ANALISIS PREDIKSI AKURASI METODE RANDOM FOREST DALAM KLASIFIKASI LEVEL OBESITAS BERDASARKAN POLA MAKAN DAN KONDISI FISIK

• EKO ARIF RIYANTO
• 14002353

---

ABSTRAK

Epidemi obesitas dengan cepat menjadi tantangan terbesar kesehatan masyarakat global, peringkat tiga besar penyebab gangguan kesehatan kronis. peningkatan angka obesitas umumnya dikaitkan dengan kebiasaan seseorang yang mengkonsumsi makanan dengan jumlah energi lebih dari yang dibutuhkan. Tujuan dari penelitian ini adalah untuk mendapatkan model analisa yang baik dalam mengklasifikasikan data obesitas yang diperoleh serta mengetahui atribut yang paling berpengaruh berdasarkan algoritma terbaik yang di dapatkan. Analisa prediksi akurasi dilakukan menggunakan algoritma naive bayes, decision tree dan random forest. dua algoritma terbaik dari yang diujikan yaitu random forest dan decision tree kemudian diterapkan metode tuning hyperparameter dengan menggunakan gridsearch CV untuk mencari parameter terbaik yang dapat membantu menambah performa akurasi dari model. untuk hasil klasifikasi menunjukkan bahawa random forest dengan ataupun tanpa cross validation merupakan algoritma terbaik dengan akurasi sebesar 76%. Pada penelitian ini membuktikan bahawa algoritma random forest dengan gridsearch cv tidak terlalu berpengaruh terhadap performansi akurasi, presisi dan recall. Atribut terbaik yang paling berpengaruh yaitu atribut umur, kemudian diikuti dengan atribut jenis kelamin yaitu wanita.

Kata kunci: Obesitas, data mining, klasifikasi, random forest

KATA KUNCI

Data Mining

---

DAFTAR PUSTAKA

F.M Palechor "Dataset for estimation of obesity levels based on eating habits and physical condition in individuals from colombia,peru and mexico" 2019
A.N Syahrudin "Input dan output pada bahasa" 2018
F.S Abdullah "Data Mining techniques for classification of childhood obesity among year 6 school children" 2017