Akurasi
Bisakah ChatGPT menghitung kalori dari foto? Ini temuan studinya
ChatGPT bisa menaksir kalori dari foto makanan, tapi menurut studi rata-rata meleset sekitar 36%. Temuan riset, prompt yang jitu, dan nilai tambah aplikasi.
Oleh Tim Calorix, Invikta 5 menit baca
Bisa, tapi hanya kira-kira: ChatGPT mampu menaksir kalori dalam foto makanan, tetapi uji yang sudah dipublikasikan menemukan kesalahan yang besar. Dalam sebuah studi tahun 2025 atas 52 foto makanan, perkiraan kalori ChatGPT-4o dan Claude 3.5 Sonnet meleset rata-rata 35,8%, dan taksirannya makin jauh di bawah kenyataan saat porsinya makin besar; dalam studi lain tahun 2025, memberi tahu ChatGPT lemak yang dipakai memasak dan jumlah setiap bahan memangkas rata-rata kesalahannya dari 31% menjadi 14%. Tidak seperti aplikasi kalori, ChatGPT tidak dirancang untuk menyimpan catatan harian lengkap dengan target, mencari makanan kemasan lewat kode batang, atau tersinkron dengan app Kesehatan.
Tanyakan ke ChatGPT berapa kalori dalam foto makan malammu, dan dalam hitungan detik kamu akan mendapat angka, sering kali lengkap dengan rincian yang terdengar yakin. Wajar kalau ChatGPT jadi menggoda untuk dipakai sebagai penghitung kalori gratis. Tapi apakah ChatGPT benar-benar bisa menghitung kalori? Para peneliti kini sudah menguji persis hal ini, dan hasilnya berguna entah kamu memakai ChatGPT, model AI lain, atau aplikasi kalori.
Temuan para peneliti
| Studi | Model | Yang diuji | Kesalahan kalori |
|---|---|---|---|
| Fridolfsson dkk., 2025 | ChatGPT-4o, Claude 3.5 Sonnet, Gemini 1.5 Pro | 52 foto terstandar dari makanan yang sudah ditimbang | Rata-rata 35,8%, 35,8%, dan 64,2% |
| O’Hara dkk., 2025 | ChatGPT-4 | 114 foto: 38 hidangan dalam 3 ukuran porsi | Mengenali 93% makanan; berat hidangan sedang dan besar ditaksir terlalu rendah |
| Rodríguez-Jiménez dkk., 2025 | ChatGPT-5 | 195 hidangan, dengan dan tanpa detail tambahan | 30,5% dari foto saja; 24,4% dengan detail lemak dan pemanis; 13,9% dengan jumlah bahan |
| Cinar dkk., 2026 (studi pilot) | ChatGPT-4o | 9 hidangan sederhana dan kompleks | Hingga 54,4% untuk kalori pada hidangan kompleks |
Model AI umum meleset sekitar sepertiga
Uji yang paling langsung berasal dari sebuah studi tahun 2025 yang memberi tiga model AI 52 foto terstandar berisi makanan tunggal dan hidangan yang beratnya sudah diketahui. Perkiraan kalori ChatGPT-4o dan Claude 3.5 Sonnet meleset rata-rata 35,8%; Gemini 1.5 Pro 64,2%. Taksiran ketiganya makin jauh di bawah kenyataan saat porsinya makin besar: kesalahannya sekitar 20 sampai 30% lebih kecil untuk porsi kecil dibandingkan porsi besar.
Pandai mengenali makanan, lemah soal jumlah
Sebuah studi tahun 2025 tentang ChatGPT-4 pada 114 foto hidangan, yaitu 38 hidangan yang masing-masing ditampilkan dalam tiga ukuran porsi, menemukan bahwa ChatGPT mengenali makanan dengan baik, dengan presisi 93%. Masalahnya ada pada jumlah: hidangan besar yang beratnya rata-rata 798 g ditaksir 530 g, dan hidangan sedang juga ditaksir terlalu rendah, sedangkan taksiran untuk hidangan kecil mendekati berat sebenarnya. Perkiraannya berbeda secara signifikan dari nilai sebenarnya untuk 10 dari 16 zat gizi yang diteliti. Satu catatan yang menguntungkan ChatGPT: khusus untuk kalori, median perkiraannya mendekati median yang sebenarnya dalam studi itu.
Detail membuat perbedaan besar
Bukti terkuat bahwa kamu bisa membantu berasal dari sebuah studi tahun 2025 tentang ChatGPT-5 pada 195 hidangan. Hanya dari foto, perkiraan kalorinya meleset rata-rata 30,5% (123 kcal). Setelah diberi tahu jenis dan jumlah lemak, pemanisnya, kadar lemak produk susu, dan jenis dagingnya, kesalahannya turun menjadi 24,4% (92 kcal). Setelah diberi daftar bahan beserta jumlahnya, kesalahannya turun menjadi 13,9% (53 kcal). Sebuah studi pilot kecil tahun 2026 tentang ChatGPT-4o pada sembilan hidangan menunjukkan arah yang sama: kesalahannya mencapai 54,4% untuk kalori dan 76,5% untuk lemak pada hidangan kompleks dengan lemak tersembunyi, dan menambahkan detail membuat perkiraannya jauh lebih konsisten. Karena hanya sembilan hidangan, anggap angka 54% itu sebagai kasus terburuk, bukan rata-rata.
Temuan lain yang perlu kamu tahu
- Manusia masih lebih unggul. Dalam sebuah uji tahun 2026 atas 40 model AI, ahli gizi profesional memperkirakan zat gizi dengan lebih akurat daripada semua model, dan foto dari beberapa sudut tidak membantu model-model itu.
- AI bisa mengarang. Para peneliti yang membangun alat penilaian diet di atas GPT-4o menemukan bahwa GPT-4o standar mengenali 59% makanan dari foto saja, dan mereka memperingatkan adanya “halusinasi (item, satuan, atau jumlah yang dikarang)” (AJCN, 2025).
- Makanan yang diketik lebih mudah daripada foto. Saat model AI diberi nama makanan dalam bentuk teks, bukan foto, perkiraan energinya sejalan dengan basis data zat gizi, dengan hidangan campuran serta saus dan bumbu pelengkap yang paling bervariasi (Journal of Nutrition, 2026).
Mengapa ChatGPT meleset pada foto
Tiga hal yang sama menjegal ChatGPT dan aplikasi kalori berbasis foto:
- Ukuran porsi. Foto itu datar, jadi kedalaman semangkuk pasta atau nasi sulit dinilai, dan itulah sebabnya porsi besar terhitung terlalu rendah.
- Lemak tersembunyi. Minyak yang meresap ke sayuran atau mentega yang meleleh ke dalam saus nyaris tidak terlihat. Satu sendok makan minyak zaitun berisi 119 kcal, menurut USDA FoodData Central.
- Hidangan campuran. Pada kari, burrito, atau kaserol, AI harus menebak resepnya sekaligus jumlahnya.
Aplikasi khusus pun tidak kebal: dalam uji pendahuluan tahun 2026 oleh NIH, lembaga riset kesehatan Amerika Serikat, fitur foto MyFitnessPal, Lose It!, Cal AI, dan Appediet menghitung kalori makanan yang sudah ditimbang rata-rata 252 sampai 345 kcal terlalu rendah, kira-kira sepertiga. Ulasan kami tentang aplikasi kalori berbasis foto membahas studi itu dan klaim akurasi setiap aplikasi.
ChatGPT vs aplikasi kalori
| Tugas | ChatGPT | Aplikasi pencatat kalori |
|---|---|---|
| Menaksir kalori makanan dari foto atau deskripsi | Ya | Ya |
| Catatan harian dengan target kalori dan makro | Bukan fitur bawaan | Ya |
| Makanan kemasan lewat kode batang | Tanpa pencarian di basis data | Ya, dari basis data makanan |
| Mengoreksi satu bahan dan menjaga totalnya tetap benar | Dengan bertanya lagi | Edit barisnya, totalnya ikut diperbarui |
| Tren mingguan, runtunan, pengingat | Tidak | Ya |
| App Kesehatan, widget | Tidak | Ya, di sebagian besar aplikasi iPhone |
| Paling cocok untuk | Pertanyaan sesekali, resep, perencanaan | Mencatat setiap hari |
Baik di ChatGPT maupun di aplikasi, perkiraannya sendiri bukan sulap: banyak aplikasi kalori, termasuk Calorix, memakai model AI besar untuk membaca foto. Bedanya ada pada apa yang ada di sekitar perkiraan itu. Di Calorix, hasil pindaian foto berupa daftar bahan lengkap dengan gram dan label keyakinan yang bisa kamu koreksi, kode batang dan label gizi menangani makanan kemasan, dan semuanya masuk ke catatan bersama target-targetmu.
Cara mendapat perkiraan yang lebih baik dari ChatGPT atau AI apa pun
Menurut riset, peningkatan terbesar datang dari memberi tahu AI apa yang tidak bisa ditunjukkan foto. Prompt seperti ini hasilnya lebih baik daripada foto saja:
Perkirakan kalori, protein, karbohidrat, dan lemak dalam foto ini. Isinya sekitar 180 g nasi, 150 g paha ayam bakar, dan sayuran panggang yang dimasak dengan sekitar 1 sendok makan minyak zaitun. Sebutkan setiap bahan beserta jumlah dan kalori yang kamu asumsikan, lalu totalnya.
- Berikan berat atau ukuran kalau kamu tahu: gram dari timbangan, “sepiring penuh”, “setengah cangkir”.
- Sebutkan lemak yang dipakai memasak dan jumlahnya: minyak, mentega, ghee, krim, atau santan.
- Jangan lupa saus, dressing, dan minuman, yang luput dari foto.
- Minta rincian per bahan beserta asumsinya, supaya kamu bisa melihat bagian mana yang ditebak.
- Potret dari sudut 45 derajat dengan seluruh piring masuk bingkai, bukan tegak lurus dari atas.
- Pakai label gizi untuk makanan kemasan. Angka yang tercetak lebih baik daripada perkiraan apa pun.
Intinya
ChatGPT bisa menghitung kalori dari foto dengan cukup baik untuk gambaran kasar, dan jauh lebih baik kalau kamu memberinya jumlah bahan dan lemak yang dipakai memasak. Untuk mencatat hari demi hari, aplikasi kalori menambahkan hal-hal yang memang tidak dirancang untuk ditangani ChatGPT: catatan dengan target, kode batang, koreksi cepat, dan tren. Apa pun yang kamu pakai, anggap perkiraan dari foto sebagai draf pertama. Kalau kamu ingin target sebagai acuan mencatat, mulailah dengan kalkulator TDEE kami.
Pertanyaan yang sering diajukan
Apakah ChatGPT bisa menghitung kalori dari foto?
ChatGPT bisa memberi perkiraan. Dalam uji yang sudah dipublikasikan, ChatGPT mengenali sebagian besar makanan dalam foto hidangan, tetapi perkiraan kalorinya meleset rata-rata sekitar 30 sampai 36%, dan ChatGPT cenderung menaksir porsi besar terlalu rendah. Menambahkan detail seperti lemak yang dipakai memasak dan berat setiap bahan membuat perkiraannya jauh lebih mendekati kenyataan.
Seberapa akurat ChatGPT menghitung kalori?
Dalam sebuah studi tahun 2025 atas 52 foto makanan terstandar, perkiraan kalori ChatGPT-4o meleset rata-rata 35,8%, sama dengan Claude 3.5 Sonnet, sedangkan Gemini 1.5 Pro meleset 64,2%. Sebuah studi tahun 2025 tentang ChatGPT-5 pada 195 hidangan menemukan kesalahan 30,5% jika hanya dari foto, yang turun menjadi 13,9% setelah ChatGPT diberi jumlah setiap bahan.
Apakah ChatGPT lebih baik daripada aplikasi hitung kalori?
Keduanya punya tugas yang berbeda. ChatGPT fleksibel untuk pertanyaan sesekali. Aplikasi kalori menyimpan catatan harian yang dibandingkan dengan targetmu, membaca kode batang dan label gizi untuk makanan kemasan, memungkinkanmu mengoreksi setiap bahan, dan menampilkan trenmu dari minggu ke minggu. Perkiraan foto dari aplikasi juga cenderung terlalu rendah: dalam uji pendahuluan NIH tahun 2026, empat aplikasi menghitung kalori makanan yang sudah ditimbang kira-kira sepertiga terlalu rendah.
Seperti apa prompt ChatGPT yang bagus untuk menghitung kalori?
Berikan apa yang tidak bisa ditunjukkan foto: berat atau ukuran setiap porsi, cara memasaknya dan berapa banyak minyak atau mentega yang dipakai, serta saus dan minumannya, lalu minta rincian per bahan beserta asumsi yang dipakainya. Setelah itu, cek sendiri item-item yang paling besar.
Bisakah ChatGPT mencatat kaloriku setiap hari?
Kamu bisa terus melanjutkan satu percakapan, tetapi ChatGPT tidak dirancang sebagai catatan makanan: ChatGPT tidak menyimpan target dan total harian, tidak mencari makanan kemasan lewat kode batang, tidak tersinkron dengan app Kesehatan, dan tidak menampilkan tren mingguan. Untuk itulah ada aplikasi pencatat kalori.
Apakah Cal AI lebih akurat daripada ChatGPT?
Belum ada studi yang membandingkan keduanya secara langsung, jadi kami tidak bisa memastikannya. Dalam uji NIH yang dipresentasikan pada Juli 2026, fitur foto Cal AI menghitung kalori makanan yang sudah ditimbang rata-rata 345 kcal terlalu rendah; ChatGPT tidak termasuk dalam uji itu, dan studi-studi tentang ChatGPT memakai makanan dan metode yang berbeda.
Sumber
- 1 Fridolfsson J, Sjöberg E, Thiwång M, Pettersson S. Performance Evaluation of 3 Large Language Models for Nutritional Content Estimation from Food Images. Current Developments in Nutrition, 2025.
- 2 O’Hara C, Kent G, Flynn AC, Gibney ER, Timon CM. An Evaluation of ChatGPT for Nutrient Content Estimation from Meal Photographs. Nutrients, 2025.
- 3 Rodríguez-Jiménez M, Martín-del-Campo-Becerra GD, Sumalla-Cano S, et al. Image-Based Dietary Energy and Macronutrients Estimation with ChatGPT-5: Cross-Source Evaluation Across Escalating Context Scenarios. Nutrients, 2025.
- 4 Cinar EN, Özler E, Arslan S, Yilmaz S. Image-based nutritional assessment: Evaluating the performance of ChatGPT-4o on simple and complex meals. Journal of Food Composition and Analysis, 2026.
- 5 Vedovelli L, Pugnaloni S, Lanera C, et al. Model architecture dominates nutritional estimation accuracy in vision-language systems. Scientific Reports, 2026.
- 6 Chen YJ, Chang CC, Hoang YN, et al. Customized multimodal Diabot-GPT-4o enhances accuracy of image-based dietary assessments in dietetic trainees in Taiwan: validation against weighed food records. American Journal of Clinical Nutrition, 2025.
- 7 Lawabni R, Solano OR, Kampen LL, et al. Evaluation of Energy and Nutrient Estimates from Large Language Models Using Text-Based Queries. Journal of Nutrition, 2026.
- 8 Charles O, Flacke EU, Turner S, et al. Photograph-Based AI Features in Calorie-Tracking Apps Underestimate Energy Content of Meals (NUTRITION 2026 abstract). Current Developments in Nutrition, 2026.
- 9 Oil, olive, salad or cooking. USDA FoodData Central (SR Legacy), 2019.
