Sistem Identifikasi Jenis Makanan dan Perhitungan Kalori berdasarkan Warna HSV dan Sensor Loadcell menggunakan Metode K-NN berbasis Raspberry Pi

Sistem Identifikasi Jenis Makanan dan Perhitungan Kalori berdasarkan Warna HSV dan Sensor Loadcell menggunakan Metode K-NN berbasis Raspberry Pi

Penulis

  • Muhammad Rizqi Zamzami Fakultas Ilmu Komputer, Universitas Brawijaya
  • Dahnial Syauqy Fakultas Ilmu Komputer, Universitas Brawijaya
  • Hurriyatul Fitriyah Fakultas Ilmu Komputer, Universitas Brawijaya

Kata Kunci:

Kegemukan, Obesitas, Kalori, k-Nearest Neighbor, Sensor Loadcell, Overweight, Obesity, Calories, k-Nearest Neighbor, Loadcell Sensor

Abstrak

Kegemukan maupun obesitas masih menjadi penyakit yang banyak terjadi di dunia ini dimana disebabkan gaya hidup yang kurang sehat salah satunya mengonsumsi makanan yang berlebihan. Konsumsi makanan berlebihan ini diakibatkan oleh beberapa faktor yaitu masalah emosional, kondisi lingkungan dan sosial serta kondisi fisik tertentu. Jika konsumsi makanan tidak terkontrol dan tidak diimbangi dengan banyak aktifitas tubuh menyebabkan penumpukan kalori pada tubuh sehingga berakibat memiliki kegemukan dan obesitas serta beresiko terkena penyakit. Salah satu cara untuk mengatasi hal tersebut dengan mengontrol diri dalam mengonsumsi makanan melalui pengukuran jumlah kalori yang akan dikonsumsi. Dari permasalahan tersebut maka dibuatkannya sistem untuk mengukur kalori makanan dengan mengidentifikasi jenis makanan dan mengukur berat makanan. Proses identifikasi makanan tersebut menggunakan metode k-Nearest Neighbor dan sensor loadcell untuk membaca berat makanan yang diukur. Sistem akan menangkap gambar dan membaca berat makanan yang diukur melalui modul kamera dan sensor loadcell. Gambar tersebut kemudian diproses di Raspberry Pi 3 B untuk diekstrak nilai warna dari mean HSV. Selanjutnya hasil ekstraksi digunakan sebagai fitur untuk mengidentifikasi jenis makanan dimana digunakan untuk mengukur kalori makanan berdasarkan hasil identifikasi dan pengukuran sensor loadcell. Hasil dari sistem tersebut akan ditampilkan melalui layar LCD 16×2. Pengujian sistem menggunakan 5 sampel pada tiap jenis makanan. Dari hasil pengujian tersebut diperoleh akurasi pada k=3 sebesar 96 %, pada k=5 sebesar 92 % dan pada k=7 sebesar 92 %.

Unduhan

Diterbitkan

02 Mar 2021

Cara Mengutip

Zamzami, M. R., Syauqy, D., & Fitriyah, H. (2021). Sistem Identifikasi Jenis Makanan dan Perhitungan Kalori berdasarkan Warna HSV dan Sensor Loadcell menggunakan Metode K-NN berbasis Raspberry Pi. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 5(3), 936–942. Diambil dari https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/8684

Terbitan

Bagian

Artikel
Loading...