<![CDATA[Penggunaan artificial intelligence (AI) dalam berbagai bidang kehidupan termasuk aktivitas fisik dan olahraga menjadi salah satu yang sedang trending pada saat ini. Adapun tujuan penelitian ini adalah mengklasifikasi aktivitas fisik dengan metode machine learning berbasis data kuesioner berdasarkan waktu aktivitas dan Metabolic Equivalent of Task (MET). Subjek penelitian ini adalah 779 orang remaja usia 17-21 tahun (M+SD = 19,34+0,39) yang berasal dari siswa SMA dan Mahasiswa di Jawa Barat. International Physical Activity Questionnaire “ Short Form (IPAQ SF) digunakan untuk mengumpulkan data aktivitas fisik. Adapun algoritma machine learning yang digunakan yaitu decision tree. Hasil dari penelitian ini menunjukkan bahwa akurasi performa decision tree untuk mengklasifikasi aktivitas fisik berdasarkan variabel atribut kalkulasi MET lebih tinggi dibandingkan dengan atribut waktu aktivitas fisik (93% ; 86,67%). Algoritma decision tree memiliki akurasi tinggi dalam mengklasifikasi aktivitas fisik dengan atribut kalkulasi MET di setiap level. Analisis lebih lanjut dengan algoritma berbeda diperlukan untuk mengkaji performa terbaik. Kata kunci: aktivitas fisik, artificial intelligence, MET, decision tree]]>
Copyrights © 2023
