PREDIKSI BMI BERDASARKAN LEVEL AKTIVITAS FISIK DENGAN METODE ANALISIS MACHINE LEARNING

diki saputra, - (2024) PREDIKSI BMI BERDASARKAN LEVEL AKTIVITAS FISIK DENGAN METODE ANALISIS MACHINE LEARNING. S1 thesis, Universitas Pendidikan Indonesia.

	Text TA_ART_S_IKOR_2006420_ART.pdf Restricted to Staf Perpustakaan Download (246kB)
	Text TA_ART_S_IKOR_2006420_SK.pdf Download (748kB)

Abstract

Prevalensi obesitas telah menjadi salah satu isu global dalam bidang kesehatan di masyarakat. Sementara itu aktivitas fisik diakui menjadi salah satu yang memiliki peran penting dalam mengatasi prevalensi obesitas. Tujuan penelitian ini yaitu untuk menjelaskan hubungan aktivitas fisik dengan Body Mass Index (BMI) dengan metode ML yang saat ini tengah populer. Sumber data yang digunakan yaitu dari kelompok bidang keilmuan sport and physical activity program studi Ilmu Keolahragaan, Universitas Pendidikan Indonesia. Total 212 (usia 19-23 tahun) partisipan yang memenuhi kriteria, terlibat dalam penelitian ini. IPAQ-SF digunakan untuk memperoleh data terkait dengan aktivitas fisik partisipan. Empat metode algoritma ML yaitu decision tree, naïve bayes, k-nearest neighbors (KNN), dan random forest digunakan untuk menganalisis data. Hasil penelitian menunjukkan bahwa algoritma naive bayes memiliki performa paling unggul (akurasi = 52,38%; sensitifitas = 51,65%; spesifisitas = 53,33%) dari ketiga model ML lainnya, sementara KNN paling rendah baik akurasi, sensitifitas, maupun spesifisitas (42,86%) dalam memprediksi BMI berdasarkan level aktivitas fisik. Aktivitas fisik memiliki peran penting dalam memprediksi BMI selain faktor lainnya seperti jenis kelamin dan perilaku sedentary.

Item Type:	Thesis (S1)
Additional Information:	https://scholar.google.com/citations?view_op=view_citation&hl=id&user=_IUPuJUAAAAJ&citation_for_view=_IUPuJUAAAAJ:u5HHmVD_uO8C ID SINTA Dosen Pembimbing: Jajat: 6002301 IMAS DAMAYANTI: 6137276
Uncontrolled Keywords:	body mass index; physical activity; decision tree
Subjects:	G Geography. Anthropology. Recreation > GV Recreation Leisure Q Science > QA Mathematics > QA76 Computer software
Divisions:	Fakultas Pendidikan Olahraga dan Kesehatan > Jurusan Pendidikan Kesehatan dan Rekreasi > Program Studi IKOR
Depositing User:	Diki Saputra
Date Deposited:	25 Mar 2024 07:24
Last Modified:	26 Mar 2024 03:15
URI:	http://repository.upi.edu/id/eprint/116413

Actions (login required)

View Item