Kenali sisa makanan. Cegah pemborosan. Olah sisanya.
EcoBite AI menggabungkan Teachable Machine untuk mengenali jenis sisa makanan dari foto, Gemini untuk membantu menyusun rekomendasi pengurangan porsi berdasarkan catatan, dan maggot BSF untuk mengolah sisa makanan organik yang sesuai.
Rumah tangga
Bagian dari total sampah makanan global menurut UNEP 2024 (tahun data 2022).
Layanan makanan
Bagian sampah makanan dari restoran dan sektor layanan pangan.
Ritel
Bagian sampah makanan dari sektor penjualan eceran.
Mengapa EcoBite AI dibuat?
Sisa makanan sering terbuang karena porsi terlalu banyak, tidak habis, atau pengelolaan yang kurang tepat. Dengan mencatat jenis, berat, penyebab, dan jumlah orang yang makan, kita dapat menyusun perubahan porsi yang terukur. AI memudahkan identifikasi dan analisis; maggot BSF membantu mengolah sebagian sisa organik. Mencegah sampah tetap menjadi langkah pertama, sebelum mengolah sisanya.
Sumber: UNEP, Food Waste Index Report 2024 — Informasi UNEP. Angka 60% bukan persentase dari seluruh jenis sampah dunia.
📊 Dashboard Penelitian — EcoBite AI
Indikator mengikuti sheet Dashboard workbook. Angka dihitung dari catatan website pada perangkat ini; tidak otomatis membaca Excel.
Edible waste per orang-makan
Berat food waste per kategori (g)
Penyebab food waste (g)
Distribusi kelas AI
Ringkasan rekomendasi terbaru
Metode EcoBite AI — Langkah Demi Langkah
Siapkan makanan sisa
Pisahkan makanan yang aman diamati, catat asal/waktu makan. Hindari bahan berbahaya untuk maggot.
Foto & klasifikasikan
Gunakan kamera atau unggah foto di EcoScan. Periksa kelas aktual; confidence adalah keyakinan model, bukan komposisi gizi.
Catat penyebab
Isi Food Waste Diary: berat sisa, edible/tidak, penyebab P1–P7, jumlah orang, waktu makan, fase baseline/intervensi.
Timbang 1:1
Untuk protokol percobaan ini, contoh: 100 g maggot dan 100 g sisa makanan (massa basah). Gunakan larva dengan kondisi/umur setara.
Berikan pada maggot
Catat tanggal mulai, akhir, jumlah residu, perubahan berat larva, bau dan kondisi media. Catat durasi pengamatan yang sama.
Evaluasi & ulangi
Kumpulkan baseline minggu 1, gunakan prompt Gemini untuk rekomendasi, terapkan minggu 2, bandingkan g edible waste/orang-makan.
Contoh Pengisian dari Workbook v9
A. Contoh klasifikasi AI
| ID | Foto | C1 Karbo | C2 Sayuran | C3 Buah | C4 Campuran | C5 Protein | C6 Lain | Prediksi | Aktual | Hasil |
|---|---|---|---|---|---|---|---|---|---|---|
| FW001 | FW_D01_001.jpg | 82% | 6% | 2% | 4% | 5% | 1% | Karbohidrat | Karbohidrat | Benar |
| FW002 | FW_D01_002.jpg | 17% | 8% | 2% | 68% | 3% | 2% | Makanan Campuran | Makanan Campuran | Benar |
| FW003 | FW_D02_001.jpg | 54% | 12% | 3% | 25% | 4% | 2% | Karbohidrat | Makanan Campuran | Salah |
B. Contoh Food Waste Diary
| ID | Tanggal | Waktu | Kelas Aktual | Berat | Penyebab | Orang | Catatan |
|---|---|---|---|---|---|---|---|
| FW001 | 8 Sep 2026 | Malam | Karbohidrat | 85 g | P1 | 4 | Nasi tersisa karena porsi terlalu banyak |
| FW002 | 8 Sep 2026 | Malam | Makanan Campuran | 126 g | P3 | 4 | Nasi, lauk, dan sayur bercampur |
| FW003 | 9 Sep 2026 | Siang | Makanan Campuran | 70 g | P2 | 3 | Prediksi AI salah; actual class tetap dicatat |
C. Contoh rekomendasi Gemini
Input: baseline 7 hari; nasi menjadi edible waste terbesar (ilustrasi).
Output contoh: “Kurangi porsi awal nasi; tambah hanya jika masih lapar.”
Keputusan contoh: Diterapkan. Angka 120 → 80 g/orang/hari pada workbook hanya ilustrasi.
D. Contoh BSF Experiment
B01: input 500 g, larva awal 100 g, larva akhir 145 g, residu 180 g, WRR 64%.
B02: input 500 g, larva awal 100 g, larva akhir 138 g, residu 210 g, WRR 58%.
Contoh BSF dalam Excel memakai perbandingan input:larva 5:1, berbeda dari rancangan metode 1:1. Gunakan 1:1 pada data eksperimen baru, jangan mengubah contoh asli tanpa penjelasan.
Maggot Corner — Panduan, Ulasan, dan Pembelian
🐛 Mengenal maggot BSF
Maggot adalah larva lalat Black Soldier Fly. Pada fase larva, maggot dapat membantu menguraikan sisa organik yang sesuai. Larva perlu media, kelembapan, dan ventilasi yang tepat.
🏡 Cara memelihara
- Siapkan wadah berventilasi dan terlindung dari hujan.
- Gunakan larva aktif dan bahan organik yang sesuai.
- Cacah bahan agar lebih mudah terurai; hindari kondisi terlalu berair.
- Timbang input dan residu, periksa bau serta kondisi larva tiap hari.
- Pisahkan dan bersihkan alat setelah penelitian.
🛒 Informasi pembelian
Cari pembudidaya BSF tepercaya di daerahmu. Tanyakan umur larva, berat basah, kesehatan koloni, panduan pengiriman, dan apakah tersedia konsultasi.
Cari pembudidaya BSF melalui peta ↗
Tautan pencarian; bukan penjual atau stok yang telah diverifikasi.
💬 Ulasan / Catatan pengalaman
Ulasan hanya tersimpan di browser ini, bukan forum publik online.
Ringkasan penelitian
Berat sisa makanan per fase
Kategori makanan
Metodologi
Baseline hari 1–7 → rekomendasi AI → intervensi hari 8–14 → pemantauan BSF. Pengurangan dihitung dari edible waste per orang-makan, bukan dari seluruh sampah. Data contoh tidak dimasukkan secara otomatis.
Data disimpan lokal di browser ini. Ekspor cadangan secara rutin agar tidak hilang ketika data browser dibersihkan.
EcoScan — Klasifikasi foto
Model belum dimuat. Gunakan paket ZIP via localhost agar file model lokal bisa dibaca.
📷 Kamera langsung
Upload: pilih gambar dari galeri/komputer. Kamera: membuka webcam laptop atau kamera HP secara langsung. Izin kamera dan HTTPS/localhost diperlukan.
Belum ada gambar dipilih.
Catat hasil klasifikasi
Skor confidence menunjukkan keyakinan model, bukan komposisi massa makanan. Foto tidak disimpan dalam database lokal; hanya nama file dan skor klasifikasi.
EcoTrack — Food Waste Diary
Input manual
Catatan yang tersimpan
| ID | Tanggal | Fase | Kategori | Berat | Edible | Penyebab | Orang | AI | Aksi |
|---|
EcoAdvice — Rekomendasi berbasis data
Catatan rekomendasi yang diuji
BSF Monitor — Biokonversi maggot
Protokol penelitian 1:1 → berat larva awal sebaiknya sama dengan berat substrat (contoh 100 g + 100 g). Jika berbeda, catat penyimpangannya.
WRR = (input − residu) / input × 100%. WRR tidak sama dengan jumlah yang dimakan maggot. Timbang residu setelah periode pengamatan yang ditetapkan secara konsisten.
Riwayat batch
| Tanggal | Batch | Input | Residu | WRR | Larva awal→akhir | Aksi |
|---|
Observasi lingkungan
Riwayat pengamatan
| Tanggal | Fase | Bau | Lalat maks. | Fly Score | Masalah kebersihan | Aksi |
|---|
Data dan pengaturan
Cadangkan dan ekspor data
Data disimpan di browser perangkat ini. Ekspor JSON sebagai cadangan lengkap, atau CSV untuk Excel. JSON dapat diimpor kembali pada perangkat yang sama atau berbeda.
Impor akan mengganti data lokal saat ini setelah konfirmasi.
Model klasifikasi
Gunakan 6 kelas konsisten: Karbohidrat, Sayuran, Buah-buahan, Makanan Campuran, Protein, Lain/Tidak sesuai. Saat memuat model Teachable Machine, nama kelas harus sesuai dengan daftar tersebut.
URL model: Belum diatur