Pengembangan Model Prediksi Indeks Massa Tubuh (BMI) Berbasis Web Menggunakan Metode Desicion Tree dengan Algoritma Cart

Abraham Danar Jovian, Aliefian Ramadhan, Muhammad Nabil Ramadhani, Anggraini Puspita Sari

Abstract


Penelitian ini mengimplementasikan dan mengevaluasi algoritma Decision Tree menggunakan metode CART (Classification and Regression Tree) untuk prediksi Indeks Massa Tubuh (BMI) serta mengembangkan website interaktif. Tujuan utama adalah menentukan efektivitas Decision Tree dalam memprediksi kategori BMI berdasarkan jenis kelamin, tinggi, dan berat badan. Data BMI diolah dan dibagi menjadi set pelatihan (80%) dan pengujian (20%). Model Decision Tree dengan metode CART dilatih dan diuji, menghasilkan akurasi sebesar 89.1%. Evaluasi dilakukan dengan laporan klasifikasi dan matriks kebingungan. Hasil penelitian berupa website yang memungkinkan pengguna memasukkan data gender, berat, dan tinggi badan untuk mendapatkan prediksi kategori BMI. Website ini menyediakan antarmuka user-friendly yang mempermudah masyarakat umum menghitung BMI mereka. Penelitian ini menunjukkan bahwa Decision Tree dengan metode CART efektif untuk prediksi BMI dan dapat digunakan sebagai alat dalam bidang kesehatan untuk identifikasi kategori BMI.

Keywords


Indeks Massa Tubuh (BMI), Decision Tree, CART, Klasifikasi, Pembelajaran Mesin, Website Interaktif.

Full Text:

PDF

References


Nurussakinah, M., & Faisal, M. (2023). Klasifikasi Penyakit Diabetes Menggunakan Algoritma Decision Tree. Jurnal Informatika, 10(2), 143-149

Juli, A. (2024). Penerapan Algoritma Machine Learning pada Visualisasi Data.

Breiman, L., Friedman, J., Stone, C. J., & Olshen, R. A. (1984). Classification and Regression Trees. CRC Press.

Powers, D. M. W. (2011). Evaluation: From precision, recall and F-measure to ROC, informedness, markedness and correlation. Journal of Machine Learning Technologies, 2(1), 37-63.

Geron, A. (2019). Hands-On Machine Learning with ScikitLearn, Keras, and TensorFlow. O'Reilly Media.

Boulesteix, A. L., & Strimmer, K. (2007). Partial least squares: a versatile tool for the analysis of highdimensional genomic data. Briefings in Bioinformatics, 8(1), 32-44.

Quinlan, J. R. (1993). C4.5: Programs for Machine Learning. Morgan Kaufmann.

Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., ... & Duchesnay, É. (2011). Scikit-learn: Machine Learning in Python. Journal of Machine Learning Research, 12, 2825-2830.

Niederst Robbins, J. (2018). Learning Web Design: A Beginner's Guide to HTML, CSS, JavaScript, and Web Graphics. O'Reilly Media.

Sari, A. P., Prasetya, D. A., Al Haromainy, M. M., Aditiawan, F. P., Sihananto, A. N., & Saputra, W. S. (2022, November). Analisis Faktor Kesuksesan Penggunaan eBelajar Menggunakan Metode Hot-Fit di STIKI Malang. In PROSIDING SEMINAR NASIONAL SAINS DATA (Vol. 2, No. 1, pp. 92-102).

Welling, L., & Thomson, L. (2009). PHP and MySQL Web Development. 4th ed. Indianapolis, IN: Addison-Wesley.

Han, J., Kamber, M., & Pei, J. (2011). Data Mining: Concepts and Techniques. 3rd ed. San Francisco, CA: Morgan Kaufmann.

Kurniati, N. M., & Putri, D. A. (2022). Implementasi Algoritma CART untuk Prediksi Klasifikasi Status Gizi. Jurnal Teknologi Informasi dan Ilmu Komputer, 9(1), 45-56.

Rokach, L., & Maimon, O. (2008). Data Mining with Decision Trees: Theory and Applications. World Scientific Publishing Company.

Russell, S., & Norvig, P. (2016). Artificial Intelligence: A Modern Approach. 3rd ed. Upper Saddle River, NJ: Pearson


Refbacks

  • There are currently no refbacks.


Copyright (c) 2024 Abraham Danar Jovian, Aliefian Ramadhan, Muhammad Nabil Ramadhani, Anggraini Puspita Sari

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.