Estimasi Berat Untuk Mengetahui Kadar Kolestrol Pada Makanan Padang Dalam Satu Piring Berbasis Visi Komputer = ESTIMATING WEIGHT TO DETERMINE CHOLESTEROL LEVELS IN PADANG ON ONE PLATE BASED ON COMPUTER VISION


HERNAWATI, HERNAWATI (2024) Estimasi Berat Untuk Mengetahui Kadar Kolestrol Pada Makanan Padang Dalam Satu Piring Berbasis Visi Komputer = ESTIMATING WEIGHT TO DETERMINE CHOLESTEROL LEVELS IN PADANG ON ONE PLATE BASED ON COMPUTER VISION. Thesis thesis, Universitas Hasanuddin.

[thumbnail of Cover]
Preview
Image (Cover)
D082201016_tesis_04-04-2024 cover1.png

Download (172kB) | Preview
[thumbnail of Bab 1-2] Text (Bab 1-2)
D082201016_tesis_04-04-2024 1-2(FILEminimizer).pdf

Download (533kB)
[thumbnail of Dapus] Text (Dapus)
D082201016_tesis_04-04-2024 dp(FILEminimizer).pdf

Download (373kB)
[thumbnail of Full Text] Text (Full Text)
D082201016_tesis_04-04-2024(FILEminimizer).pdf
Restricted to Repository staff only until 6 May 2027.

Download (1MB)

Abstract (Abstrak)

Kolesterol Tinggi merupakan penyakit yang berbahaya. Salah satu penyebabnya adalah makanan yang mengandung kadar kolesterol tinggi. Kolesterol tinggi dapat menyebabkan serangan jantung, stroke, dan bahkan kematian. Oleh karena itu sangat penting untuk mengestimasi kandungan kolesterol pada makanan dalam pngelolaan kesehatan terutama menjaga kadar kolestrol dalam tubuh tetap normal. Dalam penelitian ini, dilakukan pendekatan berbasis Computer Vision untuk mengestimasi kolesterol pada makanan dari beberapa sajian dalam satu piring. Pendekatan ini menggunakan arsitektur SSD (Single Shot Multibox Detection) Mobilenet V2 yang telah dioptimalkan untuk mendeteksi berbagai jenis makanan dalam gambar dan estimasi kandungan kolestrol pada setiap objek makanan yang telah terdeteksi dengan menghitung luas permukaan menggunakan metode Chain code dan menghasilkan berat objek yang kemudian dikonversikan kesatuan kolestrol berbasis mobile. Untuk mengevaluasi akurasi metode yang digunakan, dilakukan pengujian menggunakan Confusion Matrix berdasarkan nilai Precision, Recall, dan F1 Score sebagai indikator kinerja. Dari hasil pengujian, diperoleh tingkat kinerja pada deteksi objek sebesar 93% dan estimasi berat berdasarkan luas permukaan objek sebesar 94%, ini menunjukkan bahwa pendekatan berbasis Computer Vision dengan menggunakan arsitektur SSD Mobilenet V2 mampu melakukan pendeteksian objek makanan dengan baik.

Kata Kunci: Chain Code, Deteksi Objek, Estimasi Berat , SSD mobilenet v2.

Item Type: Thesis (Thesis)
Uncontrolled Keywords: Chain Code, Object Detection, SSD Mobilenet V2, Weight Estimation.
Subjects: T Technology > TA Engineering (General). Civil engineering (General)
Divisions (Program Studi): Fakultas Teknik > Teknik Informatika
Depositing User: Rasman
Date Deposited: 04 Jul 2025 06:30
Last Modified: 04 Jul 2025 06:30
URI: http://repository.unhas.ac.id:443/id/eprint/45989

Actions (login required)

View Item
View Item