Perancangan Aplikasi Android untuk Perhitungan Nutrisi Makanan Pencegah Stunting dengan Metode CNN di Jakarta
The Design Android Application Nutrition Calculation to Prevent Stunting with CNN Method in Jakarta
DOI:
https://doi.org/10.57152/malcom.v4i1.1027Keywords:
Android, Aplikasi, CNN, Jakarta, Nutrisi, StuntingAbstract
Stunting masih menjadi permasalahan terbesar di Indonesia, Pemerintah Indonesia sangat serius dalam menangani kasus stunting dengan membuat program prioritas nasional. Stunting dapat dicegah sejak masa kehamilan dengan mengonsumsi gizi yang cukup dan pola makan yang baik. Dampak stunting dapat mempengaruhi tumbuh kembang anak dan mempengaruhi kualitas generasi bangsa. Penelitian ini bertujuan untuk memberikan beberapa solusi dengan bantuan machine learning dengan bentuk aplikasi Android untuk membantu para ibu hamil dan ibu balita dalam mencegah stunting dengan melakukan monitoring makanan dan kebutuhan kandungan gizi harian pada anak secara real-time. Penelitian ini menggunakan konsep Convolutional Neural Network dengan algoritma MobileNetV2 untuk melakukan klasifikasi jenis makanan beserta dengan kandungan gizi makanan. Model ini menghasilkan akurasi tertinggi sebesar 94,6% dan nilai loss 0,2391 dengan jumlah epoch sebanyak 10 kali.
References
B. Analysis and C. Analysis, “UPAYA PENANGANAN STUNTING DI INDONESIA Analisis Bibliometrik dan Analisis Konten,” vol. VIII, no. 01, pp. 44–59, 2024.
B. Putri, H. Herinawati, E. S.-N. C. and Health, and undefined 2021, “Pengaruh Promosi Kesehatan Tentang Bounding Attachment Berbasis Video Animasi Terhadap Pengetahuan Ibu Hamil,” ojs.nchat.idBDY Putri, H Herinawati, E SusilawatiNursing Care Heal. Technol. J. (NCHAT), 2021•ojs.nchat.id, Accessed: Oct. 25, 2023. [Online]. Available: http://ojs.nchat.id/index.php/nchat/article/view/27
E. Susilawati, A. Geubrina Permata, P. Sarjana Terapan, and P. Kesehatan Kemenkes Jambi, “Pengaruh Ekie Gizi Ibu Hamil Terhadap Pengetahuan Melalui Aplikasi Quizizz Pada Era New Normal di Puskesmas Aur Duri Kota Jambi,” ojs.nchat.idE Susilawati, H Herinawati, AG Permata, S SuryaniNursing Care Heal. Technol. J. (NCHAT), 2021•ojs.nchat.id, Accessed: Oct. 25, 2023. [Online]. Available: http://ojs.nchat.id/index.php/nchat/article/view/18
S. L. Apriliani, E. E. Nikmawati, and C. Yulia, “Pengetahuan Gizi Ibu Hamil Di Kecamatan Kertasari Kabupaten Bandung,” Media Pendidikan, Gizi, dan Kuliner, vol. 8, no. 2, pp. 67–75, 2019, doi: 10.17509/boga.v8i2.21967.
D. D. Astuti, R. B. Adriani, and T. W. Handayani, “PEMBERDAYAAN MASYARAKAT DALAM RANGKA,” vol. 4, no. 2, pp. 2–6, 2020.
“Angka Stunting Tahun 2022 Turun Menjadi 21,6 Persen - Badan Kebijakan Pembangunan Kesehatan | BKPK Kemenkes.” Accessed: Oct. 25, 2023. [Online]. Available: https://www.badankebijakan.kemkes.go.id/angka-stunting-tahun-2022-turun-menjadi-216-persen/
“Terendah Kedua Nasional, Ini Rincian Angka Balita Stunting di Wilayah DKI Jakarta pada 2022.” Accessed: Oct. 25, 2023. [Online]. Available: https://databoks.katadata.co.id/datapublish/2023/02/06/terendah-kedua-nasional-ini-rincian-angka-balita-stunting-di-wilayah-dki-jakarta-pada-2022
Y. Sulistyowati, L. Indrawati, … S. S.-J. P. dan, and undefined 2022, “Peningkatan Pengetahuan Tentang Stunting pada Ibu Balita di Kelurahan Pondok Ranggon Cipayung Jakarta Timur Provinsi DKI Jakarta,” academia.edu, Accessed: Oct. 24, 2023. [Online]. Available: https://www.academia.edu/download/94703722/1183.pdf
S. Aji and A. Febri, “Implementasi Marker Based Tracking Augmented Reality Untuk Pengenalan Moda Transportasi Berbasis Android (Studi Kasus …,” J. Sains &Teknologi Fak. Tek., vol. XII, no. 2, pp. 157–166, 2022, [Online]. Available: http://repository.unsada.ac.id/id/eprint/5589
B. A. Arif, Y. Afri, and ..., “Pembuatan Sistem Chatbot Menggunakan Metode Contextual,” J. Sains …, vol. XI, no. 2, pp. 20–24, 2021, [Online]. Available: http://repository.unsada.ac.id/id/eprint/2345
Herianto, Adam Arif Budiman, Linda Nur Afifa, Timor Setiyaningsih, and Tri Amin Ridho, “Membangun Model Pengidentifikasi Kesegaran Daging dengan Metode Jaringan Syaraf Konvolusi (CNN) Jenis Resnet-50,” IKRA-ITH Inform. J. Komput. dan Inform., vol. 7, no. 3, pp. 113–119, 2023, doi: 10.37817/ikraith-informatika.v7i3.3072.
A. P. Wahyu, H. Heryono, M. B. Chaniago, and D. Hamdani, “Smart Canteen?: Perilaku Mengatur Pola Makan Dengan Membaca Nilai Nutrisi (Conventional Deep Learning Neural Network),” J. Ilm. Teknol. Infomasi Terap., vol. 6, no. 2, pp. 115–121, 2020, doi: 10.33197/jitter.vol6.iss2.2020.356.
“Indonesian Children Medical & Food Nutrition.” Accessed: Oct. 26, 2023. [Online]. Available: https://www.kaggle.com/datasets/m282dsx1313reyhan/indonesian-children-medical-and-food-nutrition?select=dataset_nutrisi.csv
“Keras ImageDataGenerator | What is keras ImageDataGenerator?” Accessed: Dec. 13, 2023. [Online]. Available: https://www.educba.com/keras-imagedatagenerator/
R. S. Panigas, “Pembangunan Model Pembelajaran Mesin untuk Identifikasi Struktur Kalimat Bahasa Indonesia.,” pp. 7–35, 2018, [Online]. Available: http://e-journal.uajy.ac.id/16518/4/TF075813.pdf
G. J. Chowdary, N. S. Punn, S. K. Sonbhadra, and S. Agarwal, “Face Mask Detection using Transfer Learning of InceptionV3,” pp. 1–11.
I. Goodfellow, Y. Bengio, and A. Courville, “Deep learning,” 2016, doi: 10.4258/hir.2016.22.4.351.
I. W. Suartika E. P, “Klasifikasi Citra Menggunakan Convolutional Neural Network (Cnn) Pada Caltech 101,” J. Tek. ITS, vol. 5, no. 1, p. 76, 2016, [Online]. Available: http://repository.its.ac.id/48842/
I. Wulandari, H. Yasin, T. Widiharih, D. Statistika, and U. Diponegoro, “Klasifikasi citra digital bumbu dan rempah dengan algoritma convolutional neural network (cnn) 1,2,3,” vol. 9, pp. 273–282, 2020.
D. M. Wonohadidjojo, “Perbandingan Convolutional Neural Network pada Transfer Learning Method untuk Mengklasifikasikan Sel Darah Putih,” Ultim. J. Tek. Inform., vol. 13, no. 1, pp. 51–57, 2021, doi: 10.31937/ti.v13i1.2040.
A. A. N. Mulana, “Perbandingan ssd-mobilenetv2 dengan ssd lite- mobilenetv2 menggunakan raspberry pi untuk keamanan rumah secara real-time skripsi,” 2023.
L. J. Chandra, “… Deep Learning Menggunakan Convolutional Neural Network untuk Indentifikasi Jenis Bunga Berbasis Mobile Menggunakan Framework TensorFlow Lite,” pp. 2–7, 2022, [Online]. Available: http://e-journal.uajy.ac.id/26299/%0Ahttp://e-journal.uajy.ac.id/26299/1/170709363_bab 0.pdf
N. U. R. Ibrahim, G. A. Y. U. Lestary, and F. S. Hanafi, “Klasifikasi Tingkat Kematangan Pucuk Daun Teh menggunakan Metode Convolutional Neural Network,” vol. 10, no. 1, pp. 162–176, 2022.
“Epoch vs Batch Size vs Iterations | by SAGAR SHARMA | Towards Data Science.” Accessed: Nov. 23, 2023. [Online]. Available: https://towardsdatascience.com/epoch-vs-iterations-vs-batch-size-4dfb9c7ce9c9
A. Septiani and A. Rizal, “Klasifikasi Suara Paru Normal dan Abnormal dengan Menggunakan Discrete Wavelet Transform dan Support Vector Machine,” e-Proceeding Eng., vol. 8, no. 1, pp. 731–742, 2021.
“Let`s Build Your Android Apps with Android Studio - Alfa Satyaputra, M.Sc. & Eva Maulina Aritonang, S. Kom - Google Buku.” Accessed: Nov. 23, 2023.
