Claim Missing Document
Check
Articles

Found 1 Documents
Search

Implementasi Algoritma K-Nearest Neighbor untuk Klasifikasi Obesitas Adi Tiyas Ahmad Fathoni; Dwi Hartanti
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2023
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Obesitas merupakan masalah kesehatan yang semakin meningkat di banyak negara, termasuk di seluruh dunia. Mengkategorikan obesitas menurut faktor individu seperti indeks massa tubuh (BMI), lingkar pinggang, tinggi badan, usia, dan jenis kelamin dapat mengarah pada pemahaman yang lebih baik tentang pola dan karakteristik obesitas. Pada penelitian ini, kami mengimplementasikan algoritma K-Nearest Neighbor (KNN) untuk mengklasifikasikan obesitas menggunakan data yang mengandung atribut tersebut. Langkah-langkah dalam penelitian ini meliputi pengolahan data, pemilihan parameter KNN yang optimal, dan evaluasi kinerja model. Tujuan utama dari penelitian ini adalah untuk mengklasifikasikan obesitas berdasarkan karakteristik yang relevan dan untuk mengidentifikasi pola dan hubungan antara faktor-faktor tersebut. Dengan penerapan algoritma KNN, kami mencoba memprediksi kelas obesitas dari data individu yang status obesitasnya tidak diketahui. Hasil penelitian ini dapat membantu mengembangkan metode yang lebih akurat untuk mengklasifikasikan obesitas. Selain itu, model klasifikasi yang dihasilkan dapat digunakan sebagai alat yang berguna di bidang kesehatan, termasuk diagnosis dini, perencanaan intervensi, dan pengembangan program penanganan obesitas. Diharapkan penelitian ini dapat membantu masyarakat dan tenaga kesehatan dalam upaya pencegahan dan penanganan obesitas secara efektif.