PREDIKSI OBESITAS DENGAN MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR DAN ADABOST

AHMAD ZAILANI, Ahmad Zailani (2024) PREDIKSI OBESITAS DENGAN MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR DAN ADABOST. Masters thesis, fakultas ilmu komputer.

	Text abstrak tessis.pdf Download (333kB)
	Text bab 1.pdf Download (623kB)
	Text bab 2.pdf Download (830kB)
	Text bab 3.pdf Download (527kB)
	Text bab 4.pdf Download (932kB)
	Text bab 5.pdf Download (434kB)
	Text pernyataan.pdf Download (285kB)
	Text plagiat.pdf Download (327kB)
	Text pengesahan.pdf Download (730kB)
	Text daftar pustaka.pdf Download (709kB)
	Text cover dan kata pengantar.pdf Download (377kB)
	Text DAFTAR ISI.pdf Download (193kB)

Abstract

Obesitas adalah sebuah kondisi kronis yang diakibatkan karena konsumsi kalori berlebihan, obesitas dapat ditandai dengan adanya penumpukan lemak dalam tubuh yang sangat tinggi. Terjadinya obesitas dipengaruhi oleh asupan makanan yang melebihi kebutuhan tubuh, kurangnya aktivitas fisik, dan faktor genetic [2]. Ketidak seimbangan antara asupan kalori dan penggunaan energi tubuh menyebabkan penimbunan lemak yang berlebihan. Kondisi ini dapat meningkatkan risiko terkena berbagai penyakit serius seperti diabetes tipe 2, penyakit jantung, dan tekanan darah tinggi. Oleh karena itu, upaya pencegahan obesitas melibatkan perubahan gaya hidup, termasuk pola makan sehat dan rutin berolahraga, untuk mencapai keseimbangan energi yang optimal. Dari tingginya kasus penderita Obesitas, untuk dapat mengatasi masalah tersebut banyak dilakukan dalam penelitian bidang ilmu komputer, penelitian terkait untuk prediksi obesitas dilakukan Menggunakan Algoritma K-Nearest Neighbor” Pada penelitian menghasilkan akurasi sebesar 84,21%.[4], Pada penelitian kedua yang Menggunakan Algoritma KNearest Neighbor pada penelitian ini mendapatkan nilai akurasinya sebesar 96%, presisi 92%, recall 95% Dalam penelitian ini akan dilakukan penerapan algoritma K-Nearest Neighbor Dan Adabost dengan mengoptimalkan atribut-atribut yang berasal dari Dataset untuk memprediksi obesitas, dan tools yang digunakan adalah rapid miner sehingga dapat mengetahui performa yang baik dari algoritma tersebut. Kata kunci : Prediksi, Obersitas, K-Nearest Neighbor dan Adabost

Item Type:	Thesis (Masters)
Subjects:	Ilmu Komputer eTheses
Divisions:	Pasca Sarjana > Magister Teknik Informatika
Depositing User:	Ahmad zailani Ahmad
Date Deposited:	02 May 2024 00:40
Last Modified:	02 May 2024 00:40
URI:	http://repo.darmajaya.ac.id/id/eprint/15683

Actions (login required)

View Item