Cara menghitung kalori tanpa menghabiskan hidupmu. 4 metode yang dibandingkan, akurasi nyatanya, dan mana yang masih akan kamu jalani 6 bulan lagi.

Kenapa 80 % orang berhenti menghitung dalam 3 bulan

Menghitung kalori memang berhasil. Itu bukan masalahnya. Masalahnya, hampir tidak ada yang bertahan: studi tentang program penurunan berat badan menunjukkan tingkat putus yang besar sejak beberapa minggu pertama, jauh sebelum hasil pertama terlihat di timbangan.

Friksi, secara konkret: mencari « blanc de poulet » di daftar, memilih entri yang benar di antara 40 duplikat, memperkirakan 150 g dengan mata, mengulang untuk kacang-kacangan, lalu untuk minyak zaitun. Tiga kali sehari. 90 kali sebulan. Akuntansi inilah yang membunuh tracking, bukan ide untuk tracking.

Kesimpulan praktis: pilihan metode inputmu bukan detail UX kecil. Itu variabel UTAMA yang menentukan apakah datamu masih akan ada dalam 3 bulan. Berikut 4 metodenya, diurutkan dari yang paling cepat sampai yang paling menuntut.

Scan AI foto: 5 detik per makan

Kamu memotret piringmu. AI Lean melakukan identifikasi ganda : pertama AI mengenali setiap makanan yang ada (ayam panggang, kacang hijau), lalu AI memperkirakan jumlah masing-masing. Hasilnya bukan angka total yang muncul begitu saja: ini adalah pemecahan per makanan, dengan kalori dan makro untuk setiap baris.

Dalam gambar, langkah demi langkah, pada satu makan sungguhan:

Pada hidangan umum, kesalahan tipikalnya sekitar ±10 % per makan. Ini kurang presisi daripada timbangan, dan sudah lebih dari cukup untuk mengarahkan penurunan lemak tubuh (kita akan kembali ke hukum bilangan besar di bawah). Yang paling penting, ini satu-satunya metode yang mencakup makan tanpa label: masakan rumah, restoran, kantin.

Di mana Lean melangkah lebih jauh: kamu tetap memegang kendali

Scan AI hanya berguna kalau kamu bisa mengoreksi apa yang disarankannya. Lean memberimu tiga tuas, per makanan:

Tuas 1

Mengubah jumlah

Satu slider per makanan: di sini, roti diperkirakan 101,4 g oleh AI, dikoreksi menjadi 70 g. Kalori dan total hidangan dihitung ulang seketika.

Tuas 2

Ubah makro

Kamu lebih tahu resepmu daripada rata-rata? Di sini, chips: AI mengusulkan 4,1 g lemak, kamu koreksi jadi 14 g. Donat dan total ikut menyesuaikan.

Tuas 3

Pindai ulang satu makanan

AI mengira kalkun sebagai keju? Kamu ketik nama yang benar, baris itu dianalisis ulang sendiri, tanpa mengulang seluruh hidangan.

Uji melawan Cal AI: pemecahan vs kemasan

Foto yang sama, dua aplikasi. Perbedaannya langsung terlihat:

Ini adalah perbedaan struktural dengan sebagian besar aplikasi scan, terutama Cal AI: mereka mengembalikan perkiraan total per hidangan, total kalori dan makro tanpa pemecahan yang bisa diedit per makanan. Jika estimasinya salah, kamu harus menerimanya atau membuangnya. Dengan pemecahan per makanan, kesalahan bisa diperbaiki dalam dua ketukan.

Penggunaan yang tepat: masakan rumahan, restoran, kantin, semua makanan tanpa kode batang. Metode default untuk 90 % makanan.

Pindai kode batang: akurasi label

Untuk semua yang keluar dari kemasan, kode batang tak terkalahkan: nilai gizinya datang langsung dari data produsen. Lean mengandalkan basis data USDA dan OpenFoodFacts, total jutaan referensi. Kamu pindai, kamu sesuaikan jumlahnya, selesai.

Batasnya jelas: piring pasta buatan rumahmu tidak punya kode batang. Karena itu, metode ini secara alami dipadukan dengan pindai AI foto, bukan menggantikannya.

Penggunaan yang tepat: belanjaan, camilan, produk olahan, shaker. Akurasi maksimal untuk produk industri, tanpa usaha.

Basis data + timbangan: mode presisi

Metode klasik: kamu menimbang makananmu, mencarinya di basis data, lalu memasukkan gramnya. Dengan timbangan dapur, ini adalah metode paling akurat yang ada, dipakai untuk persiapan kompetisi dan protokol klinis.

Panel « Restants / Impact » menunjukkan kepadamu, bahkan sebelum kamu mengonfirmasi, apa yang berubah pada anggaran harianmu: kalori, protein, karbohidrat, lemak, serat. Kamu memutuskan dengan sadar, bukan setelahnya.

Lean mengurangi friksi seminimal mungkin: riwayat makanan yang sering kamu makan, pencarian di USDA + OpenFoodFacts, tambah dalam dua ketukan dari daftar. Tapi mari jujur soal biaya nyata: 2 sampai 3 menit per makan, dan disiplin menimbang. Justru friksi inilah yang menghasilkan 80 % orang berhenti dari metode klasik.

Penggunaan yang tepat: fase cutting ketat, recomposition tingkat lanjut, olahraga kategori berat badan. Dan 5 sampai 10 makanan yang sering kamu makan sehari-hari, yang riwayatnya membuat input jadi hampir instan.

Tambah cepat: cadangan yang menyelamatkan hari

Buffet ulang tahun, hari yang padat, makan sambil berdiri di antara dua rapat: beberapa makan tidak akan pernah dilacak secara detail. Tambah cepat memungkinkan kamu memasukkan cadangan total, kalori dan makro yang diperkirakan, dalam 10 detik. Kurang akurat, jauh lebih baik daripada data yang kosong.

Saldo kalori langsung melakukan sisanya: pada tangkapan layar, target 2 143 kcal, 1 000 dikonsumsi, 1 143 tersisa, dihitung ulang terus-menerus sepanjang hari. Hari yang kira-kira tepat tapi tetap dilacak lebih baik daripada hari sempurna yang ditinggalkan: rata-rata mingguan yang menggerakkan hasil, bukan kemurnian satu hari saja.

Penggunaan yang tepat: hari sibuk, makan sosial, cadangan anti-berhenti. Metode yang mencegah, «aku melewatkan satu makan, ya sudah untuk seminggu».

Unduhan gratis

Metode mana untuk profil yang mana

Pertama, perbandingan 4 metode berdasarkan 4 kriteria yang penting: kemudahan per makan, ketersediaan (apakah ini bekerja di mana saja, kapan saja), ketahanan jangka panjang, dan akurasi.

++ sangat baik + baik − titik lemah. «Jangka panjang» = kemungkinan kamu masih memakai metode ini dalam 6 bulan.

Bacaan perbandingan: tidak ada metode yang menang di semua sisi. Scan AI unggul dalam kepatuhan, basis data + timbangan unggul dalam akurasi, dan tambah cepat hanya ada untuk menutup celah. Karena itu ada profil: keempat metode ini tidak saling meniadakan, strategi yang tepat adalah campuran, disesuaikan dengan tingkat ketelitian kamu saat itu dan jadwal kamu. Tiga profil mencakup hampir semua kasus.

Aturan kompromi, berlaku untuk semua orang: saat ragu, pilih metode paling ringan yang kamu yakin bisa konsisten jalankan. Data yang sempurna tapi berhenti kamu isi setelah 3 minggu nilainya nol.

Kesalahan ±10 % yang hilang dalam sebulan

Keberatan klasik terhadap scan AI: « ±10 % kesalahan, itu terlalu besar ». Itu berpikir dari satu makan saja. Padahal kamu tidak melacak satu makan: kamu melacak sekitar 90 per bulan.

Itu adalah hukum bilangan besar (Kolmogorov): kesalahan acak yang independen saling menutupi saat jumlah observasi meningkat. Kelebihan 12 % pada hari Senin meniadakan kekurangan 8 % pada hari Selasa. Yang tersisa dalam sebulan adalah bias rata-rata model, mendekati nol pada scan yang dikalibrasi dengan baik, bukan noise dari satu makan.

Input manual, sebaliknya, mengalami masalah yang sifatnya sangat berbeda: sebuah bias sistematis. Manusia cenderung melaporkan lebih sedikit dari yang mereka makan, selalu ke arah yang sama, dan bias tidak pernah hilang dengan sendirinya.

Intinya: pertanyaannya bukan « apakah scan AI sempurna ? » tetapi « metode mana yang menghasilkan data paling akurat untuk 90 makan ? ». Dan di situ, otomatisasi menang, karena menggantikan bias arah tertentu dengan noise yang saling meniadakan.

Menghitung saja tidak cukup: ada setengah persamaan lain yang masih hilang

Jurnal makanan yang sempurna tidak mengatakan apa-apa sendirian. Menurunkan lemak berarti keseimbangan energi negatif: asupan lebih kecil daripada pengeluaran. Kalau pengeluaran kamu salah dihitung, defisit kamu cuma ilusi akuntansi, dan kamu bisa menghitung kalori sampai gram terdekat tanpa pernah maju.

Masalahnya: hampir semua aplikasi memperkirakan pengeluaranmu dengan Harris-Benedict (1919) atau Mifflin-St Jeor (1990), rumus berbasis berat badan mentah yang mengabaikan komposisi tubuhmu. Dengan berat yang sama, tubuh dengan 15 % bodyfat dan tubuh dengan 30 % sama sekali tidak membakar energi dengan cara yang sama. Lean menghitung pengeluaran dengan cara lain, dalam empat langkah:

Hasilnya: timbangan live membandingkan apa yang kamu makan (dihitung dengan 4 metode dalam panduan ini) dengan apa yang benar-benar kamu keluarkan, dihitung ulang terus-menerus. Kombinasi dua sisi ini, asupan yang tepat dan pengeluaran yang tepat, yang membuat penurunan lemak bisa diprediksi. Salah satu tanpa yang lain, itu cuma pembukuan di ruang hampa.

Unduhan gratis

Pertanyaan umum tentang penghitungan kalori