NUTRICHIVE: APLIKASI MOBILE UNTUK DETEKSI BAHAN MAKANAN DAN REKOMENDASI RESEP GUNA MENGURANGI LIMBAH MAKANAN
DOI:
https://doi.org/10.23960/jitet.v13i1.5948Abstract Views: 287 File Views: 283
Abstract
Masalah limbah makanan merupakan tantangan global yang signifikan, khususnya di Indonesia dengan tingkat kehilangan makanan mencapai 23–48 juta ton per tahun. Penelitian ini bertujuan untuk mengembangkan aplikasi berbasis mobile bernama NutriChive, yang menggunakan teknologi pembelajaran mesin untuk mendeteksi bahan makanan dari gambar sisa makanan dan memberikan rekomendasi resep. Aplikasi ini dikembangkan dengan pendekatan rekayasa perangkat lunak berbasis iterasi, menggunakan TensorFlow Lite untuk penerapan model pembelajaran mesin. Dataset yang digunakan mencakup 36 kelas bahan makanan dengan teknik augmentasi data untuk meningkatkan variasi. Pengujian menunjukkan bahwa model deteksi bahan makanan mencapai akurasi lebih dari 90% dengan waktu respon rata-rata kurang dari 2 detik. Selain itu, desain antarmuka pengguna yang intuitif memungkinkan navigasi yang mudah bagi berbagai kalangan pengguna. Hasil penelitian ini menunjukkan bahwa NutriChive efektif dalam mendukung pengurangan limbah makanan melalui pemanfaatan teknologi berbasis aplikasi.Downloads
References
A. Markos, Makiso, Urugo; Tilahun, A.; Teka, Habtamu; Fikadu, Gemede; Siwan, Mersha; Ararsa, Tessema; Henock, Woldemichael Woldemariam; Habtamu, “No Title,” Compr. Rev. Food Sci. Food Saf., vol. 23, no. 5, 2024, doi: 10.1111/1541-4337.70011.
“https://www.geologinesia.com/2017/10/pencemaran-udara-beserta- penyebab-dan-akibatnya.html ),” pp. 5–30, 2017.
P. K. Pawan Kumar, Senthil Pandi, S., “No Title,” Using Genet. Algorithms to Optim. Job Sched. Google Cloud Platf., 2024, doi: 10.1109/icnwc60771.2024.10537412.
Á. Luz, María, Hernández, Cruz., María, José, González, Novelo., José, Ramón, Cab, Chan., Diana, Concepción, Mex, “No Title,” Implementación la Apl. web BITA en Google Comput. Engine, vol. 7, no. 10, pp. 107–117, 2023.
H. Muhammad, Innuddin., Pahrul, Irfan., Rifqi, “No Title,” Meningkat. Keamanan Web Serv. Nginx dengan NAXSI sebagai Web Appl. Firewall. J. Apl. Teknol. Inf. dan Manaj., vol. 4, no. 2, pp. 148-156., 2023, doi: 10.31102/jatim.v4i2.2310.
L. Muflikhah, W. F. Mahmudy, and D. Kurnianingtyas, “Machine Learning,” Mach. Learn., Oct. 2023, doi: 10.11594/UBPRESS9786232967694.
Rajendra Kankrale, “Tensor Flow-powered Spam Email Filtering: An Evaluation of Performance and Robustness,” J. Electr. Syst., vol. 20, no. 6s, pp. 509–515, Apr. 2024, doi: 10.52783/JES.2683.
N. C. A. Sallang, M. T. Islam, M. S. Islam, and H. Arshad, “A CNN-Based Smart Waste Management System Using TensorFlow Lite and LoRa-GPS Shield in Internet of Things Environment,” IEEE Access, vol. 9, pp. 153560–153574, 2021, doi: 10.1109/ACCESS.2021.3128314.
Dicoding Intern, “Apa itu GitHub? Berikut Cara Menggunakannya,” dicoding. Accessed: Jan. 02, 2025. [Online]. Available: https://www.dicoding.com/blog/apa-itu-github/
J. Molina-Morales, L. Deng, J. Dehlinger, and S. Chakraborty, “Mutant-Kraken: A Mutation Testing Tool for Kotlin,” 2024 IEEE Int. Conf. Softw. Testing, Verif. Valid. Work., pp. 227–236, May 2024, doi: 10.1109/ICSTW60967.2024.00051.
W. D. P. Rahayu, A. A. Hendriadi, and T. Ridwan, “Perancangan Ui Ux Aplikasi Website Sistem Informasi Menggunakan Metode User Centered Dsign (Studi Kasus Desa Losari Kidul),” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 3, pp. 2952–2964, 2024, doi: 10.23960/jitet.v12i3.4994.
A. Saputri and A. M. Hirzan, “Aplikasi Manajemen Inventori Berbasis Mobile Menggunakan Flutter Dan Firebase Realtime Database,” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 3, pp. 1586–1592, 2024, doi: 10.23960/jitet.v12i3.4324.
