Matematika di Balik Pelacakan Kalori

Setiap pelacak kalori menghitung untuk Anda. Sebagian besar tidak menampilkan persamaannya. Di sini semuanya, dengan contoh kerja, berurutan, masing-masing membangun dari yang sebelumnya.

Postingan ini membahas lima lapisan perhitungan: bagaimana metabolisme dasar Anda diperkirakan, bagaimana perkiraan itu menjadi target energi harian, bagaimana app mempelajari pengeluaran aktual Anda dari data nyata, bagaimana entri makanan diskalakan saat Anda makan porsi sebagian, dan bagaimana defisit kalori diterjemahkan menjadi hilangnya lemak dan jaringan tanpa lemak. Setiap angka dapat ditelusuri ke sebuah persamaan. Setiap persamaan dapat ditelusuri ke sumber yang dikutip.

Lapisan 1: estimasi BMR

Basal Metabolic Rate Anda adalah energi yang dibakar tubuh saat benar-benar istirahat: berbaring diam, sadar, di ruangan dengan suhu netral. Ini menyumbang sekitar 60-70% dari total pengeluaran harian.

Rumus yang paling banyak divalidasi adalah Mifflin-St Jeor (1990):

BMR (male)   = 10 x weight(kg) + 6.25 x height(cm) - 5 x age + 5
BMR (female) = 10 x weight(kg) + 6.25 x height(cm) - 5 x age - 161

Setiap istilah menangkap hubungan fisiologis. Tubuh yang lebih berat membakar lebih banyak energi (istilah berat mendominasi). Tubuh yang lebih tinggi punya luas permukaan lebih besar dan jaringan yang lebih aktif secara metabolik. Metabolisme menurun seiring usia. Offset jenis kelamin memperhitungkan perbedaan rata-rata komposisi tubuh.

Contoh kerja. Pria 30 tahun, 82 kg, 178 cm:

10 x 82   = 820
6.25 x 178 = 1,112.5
5 x 30    = 150
sex offset = +5

BMR = 820 + 1,112.5 - 150 + 5 = 1,787.5 kcal

Ini adalah rata-rata populasi. Mifflin-St Jeor diturunkan dari pengukuran kalorimetri tidak langsung pada 498 subjek. Untuk individu mana pun, galat bakunya kira-kira ±200 kcal, artinya dua orang dengan statistik identik bisa punya BMR yang berbeda 400 kcal. Rumus ini memberi Anda pusat kurva lonceng, bukan pengukuran pribadi Anda.

Sumber: Mifflin, M.D. et al. "A new predictive equation for resting energy expenditure in healthy individuals." American Journal of Clinical Nutrition, 1990.

Lapisan 2: dari BMR ke TDEE

BMR adalah lantai dasar. Total Daily Energy Expenditure (TDEE) menambahkan semuanya: berjalan, bekerja, berolahraga, mencerna makanan, gelisah. Pendekatan tradisional mengalikan BMR dengan faktor aktivitas:

Tingkat Aktivitas	Pengali	Artinya sebenarnya
Sedentary	1.200	Pekerjaan meja, berjalan minimal
Lightly Active	1.375	~8,000 langkah/hari atau olahraga ringan 2x/minggu
Moderately Active	1.550	~10,000 langkah + latihan resistensi 3x/minggu
Active	1.725	Pekerjaan fisik atau latihan 5x/minggu
Very Active	1.900	Latihan berat tiap hari + gaya hidup aktif

Untuk contoh kerja kita (BMR = 1,788 kcal, lightly active):

TDEE = 1,788 x 1.375 = 2,458 kcal

Masalahnya langsung terlihat saat Anda melihatnya: loncatan antar level adalah 0.175, yang setara ~310 kcal untuk BMR 1,788. Itu setara satu pisang plus satu sendok makan selai kacang. Jika Anda memilih tingkat aktivitas yang salah (dan kebanyakan orang memang begitu), estimasi TDEE Anda meleset ratusan kalori sebelum Anda mencatat satu pun makanan.

Lebih buruk lagi, pengali ini tidak bisa menangkap NEAT (Non-Exercise Activity Thermogenesis): gelisah, postur, mondar-mandir, pekerjaan rumah. NEAT saja bervariasi 700+ kcal/hari antarindividu dengan statistik dan kebiasaan olahraga yang identik.

Lapisan 3: TDEE adaptif

Rumus statis memperkirakan apa yang kemungkinan dibakar orang seperti Anda. TDEE adaptif menghitung apa yang benar-benar Anda bakar, dengan mundur dari apa yang terjadi pada tubuh Anda.

Inti idenya: jika Anda tahu berapa kalori yang Anda makan dan bagaimana berat Anda berubah dari waktu ke waktu, Anda bisa menyelesaikan pengeluaran.

Algoritme

Dengan jendela data 28 hari:

Langkah 1. Hitung rata-rata asupan kalori hanya pada hari yang dilacak. Hari tanpa log makanan sepenuhnya dikeluarkan (bukan dihitung nol).

Langkah 2. Haluskan pembacaan berat harian dengan Exponential Moving Average 7 hari untuk menyaring noise air, glikogen, dan natrium. Lalu pasang regresi linear least-squares ke seri yang telah dihaluskan. Kemiringannya adalah tren berat asli Anda dalam kg/hari.

Langkah 3. Ubah kemiringan berat menjadi kalori:

caloric impact = daily weight slope x 7,700 kcal/kg

Angka 7,700 kcal/kg adalah pendekatan standar untuk densitas energi jaringan tubuh (campuran berbobot lemak sekitar 7,700 dan lean sekitar 1,800).

Langkah 4. Estimasikan TDEE:

TDEE = average daily intake - caloric impact

Jika Anda sedang menurunkan berat, dampak kalorinya negatif, jadi TDEE menjadi lebih tinggi daripada asupan. Jika Anda naik berat, nilainya lebih rendah. Jika berat stabil, TDEE sama dengan asupan.

Langkah 5. Batasi penyesuaian harian ke ±100 kcal dari estimasi sebelumnya. Ini mencegah data yang bising menghasilkan perubahan liar.

Contoh kerja

Berikut dataset nyata 28 hari untuk seseorang yang kehilangan kira-kira 0.3 kg/minggu:

Hari	Berat (kg)	EMA (kg)	Kalori	Dilacak?
1	82.3	82.30	2,180	Ya
4	82.5	82.35	2,210	Ya
7	81.8	82.15	2,050	Ya
10	82.0	81.96	--	Tidak
14	81.7	81.72	2,100	Ya
21	80.9	81.12	2,180	Ya
24	81.0	80.93	2,120	Ya
28	80.7	80.72	2,050	Ya

Perhitungannya:

Average intake (tracked days): 2,150 kcal/day
EMA weight slope (regression): -0.042 kg/day
Caloric impact: -0.042 x 7,700 = -323 kcal/day
Estimated TDEE: 2,150 - (-323) = 2,473 kcal

Angka ini mencerminkan metabolisme aktual Anda: NEAT, adaptasi, genetika, semuanya. Tidak perlu menebak tingkat aktivitas Anda.

Mengapa 28 hari

Berat harian berfluktuasi ±1 kg karena retensi air, simpanan glikogen, massa makanan yang masih bergerak di sistem pencernaan, dan asupan natrium. Untuk seseorang yang kehilangan 0.5 kg/minggu, sinyal 14 hari yang diharapkan sekitar ~1 kg, nyaris di atas lantai noise. Jendela 28 hari menangkap ~2 kg sinyal terhadap noise yang sama, kira-kira menggandakan rasio sinyal terhadap noise.

Untuk detail lebih lanjut tentang panjang jendela, smoothing EMA, dan perilaku konvergensi, lihat Why Your TDEE Calculator Is Probably Wrong.

Lapisan 4: penskalaan makro

Saat Anda mencatat entri makanan, Anda jarang makan ukuran porsi yang persis sama dengan yang ada di database. Penskalaan makro adalah aritmetika yang menyesuaikan semuanya secara proporsional:

scaling factor = consumed amount / serving size

Setiap makro dikalikan dengan faktor yang sama. Ini penskalaan linear.

Contoh kerja. Entri database untuk oats: porsi 100g, 389 kcal, 13.2g protein, 66.3g carbs, 6.9g fat. Anda makan 45g.

factor = 45 / 100 = 0.45

calories: 389 x 0.45 = 175.1 kcal
protein:  13.2 x 0.45 = 5.9g
carbs:    66.3 x 0.45 = 29.8g
fat:      6.9 x 0.45 = 3.1g

Ini sederhana, tetapi ada satu nuansa yang sering membingungkan orang: makro tidak selalu menjumlah persis ke kalori.

Faktor Atwater (4 kcal/g protein, 4 kcal/g carbs, 9 kcal/g fat) adalah pendekatan. Nilai sebenarnya bervariasi tergantung makanan. Serat menyumbang sekitar 2 kcal/g, alkohol menyumbang 7 kcal/g, dan keduanya bukan makro standar. Saat database makanan mencantumkan total kalori dan makro, keduanya sering berasal dari pengukuran laboratorium yang independen. Setelah setiap makro dibulatkan ke satu desimal dan faktor Atwater diterapkan, jumlahnya bisa berbeda dari kalori yang tercantum sebesar 5-15 kcal per porsi. Ini terakumulasi sepanjang satu hari penuh pencatatan.

Ini bukan bug. Ini adalah ketidaktepatan bawaan sistem Atwater. Angka total kalori lebih akurat daripada jumlah kalori turunan makro, karena totalnya diukur langsung melalui bomb calorimetry atau analisis proksimat.

Lapisan 5: matematika defisit dan komposisi tubuh

Persamaan keseimbangan energi:

weight change = (intake - expenditure) / energy density of tissue

Defisit 500 kcal/hari seharusnya menghasilkan penurunan 0.45 kg/minggu jika Anda memakai standar 7,700 kcal/kg. Tetapi angka itu mengasumsikan semua berat yang hilang adalah lemak. Tidak begitu.

Model Forbes/Hall memprediksi bagian kehilangan berat yang berasal dari lemak versus jaringan tanpa lemak, berdasarkan seberapa banyak lemak yang Anda bawa:

P-ratio = fat mass / (fat mass + 10.4)

P-ratio adalah fraksi perubahan berat yang berasal dari lemak. Konstanta 10.4 diturunkan secara empiris dari studi komposisi tubuh (Forbes 1987, disempurnakan oleh Hall 2007).

Semakin tinggi lemak tubuh, semakin tinggi P-ratio, yang berarti lebih banyak kehilangan berasal dari lemak. Semakin rendah lemak tubuh, semakin banyak jaringan tanpa lemak yang dikorbankan. Inilah sebabnya defisit agresif pada persentase lemak tubuh yang rendah justru kontraproduktif: matematikanya bekerja melawan Anda.

Contoh kerja. Seseorang dengan berat 80 kg dan lemak tubuh 22%, menjalani defisit 500 kcal:

Fat mass:       80 x 0.22 = 17.6 kg
P-ratio:        17.6 / (17.6 + 10.4) = 0.629
Mixed density:  0.629 x 7,700 + 0.371 x 1,800 = 5,510 kcal/kg
Daily loss:     500 / 5,510 = 0.091 kg/day
Daily fat loss: 0.091 x 0.629 = 0.057 kg/day
Weekly total:   0.64 kg
  of which fat: 0.40 kg (63%)
  of which lean: 0.24 kg (37%)

Bukan 0.45 kg/minggu lemak murni. Angka nyata tergantung dari titik awal Anda.

Pada 35% lemak tubuh, P-ratio adalah 0.77: hampir 80% dari kehilangan berasal dari lemak. Pada 12% lemak tubuh, turun menjadi 0.54: hampir setengah kehilangan adalah jaringan tanpa lemak. Defisit sama, tubuh berbeda, hasil berbeda.

Sumber: Forbes, G.B. "Lean body mass-body fat interrelationships in humans." Nutrition Reviews, 1987. Hall, K.D. "Body fat and fat-free mass inter-relationships." British Journal of Nutrition, 2007.

---

Di mana Anda melihat ini di app

Ini adalah persamaan yang berjalan di dalam Onyx Tenet. Berikut tampilannya dalam praktik.

Kartu TDEE menampilkan estimasi rumus dan nilai adaptif, dengan badge kepercayaan dan statistik cakupan data. Grafik TDEE Trajectory memplot bagaimana estimasi berkembang dari waktu ke waktu. Dalam contoh ini, TDEE adaptif (2,163 kcal) sangat dekat dengan estimasi rumus (2,172 kcal), dikonfirmasi oleh 26 penimbangan dan 28 hari yang dilacak.

Ringkasan mingguan menerapkan persamaan keseimbangan energi dari Lapisan 5. Asupan rata-rata (1,991 kcal) dikurangi TDEE rata-rata (2,254 kcal) menghasilkan defisit harian 263 kcal, yang memproyeksikan -0.24 kg/minggu perubahan berat. Setiap makro harian terlihat di rincian di bawah.

Setiap angka kembali ke salah satu persamaan di atas. Tanpa kotak hitam.

TDEE adaptif di Onyx Tenet gratis. Ini aktif otomatis setelah sekitar 4 minggu pencatatan dan penimbangan. Tidak perlu langganan.