IMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK KLASIFIKASI TINGKAT OBESITAS

Katrunada, Urba (2025) IMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK KLASIFIKASI TINGKAT OBESITAS. Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (155kB)
	Text BAB II.pdf Restricted to Registered users only Download (343kB)
	Text BAB III.pdf Restricted to Registered users only Download (436kB)
	Text BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text BAB V.pdf Download (73kB)
	Text DAFTAR PUSTAKA.pdf Download (144kB)

Abstract

Obesitas merupakan masalah kesehatan global yang dapat meningkatkan risiko penyakit kronis, sehingga diperlukan upaya deteksi dini untuk pencegahan. Penelitian ini bertujuan mengimplementasikan algoritma Naïve Bayes dalam klasifikasi tingkat obesitas menggunakan dataset Obesity Prediction dari Kaggle yang terdiri atas 2.111 data dengan 17 atribut gaya hidup dan kondisi fisik. Tahapan penelitian mencakup pra-pemrosesan data, penambahan fitur Body Mass Index (BMI), pembagian data dengan rasio 80:20 untuk training dan testing, serta evaluasi model menggunakan akurasi, presisi, recall, F1-score, dan 10-fold cross validation. Hasil penelitian menunjukkan bahwa model Gaussian Naïve Bayes mampu mengklasifikasikan tingkat obesitas dengan akurasi 85,41% pada data uji dan ratarata akurasi 88,74% melalui 10-fold cross validation. Selain itu, faktor gaya hidup seperti pola makan, aktivitas fisik, dan konsumsi makanan cepat saji terbukti berpengaruh terhadap klasifikasi obesitas. Model yang dikembangkan juga diimplementasikan dalam aplikasi berbasis Streamlit sebagai alat prediksi interaktif. Dengan demikian, penelitian ini diharapkan dapat menjadi acuan dalam pengembangan sistem pendukung keputusan untuk deteksi dini obesitas secara lebih efektif.

Actions (login required)

View Item