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.

    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.

    Baca Full Text klik disini
    [thumbnail of TA_ART_S_IKOR_2006420_ART.pdf] Text
    TA_ART_S_IKOR_2006420_ART.pdf
    Restricted to Staf Perpustakaan
    Download (246kB)
    [thumbnail of TA_ART_S_IKOR_2006420_SK.pdf] Text
    TA_ART_S_IKOR_2006420_SK.pdf
    Download (748kB)
    Official URL: https://ojs.mahadewa.ac.id/index.php/jpkr/article/...
    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 View Item