Prediksi PREDIKSI TINGKAT OBESITAS MENGGUNAKAN NEURAL NETWORK: PENDEKATAN KLASIFIKASI BINER

Abstract

Penelitian ini bertujuan untuk mengembangkan model prediktif menggunakan jaringan saraf
tiruan (neural network) dalam memprediksi tingkat obesitas pada individu berdasarkan atribut
terkait kebiasaan makan dan kondisi fisik dari individu negara-negara Meksiko, Peru, dan
Kolombia. Pendekatan klasifikasi biner digunakan untuk membedakan antara individu yang
termasuk dalam kategori obesitas dan tidak obesitas. Metode pelatihan jaringan saraf tiruan
dilakukan dengan menggunakan dataset yang telah diklasifikasikan sebelumnya. Pemodelan
dilakukan dengan membagi dataset menjadi data pelatihan dan data uji yaitu 70:30.
Selanjutnya, jaringan saraf tiruan diadaptasi dan disesuaikan dengan fitur-fitur yang relevan
dalam menentukan tingkat obesitas. Kinerja model dievaluasi menggunakan metrik evaluasi
standar seperti akurasi, presisi, recall, dan F1-score. Dan mendapatkan hasil Accuracy: 0.9684,
Loss: 0.1061, Presisi: 0.9669, Recall: 0.9915, dan F1-Score: 0.9791.