan Design Science Research Methodology (DSRM), bertujuan untuk merancang dan mengimplementasikan sebuah modul informasi nutrisi yang dapat diintegrasikan ke dalam platform Smart Canteen ITB Ganesha. Modul ini memanfaatkan arsitektur CNN custom dengan pendekatan klasifikasi dua tahap untuk menyediakan estimasi nutrisi secara otomatis dari gambar makanan. Tahap pertama adalah model deteksi makanan (biner), diikuti oleh model klasifikasi jenis makanan (multi-kelas). Sistem ini diimplementasikan menggunakan arsitektur three-tier yang terdiri dari React Native (frontend), Node.js (backend), dan TensorFlow.js untuk inferensi model. Model dilatih menggunakan dataset custom yang terdiri dari 12.203 gambar (11 kelas makanan dan 1 kelas non-makanan). Informasi nutrisi yang disajikan merupakan estimasi yang didasarkan pada data referensi dari Tabel Komposisi Pangan Indonesia dan USDA FoodData Central. Hasil evaluasi menunjukkan performa model yang sangat baik. Model tahap pertama mencapai akurasi 92,7% dengan AUC 0,979 untuk deteksi makanan, sementara model tahap kedua mencapai akurasi 84,36% untuk klasifikasi jenis makanan. Pengujian fungsional memvalidasi bahwa seluruh fitur inti sistem berjalan sesuai rancangan. Penelitian ini berhasil membuktikan bahwa pendekatan CNN bertingkat yang dirancang secara custom merupakan solusi yang efektif dan layak secara teknis untuk mengidentifikasi makanan dan menyajikan informasi nutrisi secara otomatis dalam ekosistem kantin kampus.