Claim Missing Document
Check
Articles

Found 1 Documents
Search

Penggunaan Data Mining untuk Prediksi tingkat Obesitas di Meksiko Menggunakan Metode Random Forest Aini, Ersa Dwi Nur; Khasanah, Reka Ainul; Ristyawan, Aidina; Diniati, Erna
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 3 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/ep0pzy43

Abstract

Metode KDD (Knowledge Discovery in Databases) digunakan untuk pemahaman masalah, pemilihan data yang relevan, dan preprocessing sebelum analisis data. Selanjutnya, algoritma KNN digunakan untuk klasifikasi obesitas berdasarkan faktor risiko. Algoritma ini mengelompokkan data baru berdasarkan tetangga terdekatnya dalam ruang fitur. Hasil evaluasi menunjukkan bahwa model Random Forest mencapai akurasi keseluruhan sebesar 93.38%. Model ini terutama unggul dalam memprediksi kelas Obesity_Type_I dan Obesity_Type_III, meskipun kinerjanya sedikit menurun pada kelas Overweight_Level_I. Meskipun demikian, Random Forest terbukti sebagai alat yang efisien dalam memproyeksikan tingkat obesitas, menunjukkan potensi dalam upaya pencegahan dan penanganan obesitas di Meksiko