Seberapa akurat aplikasi kalori AI? Ini temuan studi NIH 2026

Memotret piringmu lalu mendapat hitungan kalori dalam hitungan detik terasa seperti sulap. Cara ini juga membuat pencatatan jauh lebih tidak membosankan, karena mengetik setiap bahan cepat sekali bikin jenuh. Tapi kepraktisan itu baru berguna kalau angkanya mendekati kenyataan, jadi wajar kalau kamu bertanya: seberapa akurat aplikasi kalori AI?

Pada Juli 2026, para peneliti di National Institutes of Health (NIH), lembaga riset kesehatan Amerika Serikat, membagikan apa yang mereka sebut sebagai perbandingan langsung berkualitas tinggi pertama dari jenisnya. Versi singkatnya: jika dipakai begitu saja, perkiraan dari foto cenderung terlalu rendah, terutama karena lemak. Versi panjangnya lebih berguna, karena kesalahan terbesar justru yang paling mudah kamu perbaiki.

Apa yang diuji dalam studi NIH

Studi ini berasal dari para ilmuwan di National Institute of Diabetes and Digestive and Kidney Diseases (NIDDK) dan dipresentasikan di NUTRITION 2026, pertemuan tahunan American Society for Nutrition, menurut pengumuman perhimpunan tersebut.

Makanan uji berasal dari studi NIH Clinical Center yang lebih besar, yang membandingkan diet ketogenik rendah karbohidrat dengan diet standar. Makanan itu disiapkan di dapur metabolik, tempat setiap bahan ditimbang hingga ketelitian 0,1 gram, sehingga para peneliti tahu persis isi setiap piring. Mereka memproses foto terstandar dari 102 menu tersebut dengan fitur foto empat aplikasi: MyFitnessPal, Lose It!, Cal AI, dan Appediet.

Satu catatan penting: ini adalah abstrak konferensi. Penyelenggara mencatat bahwa temuan seperti ini belum melalui telaah sejawat (peer review) penuh yang diwajibkan untuk publikasi jurnal, sehingga sebaiknya dianggap sebagai temuan awal.

Apa yang ditemukan para peneliti

Keempat aplikasi menghitung kalori terlalu rendah, rata-rata sekitar 250 sampai 345 kalori per makan, atau kira-kira sepertiga. Healio melaporkan rata-rata untuk masing-masing aplikasi:

Beberapa temuan lain yang menonjol:

• Lemak paling banyak meleset. Keempat aplikasi menaksir lemak sekitar 30 gram lebih rendah per makan.
• Karbohidrat lebih stabil. Perkiraan karbohidrat lebih konsisten dibandingkan makronutrien lain, meski Lose It! dan Cal AI tetap menaksir karbohidrat sekitar 14 gram lebih rendah.
• Besar kecilnya makanan berpengaruh pada sebagian aplikasi. MyFitnessPal dan Lose It! memperkirakan makanan berkalori tinggi lebih akurat daripada makanan berkalori rendah.
• Makanan tinggi lemak tampak paling sulit. Dalam studi lanjutan atas lebih dari 200 menu tambahan, hasil awal menunjukkan aplikasi-aplikasi itu lebih kesulitan dengan makanan ketogenik, kemungkinan karena kandungan lemaknya yang lebih tinggi terus-menerus ditaksir terlalu rendah.

Aplikasi sering diperbarui, jadi hasil ini menggambarkan versi yang diuji dalam studi tersebut, belum tentu performa masing-masing aplikasi saat ini. Calorix tidak termasuk dalam studi itu, dan kami tidak menganggap perkiraan yang hanya berbasis foto dari aplikasi mana pun, termasuk milik kami, akan luput dari masalah yang sama.

Saran peneliti utamanya lugas: orang yang memakai aplikasi berbasis foto “tanpa menyesuaikan porsi atau memasukkan jumlah makanannya sebaiknya tidak menelan hasilnya mentah-mentah.”

Ini bukan hanya masalah AI

Ada gunanya membandingkan aplikasi dengan alternatif yang biasa, yaitu orang yang memperkirakan sendiri. Para peneliti mencatat bahwa selisih sepertiga itu mirip dengan yang dilaporkan pada catatan makan yang diisi sendiri.

Hal ini sejalan dengan riset selama puluhan tahun. Dalam studi OPEN, yang memeriksa laporan mandiri 484 orang dewasa terhadap biomarker objektif, metode recall 24 jam melaporkan asupan energi sekitar 12 sampai 20 persen lebih rendah, dan kuesioner frekuensi makanan kira-kira sepertiga lebih rendah. Sebuah tinjauan sistematis tahun 2019 atas 59 studi yang memakai metode air berlabel ganda (doubly labeled water) menemukan bahwa sebagian besar studi melaporkan asupan yang tercatat jauh lebih rendah dari kenyataan, termasuk studi tentang metode berbasis teknologi.

Foto tidak otomatis memperbaikinya. Sebuah meta-analisis tahun 2020 menemukan bahwa penilaian asupan berbasis gambar juga cenderung melaporkan energi terlalu rendah dan menyimpulkan bahwa, seperti metode tradisional, metode ini mengandung kesalahan pengukuran yang serius. Sebuah tinjauan sistematis tahun 2023 atas metode AI yang sepenuhnya otomatis menemukan rata-rata kesalahan kalori berkisar dari di bawah 1 persen hingga sekitar 38 persen di berbagai studi, dengan kesalahan lebih kecil untuk gambar makanan tunggal yang sederhana.

Meski begitu, ada satu detail yang memberi harapan. Dalam metode fotografi makanan jarak jauh (remote food photography method), tempat peneliti memperkirakan asupan dari foto setiap makanan beserta sisanya, perkiraannya hanya selisih sekitar 5 sampai 7 persen dari asupan yang ditimbang (masih sedikit lebih rendah). Foto bisa bekerja dengan baik kalau ada orang yang meninjaunya dengan cermat, dan peninjauan itulah yang tidak ada dalam uji NIH.

Komentar yang menyertai laporan Healio menyampaikan satu poin lagi yang patut diingat: kesalahan yang konsisten ke satu arah lebih berdampak daripada kesalahan acak. Kesalahan acak sebagian saling meniadakan dalam seminggu; bias ke satu arah terus menumpuk.

Mengapa perkiraan dari foto meleset

Lemak tersembunyi

Minyak meresap ke nasi dan sayuran. Mentega meleleh ke dalam saus. Dressing melapisi setiap helai daun. Kamera tidak melihat satu pun, padahal lemak padat kalori: USDA FoodData Central mencantumkan satu sendok makan minyak zaitun berisi 13,5 gram lemak dan 119 kalori. Selisih lemak sekitar 30 gram dalam studi NIH itu sedikit lebih banyak daripada lemak dalam dua sendok makan minyak.

Kedalaman porsi

Foto itu datar. Dari atas, lapisan pasta yang tipis dan semangkuk pasta yang dalam bisa tampak hampir sama. Dalam sebuah studi tahun 2025, orang dewasa yang mencocokkan porsi nasi sungguhan dengan foto cenderung menaksirnya terlalu rendah pada foto dari atas, karena tinggi nasi dalam mangkuk sulit terlihat dari atas. Foto yang diambil dari sudut 45 derajat paling baik untuk makanan padat.

Hidangan campuran

Kari, kaserol, burrito, dan sandwich menyembunyikan bahan di dalam atau di bawah bahan lain. AI harus menebak resepnya sekaligus jumlahnya. Sejalan dengan itu, tinjauan tahun 2023 menemukan kesalahan yang lebih kecil pada gambar makanan tunggal yang sederhana.

Pencahayaan dan sudut

Para peneliti citra mencatat bahwa perubahan pencahayaan dan sudut pandang mengubah tampilan makanan, sehingga makanan lebih sulit dikenali. Lampu restoran yang redup, bayangan yang tajam, dan sudut yang tidak biasa semuanya menambah ketidakpastian.

Cara mendapat perkiraan yang lebih baik

Kamu tidak perlu menimbang semuanya untuk mendapat hasil yang jauh lebih baik daripada perkiraan foto mentah. Kebiasaan berikut menyasar kesalahan-kesalahan di atas:

• Tambahkan catatan saat memindai. Beri tahu aplikasi apa yang tidak bisa dilihatnya: “dimasak pakai mentega”, “dressing ekstra”, “setengah porsi”.
• Cek porsi, bukan hanya totalnya. Lihat gram setiap bahan dan perbaiki yang tampak janggal, dimulai dari item yang padat kalori.
• Catat lemak sebagai baris tersendiri. Tambahkan minyak, mentega, mayones, atau dressing sebagai bahan terpisah supaya tidak hilang di dalam hidangan.
• Pakai kode batang dan label untuk makanan kemasan. Label memberimu angka dari produsen, jadi tidak ada yang perlu ditebak dari foto.
• Sesekali menimbang. Seminggu menimbang centong nasi, mangkuk sereal, atau tuangan minyak yang biasa kamu pakai akan mengkalibrasi ulang matamu. Bukan kebetulan makanan yang ditimbang secara presisi menjadi titik acuan para peneliti NIH.
• Ambil foto yang lebih baik. Cahaya yang cukup, seluruh piring masuk bingkai, dan sudut 45 derajat semuanya membantu. Panduan kami tentang memperkirakan porsi dari foto membahasnya secara rinci.
• Perkirakan lemak lebih banyak kalau orang lain yang memasak. Lemak biasanya jadi faktor yang paling sulit diketahui pada makanan restoran. Lihat cara mencatat makanan restoran.

Bagaimana Calorix dirancang untuk mengatasi masalah ini

Kami membangun pemindai AI Calorix dengan asumsi bahwa setiap perkiraan dari foto adalah draf pertama. Alih-alih satu angka, hasil pindai membuka kartu tinjauan yang mencantumkan setiap bahan beserta porsi, gram, kalori, dan label keyakinannya, jadi kamu bisa melihat di bagian mana perkiraannya paling tidak yakin.

Dari sana kamu bisa:

• mengedit nama, porsi, dan gram, atau menambah dan menghapus bahan
• memakai penggeser porsi (½, 1, 1½, atau 2) kalau kamu makan lebih banyak atau lebih sedikit dari yang terlihat di foto
• mengetuk Perbaiki dengan AI lalu mengetik atau mengucapkan koreksi, seperti “tanpa nasi, tambah 2 telur”, kemudian meninjau perubahan yang diusulkan sebelum menerimanya
• menambahkan catatan seperti “dimasak pakai mentega” lalu menganalisis ulang dari foto yang tersimpan
• mengganti nilai apa pun secara manual, dengan nilai asli dari AI tetap disimpan supaya kamu bisa kembali ke sana

Total selalu dihitung ulang dari bahan-bahannya, jadi koreksi pada satu item langsung mengalir ke kalori dan makro harianmu. Untuk makanan kemasan, pindai kode batang dan label gizi menghilangkan tebak-tebakan.

Supaya jelas soal apa yang tidak kami klaim: kami belum menunjukkan bahwa Calorix lebih akurat daripada aplikasi-aplikasi dalam studi ini. Yang dilakukan desain kami adalah membuat perkiraan transparan dan cepat dikoreksi, yaitu langkah yang ditunjuk para peneliti NIH.

Intinya

Mencatat dengan foto AI adalah cara cepat untuk mendapat draf pertama yang masuk akal, tetapi jika dipakai begitu saja, hasilnya cenderung terlalu rendah, terutama untuk hidangan berminyak, bermentega, dan campuran. Anggap setiap perkiraan foto sebagai titik awal: cek porsinya, tambahkan lemak yang kamu tahu ada di sana, dan pakai kode batang untuk apa pun yang berlabel.

Koreksi kecil itu menumpuk. Kalau yang kamu makan ternyata beberapa ratus kalori lebih banyak dari yang tercatat, rencana yang kamu susun tidak akan sesuai kenyataan, dan kamu jadi mudah menyalahkan diri sendiri alih-alih perkiraannya. Catatan yang realistis, dipadukan dengan target yang realistis dari kalkulator TDEE kami, memberimu angka yang benar-benar bisa kamu andalkan.