Electronic Resource

Perbandingan Metode Artificial Neural Network, Dan Random Forest Pada Klasifikasi Tingkat Obesitas

---

Klasifikasi tingkat obesitas merupakan langkah penting dalam mendukung
upaya penanganan obesitas yang semakin meningkat. Penelitian ini bertujuan
untuk membandingkan performa metode machine learning, yaitu Artificial Neural
Network (ANN) dan Random Forest (RF), dalam melakukan klasifikasi tingkat
obesitas berdasarkan dataset yang telah ditentukan. Metode penelitian melibatkan
proses preprocessing data, pelatihan model dengan variasi proporsi data training
dan data testing (70:30, 80:20, dan 90:10). Hasil penelitian menunjukkan bahwa
Random Forest memberikan hasil akurasi yang lebih tinggi dibandingkan dengan
Artificial Neural Network. Pada pengujian dengan data training 70% dan data
testing 30%, ANN menghasilkan akurasi sebesar 88,20% sementara RF mencapai
97,28%. Dengan proporsi data training 80% dan data testing 20%, akurasi ANN
meningkat menjadi 88,76%, sedangkan RF menghasilkan 97,37%. Pada proporsi
data training 90% dan data testing 10%, ANN mencapai akurasi tertinggi sebesar
91,39%, namun masih lebih rendah dibandingkan RF yang mencapai 95,69%.
Berdasarkan hasil tersebut, dapat disimpulkan bahwa algoritma Random Forest
menunjukkan performa yang lebih optimal dibandingkan Artificial Neural
Network dalam klasifikasi tingkat obesitas.

---

Ketersediaan

SB00873S

KKI 001.6 PRA p/s

Perpustakaan Unikama

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

KKI 001.6 PRA p/s

Penerbit

Malang : Prodi Teknik Informatika Unikama., 2025

Deskripsi Fisik

xii, 62 hlm 26 cm

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

001.6

Tipe Isi

text

Tipe Media

PDF

Tipe Pembawa

online resource

Edisi

1

Subjek

klasifikasi
Skripsi
Teknik Informaika
Artificial Neural Network
Random Forest
Obesitas

Info Detail Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar