Home Tentang
Logo Logo
Dashboard Status Model

Tentang Program & NutriChainAI

Program Makan Bergizi Gratis (MBG) Nasional

Makan Bergizi Gratis (MBG) merupakan program prioritas nasional yang digagas oleh Badan Gizi Nasional untuk mengatasi tantangan gizi anak-anak, meningkatkan kualitas fisik, mendukung perkembangan kognitif siswa, serta menurunkan angka stunting di Indonesia. Melalui dapur umum daerah, bahan pangan segar bersumber lokal diolah secara terstandarisasi untuk menjamin pemenuhan makro dan mikronutrisi yang merata pada setiap porsi makan siang yang dibagikan ke sekolah-sekolah secara gratis.

Overview Proyek Sistem Cerdas NutriChainAI

NutriChainAI dirancang sebagai platform audit dan kepatuhan digital berbasis kecerdasan buatan (Deep Learning) untuk mengawal rantai pasokan dan dapur umum program MBG. Sistem ini mengintegrasikan 11 proyek kecerdasan buatan dari hulu (perencanaan menu, kuantitas belanja logistik) hingga hilir (kelayakan baki saji, estimasi gizi visual, sortir kesegaran bahan baku, deteksi benda asing, analisis sisa makanan, dan sentimen media sosial). Integrasi ini membentuk satu alur pengawasan digital (SOP) yang solid untuk memastikan keamanan pangan dan optimalisasi anggaran.

Alur Integrasi SOP (Pipeline)

Proses pengawasan berbasis AI terbagi menjadi 5 Fase operasional terpadu yang saling terhubung untuk mengawal program Makan Bergizi Gratis:

1

Fase 1: Perencanaan Menu & Logistik (Lokasi: Ruang Dapur)

Mengatur keselarasan nutrisi menu harian, memprediksi sisa porsi makanan, dan menghitung kuantitas belanja logistik harian sebelum proses memasak.

Kelompok 2 (LSTM) • Rekomendasi Menu Kelompok 9 (ANN) • Prediksi Kebutuhan MBG Kelompok 3 (DNN/LSTM Tabular) • Prediksi Kesukaan
Input: Data Stok & Siswa ➔ Proses: LSTM & ANN Inference ➔ Output: Rencana Menu & Belanja Optimal
2

Fase 2: Pemeriksaan Kualitas Buah dan Sayur (Lokasi: Area Penerimaan)

Melakukan sortir kualitas kesegaran buah dan sayur dari pemasok secara instan menggunakan kamera pintar sebelum masuk ke area dapur.

Kelompok 11 (CNN MobileNetV2) • Sortir Kesegaran Buah dan Sayur
Input: Sayuran/Buah dari Supplier ➔ Proses: MobileNetV2 Scan ➔ Output: Klasifikasi Bahan Segar / Layu
3

Fase 3: Perakitan & Keamanan Pangan (Lokasi: Conveyor Belt Dapur)

Memeriksa kelengkapan menu baki saji, mengestimasi nilai kalori & zat gizi porsi secara visual, serta mendeteksi adanya kontaminasi benda asing makro (plastik/serangga) atau mikro (serpihan logam/rambut) sebelum disegel.

Kelompok 8 (YOLOv8 Segmentasi) • Kelengkapan Tray Kelompok 1 (CNN) • Hitung Nilai Gizi Visual Kelompok 5 (YOLO) • Deteksi Benda Asing Makro Kelompok 10 (ERX Hiperspektral) • Deteksi Anomali Mikro
Input: Piring Makanan Conveyor ➔ Proses: YOLO, CNN, & Spektral Scan ➔ Output: Tray Lengkap, Higienis & Layak Saji
4

Fase 4: Evaluasi Pasca-Konsumsi (Lokasi: Area Sekolah / Kelas)

Menganalisis sisa makanan di piring kotor pasca dikonsumsi siswa. Data persentase sisa piring diunggah kembali ke database untuk melatih ulang (retrain) model kesukaan agar prediksi menu esok hari lebih presisi.

Kelompok 7 (CNN Transfer Learning) • Deteksi Piring Kotor Feedback Loop • Sinkronisasi Data Ke Fase 1
Input: Foto Piring Sisa Makanan ➔ Proses: CNN Classifier & Feedback Upload ➔ Output: Data Retraining Model Preferensi
5

Fase 5: Pemantauan Sentimen & Opini Publik (Lokasi: Dashboard Penyelenggara)

Memonitor ulasan, komentar, dan sentimen masyarakat umum terhadap menu dan pelaksanaan program MBG dari platform Twitter, TikTok, dan YouTube.

Kelompok 4 (CNN-LSTM) • Sentimen Media Sosial Kelompok 6 (LSTM) • Sentimen & Peramalan YouTube
Input: Teks Ulasan Twitter & YouTube ➔ Proses: NLP & Time Series Forecasting ➔ Output: Indeks Sentimen & Arah Opini Publik