<![CDATA[Meningkatnya prevalensi obesitas di Indonesia menuntut sistem pemantauan kesehatan lebih komprehensif. Indeks Massa Tubuh (IMT) sebagai standar memiliki keterbatasan fundamental karena tidak mampu membedakan massa lemak dan otot, sehingga kurang akurat untuk diagnosis individu. Penelitian ini merancang, membangun, dan mengevaluasi sistem ukur antropometri cerdas berbasis Bioelectrical Impedance Analysis (BIA) terintegrasi kecerdasan buatan, guna menyediakan penilaian risiko penyakit degeneratif yang lebih personal dan akurat. Sistem ini terdiri dari prototipe timbangan berbasis Arduino Mega yang mengintegrasikan sensor load cell, IR Sharp, rangkaian BIA, dan aplikasi Android ”SmartScale”. Evaluasi kinerja perangkat keras menunjukkan deviasi signifikan saat divalidasi dengan alat referensi (rata-rata error 12,9%), menyoroti sensitivitas metode BIA terhadap implementasi perangkat keras. Di sisi perangkat lunak, dari tiga model AI yang diuji, Deep Neural Network (DNN) menunjukkan performa prediktif terbaik dengan akurasi 88,75%, signifikan melampaui target penelitian 83%. Analisis signifikansi parameter SHAP turut memvalidasi relevansi klinis model dengan mengidentifikasi IMT dan kadar lemak sebagai prediktor paling dominan. Penelitian ini membuktikan kelayakan integrasi sistem ukur BIA dengan model prediksi AI akurasi tinggi, menawarkan pendekatan holistik sebagai alternatif unggul skrining konvensional. Kata kunci— Antropometri, Bioelectrical Impedance Analy- sis, Kecerdasan Buatan, Deep Neural Network, Prediksi Kese- hatan, Sistem Tertanam]]>
