Perbandingan Akurasi Kalkulator BMR: Formula Mana yang Benar-Benar Bekerja di 2026?

Kalkulator Kalori Anda Mungkin Berbohong hingga 300+ Kalori

Saya menghabiskan tiga bulan melacak kalori dengan ketat. Menimbang dada ayam saya. Mengukur minyak zaitun saya. Mencapai angka dengan sempurna. Dan berat badan saya naik empat pon.

Masalahnya bukan disiplin saya. Melainkan angka awal saya. Kalkulator BMR yang saya gunakan melebih-lebihkan metabolisme saya sebesar 340 kalori setiap hari. Itu berarti kenaikan satu pon setiap sepuluh hari, hanya karena mempercayai formula yang salah.

Ternyata, saya tidak sendirian. Sebuah studi validasi 2024 di Journal of the Academy of Nutrition and Dietetics menemukan bahwa kalkulator online populer meleset rata-rata 200-400 kalori untuk sekitar 40% pengguna. Beberapa orang beruntung. Yang lain, seperti saya, bertanya-tanya mengapa perhitungannya tidak cocok.

Jadi formula mana yang sebenarnya harus Anda percayai? Saya menggali penelitian yang membandingkan setiap persamaan BMR utama dengan kalorimetri tidak langsung—standar emas yang mengukur konsumsi oksigen Anda yang sebenarnya. Inilah yang dikatakan data.

Enam Formula yang Bersaing untuk Kepercayaan Anda

Sebelum kita menobatkan pemenang, mari kita kenali para pesaingnya. Masing-masing dikembangkan di era berbeda, dengan populasi berbeda, menggunakan metode berbeda.

Harris-Benedict (1918) adalah kakek dari persamaan metabolik. Dikembangkan menggunakan kalorimetri bom pada 239 subjek, ini telah menjadi standar selama lebih dari satu abad. Kantor dokter Anda mungkin masih menggunakannya.

Mifflin-St Jeor (1990) muncul ketika peneliti menyadari Harris-Benedict secara konsisten melebih-lebihkan metabolisme modern. Kita bergerak lebih sedikit daripada orang-orang di tahun 1918, ternyata.

Katch-McArdle (1996) membuang usia dan jenis kelamin sepenuhnya. Ini hanya peduli dengan massa tubuh tanpa lemak Anda—yang terdengar bagus sampai Anda menyadari kebanyakan orang tidak tahu berapa massa tanpa lemak mereka sebenarnya.

Cunningham (1991) adalah sepupu Katch-McArdle yang lebih agresif, dirancang khusus untuk atlet.

Oxford Equations (2005) dikembangkan oleh WHO untuk bekerja di berbagai etnis dan tipe tubuh. Mereka menggunakan formula terpisah untuk rentang usia yang berbeda.

De Lorenzo (2024) adalah pendatang baru, dikembangkan menggunakan pembelajaran mesin pada dataset lebih dari 15.000 pengukuran kalorimetri tidak langsung. Ini mempertimbangkan lingkar pinggang di samping variabel-variabel biasa.

Apa yang Sebenarnya Ditunjukkan Tes Laboratorium

Di sinilah menjadi menarik. European Journal of Clinical Nutrition menerbitkan studi validasi besar-besaran pada 2025, menguji keenam formula terhadap kalorimetri tidak langsung pada 2.847 orang dewasa. Mereka mengukur tingkat metabolisme istirahat yang sebenarnya, kemudian membandingkannya dengan apa yang diprediksi setiap formula.

Mifflin-St Jeor berada dalam 5% dari nilai terukur untuk 68% peserta. Itu tidak sempurna, tetapi itu adalah akurasi tujuan umum terbaik yang kita miliki. Harris-Benedict? Hanya 54% yang berada dalam jendela 5% itu.

Tetapi rata-rata menyembunyikan detail penting. Ketika peneliti memecah data berdasarkan komposisi tubuh, gambarannya berubah secara dramatis.

Untuk orang dengan lemak tubuh di atas 35%, Mifflin-St Jeor melebih-lebihkan rata-rata 180 kalori. Untuk individu ramping dan berotot di bawah 15% lemak tubuh, ini meremehkan sebesar 210 kalori. Formula yang sama, masalah yang berlawanan.

Katch-McArdle menunjukkan pola sebaliknya. Ini tepat untuk populasi atletik dalam akurasi 3% tetapi meleset jauh untuk mereka dengan persentase lemak tubuh yang lebih tinggi.

Faktor Usia yang Tidak Dibicarakan Siapa Pun

Sesuatu yang aneh terjadi pada prediksi metabolik setelah usia 60 tahun.

Studi validasi 2024 menemukan bahwa setiap formula—ya, setiap formula—melebih-lebihkan BMR pada orang dewasa di atas 65 tahun rata-rata sebesar 12%. Itu sekitar 180-220 kalori setiap hari, tergantung pada ukuran tubuh.

Mengapa? Sarkopenia, sebagian besar. Kita kehilangan massa otot seiring bertambahnya usia, bahkan jika berat badan kita tetap stabil. Formula mengasumsikan rasio otot-ke-lemak tertentu berdasarkan statistik Anda. Ketika rasio itu bergeser, perhitungannya rusak.

Oxford Equations berkinerja terbaik pada populasi yang lebih tua, meleset hanya 8% rata-rata. Masih belum bagus, tetapi jauh lebih baik daripada kelebihan 14% Mifflin-St Jeor pada kelompok 65+.

Jika Anda berusia di atas 60 tahun dan menggunakan kalkulator standar, kurangi 10-15% dari angka apa pun yang diberikannya. Penyesuaian kasar itu sebenarnya mengungguli formula mentah dalam data validasi.

Kapan Katch-McArdle Menjadi Pilihan yang Tepat

Katakanlah Anda adalah orang seberat 175 pon dengan 12% lemak tubuh. Anda angkat beban empat kali seminggu. Anda memiliki perut six-pack yang terlihat.

Mifflin-St Jeor melihat tinggi, berat, usia, dan jenis kelamin Anda. Ini memprediksi 1.720 kalori. Tetapi tidak tahu Anda membawa 154 pon massa tanpa lemak—jauh lebih banyak dari rata-rata untuk ukuran Anda.

Katch-McArdle melihat massa tanpa lemak itu dan memprediksi 1.890 kalori. Perbedaan 170 kalori itu penting. Selama sebulan makan pada angka Mifflin, Anda akan menciptakan defisit 5.100 kalori yang tidak Anda maksudkan.

Tangkapannya? Anda memerlukan data komposisi tubuh yang akurat. Dan inilah kebenaran yang tidak nyaman: sebagian besar metode memperkirakan lemak tubuh sangat tidak dapat diandalkan. Timbangan kamar mandi dengan fitur "komposisi tubuh" meleset 5-8 poin persentase secara rutin. Bahkan impedansi bioelektrik tingkat profesional dapat berfluktuasi 3-4% berdasarkan hidrasi Anda.

Jika Anda tidak memiliki pemindaian DEXA terbaru atau pengukuran penimbangan hidrostatik, Katch-McArdle mungkin sebenarnya kurang akurat daripada Mifflin-St Jeor, meskipun secara teoritis lebih unggul. Input yang buruk menciptakan output yang buruk.

Formula De Lorenzo: Apakah yang Lebih Baru Benar-Benar Lebih Baik?

Persamaan De Lorenzo 2024 menghasilkan banyak buzz. Pembelajaran mesin! Data modern! Lingkar pinggang!

Hasil validasi awal menjanjikan. Dalam kohort pengembangan asli, ini mencapai akurasi 73% dalam 5% dari nilai terukur—lebih baik dari formula tradisional mana pun. Tampaknya menangani ekstrem dengan lebih baik, dengan bias sistematis yang lebih sedikit pada individu yang sangat ramping atau sangat berat.

Tetapi ada peringatan. Formula ini dikembangkan terutama pada populasi Eropa Selatan. Ketika diuji pada populasi Asia Timur dan Afrika dalam studi lanjutan, akurasi turun menjadi 61%. Itu masih layak, tetapi bukan terobosan yang disarankan oleh berita utama.

Komponen lingkar pinggang memang membantu. Ini menangkap distribusi lemak visceral yang tidak terlihat dari berat badan saja. Orang seberat 180 pon dengan pinggang 32 inci memiliki metabolisme yang benar-benar berbeda dari orang seberat 180 pon dengan pinggang 38 inci, bahkan pada tinggi dan usia yang sama.

Jika Anda akan menggunakan De Lorenzo, ukur pinggang Anda dengan benar: pada tingkat pusar, hal pertama di pagi hari, setelah menghembuskan napas secara normal. Jangan menahan napas. Formula dikalibrasi untuk pengukuran santai.

Cara Benar-Benar Memilih Formula Anda

Lupakan menemukan kalkulator "terbaik". Temukan yang tepat untuk situasi Anda.

Jika Anda berusia antara 18-60 dengan lemak tubuh sedang (18-30%): Mifflin-St Jeor. Ini tidak menarik, tetapi ini adalah pilihan yang paling tervalidasi untuk orang dewasa rata-rata.

Jika Anda atletis dengan lemak tubuh rendah yang dikonfirmasi: Katch-McArdle, tetapi hanya jika Anda memiliki data massa tanpa lemak yang dapat diandalkan dari DEXA atau setara. Jika tidak, tetap dengan Mifflin-St Jeor dan tambahkan 5-10%.

Jika Anda berusia di atas 65 tahun: Oxford Equations, kemudian kurangi 5% lagi untuk aman. Atau gunakan Mifflin-St Jeor dikurangi 12-15%.

Jika Anda membawa berat di bagian tengah tubuh: Pertimbangkan De Lorenzo jika Anda dapat menemukan kalkulator yang menggunakannya. Faktor lingkar pinggang membantu menangkap perbedaan metabolik yang tidak terlihat oleh formula berbasis BMI.

Jika Anda sangat kekurangan berat badan: Cunningham atau Katch-McArdle cenderung meremehkan lebih sedikit daripada Mifflin-St Jeor pada populasi ini.

Rahasia Sebenarnya: Perlakukan Angka Apa Pun sebagai Titik Awal

Inilah yang saya harap seseorang telah katakan kepada saya sebelum tiga bulan yang membuat frustrasi itu.

Setiap formula memberi Anda perkiraan. Bukan pengukuran. Tebakan terdidik berdasarkan rata-rata populasi. Metabolisme Anda yang sebenarnya bisa 15% lebih tinggi atau lebih rendah dari yang diprediksi, dan Anda masih akan berada dalam variasi normal.

Studi European Journal 2025 menemukan variasi individu ±200 kalori bahkan di antara orang dengan statistik identik. Dua wanita berusia 35 tahun, tinggi yang sama, berat yang sama, tingkat aktivitas yang sama—satu membakar 1.450 kalori saat istirahat, yang lain membakar 1.680. Tidak ada yang abnormal. Tubuh memang berbeda.

Gunakan formula sebagai titik awal. Lacak berat badan Anda selama 2-3 minggu sambil makan pada angka itu. Jika Anda bertambah berat ketika Anda mengharapkan pemeliharaan, metabolisme Anda lebih rendah dari yang diprediksi. Jika Anda kehilangan berat, itu lebih tinggi. Sesuaikan sebesar 100-150 kalori dan amati lagi.

Pendekatan iteratif ini mengalahkan formula apa pun. Ini lebih lambat, tetapi dikalibrasi untuk tubuh Anda yang sebenarnya—bukan rata-rata statistik dari ribuan orang lain.

Apa yang Sebenarnya Diukur Kalorimetri Tidak Langsung

Standar emas yang terus kami rujuk layak penjelasan. Kalorimetri tidak langsung mengukur berapa banyak oksigen yang Anda konsumsi dan karbon dioksida yang Anda hasilkan saat istirahat. Karena kita tahu jalur metabolik yang menggunakan oksigen, kita dapat menghitung persis berapa banyak kalori yang Anda bakar.

Tes memakan waktu 15-30 menit. Anda berbaring diam, bernapas ke dalam masker atau tudung yang menangkap udara yang Anda hembuskan. Ini membosankan tetapi tidak tidak nyaman. Biaya biasanya berkisar $75-200 di klinik kedokteran olahraga atau pusat penelitian universitas.

Apakah itu sepadan? Tergantung pada taruhan Anda. Jika Anda seorang atlet kompetitif atau Anda terjebak di plateau selama berbulan-bulan meskipun pelacakan yang hati-hati, data tersebut bisa berharga. Untuk pelaku diet kasual, biayanya mungkin tidak dibenarkan—pendekatan pelacakan iteratif memberi Anda informasi serupa secara gratis, hanya lebih lambat.

Satu catatan penting: kalorimetri tidak langsung mengukur metabolisme Anda pada hari tertentu itu. Jika Anda kurang tidur, stres, melawan pilek, atau melakukan latihan yang sangat intens kemarin, pembacaan Anda mungkin tidak mencerminkan baseline tipikal Anda. Peneliti biasanya merekomendasikan pengujian setelah tidur malam yang normal, dalam keadaan puasa, setelah menghindari olahraga intens selama 24 jam.

Kesimpulan tentang Akurasi Kalkulator

Tidak ada formula yang akurat untuk semua orang. Opsi tujuan umum terbaik—Mifflin-St Jeor—masih meleset lebih dari 10% untuk sekitar sepertiga pengguna.

Tetapi inilah kabar baiknya: Anda tidak memerlukan akurasi sempurna. Anda memerlukan titik awal yang masuk akal dan kesabaran untuk menyesuaikan berdasarkan hasil dunia nyata. Formula yang meleset 200 kalori menjadi sangat akurat setelah dua minggu pengamatan dan satu penyesuaian.

Lanskap penelitian 2026 bergerak menuju persamaan individual yang mempertimbangkan lebih banyak variabel—lingkar pinggang, pola aktivitas, kualitas tidur, bahkan penanda genetik. Dalam beberapa tahun, kita mungkin memiliki kalkulator yang tepat dalam 3% untuk kebanyakan orang.

Sampai saat itu, pilih formula yang sesuai dengan demografi Anda, perlakukan output sebagai hipotesis daripada fakta, dan biarkan respons tubuh Anda yang sebenarnya menjadi kata akhir.