CaloCare: Mobile Application for Food Detection and Calorie Tracking Using Machine Learning

Abstract

Obesitas dan pola makan yang buruk merupakan masalah kesehatan global yang terus meningkat, yang sering kali menuntut pemantauan asupan kalori secara ketat untuk mencegah penyakit kronis. Namun, metode konvensional pencatatan kalori yang mengandalkan input manual sering kali dianggap membebani, memakan waktu, dan rentan terhadap ketidakakuratan estimasi, yang mengakibatkan rendahnya kepatuhan pengguna. Penelitian ini bertujuan untuk mengatasi tantangan tersebut melalui pengembangan "CaloCare", sebuah aplikasi seluler berbasis Android yang dirancang untuk mengotomatisasi pelacakan diet melalui pengenalan makanan berbasis visi komputer. Aplikasi ini dibangun menggunakan bahasa pemrograman Kotlin dengan arsitektur Model-View-ViewModel (MVVM) untuk memastikan kode yang bersih dan skalabilitas sistem. Solusi ini mengintegrasikan Machine Learning menggunakan TensorFlow Lite dengan model MobileNetV2 yang telah dilatih sebelumnya, memungkinkan klasifikasi gambar makanan dilakukan secara on-device (di perangkat) untuk efisiensi dan privasi data tanpa ketergantungan penuh pada koneksi internet. Pengembangan sistem mencakup implementasi fitur autentikasi pengguna, manajemen basis data lokal menggunakan Room, serta integrasi modul kamera untuk deteksi real-time. Hasil pengujian fungsional menunjukkan bahwa CaloCare berhasil mengidentifikasi berbagai jenis makanan dengan tingkat akurasi yang memadai dan secara otomatis mengonversi data visual menjadi informasi makronutrisi yang terukur. Kesimpulannya, integrasi teknologi seluler dan kecerdasan buatan dalam CaloCare menawarkan solusi praktis dan responsif untuk manajemen kesehatan, secara signifikan mengurangi beban kognitif dalam pencatatan kalori dan mendukung pengguna dalam mempertahankan gaya hidup sehat melalui teknologi yang intuitif.