Penerapan Model RT-DETR untuk Estimasi Nutrisi Makanan Pada Website Monitoring Program Makan Bergizi Gratis (MBG)

Abstract

Program Makan Bergizi Gratis (MBG) membutuhkan sistem pemantauan nutrisi yang lebih efisien untuk menggantikan proses evaluasi manual yang memakan waktu dan rawan kesalahan. Penelitian ini mengintegrasikan model Real-Time Detection Transformer (RT-DETR) untuk deteksi objek makanan dan estimasi kandungan nutrisi, serta model Long Short-Term Memory (LSTM) untuk memprediksi tren nutrisi harian, ke dalam sebuah website monitoring MBG. Model RT-DETR dilatih menggunakan gambar makanan yang telah dianotasi, sementara model LSTM memproses data deret waktu dari riwayat gizi harian untuk meramalkan kebutuhan nutrisi. Hasil evaluasi menunjukkan RT-DETR mencapai nilai presisi dan recall sebesar 93,48% pada data pengujian. Model LSTM dengan pembagian data 90:10 menghasilkan kinerja terbaik dengan RMSE sebesar 38,42 dan MAPE sebesar 28,25%. Sistem web yang dibangun menggunakan AstroJS dan Supabase ini memungkinkan pemantauan gizi secara real-time. Namun, estimasi nutrisi saat ini masih bergantung pada nilai referensi tetap per 100 gram, sehingga penelitian selanjutnya disarankan mengadopsi metode segmentasi yang lebih canggih, seperti SegFormer, untuk menghitung nutrisi berdasarkan berat porsi yang sebenarnya.