Setiap pagi, aroma santan gurih dari nasi hangat kerap menjadi penanda dimulainya hari di banyak rumah. Ini bukan sekadar sarapan, melainkan ritual yang sarat nostalgia dan kebersamaan. Namun, di layar ponsel seorang mahasiswi, algoritma cerdas justru berbisik lain: "Ganti dengan oats," "Kurangi santan," atau "Pilih yogurt tanpa gula."
Dalam sekejap, warisan rasa yang telah terbentuk berabad-abad ditimbang sebagai kesalahan gizi. Mahasiswi itu pun menurut, mencatat kalori, dan melihat grafik berat badannya turun dalam dua minggu. Hasilnya memang terasa nyata, namun ada sesuatu yang tanpa disadari mulai berubah.
Rasa makanan yang biasanya akrab di lidah perlahan berganti menjadi daftar panjang makanan pengganti. Santan disarankan diganti krimer rendah lemak, kerupuk dinilai kelebihan kalori. Makanan rumahan yang lekat dengan nostalgia dan kebersamaan bergeser menjadi rentetan angka dan peringatan.
Ketika Algoritma Mengganti Nasi Uduk dengan Oats
Fenomena ini bukan cerita tunggal, melainkan pola yang berulang pada banyak pengguna aplikasi diet berbasis kecerdasan buatan (AI). Bayangkan, makanan yang tumbuh bersama kita, yang menjadi bagian tak terpisahkan dari perayaan dan kehangatan keluarga, kini dipertanyakan oleh sebuah program. Apakah ini benar-benar tentang kesehatan, atau ada hal lain yang terlewat?
Yumna Haifa (18), seorang mahasiswi, mengaku percaya penuh pada output AI yang dirasanya begitu personal dan konsisten menghitung kalori hariannya. Ia bahkan dengan gamblang menyebut bahwa AI hampir jarang menyarankan makanan lokal. Sebuah pengakuan yang cukup mengejutkan, bukan?
Tri Artining Putri (37), seorang profesional muda, mencoba menyiasati bias awal ini dengan menyempurnakan prompt yang ia berikan. Ia meminta menu yang realistis untuk dapur Indonesia, dan AI pun mengikutinya. Namun, logikanya tetap mendorong substitusi: santan diganti produk industri rendah lemak, camilan tradisional ditukar menjadi snack kemasan berlabel sehat. Kenyamanan memakai alat pintar ini membuat bias tersebut seolah normal dan diterima begitu saja.
Bukan Sekadar Diet, Tapi Pergeseran Budaya Makan
Di balik segelintir cerita itu, ada realitas gizi nasional yang jauh lebih kompleks. Indonesia saat ini menghadapi beban ganda masalah gizi. Satu dari tiga orang dewasa hidup dengan kelebihan berat badan atau obesitas, menurut laporan UNICEF tahun 2024. Angka ini bukan sekadar statistik, melainkan tanda perubahan besar dalam pola makan dan persepsi sehat di masyarakat kita.
Obesitas kini menjadi masalah umum di kota-kota besar, sementara persoalan gizi buruk belum sepenuhnya teratasi di pedesaan. Bersamaan dengan itu, lebih dari dua puluh juta orang dewasa, atau sekitar 11 persen populasi produktif, hidup dengan diabetes (Trading Economics 2024). Lonjakan ini menggeser peta ancaman kesehatan nasional dari penyakit menular ke penyakit metabolik.
Tidak heran bila aplikasi diet berbasis AI cepat menjadi sandaran banyak orang yang ingin mengendalikan berat badan. Namun, ini berisiko jika alat yang digunakan berbasiskan data yang tidak mewakili konteks lokal kita.
Data Bias: Kenapa AI Sulit ‘Paham’ Dapur Indonesia?
Masalahnya pun berlanjut ke akurasi aplikasi diet yang bervariasi. Berdasarkan temuan Journal of the Academy of Nutrition and Dietetics 2024, aplikasi semacam ini cenderung melebihkan kalori, keliru pada komponen makro, dan menampilkan ketidakkonsistenan antar-item. Pada skala populasi, bias kecil yang berulang ini bisa mendorong perilaku makan yang salah arah.
Dimensi yang kemudian jarang disorot adalah bias lintas budaya yang melekat pada algoritma tersebut. Sebuah studi terbaru oleh Xinyi Li et al. (2024) dalam jurnal Nutrients menemukan fakta mengejutkan: aplikasi diet berbasis AI cenderung melebihkan estimasi kalori pada makanan Barat hingga lebih dari seribu kilojoule, tapi justru meremehkan kalori pada makanan Asia lebih dari seribu lima ratus kilojoule.
Ini artinya, sistem AI tersebut lebih akurat untuk pola makan Barat dan sering keliru saat membaca pola makan Asia. Mengapa demikian? Karena algoritma belajar dari data yang paling sering ia temui. Ia menjadi "lebih pintar" terhadap menu seperti pasta atau salad, dibandingkan dengan nasi uduk, lodeh, atau rendang yang kaya rempah dan kompleks. Indonesia, dengan ribuan resep yang tak pernah masuk database global, nyaris tak terbaca dalam logika sistem ini.
Ancaman Tersembunyi: Dari Obesitas Hingga Kehilangan Identitas
Helianti Hilman, pakar biodiversitas pangan dan pendiri Javara Indonesia, menyusun fenomena ini dalam kerangka besar dekolonisasi pangan. Ia mengatakan, dekolonisasi pangan harus menyentuh banyak sektor, termasuk AI, apalagi jika ‘pelatihnya’ minim data yang relevan dengan kekayaan kuliner kita. "AI bisa di-train, tapi kalau tidak ada trainernya, terus gimana?" ucap Helianti. Pertanyaan ini menohok, mengingat Indonesia belum hadir sebagai pelatih pengetahuan lokal dalam skala yang berarti.
Secara historis, bangsa penutur di Indonesia menyimpan pengetahuan kuliner lewat lisan, lagu, batik, tenun, dan pertunjukan. Namun, ketika sistem asing yang rapi dan metodologis mampu mengukur dunia dengan kacamata sendiri, pengetahuan lokal kita menjadi tak terlihat di layar pencarian. Dilema pun muncul: membuka data budaya tanpa perlindungan memicu pengambilalihan, tapi menutup rapat malah membuat aset tak dianggap karena berada di luar standar platform global.
Suara Para Ahli: Dekolonisasi Pangan dan Etika AI
Ayu Purwarianti, akademisi dan peneliti kecerdasan buatan dari Institut Teknologi Bandung, memberikan perspektif etika yang penting. Ia menyebut bahwa sumber bias datang dari data latih dan desain algoritma. Namun, publik sulit memeriksa karena "kita tidak tahu data dokumen yang dilatihkan seperti apa, dan algoritma detailnya seperti apa," kata Ayu.
Prinsip transparansi seharusnya diterapkan, namun perusahaan besar sulit membuka algoritma karena dianggap rahasia dagang. "Kasus-kasus bias seperti ini menunjukkan pentingnya kemandirian AI yang dibangun menggunakan data sesuai nilai kita," ujarnya. Menurut Ayu, upaya itu harus berjalan paralel, mulai dari pengaduan kolektif terhadap bias, literasi AI bagi semua lapisan masyarakat, penerapan etika AI nasional, hingga pembangunan model lokal yang mewakili kekayaan budaya kita.
Hardian Eko Nurseto, antropolog pangan dari Universitas Padjadjaran, menghubungkan fenomena ini dengan sejarah mediasi selera. Dulu, televisi menanamkan kebiasaan makan melalui sosok Julia Child di Amerika dan Sisca Soewitomo di Indonesia. Kini, perannya diambil alih oleh algoritma. Arus informasi yang deras menggeser perspektif tentang sehat. Ketika standarnya cenderung Barat, konsumsi bahan impor meningkat dan pelestarian pangan lokal terancam. "Perbanyak konten tentang pangan lokal, dan publikasi ilmiah tentang pangan dan kuliner lokal agar bisa menjadi sumber data bagi AI," sarannya.
Dimensi klinis yang sering terlupakan diungkap oleh dokter spesialis gizi klinik, Mulianah Daya. Ia menolak logika yang membagi makanan secara hitam putih. "Tidak ada makanan ‘tidak sehat’ dan sebaliknya tidak ada makanan yang berlabel ‘si paling sehat’," kata Mulianah. Baginya, pandangan biner seperti itu justru memperkuat kebiasaan algoritma diet yang menilai makanan lokal lewat kacamata tunggal.
Labelisasi yang berlebihan kerap menimbulkan obsesi terhadap makanan yang dianggap benar atau "paling sehat," sebuah gejala yang di dunia medis dikenal sebagai orthorexia. Akibatnya, banyak
