Indeks Massa Tubuh (IMT) umumnya menjadi metode yang digunakan untuk menentukan kategori status gizi suatu individu. Namun, pengukuran Indeks Massa Tubuh (IMT) memiliki sejumlah kekurangan. Oleh karena itu, monitoring lingkar perut juga menjadi indikator penting untuk mengetahui tingkat obesitas manusia. Penelitian ini menggunakan berbagai sensor untuk mengumpulkan informasi, termasuk sensor ultrasonik HC-SR04 untuk mengukur tinggi badan, sensor load cell untuk mengukur massa badan, rotary encoder untuk mengukur lingkar perut. Data yang dikumpulkan selanjutnya diproses oleh NodeMCU ESP8266, yang hasilnya akan ditampilkan melalui LCD dan dikirim ke aplikasi Blynk. Sensor ultrasonik HC-SR04 dalam pengujian ini menunjukkan tingkat akurasi untuk pengukuran tinggi badan dengan rata-rata error ±1%. Sensor load cell juga menunjukkan tingkat akurasi untuk pengukuran massa badan dengan rata-rata error ±1%. Selain itu, rotary encoder menunjukkan tingkat akurasi untuk pengukuran lingkar perut dengan rata-rata error ±1%. Secara keseluruhan, sistem monitoring berbasis Internet of Things (IoT) menggunakan aplikasi Blynk ini menunjukkan tingkat akurasi dalam perhitungan nilai Indeks Massa Tubuh (IMT) dengan rata-rata error ±3% pada semua pengujian.

Body Mass Index (BMI) is generally the method used to determine the nutritional status category of an individual. However, the measurement of Body Mass Index (BMI) has a number of shortcomings. Therefore, monitoring abdominal circumference is also an important indicator to determine the level of human obesity. This research uses various sensors to collect information, including HC-SR04 ultrasonic sensor to measure height, load cell sensor to measure body mass, rotary encoder to measure abdominal circumference. The collected data is further processed by the NodeMCU ESP8266, the results of which will be displayed via LCD and sent to the Blynk application. The HCSR04 ultrasonic sensor in this test shows an accuracy level for height measurement with an average error of ±1%. The load cell sensor also showed an accuracy level for body mass measurement with an average error of ±1%. In addition, the rotary encoder showed an accuracy level for measuring abdominal circumference with an average error of ±1%. Overall, this Internet of Things (IoT)-based monitoring system using the Blynk application shows an accuracy level in calculating the Body Mass Index (BMI) value with an average error of ±3% in all tests.