Level obesitas dapat di identifikasi berdasarkan kebiasaan makan dan kondisi fisik yang terdiri dari beberapa parameter yang dapat digunakan untuk mengukur tingkat akurasi dari prediksi level obesitas. Penelitian ini bertujuan untuk membuat prediksi level obesitas dengan akurasi yang baik. Metode yang digunakan adalah dengan membanding algoritma machine learning dan deep learning, dataset diambil dari data level obesitas pada individu dari negara Mexico, Peru dan Kolombia yang didasarkan pada kebiasan makan dan kondisi fisik, data tersebut terdiri dari 17 atribut dan 2111 record. Berdasarkan hasil analisis algoritma machine learning didapati akurasi dari random forest sebesar 96,37%, decision tree classifier sebesar 88,33%, logistic regression sebesar 73,66%, naïve bayes sebesar 56% dan KNN sebesar 88,96%. Sedangkan deep learning didapati akurasi sebesar 86,05%. Algoritma machine learning random forest memiliki akurasi yang paling baik dan dapat memprediksi presentase akurasi serta level obesitas.