Claim Missing Document
Check
Articles

Found 2 Documents
Search

PREDIKSI LATIHAN FISIK MENGGUNAKAN K-NEAREST NEIGHBORS (KNN) BERDASARKAN DATA BMI Muhammad Rafif Rabbani; Iftikhar Rizqullah; Narendra Saputra; Muhammad Wifqi Aufal Maulana; Arif Setiawan
Jurnal Mahasiswa Sistem Informasi (JMSI) Vol. 6 No. 2 (2025): Jurnal Mahasiswa Sistem Informasi (JMSI)
Publisher : Program Studi DIII Sistem Informasi - Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/jmsi.v6i2.8990

Abstract

Perkembangan teknologi informasi telah mendorong pemanfaatan kecerdasan buatan dalam berbagai aspek kehidupan, termasuk bidang kebugaran dan kesehatan. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi latihan fisik berdasarkan status Indeks Massa Tubuh (BMI) menggunakan algoritma K-Nearest Neighbors (KNN). Dataset yang digunakan terdiri dari 500 data dengan atribut jenis kelamin, tinggi badan, berat badan, dan klasifikasi BMI. Data tersebut diproses melalui tahapan preprocessing dan pelatihan model KNN, dengan nilai k=5. Hasil pengujian menunjukkan tingkat akurasi sebesar 92%, dengan precision dan recall tinggi pada semua kelas, mulai dari sangat kurus hingga obesitas. Sistem ini mampu mengklasifikasikan status tubuh dan memberikan rekomendasi latihan seperti bulking, maintenance, atau cutting sesuai kebutuhan individu. Penelitian ini menunjukkan bahwa KNN efektif dalam membangun sistem prediksi sederhana berbasis data BMI, serta membuka peluang pengembangan lebih lanjut di bidang teknologi kesehatan
Pemanfaatan Metode Naive Bayes untuk Klasifikasi Diabetes Berdasarkan Data Medis Muhammad Rafif Rabbani; Iftikhar Rizqullah; Muhammad Wifqi Aufal Maulana; Diana Laily Fithri
Jurnal Riset Informatika dan Inovasi Vol 3 No 1 (2025): JRIIN : Jurnal Riset Informatika dan Inovasi
Publisher : shofanah Media Berkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini mengimplementasikan algoritma Naive Bayes untuk klasifikasi risiko penyakit diabetes berdasarkan dataset Pima Indians Diabetes. Dataset tersebut berisi data medis dari perempuan keturunan Pima Indian berusia ≥21 tahun. Proses analisis mencakup preprocessing data, seperti penanganan missing values dan normalisasi, serta evaluasi model menggunakan RapidMiner dan perhitungan manual. Hasil menunjukkan akurasi sebesar 75.25%, dengan precision 61.57% dan recall 65.48%. Temuan ini memperlihatkan bahwa Naive Bayes mampu memberikan prediksi yang layak dan dapat dijadikan referensi dalam sistem pendukung keputusan medis.