IMPLEMENTASI ALGORITMA MACHINE LEARNING MENGGUNAKAN MODEL RANDOM FOREST UNTUK KLASIFIKASI OBESITAS

Abstract

Obesitas merupakan ancaman kesehatan global yang sering disepelekan, banyak metode yang digunakan mendeteksi obesitas salah satunya dengan Indeks Massa Tubuh (BMI) yang masih memiliki keterbatasan dalam mengenali lemak tubuh atau massa otot. Penelitian ini bertujuan mengembangkan klasifikasi obesitas menggunakan model Random Forest, model ini mengklasifikasikan obesitas berdasarkan beberapa fitur seperti usia, berat badan, tinggi badan, aktivitas fisik, dan riwayat keluarga. Dataset yang digunakan didapat dari Kaggle, yang memiliki 2.111 baris data dan 17 fitur, proses yang dilalui meliputi analisis eksplorasi, penanganan ketidakseimbangan data, penghapusan duplikasi, serta konversi data kategorik menjadi numerik. Selanjutnya untuk melatih dan menguji model Random Forest dilakukan pembagian data menjadi 80% data pelatihan dan 20% data pengujian. Evaluasi model meliputi metrik akurasi, Confusion Matrix, precision, recall, F1-score. Hasil yang didapat dari penelitian menunjukan model dapat mengklasifikasikan obesitas sesuai kelas dengan akurasi tinggi mencapai 96,65%. Pada Confusion Matrix, model menunjukan kinerja yang baik di berbagai kategori obesitas dengan nilai Macro avg dan Weighted avg sebesar 0.96 dan 0.97. Dengan hasil tersebut terbukti bahwa model mampu mengidentifikasi obesitas berdasarkan tingkatnya menggunakan fitur perilaku dan fisiologis pengguna, dan dapat membantu pada sistem pendukung keputusan medis dalam pendeteksian obesitas sejak dini.