Perpustakaan Digital ITB

Hingga saat ini, kasus kekurangan atau kelebihan gizi masih dapat dijumpai khususnya di kalangan anak-anak dan balita yang seharusnya mendapatkan asupan gizi yang mencukupi. Penyebab langsung terjadinya gizi kurang dan gizi buruk adalah asupan makanan yang tidak mencukupi, baik dari segi porsi makanan yang diterima maupun dari segi kualitas gizi makanan. Oleh karena itu, ibu perlu tahu apakah asupan makanan yang dikonsumsi anak sudah mencapai syarat kecukupan gizi yang telah ditentukan. Penelitian ini mengembangkan model prediksi kandungan makronutrien pada makanan bayi menggunakan pendekatan deep learning yaitu Deep-belief Network dan Convolutional Neural Network. Data yang digunakan adalah data NIRS hasil scan terhadap bubur instan menggunakan SCiO. Hasil prediksi menggunakan CNN dan DBN dibandingkan dengan metode-metode konvensional seperti Support Vector Regression, Partial Least Square dan Linear Regression. Pada penelitian ini, CNN berhasil memberikan kinerja terbaik dengan error karbohidrat, protein dan lemak sebesar 11,70%, 26,14%, dan 28,72%. Secara umum, error yang dihasilkan pada kebanyakan kasus masih berada dalam batas aman kelebihan/kekurangan, namun error prediksi lemak masih cukup tinggi sehingga kelebihan lemak sebesar 28,72% sudah di luar batas aman. Oleh karena itu, ke depannya perlu dilakukan penelitian lebih lanjut untuk meningkatkan kinerja dengan memperbanyak data yang digunakan.