JTERA (Jurnal Teknologi Rekayasa)
Vol 8, No 1: June 2023

Analisis Prediksi Level Obesitas Menggunakan Perbandingan Algoritma Machine Learning dan Deep Learning

Lila Setiyani (STMIK ROSMA)
Ayu Nur Indahsari (President University)
Rusdianto Roestam (President University)

Article Info

Publish Date
30 Jun 2023

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.

Copyrights © 2023




Citation Download
RIS
EndNote, Reference Manager, ProCite
BibTex
Latex, Jabref
Original Source
Download Original
Google Scholar
Check in Google Scholar
Journal Info
JTERA (Jurnal Teknologi Rekayasa)
Website

Abbrev

jtera

Publisher

Politeknik Sukabumi

Subject

Civil Engineering, Building, Construction & Architecture Computer Science & IT Electrical & Electronics Engineering Industrial & Manufacturing Engineering Mechanical Engineering

Description

TERA (Journal of Engineering Technology) is peer-review journal providing original research papers, case studies, and articles review in engineering technology field. The journal can be used as an authoritative source of scientific information for researchers, researcher academia or institution, ...