“Jepret fotonya, langsung tahu kalorinya” adalah janji seluruh kategori aplikasi hitung kalori dari foto. Cara ini memang lebih cepat daripada mengetik setiap bahan, tetapi foto tidak bisa menimbang makanan atau melihat minyak yang dipakai untuk memasaknya. Halaman ini mengumpulkan temuan uji independen, apa yang bisa kamu cek dan koreksi di setiap aplikasi kalori berbasis foto yang populer, dan klaim akurasi mana yang disertai metode yang bisa dicek orang lain.
Kami yang membuat Calorix, salah satu aplikasi dalam tabel, jadi kami tidak netral. Di halaman ini kami tidak membuat klaim akurasi untuk Calorix, setiap fakta tentang aplikasi lain ditautkan ke sumbernya, dan semuanya dicek pada 11 Oktober 2026.
Temuan uji independen
Uji NIH 2026 terhadap empat aplikasi populer
Para peneliti di National Institute of Diabetes and Digestive and Kidney Diseases, bagian dari NIH (lembaga riset kesehatan pemerintah Amerika Serikat), memproses foto standar dari 102 menu dengan fitur foto empat aplikasi. Menu-menu itu berasal dari studi pemberian makan terkontrol, yang setiap bahannya ditimbang hingga ketelitian 0,1 gram, dan rata-rata berisi 918 kcal (abstrak, rilis ASN).
| Aplikasi (versi yang diuji) | Rata-rata kalori yang terlewat per menu | Interval kepercayaan 95% | Rentang untuk satu menu (batas kesesuaian) |
|---|---|---|---|
| Appediet | 252 kcal | 210 hingga 295 | 672 lebih rendah hingga 167 lebih tinggi |
| MyFitnessPal | 327 kcal | 269 hingga 385 | 884 lebih rendah hingga 246 lebih tinggi |
| Lose It! | 333 kcal | 282 hingga 383 | 835 lebih rendah hingga 170 lebih tinggi |
| Cal AI | 345 kcal | 296 hingga 392 | 821 lebih rendah hingga 132 lebih tinggi |
Keempat aplikasi rata-rata menaksir kalori sekitar sepertiga lebih rendah, dan lemak sekitar 30 g lebih rendah per menu; perkiraan karbohidrat paling konsisten. Hasil awal dari lebih dari 200 menu tambahan mengisyaratkan bahwa aplikasi-aplikasi itu lebih kesulitan dengan menu ketogenik yang tinggi lemak. Ada dua catatan: ini abstrak konferensi, jadi sifatnya masih pendahuluan sampai makalah yang ditinjau sejawat terbit, dan versi aplikasi serta tanggal pengujiannya tidak dilaporkan. Salah satu penelitinya, Aaron Hengist, menyarankan agar orang yang memakai aplikasi berbasis foto “tanpa menyesuaikan porsi atau memasukkan jumlah makanan tidak menelan hasilnya mentah-mentah”.
Studi sebelumnya
- Sebuah studi tahun 2024 terhadap tujuh aplikasi dengan 22 foto studio menemukan bahwa MyFitnessPal mengenali 97% komponen makanan, tetapi itu soal mengenali, bukan kalori: untuk energi, MyFitnessPal rata-rata menaksir 3% lebih rendah dan Foodvisor 47% lebih rendah, dan sepiring telur di atas roti panggang bermentega ditaksir 35% dan 73% lebih rendah, karena menteganya terlewat.
- Chatbot AI umum tidak lebih baik: dengan 52 foto makanan standar, ChatGPT-4o dan Claude 3.5 Sonnet rata-rata meleset 35,8% untuk kalori, Gemini 1.5 Pro 64,2%, dan ketiganya makin menaksir terlalu rendah saat porsinya makin besar (studi tahun 2025). Selengkapnya di Apakah ChatGPT bisa menghitung kalori dari foto?
- Sebuah tinjauan sistematis tahun 2023 terhadap metode analisis gambar otomatis, sebagian besar sistem riset, menemukan rata-rata kesalahan kalori berkisar antara 0,1% dan 38,3%, dengan makanan tunggal yang sederhana paling mudah ditaksir.
Mengapa perkiraan foto cenderung terlalu rendah
Tiga hal yang sulit dilihat kamera menjelaskan sebagian besar selisihnya: lemak (minyak yang meresap ke makanan, mentega yang meleleh ke dalam saus), kedalaman porsi (dari atas, mangkuk yang dalam dan yang dangkal terlihat sama), dan bahan tersembunyi dalam hidangan campuran. Panduan kami, Seberapa akurat aplikasi kalori AI?, menjelaskan masing-masing beserta sumbernya.
Klaim akurasi, dan apa dasarnya
Beberapa aplikasi menyebutkan angka akurasi. Kami melaporkan masing-masing sebagai klaim pembuat aplikasinya, beserta apa yang bisa kami temukan tentang cara pengukurannya.
- Cal AI menyatakan di FAQ-nya bahwa aplikasinya “sekitar 80% akurat” (FAQ Cal AI); artikel lama di blognya menyebut “akurasi 90% untuk makanan yang terlihat” (blog Cal AI). Kedua halaman itu sama-sama tidak menjelaskan apa arti “akurat” atau bagaimana pengujiannya. Dalam uji NIH, fitur foto Cal AI punya selisih rata-rata terbesar di antara keempat aplikasi.
- SnapCalorie menyatakan “rata-rata kesalahan kalorinya sekitar 15%” dan “2x lebih akurat daripada ahli gizi” (FAQ SnapCalorie). Pendirinya ikut menulis makalah Nutrition5k bersama Google Research (CVPR 2021), yang punya dataset publik: model riset meleset 26,1% dari satu foto dan 16,5% dengan kamera kedalaman, pada hidangan dari satu kafetaria dengan rata-rata 255 kcal. Perbandingan dengan manusia dalam makalah itu meminta 16 orang yang bukan ahli gizi dan 4 ahli gizi memperkirakan berat porsi pada 10 piring sederhana (kesalahan 53% dan 41%). Itu metode yang ditinjau sejawat, tetapi untuk model riset tahun 2021, bukan uji terpublikasi terhadap aplikasinya saat ini.
- Fitia menyebut dirinya “penghitung kalori tercepat & paling akurat” di App Store, dan Fastic menyatakan pemindainya “bisa mengenali makanan secara akurat”, tanpa angka atau metode.
- PlateLens, yang tidak ada di tabel di atas, mengklaim “kesalahan kcal ±1,1% pada 180 menu yang ditimbang”, dengan mengutip sebuah studi dan tolok ukur terbuka (PlateLens). Kami tidak bisa memverifikasinya: DOI yang diberikan untuk studi itu menghasilkan pesan “not found” (tidak ditemukan) pada 11 Oktober 2026, kami tidak menemukan catatan studi itu di Crossref, PubMed, atau Zenodo, dan repositori tolok ukurnya berisi kode, tetapi tanpa foto makanan atau data acuan.
Tak satu pun dari 12 aplikasi lain di tabel kami menerbitkan uji akurasi aplikasi versi terkininya beserta data, metode, dan tanggalnya. Itulah standar yang kami harapkan sebelum memercayai sebuah angka, termasuk angka kami sendiri.
Yang perlu diperhatikan saat memilih aplikasi kalori berbasis foto
- Daftar yang bisa kamu cek. Satu angka total sulit dipertanyakan; daftar bahan beserta porsinya menunjukkan di mana perkiraannya meleset.
- Koreksi yang mudah. Mengubah gram, menukar makanan, menambahkan minyak, atau mendeskripsikan koreksi dengan kata-kata seharusnya hanya butuh beberapa detik.
- Pindai kode batang dan label gizi, agar makanan kemasan mendapat nilai yang dinyatakan produsen, bukan perkiraan. Label gizi pun tidak sempurna: di AS, suatu makanan baru dianggap salah label jika kalorinya lebih dari 20% di atas yang tertera di labelnya (21 CFR 101.9).
- Cara memberi tahu aplikasi apa yang tidak terlihat, seperti “dimasak pakai mentega” atau “setengah porsi”.
- Kejujuran soal akurasi. Klaim dengan metode dan data yang bisa kamu cek lebih berharga daripada angka yang lebih besar tanpa keduanya.
Cara mendapat perkiraan yang lebih baik dari aplikasi apa pun
- Tambahkan lemaknya. Catat minyak goreng, mentega, saus salad, atau mayones sebagai item tersendiri; satu sendok makan minyak zaitun sekitar 119 kcal.
- Cek item terbesar dulu. Nasi, pasta, daging, dan saus paling banyak menggeser total.
- Sesekali timbang beberapa makanan pokok untuk melatih perkiraan matamu: semangkuk sereal, secentong nasi, atau tuangan minyak yang biasa kamu pakai.
- Ambil foto yang lebih baik: cahaya yang cukup, seluruh piring terlihat, dan sudut 45 derajat, bukan lurus dari atas.
- Pakai kode batang atau label gizi untuk makanan apa pun yang dikemas.
Posisi Calorix
Calorix tidak ikut dalam uji NIH, dan kami tidak mengklaim hasilnya akan lebih baik: tidak ada kamera yang bisa melihat minyak yang meresap ke nasi. Yang dilakukan Calorix adalah memperlakukan setiap foto sebagai draf pertama. Calorix merinci setiap bahan beserta gram, kalori, dan label keyakinannya, sehingga kamu bisa melihat item mana yang perlu dicek ulang, mengubah item mana pun, menambahkan catatan seperti “dimasak pakai mentega”, atau memberi tahu Perbaiki dengan AI apa yang perlu dikoreksi lewat teks atau suara. Kode batang dan label gizi menangani makanan kemasan. Lihat cara kerja pemindai Calorix.
Catatan perubahan
- 11 Oktober 2026: halaman diterbitkan. Fitur, harga, dan klaim dicek di halaman App Store, pusat bantuan, dan situs web setiap aplikasi; studi independen dicek di PubMed, PMC, dan situs penerbitnya.
Diperbarui 11 Oktober 2026
