Abstrak Masa balita (bawah lima tahun) atau masa golden age merupakan masa yang penting untuk memonitoring status gizi balita. Keseimbangan antara kebutuhan dan asupan gizi balita harus terpenuhi agar tidak mengganggu perkembangan dan pertumbuhan balita. Pemantauan status gizi balita dapat dilakukan setiap bulan di Posyandu dengan mengukur berat badan, panjang / tinggi badan, lingkar kepala dan lingkar lengan atas balita. Selanjutnya hasil pengukuran berat badan dan tinggi badan akan diplot secara manual pada Kartu Menuju Sehat (KMS), kemudian dianalisis kurva pertumbuhannya. Namun, metode konvensional ini kurang efisien. Oleh karena itu dalam penelitian ini telah dikembangkan sistem pemantauan status gizi balita secara otomatis guna meningkatkan akurasi serta efisiensi dalam pemantauan status gizi balita. Dalam penelitian ini digunakan sensor load cell single point untuk pengukuran berat badan, sensor ultrasonik HY-SRF05 untuk pengukuran tinggi/panjang badan, Raspberry pi sebagai sistem kendali serta database SQLite. Hasil penelitian menunjukkan bahwa tingkat kesalahan relatif sensor HY-SRF05 sebesar 0.33%, sensor load cell single point sebesar 0.368%. Pada penelitian ini juga berhasil dilakukan pengintegrasian sistem pengukuran dengan database SQLite untuk mengelola kompleksitas data pada sistem pemantauan status gizi bayi Kata Kunci: status gizi balita, raspberry pi, sensor load cell, sensor ultrasonik, SQLite. Abstract The toddler phase (under five years) or golden age is a crucial period for monitoring the nutritional status of toddlers. It is essential to balance the nutritional intake and needs of toddlers to ensure proper development and growth. Nutritional status monitoring for toddlers can be conducted monthly at Posyandu by measuring weight, length/height, head circumference, and upper arm circumference. The results are then manually plotted on the Kartu Menuju Sehat (KMS) and analyzed for growth curves. However, this conventional method is inefficient. Therefore, this study developed an automated system for monitoring the nutritional status of toddlers to enhance accuracy and efficiency. The study employed a single-point load cell sensor to measure weight, an HY-SRF05 ultrasonic sensor for measuring length/height, a Raspberry Pi as the control system, and an SQLite database. The results showed that the relative error rate for the HY-SRF05 sensor was 0.33%, and for the single-point load cell sensor, it was 0.368%. Additionally, the study successfully integrated the measurement system with an SQLite database to manage data complexity in monitoring the nutritional status of toddlers. Keywords: toddler nutritional status, Raspberry Pi, load cell sensor, ultrasonic sensor, SQLite.