Klasifikasi Obesitas dengan menggunakan Metode Algoritma Decision Tree Interactive Dichotomiser 3 berbasis RapidMiner

Abstract

Salah satu masalah kesehatan yang paling umum di seluruh dunia adalah obesitas, dimana kondisi ini terus meningkat setiap tahunnya. Pencegahan dan pengendalian obesitas sangat penting. Identifikasi kategori obesitas yang tepat sangat penting. Tujuan penelitian ini adalah untuk membuat model klasifikasi obesitas dengan menggunakan metode Algoritma Decision Tree ID3, yang berbasis RapidMiner. Metode ini dipilih karena kemampuannya untuk membuat model pohon keputusan yang sederhana namun efektif dengan memanfaatkan pengukuran gain informasi selama proses pembentukan pohon. Usia, indeks massa tubuh (IMT), kebiasaan makan, tingkat aktivitas fisik, dan riwayat kesehatan adalah semua faktor risiko obesitas yang digunakan dalam penelitian ini. RapidMiner adalah platform analitik data yang memungkinkan pengolahan dan analisis data dengan antarmuka visual. Hasil penelitian menunjukkan bahwa model metode algoritma Decision Tree ID3 dapat mengklasifikasikan kategori obesitas dengan akurasi yang tinggi berdasarkan information gain dengan operator performance mencapai 100% pada data sampel 110 data atribut. Selain itu, model yang dihasilkan dapat menemukan IMT dan kebiasaan makan, yang merupakan komponen yang paling berpengaruh terhadap klasifikasi obesitas. Hasil ini diharapkan sebagai model pendekatan yang diusulkan dapat membantu profesional kesehatan menemukan kemungkinan obesitas secara lebih efisien.