Peningkatan kesadaran masyarakat terhadap pentingnya pola makan sehat mendorong kebutuhan akan teknologi yang mampu membantu menghitung kandungan nutrisi makanan secara cepat dan praktis. Namun, proses perhitungan kalori dan zat gizi masih banyak dilakukan secara manual sehingga hasilnya sering kali kurang akurat karena bergantung pada perkiraan pengguna. Penelitian ini bertujuan mengembangkan sistem estimasi kandungan nutrisi makanan berbasis computer vision dengan memanfaatkan model You Only Look Once version 8 (YOLOv8) sebagai metode object detection untuk mendukung program penurunan maupun peningkatan berat badan. Sistem dikembangkan dalam bentuk aplikasi berbasis web menggunakan Python dengan FastAPI sebagai backend, Bootstrap sebagai frontend, serta MySQL sebagai basis data penyimpanan informasi nutrisi. Proses identifikasi makanan dilakukan melalui citra yang diperoleh dari webcam maupun fitur unggah gambar, kemudian model YOLOv8 mendeteksi jenis makanan dan menghasilkan informasi yang digunakan untuk mengestimasi berat makanan. Selanjutnya, sistem menghitung kandungan kalori, protein, karbohidrat, dan lemak berdasarkan data nutrisi yang tersimpan pada basis data, kemudian memberikan rekomendasi kebutuhan kalori sesuai tujuan pengguna, yaitu diet atau bulking. Model dilatih menggunakan dataset Indonesian Food yang terdiri atas 9.260 citra dengan 29 kelas makanan. Evaluasi performa model dilakukan menggunakan metrik Precision, Recall, mAP50, mAP50-95, dan Confusion Matrix, sedangkan pengujian fungsional sistem dilakukan menggunakan metode Black Box Testing. Hasil penelitian menunjukkan bahwa integrasi teknologi deep learning dan computer vision mampu mendukung proses identifikasi makanan serta penyajian informasi nutrisi secara lebih cepat, sehingga sistem yang dikembangkan berpotensi menjadi media pendukung dalam membantu pengguna mengelola pola konsumsi makanan sesuai kebutuhan kalori harian.