Repository Baehaqi - 12220341

• MUHAMAD IMAM BAEHAQI
• 2025

---

Muhamad Imam Baehaqi (12220341), Sistem Deteksi Kandungan Gula Dalam

Produk Minuman Berkemasan Menggunakan Image Recognition (OCR) Dan

Model AI Gemini

Konsumsi gula tambahan pada minuman berkemasan masih tinggi dan pemahaman konsumen terhadap label gizi terbatas, sementara Indonesia belum memiliki sistem front-of-pack labeling (FOPL) yang baku. Kondisi ini membuat keputusan pembelian sehat menjadi tidak mudah. Penelitian ini merancang dan membangun NutriSight Tracker. sebuah sistem deteksi kandungan gula berbasis Optical Character

Recognition (OCR) dan model Artificial Intelligence (AI) Gemini 2.5 Pro yang mengklasifikasikan produk ke dalam label Nutri-Grade (A–D) agar informasi gizi lebih cepat dipahami. Metode yang digunakan adalah model pengembangan Waterfall, dengan pengumpulan data melalui studi pustaka, observasi ritel, dan wawancara.

Implementasi teknis meliputi backend Laravel + Filament, aplikasi Android, serta basis data MySQL, pengujian dilakukan menggunakan black-box testing. Fitur utama sistem adalah rekomendasi yang dipersonalisasi berdasarkan usia, riwayat penyakit, dan hasil pemindaian gula sehingga saran lebih relevan dengan kondisi pengguna.

Secara fungsional, sistem mampu menyederhanakan informasi nutrisi menjadi visual Nutri-Grade dan membimbing pengguna menuju pilihan produk yang lebih sehat. Di sisi lain sistem ini berpotensi menjadi prototipe pendukung kebijakan FOPL di Indonesia.

Kata Kunci: Optical Character Recognition (OCR), Google Gemini, Nutri-Grade, Nutrisight Tracker

Muhamad Imam Baehaqi (12220341), System for Detecting Sugar Content in

Packaged Beverages Using Image Recognition (OCR) and the Gemini AI Model

Consumption of added sugar in packaged beverages remains high, and consumer understanding of nutrition labels is limited, while Indonesia does not yet have a standardized front-of-pack labeling (FOPL) system. This situation makes making healthy purchasing decisions challenging. This study designed and developed

NutriSight Tracker, a sugar content detection system based on Optical Character Recognition (OCR) and the Gemini 2.5 Pro Artificial Intelligence (AI) model, which classifies products into Nutri-Grade labels (A–D) to make nutritional information easier to understand. The method used is the Waterfall development model, with data collection through literature reviews, retail observations, and interviews. Technical implementation includes a Laravel + Filament backend, an Android app, and a MySQL database; testing was conducted using black-box testing. The system’s main feature is personalized recommendations based on age, medical history, and sugar

scan results, making suggestions more relevant to the user’s condition. Functionally, the system simplifies nutritional information into a visual Nutri-Grade and guides

users toward healthier product choices. Additionally, this system has the potential to serve as a prototype supporting FOPL policies in Indonesia.

Keywords: Optical Character Recognition (OCR), Google Gemini, Nutri-Grade,Nutrisight Tracker

 

https://repository.bsi.ac.id/repo/74669/Repository-Baehaqi---12220341
Anda dapat membaca file tugas akhir ini di repository.