PERBANDINGAN ALGORITMA KNN DAN SVM DALAM PENGEMBANGAN MODEL PREDIKSI OBESITAS PADA DESTROYER MUSCLE GYM

Anandina, Khairunnisa (2024) PERBANDINGAN ALGORITMA KNN DAN SVM DALAM PENGEMBANGAN MODEL PREDIKSI OBESITAS PADA DESTROYER MUSCLE GYM. Other thesis, UNSADA.

	Text COVER.pdf Download (1MB)
	Text BAB 1.pdf Download (138kB)
	Text BAB 2.pdf Download (410kB)
	Text BAB 3.pdf Restricted to Registered users only Download (565kB)
	Text BAB 4.pdf Restricted to Registered users only Download (1MB)
	Text BAB 5.pdf Download (508kB)
	Text DAFTAR PUSTAKA.pdf Download (718kB)
	Text LAMPIRAN.pdf Download (132kB)
	Text HASIL TURNITIN.pdf Restricted to Registered users only Download (10kB)
	Text SUKET TURNITIN.pdf Restricted to Registered users only Download (139kB)

Abstract

Obesitas merupakan masalah kesehatan global dengan prevalensi yang terus meningkat, termasuk di Indonesia. Penelitian ini bertujuan untuk mengembangkan model prediksi obesitas menggunakan algoritma machine learning, yaitu Support Vector Machine (SVM) dan K-Nearest Neighbors (KNN), di Destroyer Muscle Gym. Berdasarkan evaluasi, SVM menunjukkan kinerja yang lebih baik dibandingkan KNN dalam memprediksi obesitas dengan akurasi testing sebesar 0.925, precision 0.9263, recall 0.925, dan F1 score 0.9235. Hasil penelitian ini menunjukkan bahwa SVM adalah metode klasifikasi yang paling cocok untuk mengembangkan model prediksi obesitas yang akurat. Metode penelitian meliputi analisis pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan implementasi. Data yang digunakan dikumpulkan dari anggota gym dan melalui proses pembersihan serta analisis mendalam untuk memastikan kualitas dan relevansi data. Matriks confusion digunakan untuk mengevaluasi kinerja model, memberikan gambaran mendetail tentang prediksi yang dibuat dan jenis kesalahan yang terjadi. Penelitian ini menyimpulkan bahwa SVM mampu memberikan prediksi yang akurat dengan keseimbangan yang baik antara precision dan recall, serta lebih efektif dalam mengidentifikasi risiko obesitas di tempat gym. Sistem prediksi obesitas berbasis machine learning ini diharapkan dapat membantu pembimbing di gym dalam memonitor perkembangan anggota dan menyusun program latihan yang sesuai dengan kebutuhan individu, meningkatkan efektivitas waktu dan hasil program pelatihan.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	K-Nearest Neighbors, Machine Learning, Matriks Confusion, Obesitas, Support Vector Machine
Subjects:	000 Generalities/Karya Umum > 005.1 Programming/Pemrograman
Divisions:	Fakultas Teknik > Teknik Informatika
Depositing User:	Suwatno Suwatno Perpustakaan
Date Deposited:	08 Jan 2025 07:07
Last Modified:	08 Jan 2025 07:07
URI:	http://repository.unsada.ac.id/id/eprint/8871

Actions (login required)

View Item