KLASIFIKASI MULTIKELAS FAKTOR RISIKO OBESITAS PADA INDIVIDU MENGGUNAKAN ALGORITMA MACHINE LEARNING

Mauluddin, Muhammad (2025) KLASIFIKASI MULTIKELAS FAKTOR RISIKO OBESITAS PADA INDIVIDU MENGGUNAKAN ALGORITMA MACHINE LEARNING. Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (490kB)
	Text BAB II.pdf Restricted to Registered users only Download (950kB)
	Text BAB III.pdf Restricted to Registered users only Download (683kB)
	Text BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text BAB V.pdf Download (452kB)
	Text DAFTAR PUSTAKA.pdf Download (499kB)

Abstract

Obesitas merupakan salah satu tantangan kesehatan global yang terus meningkat dan menjadi penyebab berbagai penyakit kronis. Penelitian ini bertujuan untuk melakukan klasifikasi multikelas terhadap faktor risiko obesitas pada individu dengan menggunakan algoritma Machine Learning, yaitu K-Nearest Neighbors (KNN), Random Forest, dan C4.5. Dataset yang digunakan diambil dari Kaggle Repository dengan 2.086 sampel dan 15 atribut yang mencakup faktor gaya hidup, pola makan, dan riwayat kesehatan. Proses analisis meliputi eksplorasi data, preprocessing, dan evaluasi model menggunakan metrik seperti akurasi, presisi, recall, F1-score, dan ROC/AUC. Hasil penelitian menunjukkan bahwa algoritma Random Forest memberikan performa terbaik dengan akurasi sebesar 95,45%, diikuti oleh C4.5 dengan akurasi sebesar 94,02%, dan KNN dengan akurasi sebesar 80,86%. Random Forest mampu menangkap pola kompleks dalam data dan menghasilkan prediksi yang lebih akurat dibandingkan algoritma lainnya. Temuan ini diharapkan dapat memberikan kontribusi dalam pengembangan sistem prediksi untuk mendukung program pencegahan dan penanganan obesitas.

Actions (login required)

View Item