MUIZ, Yoga Al (2025) PERBANDINGAN KINERJA ALGORITMA RANDOM FOREST DAN C4.5 DALAM MEMPREDIKSI RISIKO OBESITAS. Bachelor thesis, UNIVERSITAS PERADABAN.
![[img]](http://repository.peradaban.ac.id/style/images/fileicons/other.png) |
PDF (HALAMAN AWAL)
COVER_YOGA AL MU'IZZ _42421030_SKRIPSI_2025.pdf - Published Version Download (65kB) |
|
PDF (ABSTRAK)
ABSTRAK_YOGA AL MU'IZZ _42421030_SKRIPSI_2025.pdf - Published Version Download (201kB) |
|
PDF (BAB I)
BAB 2_YOGA AL MU'IZZ _42421030_SKRIPSI_2025.pdf - Published Version Restricted to Registered users only Download (508kB) |
|
PDF (BAB II)
BAB 2_YOGA AL MU'IZZ _42421030_SKRIPSI_2025.pdf - Published Version Restricted to Registered users only Download (508kB) |
|
PDF (BAB III)
BAB 3_YOGA AL MU'IZZ _42421030_SKRIPSI_2025.pdf - Published Version Restricted to Registered users only Download (307kB) |
|
PDF (BAB IV)
BAB 4_YOGA AL MU'IZZ _42421030_SKRIPSI_2025.pdf - Published Version Restricted to Registered users only Download (1MB) |
|
PDF (BAB V)
BAB 5_YOGA AL MU'IZZ _42421030_SKRIPSI_2025.pdf - Published Version Download (183kB) |
|
PDF (DAFTAR PUSTAKA)
DAFTAR PUSTAKA_YOGA AL MU'IZZ _42421030_SKRIPSI_2025.pdf - Published Version Download (191kB) |
|
PDF (LAMPIRAN)
LAMPIRAN_YOGA AL MU'IZZ _42421030_SKRIPSI_2025.pdf - Published Version Restricted to Repository staff only Download (277kB) |
Abstract
Machine learning merupakan salah satu pendekatan kecerdasan buatan yang mampu mempelajari pola data untuk menghasilkan prediksi secara otomatis dan telah banyak dimanfaatkan dalam bidang kesehatan, termasuk untuk mendeteksi risiko obesitas. Penelitian ini bertujuan membandingkan kinerja algoritma Random Forest dan C4.5 dalam memprediksi risiko obesitas menggunakan data survei publik sebanyak 446 responden usia 18–50 tahun dengan variabel gaya hidup seperti konsumsi makanan cepat saji, minuman berpemanis, buah dan sayur, aktivitas olahraga, durasi tidur, kebiasaan merokok, riwayat obesitas keluarga, serta stres. Data diproses melalui tahap preprocessing, pembagian dataset 70:30, dan validasi stratified 5-fold cross validation, kemudian dievaluasi menggunakan metrik akurasi, presisi, recall, F1-score, dan AUC. Hasil penelitian menunjukkan Random Forest lebih unggul dengan akurasi 86,56%, F1-score 0,87, dan AUC 0,984, sedangkan C4.5 memperoleh akurasi 85,82%, F1-score 0,86, dan AUC 0,889. Dengan demikian, Random Forest dinilai lebih optimal dalam memprediksi risiko obesitas dan berpotensi dijadikan dasar pengembangan sistem pendukung keputusan di bidang kesehatan.
| Item Type: | Thesis (Bachelor) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
|||||||||
| Uncontrolled Keywords: | Machine Learning, Random Forest, C4.5, Prediksi Risiko, Obesitas | |||||||||
| Subjects: | 000 Ilmu Komputer, Informasi dan Karya Umum > 000 Ilmu Umum; Ilmu Komputer dan Informasi > 006-Metode Komputer Tertentu > Kecerdasan Buatan;Sistem Pakar; Neural Network; Data Mining; Machine learning; Computer Vision; Pengolahan Citra | |||||||||
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Informatika - S1 | |||||||||
| Depositing User: | S.E. Khozin Khozin | |||||||||
| Date Deposited: | 12 Mar 2026 01:29 | |||||||||
| Last Modified: | 12 Mar 2026 01:29 | |||||||||
| URI: | http://repository.peradaban.ac.id/id/eprint/2381 |
Actions (login required)
 |
View Item |