Analisis Faktor Risiko Obesitas Pada Individu Menggunakan Algoritma Random Forest Dengan Rapidminer

Naqibuzzahidin
Zaehol Fatah

Gudang Jurnal Multidisiplin Ilmu
Vol. 2 No. 11 (2024): GJMI - NOVEMBER

Obesitas adalah masalah kesehatan global yang ditandai dengan menumpuknya lemak tubuh berlebih, meningkatkan risiko penyakit kronis seperti diabetes dan penyakit jantung. Data Mining sangat efektif untuk mengidentifikasi faktor risiko obesitas pada individu menggunakan algoritma Random Forest yang diimplementasikan dengan RapidMiner, dipilih karena kemampuannya menangani banyak variabel dan mengatasi multikolinearitas. Dataset ini terdiri dari 2.087 entri dengan 15 fitur terkait gaya hidup, pola makan, dan riwayat kesehatan yang diperoleh dari situs Kaggle, dan dibagi menjadi 90% data latih serta 10% data uji untuk evaluasi kinerja model. Hasilnya menunjukkan model mampu mencapai akurasi 79,81%, presisi 78,26%, dan recall 67,86%, dengan faktor dominan yang mempengaruhi risiko obesitas adalah konsumsi makanan tinggi kalori, rendahnya aktivitas fisik, dan riwayat keluarga obesitas. Penelitian ini memberikan wawasan penting bagi upaya pencegahan obesitas melalui pengembangan kebijakan kesehatan dan program edukasi yang lebih efektif, fokus pada perubahan pola hidup untuk mengurangi prevalensi obesitas dan komplikasi