<![CDATA[Olahraga Lari merupakan salah satu jenis olahraga yang sangat populer dan digemari, tetapi memiliki risiko cedera, terutama pada bagian kaki. Cedera ini dapat mengganggu kinerja atlet dan kelangsungan latihan yang telah direncanakan. Studi ini bertujuan untuk menciptakan model prediksi cedera bagi atlet lari dengan memanfaatkan algoritma metode Decision Tree, yang diaplikasikan pada data aktivitas latihan para pelari. Data yang dipakai meliputi intensitas, durasi, dan frekuensi latihan, serta metrik fisiologis seperti detak jantung dan pemulihan. Studi kami menerapkan metode Penemuan Pengetahuan dalam Basis Data (KDD) yang mencakup tahap pemilihan data, praproses, reduksi data, teknik Random Forest, dan penilaian hasil. Temuan dari penelitian ini menunjukkan bahwa algoritma Decision Tree dapat memprediksi risiko cedera dengan tingkat akurasi 96%, presisi 96%, recall 97%, dan F1-score 96%. Analisis feature importance mengidentifikasi bahwa total jarak lari mingguan, intensitas latihan, dan tingkat pemulihan merupakan faktor-faktor paling berpengaruh terhadap risiko cedera. Perbandingan dengan algoritma klasifikasi lain seperti Random Forest membuktikan metode Decision Tree lebih baik dalam prediksi cedera atlet lari. Model ini dapat berfungsi sebagai alat yang efisien untuk pelatih dan staf medis dalam merancang program latihan yang lebih aman, memantau beban latihan, serta mengurangi kemungkinan cedera pada pelari]]>
Copyrights © 2025
