KLASIFIKASI TINGKAT OBESITAS BERDASARKAN INDEKS MASA TUBUH MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINES (SVM)

RIZKINA, NAUFAL AGUNG (2024) KLASIFIKASI TINGKAT OBESITAS BERDASARKAN INDEKS MASA TUBUH MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINES (SVM). Other thesis, UNIVERSITAS PGRI SEMARANG.

[thumbnail of Naufal Agung Rizkina.pdf] Text
Naufal Agung Rizkina.pdf

Download (1MB)

Abstract

Obesitas merupakan kondisi gangguan kesehatan yang diakibatkan oleh penumpukan lemak di dalam tubuh, yang sering kali dapat diukur melalui kondisi berat badan yang di atas normal. Konsumsi kalori yang berlebihan dibandingkan dengan aktivitas pembakaran kalori mengakibatkan kalori menumpuk berlebihan menjadi lemak. Postur tubuh yang ideal ditentukan oleh bentuk tubuh masing-masing individu, sehingga perbandingan tinggi badan dan berat badan yang baik
akan menghasilkan postur tubuh yang ideal. Penentuan berat badan yang ideal akan menentukan tingkat penampilan seseorang. Untuk mengetahui postur tubuh yang ideal, seseorang harus mengetahui berat badan ideal dan asupan kalori yang dibutuhkan. Keadaan obesitas dalam jangka panjang berdampak pada kenyamanan hidup seseorang dan dapat menimbulkan penyakit kronis seperti diabetes, stroke,
dan jantung koroner. Pengukuran obesitas dapat dilakukan dengan antropometri, menggunakan perhitungan Indeks Massa Tubuh (IMT) dengan perbandingan rasio berat badan dan tinggi badan. Teknik Support Vector Machines (SVM) digunakan
untuk menentukan hyperplane yang dapat memisahkan data set dari dua kelas yang berbeda. SVM dapat mengatasi masalah klasifikasi dan regresi dengan linier maupun non-linier. Pemilihan algoritma Support Vector Machines sebagai salah
satu metode machine learning yang dinamis menjadi pilihan dalam mengatasi masalah yang berkaitan dengan obesitas. Penelitian ini menggunakan metode pengembangan waterfall yang diawali dengan analisis kebutuhan sampai pengujian. Penelitian ini menghasilkan accuracy yang memiliki presentase 92% dari hasil pelatihan model menggunakan hyperparameter grid search cross-validation untuk mencapai hasil yang maksimal. Penelitian ini diakhiri dengan 2
jenis pengujian aplikasi, yaitu black box testing, dan user acceptance testing (UAT). Hasil pengujian black box menunjukan kesuksesan dalam mencapai presentase 100%, sementara UAT mendapatkan presentase 79,8% dengan hasil kategori baik.
Kata Kunci: Obesitas, Postur Tubuh, Indeks Massa Tubuh, waterfall, Support Vector Machines, Machine Learning

Item Type: Thesis (Other)
Subjects: L Education > L Education (General)
Divisions: Fakultas Teknik dan Informatika > Informatika
Depositing User: Perpus Pusat Upgris
Date Deposited: 23 Sep 2024 06:43
Last Modified: 23 Sep 2024 06:43
URI: http://eprints3.upgris.ac.id/id/eprint/4611

Actions (login required)

View Item
View Item