Ketidakseimbangan asupan kalori harian dapat menyebabkan berbagai masalah kesehatan, seperti kekurangan berat badan maupun obesitas. Perhitungan kalori makanan yang masih sering dilakukan secara manual juga kurang praktis dalam kehidupan sehari-hari. Penelitian ini bertujuan untuk mengembangkan sebuah aplikasi mobile yang dapat mengestimasi kalori makanan dari gambar. Sistem menggunakan model YOLOv11n untuk mendeteksi makanan dan Random Forest Regressor untuk mengestimasi berat makanan berdasarkan perbandingan luas area makanan terhadap luas area piring sebagai objek referensi. Dataset yang digunakan terdiri dari 577 gambar dan terdapat 9 jenis makanan minimally processed food dan processed food Indonesia. Model YOLOv11n dilatih menggunakan 1.218 gambar hasil augmentasi data dan memperoleh nilai mAP sebesar 0,861. Model Random Forest Regressor memperoleh nilai MAE sebesar 6,27 gram dan nilai R2 sebesar 0,905. Kedua model diimplementasikan ke dalam aplikasi Android. Hasil pengujian pakar terhadap 10 data gambar menunjukkan rata-rata selisih estimasi kalori sebesar 87.63 kkal. Selain itu, hasil User Acceptance Test memperoleh tingkat penerimaan pengguna sebesar 89.93%. Hasil tersebut menunjukkan bahwa aplikasi berpotensi digunakan sebagai alat bantu dalam memperkirakan dan memantau asupan kalori harian.