Khikam, Ahlul (2025) Implementasi Metode Decision Tree untuk klasifikasi obesitas. Undergraduate (S1) thesis, Universitas Merdeka Pasuruan.
![]() |
Text
COVER.pdf Download (550kB) |
![]() |
Text
BAB-I.pdf Download (219kB) |
![]() |
Text
BAB-II.pdf Restricted to Repository staff only Download (277kB) |
![]() |
Text
BAB-III.pdf Restricted to Repository staff only Download (878kB) |
![]() |
Text
BAB-IV.pdf Restricted to Repository staff only Download (606kB) |
![]() |
Text
BAB-V.pdf Restricted to Repository staff only Download (176kB) |
![]() |
Text
DAFTAR-PUSTAKA.pdf Restricted to Repository staff only Download (241kB) |
![]() |
Text
LAMPIRAN.pdf Restricted to Repository staff only Download (367kB) |
Abstract
Angka obesitas telah meningkat secara signifikan dalam beberapa dekade terakhir di seluruh dunia. Aspek seperti pola makan buruk, kurangnya olahraga, faktor genetik, lingkungan, dan masalah psikologis bisa mempengaruhi berkembangnya obesitas. Obesitas dapat menyebabkan berbagai masalah kesehatan seperti penyakit jantung, diabetes, dan gangguan pernapasan, serta bisa berdampak buruk pada kualitas hidup seseorang. Tujuan penelitian untuk mengimplementasi metode Decision Tree untuk klasifikasi obesitas. Decision Tree merupakan metode yang sangat efektif dalam melakukan klasifikasi. Dataset dalam penelitian ini, dilakukan dengan mengambil data Obesity Levels dari website Arcihive.ics.uci.edu. Dataset yang digunakan sebanyak 2111 data dengan 16 kolom fitur dan 7 tingkatan label. Hasil dari prediksi klasifikasi obeitas menggunakan metode Decision Tree mendapatkan nilai accuracy sebesar 96%, precision sebesar 96%, recall sebesar 96%, Dan F1-score sebesar 96%. Meskipun hasil ini cukup memuaskan, penelitian ini juga menunjukkan adanya peluang untuk pengembangan lebih lanjut, seperti mempertimbangkan aspek – aspek lain seperti menambahkan jumlah dan variasi data, teknik preprocessing one-hot encoding, mengembangkan kinerja model dari metode Decision Tree, dan menggunakan metode klasifikasi lain untuk membandingkan kinerja model guna mendapatkan hasil yang lebih optimal dalam klasifikasi obesitas.
Item Type: | Thesis (Undergraduate (S1)) |
---|---|
Uncontrolled Keywords: | Klasifikasi, Prediksi, Obesitas, Decision Tree |
Subjects: | T Technology > T Technology (General) |
Divisions: | Fakultas Teknologi Informasi > Informatika |
Depositing User: | Perpustakaan Unmer Pasuruan |
Date Deposited: | 04 Oct 2025 03:08 |
Last Modified: | 04 Oct 2025 03:08 |
URI: | http://repository.unmerpas.ac.id/id/eprint/895 |
Actions (login required)
![]() |
View Item |