<![CDATA[Perkembangan teknologi informasi telah memberikan efek signifikan dalam sektor kesehatan, salah satunya dengan penggunaan smartphone untuk memonitor aktivitas fisik pemakainya. Namun, banyak aplikasi kesehatan yang tersedia hanya menampilkan informasi aktivitas tanpa memberikan saran mengenai diet yang sesuai dengan kebutuhan individu. Penelitian ini bertujuan untuk menciptakan sistem rekomendasi pola makan sehat yang berbasis data dari smartphone dan machine learning dengan menggunakan algoritma K-Nearest Neighbors (KNN). Sistem ini dirancang untuk memanfaatkan data aktivitas pengguna yang diambil dari Google Fit, seperti jumlah langkah, tekanan darah, kadar gula darah, dan estimasi kalori, yang selanjutnya dikelola menggunakan algoritma KNN untuk mengidentifikasi kategori kebutuhan energi harian pemakai. Hasil dari klasifikasi ini digunakan untuk memberikan rekomendasi makanan yang relevan berdasarkan kondisi fisik pengguna. Proses pengembangan sistem dilakukan melalui metode Agile dengan kerangka kerja Scrum, yang mencakup langkah-langkah Product Backlog, Sprint Planning, Sprint Execution, dan Sprint Review. Implementasi yang berhasil menunjukkan bahwa sistem dapat menampilkan data aktivitas fisik pengguna secara langsung dan memberikan rekomendasi makanan yang sesuai dengan tingkat aktivitas mereka. Dengan demikian, sistem ini diharapkan dapat membantu pengguna dalam mengadopsi pola makan sehat yang disesuaikan serta meningkatkan kesadaran gizi di kalangan masyarakat.]]>
