<![CDATA[Penyakit obesitas adalah suatu permasalahan yang tidak mudah dihindari oleh manusia karena berkaitan dengan kesehatan serta gaya hidup sehari hari. Oleh karena itu, penting untuk memberikan kontribusi dalam pengembangan alat diagnostik yang lebih cerdas dan berbasis data yang dapat dimanfaatkan oleh tenaga kesehatan profesional dalam mengidentifikasi seorang individu yang berisiko mempunyai permasalahan obesitas dan merancang intervensi yang lebih personal dan efektif. Tujuan dari penelitian ini untuk mengembangkan model prediksi obesitas dengan mengimplementasikan metode K-Nearest Neighbor (KNN) dan Ensemble Learning dari Naive Bayes dan Random Forest. Pada penelitian ini mengindikasikan bahwa algoritma KNN menghasilkan nilai akurasi sebesar 89,60%, sedangkan metode Ensemble Learning dari Naive Bayes dan Random Forest menghasilkan nilai akurasi sebesar 89,36%. Dari kedua metode yang digunakan, KNN lebih efektif dalam mendeteksi jenis obesitas berdasarkan dataset yang digunakan, dibandingkan dengan metode Ensemble Learning dari Naive Bayes dan Random Forest. Hasil ini menunjukkan bahwa pemilihan algoritma yang tepat sangat penting dalam pengembangan sistem klasifikasi obesitas yang lebih akurat dan efisien]]>
