Stunting merupakan kondisi gagal tumbuh padaanak akibat kekurangan gizi kronis yang berlangsung dalam jangka panjang dan berdampak pada pertumbuhan fisik serta perkembangan kognitif anak.Di Indonesia, prevalensi stunting masih tergolong tinggi, yaitu sebesar 19,8% pada tahun 2024, lebih besar dari target nasional sebesar 18,8% pada tahun 2025. Deteksi stunting umumnya masih dilakukansecara manual melalui pengukuran tinggi dan berat badan, yang berisiko mengalami kesalahan pencatatanmaupun interpretasi. Penelitian ini bertujuanmengembangkan sistem prediksi tinggi dan berat badan pada anak berbasis citra menggunakan MobileNetV2. Sistem dirancang untuk menerima inputberupa foto tubuh anak dari tampak depan, usia, beratbadan, dan tinggi badan, yang kemudian dianalisismenggunakan model efisien yang dapat dijalankan diperangkat mobile. Arsitektur MobileNetV2 digunakan karena ringan dan cocok untuk pengolahan citra pada perangkat berspesifikasi rendah. Hasil pengujianmenunjukkan bahwa model terbaik mampumemprediksi tinggi dan berat badan anak denganMAE Berat sebesar 2.36 kg, MAE Tinggi sebesar 5.12 cm, RMSE Berat sebesar 2.95 kg, dan RMSE Tinggi sebesar 6.71 cm. Model dengan sudut citra tampakdepan, optimizer Adam, dan batch size 16menghasilkan performa paling optimal. Sistem ini memberikan kontribusi sebagai alat bantu deteksi dini yang praktis, cepat, dan mendukung upaya percepatan penanganan stunting di Indonesia.