Implementasi Arsitektur MobileNetV2 pada Sistem Klasifikasi Kelengkapan Komponen Makanan Siswa Berbasis Website

Abstract

Pemenuhan komponen makanan seimbang pada anak usia sekolah merupakan hal krusial, namun pemantauan konsumsi harian secara manual seringkali tidak praktis, memakan waktu lama, dan rentan terhadap penilaian subjektif. Untuk mengatasi tantangan tersebut, penelitian ini bertujuan merancang bangun sistem klasifikasi kelengkapan komponen makanan siswa berbasis website (NutriKids) guna menciptakan ekosistem evaluasi asupan yang mandiri, interaktif, serta terstruktur bagi siswa. Pengembangan sistem menggunakan pendekatan Research and Development (R&D) dengan model ADDIE (Analysis, Design, Development, Implementation, Evaluation). Metode komputasi yang diimplementasikan adalah Convolutional Neural Network (CNN) berbasis arsitektur MobileNetV2 yang berkinerja ringan. Model ini secara khusus dirancang untuk mendeteksi lima komponen makanan dasar  karbohidrat, protein, sayur, buah, dan susu yang sejalan dengan pedoman "Isi Piringku". Berdasarkan pengujian, hasil inferensi model yang dievaluasi melalui Confusion Matrix menunjukkan tingkat keandalan yang sangat baik dengan rata-rata akurasi 92,6% dan presisi 92,4%. Pencapaian ini didukung oleh penerapan ambang batas probabilitas (threshold) sebesar 0,60 yang terbukti efektif menekan angka False Positive. Selanjutnya, pengujian fungsionalitas melalui Black Box Testing mengonfirmasi bahwa seluruh fitur antarmuka, mulai dari otentikasi hingga dasbor histori, berjalan tanpa kendala. Evaluasi penerimaan pengguna yang diukur menggunakan System Usability Scale (SUS) menghasilkan rata-rata skor 77,50, yang berarti sistem termasuk dalam kategori baik dan sangat ramah anak. Kesimpulan penelitian ini menunjukkan bahwa integrasi arsitektur MobileNetV2 pada platform website efektif mentransformasi pengawasan pasif menjadi pemantauan asupan makanan mandiri secara real-time. Rekomendasi penelitian selanjutnya adalah pengintegrasian fitur estimasi massa volumetrik untuk analisis asupan yang lebih komprehensif.

GS Cited Analysis