Claim Missing Document
Check
Articles

Found 1 Documents
Search

Analisis Prediksi Level Obesitas Menggunakan Perbandingan Algoritma Machine Learning dan Deep Learning Lila Setiyani; Ayu Nur Indahsari; Rusdianto Roestam
JTERA (Jurnal Teknologi Rekayasa) Vol 8, No 1: June 2023
Publisher : Politeknik Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31544/jtera.v8.i1.2022.139-146

Abstract

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.