Saputra, Diki Saputra
Unknown Affiliation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Prediksi BMI Berdasarkan Level Aktivitas Fisik dengan Metode Analisis Machine Learning Saputra, Diki Saputra; Jajat; Damayanti, Imas; Sultoni, Kuston; Ruhayati, Yati; Rahayu, Nur Indri
Jurnal Pendidikan Kesehatan Rekreasi Vol. 10 No. 1 (2024): Januari 2024
Publisher : Program Studi Pendidikan Jasmani Kesehatan dan Rekreasi FKIP Universitas PGRI Mahadewa Indonesia bekerjasama dengan Asosiasi Prodi Olahraga Perguruan Tinggi PGRI (APOPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59672/jpkr.v10i1.3499

Abstract

Prevalensi obesitas telah menjadi salah satu isu global dalam bidang kesehatan di masyarakat. Sementara itu aktivitas fisik diakui menjadi salah satu yang memiliki peran penting dalam mengatasi prevalensi obesitas. Tujuan penelitian ini yaitu untuk menjelaskan hubungan aktivitas fisik dengan Body Mass Index (BMI) dengan metode ML yang saat ini tengah populer. Sumber data yang digunakan yaitu dari kelompok bidang keilmuan sport and physical activity program studi Ilmu Keolahragaan, Universitas Pendidikan Indonesia. Total 212 (usia 19-23 tahun) partisipan yang memenuhi kriteria, terlibat dalam penelitian ini. IPAQ-SF digunakan untuk memperoleh data terkait dengan aktivitas fisik partisipan. Empat metode algoritma ML yaitu decision tree, naïve bayes, k-nearest neighbors (KNN), dan random forest digunakan untuk menganalisis data. Hasil penelitian menunjukkan bahwa algoritma naive bayes memiliki performa paling unggul (akurasi = 52,38%; sensitifitas = 51,65%; spesifisitas = 53,33%) dari ketiga model ML lainnya, sementara KNN paling rendah baik akurasi, sensitifitas, maupun spesifisitas (42,86%) dalam memprediksi BMI berdasarkan level aktivitas fisik. Aktivitas fisik memiliki peran penting dalam memprediksi BMI selain faktor lainnya seperti jenis kelamin dan perilaku sedentary.