Sistem Monitoring Deteksi Risiko Stunting bagi Balita dengan IoT pada Posyandu Bougenvelle
ABSTRAK Stunting merupakan kondisi gagal tumbuh dalam balita akibat kekurangan gizi kronis, yang dapat memengaruhi perkembangan fisik dan kognitif anak. Di Posyandu Bougenvelle, pelaksanaan program “Zero New Stunting” menghadapi berbagai kendala, seperti keterlambatan pencatatan data dan kurangnya standar pemberian asupan gizi. Penelitian ini merancang sistem berbasis Internet of Things (IoT) untuk memonitoring dan pemberian rekomendasi asupan gizi balita yang berisiko stunting. Sistem terdiri dari perangkat keras berupa sensor tinggi badan (VL53L1X) dan berat badan (Load Cell serta modul HX711) yang terintegrasi dengan mikrokontroler ESP8266, serta sistem berbasis web yang menyimpan dan menimpilkan riwayat data pertumbuhan. Sistem ini juga menghitung Z index Score untuk klasifikasi status gizi dan mengirim rekomendasi asupan protein melalui WhatsApp. Metode pengembangan yang digunakan adalah prototype, yang memungkinkan penyesuaian sistem secara iteratif berdasarkan kebutuhan pengguna. Hasil implementasi menunjukan bahwa sistem dapat membantu meningkatkan akurasi data dan mempermudah proses evaluasi serta pemantauan pertumuhan balita oleh tenaga Kesehatan dan Orang tua. ABSTRACT Stunting is a condition of growth failure in toddlers caused by chronic malnutrition, which affects children's physical and cognitive development. In Posyandu Bougenvelle, the “Zero New Stunting” program faces challenges such as delayed data recording and lack of standardized nutritional intake guidelines. This research designs an Internet of Things (IoT)-based system for monitoring and recommending nutritional intake for toddlers at risk of stunting. The system consists of hardware using height (VL53L1X) and weight (Load Cell and Modul HX711) sensors integrated with an ESP8266 microcontroller, as well as a web-based platform to store and display growth history data. The system also calculates Z-scores to classify nutritional status and sends daily protein intake recommendations via WhatsApp. The prototype development method was used to allow iterative adjustments based on user feedback. Implementation results indicate the system improves data accuracy and facilitates growth monitoring and evaluation by healthcare workers and parents.