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

Kalkulator Kalori Anda Mungkin Berbohong hingga 300+ Kalori

Bayangkan: Anda mencatat kalori dengan teliti selama tiga bulan. Menimbang dada ayam, menakar minyak zaitun, dan memenuhi target—tetapi timbangan hampir tidak bergerak, atau malah perlahan naik.

Sering kali masalahnya bukan disiplin. Masalahnya angka awal. Jika kalkulator BMR melebih-lebihkan metabolisme Anda bahkan hanya 200–300 kalori per hari, rencana yang dibangun di atasnya bisa diam-diam menghapus defisit yang Anda kira ada.

Ini bukan kasus langka. Sebuah tinjauan sistematis terhadap persamaan yang paling banyak dipakai menemukan bahwa bahkan yang terbaik pun membuat sebagian orang meleset lebih dari 10% dari laju metabolisme istirahat yang diukur—dan bahwa lansia serta kelompok etnis minoritas kurang terwakili dalam data yang dipakai untuk membuat dan menguji persamaan tersebut.

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 nenek moyang persamaan metabolik. Dibangun dari pengukuran kalorimetri tidak langsung pada 239 orang dewasa, rumus ini menjadi standar sepanjang sebagian besar abad ke-20, dan beberapa klinik masih memakainya.

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.

Persamaan Oxford (2005) dikembangkan oleh peneliti gizi C.J. Henry dari basis data yang lebih besar dan lebih beragam secara geografis dibanding persamaan Schofield lama yang diadopsi WHO/FAO. Persamaan ini memakai rumus terpisah untuk rentang usia yang berbeda.

Ten-Haaf (2014) adalah persamaan berbasis berat badan yang lebih baru, dikembangkan pada atlet rekreasional. Hanya butuh berat, tinggi, dan usia—tanpa pengukuran lemak tubuh.

Apa yang Sebenarnya Ditunjukkan Tes Laboratorium

Di sinilah menariknya. Pada 2005, sebuah tim bukti yang meninjau semua studi validasi yang bisa ditemukan membandingkan empat persamaan yang paling sering dipakai dalam praktik klinis—Harris-Benedict, Mifflin-St Jeor, Owen, dan WHO/FAO/UNU—dengan kalorimetri tidak langsung pada orang dewasa sehat dengan dan tanpa obesitas.

Mifflin-St Jeor keluar sebagai yang terbaik: rumus ini memprediksi laju metabolisme istirahat dalam rentang 10% dari nilai terukur pada lebih banyak orang dibanding persamaan lain, dan rentang kesalahannya paling sempit. Tidak sempurna, tetapi ini pilihan serbaguna terbaik yang ada. Meski begitu, tinjauan yang sama mengingatkan adanya "kesalahan yang patut diperhatikan" setiap kali persamaan diterapkan pada individu.

Tetapi rata-rata menyembunyikan detail penting. Akurasi berubah tergantung siapa yang diukur.

Pada atlet, meta-analisis 2023 terhadap 29 studi (1.430 peserta dan 100 persamaan berbeda) menemukan bahwa sebagian besar persamaan secara signifikan melebih-lebihkan atau meremehkan laju metabolisme istirahat. Persamaan Cunningham yang berbasis massa tanpa lemak adalah salah satu dari hanya lima persamaan yang prediksi rata-ratanya tidak berbeda signifikan dari nilai terukur.

Untuk presisi individu, persamaan Ten-Haaf yang berbasis berat badan menjadi yang terbaik, menempatkan 80,2% atlet dalam rentang ±10% dari nilai terukur; persamaan lain yang bisa digabungkan berkisar antara 40,7% dan 63,7%.

Faktor Usia yang Tidak Dibicarakan Siapa Pun

Prediksi juga makin sulit pada lansia.

Tinjauan sistematis 2021 terhadap 14 studi pada lansia sehat menemukan kecenderungan umum persamaan untuk melebih-lebihkan pengeluaran energi istirahat. Mifflin-St Jeor memiliki bias rata-rata terkecil (−0,3%), tetapi pada tingkat individu hanya 61% orang yang berada dalam 10% dari nilai terukur. Harris-Benedict terbaik secara individu (sekitar 70%), dan Henry/Oxford mencapai 65%.

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.

Kesimpulan para penulis lugas: tidak ada persamaan yang memberikan perkiraan yang akurat sekaligus presisi untuk lansia sehat.

Itu tidak berarti Anda harus memotong persentase sembarangan dari hasilnya jika berusia di atas 60 tahun—makan terlalu sedikit punya risiko tersendiri pada lansia, termasuk kehilangan otot yang lebih cepat. Anggap angkanya sebagai perkiraan kasar, pantau tren berat badan, dan jika akurasi benar-benar penting (misalnya saat penurunan berat badan di bawah pengawasan dokter), tanyakan tentang pengukuran laju metabolisme istirahat.

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.

Etnis dan Ukuran Tubuh: Rumus Tidak Selalu Cocok di Mana Saja

Sebagian besar persamaan yang banyak dipakai dibangun terutama dari populasi Barat. Saat peneliti di Singapura mengukur laju metabolisme basal 232 orang dewasa Tionghoa, proporsi orang yang diprediksi dalam rentang 10% adalah 67% untuk Mifflin-St Jeor, 67% untuk Henry/Oxford, dan hanya 45% untuk Harris-Benedict. Persamaan baru yang dibuat untuk populasi itu mencapai 78%.

Pelajarannya bukan bahwa rumus satu populasi adalah yang "benar". Melainkan bahwa persamaan apa pun paling dapat dipercaya untuk orang yang mirip dengan kelompok tempat persamaan itu dikembangkan.

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: Mifflin-St Jeor memiliki rata-rata yang paling tidak bias, tetapi tetap perkirakan adanya kesalahan individu. Gunakan sebagai titik awal dan sesuaikan berdasarkan tren berat badan, bukan dengan mengurangi persentase tetap.

Jika Anda keturunan Asia Timur: Persamaan khusus untuk populasi Anda, jika ada, mungkin lebih cocok. Jika tidak, Mifflin-St Jeor atau Henry/Oxford adalah titik awal yang wajar.

Jika berat badan Anda jauh di bawah normal: Data validasi persamaan untuk kelompok ini sangat sedikit. Bekerjalah dengan tenaga kesehatan, karena makan terlalu sedikit saat berat badan rendah membawa risiko kesehatan nyata.

Rahasia Sebenarnya: Perlakukan Angka Apa Pun sebagai Titik Awal

Inilah yang perlu diketahui sebelum Anda menghabiskan berbulan-bulan mengejar sebuah angka.

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.

Tubuh memang berbeda-beda. Dalam studi pada 150 orang dewasa di Skotlandia, massa bebas lemak menjelaskan 63% variasi laju metabolisme basal antarorang, massa lemak 6%, dan usia 2%—dan 26% variasi tetap tidak terjelaskan oleh faktor terukur mana pun. Variasi sisa inilah yang tidak bisa dilihat oleh rumus.

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 rumus yang akurat untuk semua orang. Bahkan pilihan serbaguna terbaik—Mifflin-St Jeor—meleset lebih dari 10% pada sebagian orang; pada lansia, sekitar 4 dari 10.

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.

Para peneliti terus mengembangkan persamaan untuk kelompok tertentu—atlet, lansia, populasi tertentu—dan beberapa bekerja lebih baik dalam kelompok tersebut. Namun tidak ada yang sepenuhnya menghilangkan variasi individu.

Jadi, pilih rumus yang sesuai dengan situasi Anda, perlakukan hasilnya sebagai hipotesis alih-alih fakta, dan biarkan respons nyata tubuh Anda yang menjadi penentu akhir.