<![CDATA[Perkembangan gaya hidup modern yang cenderung kurang sehat telah menyebabkan peningkatan signifikan pada berbagai masalah kesehatan, seperti obesitas, hipertensi, dan diabetes. Untuk mengatasi masalah ini, diperlukan sistem prediksi kesehatan yang mampu mengidentifikasi risiko berdasarkan kebiasaan gaya hidup. Penelitian ini bertujuan untuk membandingkan kinerja algoritma Decision Tree dan Deep Learning dalam memprediksi masalah kesehatan berdasarkan kebiasaan gaya hidup. Gaya hidup yang tidak sehat sering kali menjadi penyebab utama berbagai masalah kesehatan, sehingga diperlukan sistem prediksi yang akurat untuk mencegahnya. Metode yang digunakan adalah analisis kuantitatif dengan dataset kebiasaan gaya hidup, menggunakan kedua algoritma tersebut untuk memprediksi status kesehatan. Hasil penelitian menunjukkan bahwa Deep Learning lebih unggul dengan akurasi 92.31%, dibandingkan Decision Tree yang hanya mencapai 89.74%. Temuan ini memperkuat efektivitas Deep Learning dalam menangani data yang kompleks dan hubungan non-linear antara variabel gaya hidup. Kesimpulannya, algoritma Deep Learning lebih tepat digunakan untuk sistem prediksi kesehatan preventif. Penelitian ini memberikan kontribusi pada pengembangan teknologi prediksi kesehatan berbasis data dan memberikan rekomendasi untuk memperluas cakupan penelitian di masa depan, seperti peningkatan ukuran sampel dan penggunaan algoritma lain. Kesimpulannya, Deep Learning terbukti lebih efektif dalam menangani data kompleks dengan pola non-linear, sehingga lebih sesuai untuk sistem prediksi kesehatan berbasis kebiasaan gaya hidup. Penelitian ini berkontribusi pada pengembangan teknologi prediksi kesehatan dan merekomendasikan penerapan algoritma yang lebih adaptif serta pengujian dengan sampel yang lebih luas untuk penelitian lanjutan.]]>
