Klasifikasi Body Mass Index Berbasis Estimasi Dimensi Tubuh melalui Pengolahan Citra Digital
Abstract
The issues of impracticality and potential errors in manual height and weight measurements have driven the development of an automated digital image-based system. This study aims to develop a measurement tool using the Canny Edge Detection method in Matlab to classify Body Mass Index (BMI) status (underweight, normal, overweight, obese) without physical contact. Testing was conducted on 40 data samples, yielding an accuracy of 99.99% for height (error 0.37%) and 99.97% for weight (error 1.25%), with a maximum measurement tolerance of ±2 cm for height and ±2 kg for weight to enhance system reliability. The classification results of nutritional status based on BMI estimation showed good performance, with a classification agreement rate of 90% of the total 40 test data, indicating that the system is sufficiently reliable and efficient in classifying BMI categories based on antropometri parameter estimates from digital images.
Keywords: Body Mass Index; Image Processing; Canny Edge Detection; Matlab
Abstrak
Permasalahan ketidakpraktisan dan potensi kesalahan dalam pengukuran manual tinggi dan berat badan mendorong pengembangan sistem berbasis citra digital secara otomatis. Penelitian ini bertujuan membangun alat bantu pengukuran menggunakan metode Canny Edge Detection dalam Guide Matlab guna mengklasifikasikan status Body Mass Index (kurus, normal, gemuk, obesitas) tanpa kontak fisik. Pengujian dilakukan pada 40 sampel data, menghasilkan akurasi 99,99% untuk tinggi badan (error 0,37%) dan 99,97% untuk berat badan (error 1,25%), dengan toleransi maksimal pengukuran ±2 cm untuk tinggi dan ±2 kg untuk berat guna meningkatkan reliabilitas sistem. Hasil klasifikasi status gizi berdasarkan estimasi BMI menunjukan performa yang baik, dengan tingkat kecocokan hasil klasifikasi mencapai 90% dari total 40 data uji yang mengindikasikan bahwa sistem cukup andal dan efisien dalam mengklasifikasikan kategori Body Mass Index berdasarkan estimasi parameter antropometrik dari citra digital.
Kata kunci: Body Mass Index; Pengolahan Citra; Edge Detection Canny; Matlab
References
P. S. Nugroho, “Jenis Kelamin Dan Umur Berisiko Terhadap Obesitas Pada Remaja Di Indonesia,” An-Nadaa J. Kesehat. Masy., vol. 7, no. 2, pp. 110–114, 2020, doi: 10.31602/ann.v7i2.3581.
N. Lisnawati, F. Kusmiyati, B. Herwibawa, B. A. Kristanto, and A. Rizkika, “Hubungan Indeks Massa Tubuh, Persen Lemak Tubuh, Dan Aktivitas Fisik Dengan Kadar Gula Darah Remaja,” J. Nutr. Coll., vol. 12, no. 2, pp. 168–178, 2023, doi: 10.14710/jnc.v12i2.36662.
W. A. P. Hadi and N. A. Arief, “Hubungan Antara Indeks Masa Tubuh Dengan Tingkat Kebugaran Jasmani Siswa Kelas IX SMPN 24 Gresik,” J. Pendidik. Olahraga dan Kesehat., vol. 11, pp. 213–217, 2023.
R. Adolph, “System Determination Body Mass Index Using Processing Digital Image,” Telemat. J. Inform. dan Teknol. Inf., vol. 18, no. 1, pp. 1–23, 2021, doi: 10.31515/telematika.v18i1.xxxx.
N. Umy Habibah, P. A. Rosyady, and R. P. Pribadi, “Analisis Indeks Masa Tubuh Berbasis Citra Digital Menggunakan Metode Body Surface Area,” Jetri J. Ilm. Tek. Elektro, vol. 20, no. 2, pp. 135–152, 2023, doi: 10.25105/jetri.v20i2.15398.
R. Fakhri, I. R. Magdalena, and R. Y. Nur Fu’adah, “Deteksi Status Gizi Balita dengan Estimasi Antropometri menggunakan Metode Deteksi Tepi Berbasis Pengolahan Citra Digital,” e-Proceeding Eng., vol. 6, no. 1, pp. 642–649, 2019.
P. N. Aarotale, T. Hill, and A. Rattani, “PatchBMI-Net: Lightweight Facial Patch-based Ensemble for BMI Prediction,” Proc. - 2023 2023 IEEE Int. Conf. Bioinforma. Biomed. BIBM 2023, pp. 4022–4028, 2023, doi: 10.1109/BIBM58861.2023.10385262.
D. S. Saputra, Jajat, I. Damayanti, K. Sultoni, Y. Ruhayati, and N. I. Rahayu, “Prediksi BMI Berdasarkan Level Aktivitas Fisik dengan Metode Analisis Machine Learning,” J. Pendidik. Kesehat. Rekreasi, vol. 10, no. 1, pp. 165–175, 2024, doi: 10.59672/jpkr.v10i1.3499.
Sten Dofanky Mooy, Andrew Delfistian Dethan, and Yampi R Kaesmetan, “Identifikasi Berat Badan Berdasarkan Citra Foto Menggunakan Metode Body Surface Area,” SABER J. Tek. Inform. Sains dan Ilmu Komun., vol. 2, no. 3, pp. 89–99, 2024, doi: 10.59841/saber.v2i3.1332.
T. Efendi, T. A. Tsauri, and I. I. Uljanah, “Rancang Bangun Sistem Pengolahan Citra Digital untuk Menentukan Berat Badan Ideal,” JISKA (Jurnal Inform. Sunan Kalijaga), vol. 2, no. 2, pp. 63–70, 2017, doi: 10.14421/jiska.2017.22-01.
H. Fauzi, N. A. Darsono, and . B. H., “Analisis Kalkulasi Body Mass Index Dengan Pengolahan Citra Digital Berbasis Aplikasi Android,” J. Elektro dan Telekomun. Terap., vol. 5, no. 2, pp. 693–702, 2019.
L. I. Ilham, D. E. Putri, and A. N. Kusumastuti, “Body Mass Index Dan Subjective Well-Being Pada Remaja Putri,” Arjwa J. Psikol., vol. 1, no. 2, pp. 85–96, 2022, doi: 10.35760/arjwa.2022.v1i2.7301.
A. Sani and E. A. Marlin, “Body Mass Index Measurement System using Image Processing,” Sci. Technol. Publ., pp. 81–84, 2021, doi: 10.5220/0010352000810084.
T. Ernawati, R. Rofiq, O. I. Samatha, and L. Diana, “Correlation Between Body Mass Index and Intraocular Pressure At Primasatya Husada Citra Hospital, Surabaya,” J. Widya Med., vol. 8, no. 2, pp. 99–104, 2022, doi: 10.33508/jwm.v8i2.3588.
T. R. Adiguna, R. Magdalena, and S. Saidah, “Sistem Deteksi Idealitas Berat Badan Secara Real Time Dengan Menggunakan Metode Gray Level Co-occurance Matrix Dan Body Surface Area,” eProceedings …, vol. 5, no. 3, pp. 5562–5570, 2019.
A. B. Abadi, A. Fadllullah, S. Sumardi, S. Mahdi, and A. N. Juniar, “Perhitungan Indeks Massa Tubuh Less Contact Berbasis Computer Vision dan Regresi Linear,” MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 21, no. 3, pp. 629–638, 2022, doi: 10.30812/matrik.v21i3.1512.
How To Cite This :
Refbacks
- There are currently no refbacks.
