VALIDASI ALGORITMA CHUMLEA UNTUK PREDIKSI TINGGI BADAN BERBASIS SENSOR ULTRASONIK PADA KURSI RODA CERDAS SMATSI

Pengukuran tinggi badan merupakan indikator klinis penting untuk penilaian status gizi, namun sulit dilakukan pada pasien dengan keterbatasan mobilitas atau kelainan tulang belakang. Penelitian ini memvalidasi akurasi Algoritma Chumlea dalam memprediksi tinggi badan menggunakan pengukuran tinggi lutut otomatis berbasis sensor ultrasonik pada Kursi Roda Cerdas SMATSI. Studi validasi cross-sectional dilakukan terhadap 60 data pengukuran (30 laki-laki dan 30 perempuan) dari populasi dewasa lansia. Pemilihan algoritma terbaik menggunakan metode Multi-Criteria Decision Making (MCDM): Simple Additive Weighting (SAW) dan Analytical Hierarchy Process (AHP) dengan empat kriteria (Bias, MAE, RMSE, Korelasi). Hasil menunjukkan Algoritma Chumlea memiliki akurasi tertinggi dengan selisih rata-rata 0,3 cm (laki-laki) dan 0,8 cm (perempuan) terhadap tinggi badan aktual, tidak signifikan secara statistik (p > 0,05). Analisis MCDM mengkonfirmasi Chumlea sebagai pilihan terbaik dengan ranking pertama pada kedua metode (SAW: 1,000; AHP: 0,524). Korelasi Pearson menunjukkan hubungan sangat kuat (r = 0,82-0,85, p < 0,001). Analisis Bland-Altman menunjukkan Limits of Agreement (LoA) -4,0 hingga +5,1 cm, yang berada dalam rentang klinis yang dapat diterima untuk perhitungan IMT pada populasi ini. Akurasi ini jauh lebih baik dibanding studi konvensional di Indonesia yang menunjukkan bias 3,44–7,33 cm. Pengukuran tinggi lutut otomatis menggunakan sensor ultrasonik mampu menghilangkan systematic error pengukuran manual.