Ringkasan
Penanganan obesitas merupakan bagian usaha meningkatkan kesehatan masyarakat. Salah satu pendekatan inovatif dalam penelitian ini menggunakan Algoritma Machine Learning. Dalam pembentukan model klasifikasi, menggunakan bahasa pemrograman Python untuk mengolah data. Dengan Roadmap yang digunakan berupa pengumpulan data, pemrosesan data, pemilihan fitur, pemodelan machine learning, evaluasi dan validasi model.
Kesehatan dan masalah obesitas termasuk dalam Sustainable Development Goals (SDGs), ada beberapa target terkait kesehatan dan gaya hidup sehat yang dapat berkontribusi untuk mengurangi angka kejadian obesitas. Dalam beberapa tahun terakhir, algoritma pembelajaran mesin seperti Klasifikasi K-Nearest Neighbor (KNN), Decision Tree, dan Naive Bayes telah digunakan untuk mendeteksi risiko obesitas pada populasi dewasa.
Algoritma K-Nearest Neighbor (KNN) merupakan metode pembelajaran mesin yang menggunakan decision tree sebagai model prediktifnya. Beberapa penelitian terkini telah menggunakan decision tree dalam mendeteksi risiko obesitas pada populasi dewasa dengan mencari hubungan antara fitur-fitur individu seperti indeks massa tubuh atau Body Mass Index (BMI), tingkat aktivitas fisik, pola makan, dan variabel lainnya. Naive Bayes adalah algoritma klasifikasi probabilistik yang didasarkan pada teorema probabilitas Bayes dengan asumsi naif akan independensi antara fitur-fiturnya. Beberapa studi terkini telah menerapkan algoritma Naive Bayes dalam mendeteksi risiko obesitas pada populasi dewasa dengan menggunakan fitur-fitur seperti riwayat keluarga, pola makan, dan faktor lingkungan. Dengan memahami faktor-faktor risiko tersebut, langkah-langkah pencegahan dan intervensi yang lebih efektif dapat diimplementasikan untuk mengurangi prevalensi obesitas.
Kerangka penelitian ini menggunakan metode eksperimental dengan pendekatan penelitian yang melibatkan manipulasi variabel independen untuk menguji pengaruhnya terhadap variabel dependen dengan mengontrol faktor-faktor ekstraneous (variabel lain). Dalam metode ini, kelompok kontrol digunakan sebagai pembanding dengan kelompok perlakuan yang menerima manipulasi atau perlakuan tertentu. Tujuannya adalah untuk menetapkan hubungan sebab-akibat antara variable. Dengan luaran yang ditargetkan dalam penelitian ini adalah Luaran Wajib; berupa Publikasi Jurnal Nasional Terakreditasi SINTA peringkat 4 (Empat) pada Jurnal Paradigma dan Luaran Tambahan; pada Publikasi Artikel Populer di Portal Berita Online.
Detail Informasi
- Jenis Hibah Internal - Penelitian Dana Yayasan
- Skema: BIPEMAS
- Tahun: 2023
- Dana: Rp. 4,500,000
- Sumber Dana: Universitas Bina Sarana Infromatika
- Prodi Pengusul: Sistem Informasi Akuntansi (D3) Halaman
- Mitra: Non Mitra
- Bidang: -
- Alamat Mitra: -
- Lokasi Mitra: Lihat Lokasi