<![CDATA[Peningkatan kasus gizi buruk dan stunting di Indonesia menuntut adanya sistem pendeteksian dini yang cerdas, cepat, dan akurat, terutama di lingkungan Posyandu. Penelitian ini bertujuan untuk merancang dan membangun sistem pakar berbasis web bernama Nutrisure, yang memanfaatkan metode Certainty Factor (CF) sebagai pendekatan kecerdasan buatan (AI) untuk mendiagnosis status gizi balita sekaligus memberikan rekomendasi nutrisi secara terpersonalisasi. Metode CF dipilih karena mampu menangani ketidakpastian dalam proses penalaran sistem pakar sehingga diagnosis lebih adaptif terhadap variasi data input. Sistem menerima masukan berupa data balita, seperti usia, berat badan, dan tinggi badan, lalu menghitung nilai z-score (BB/U, TB/U, BB/TB) berdasarkan standar WHO. Nilai ini diolah dengan rumus Certainty Factor untuk menghasilkan tingkat keyakinan terhadap status gizi, kemudian dipadukan dengan basis pengetahuan untuk menyajikan diagnosis dan rekomendasi nutrisi berbasis data. Pengembangan sistem dilakukan dengan pendekatan Rapid Application Development (RAD), serta diuji melalui white-box testing dan black-box testing guna memastikan ketepatan algoritma AI dan keandalan logika sistem. Hasil pengujian menunjukkan bahwa Nutrisure mampu memberikan diagnosis yang konsisten dengan perhitungan manual, dengan tingkat akurasi tinggi dalam mendeteksi status gizi, mulai dari gizi buruk, gizi kurang, hingga gizi normal. Dengan integrasi teknologi QR Code dan antarmuka yang ramah pengguna, sistem ini diharapkan dapat menjadi alat bantu berbasis AI yang mendukung tenaga kesehatan dalam pemantauan gizi balita di Posyandu.]]>
