<label>hey aku disini show_detail</label><?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" ID="1432">
<titleInfo>
<title>ANALISIS SISTEM PREDIKSI OBESITAS BERBASIS WEB DENGAN PERBANDINGAN ALGORITMA RANDOM FOREST DAN K-NEAREST NEIGHBOR (KNN)</title>
</titleInfo>
<name type="Personal Name" authority="">
<namePart>NANDA MARTA SUNARYA</namePart>
<role><roleTerm type="text">Primary Author</roleTerm></role>
</name>
<typeOfResource manuscript="yes" collection="yes">mixed material</typeOfResource>
<genre authority="marcgt">bibliography</genre>
<originInfo>
<place><placeTerm type="text">Bandung</placeTerm></place>
<publisher>Universitas Langlangbuana</publisher>
<dateIssued>2025</dateIssued>
<issuance>monographic</issuance>
<edition></edition>
</originInfo>
<language>
<languageTerm type="code">id</languageTerm>
<languageTerm type="text">Indonesia</languageTerm>
</language>
<physicalDescription>
<form authority="gmd">Text</form>
<extent></extent>
</physicalDescription>
<note>Obesitas merupakan salah satu masalah kesehatan yang semakin meningkat di
berbagai belahan dunia, termasuk di Indonesia. Prediksi obesitas secara dini dapat
membantu dalam pencegahan dan pengelolaan masalah kesehatan ini. Penelitian ini
bertujuan untuk mengembangkan sebuah sistem prediksi obesitas berbasis web
yang memanfaatkan algoritma pembelajaran mesin, yaitu Random Forest dan KNearest Neighbor (KNN), untuk menganalisis faktor-faktor yang mempengaruhi
obesitas. Sistem yang dibangun akan mengidentifikasi status obesitas individu
berdasarkan data variabel seperti usia, jenis kelamin, tinggi badan, berat badan, dan
pola makan. Dalam penelitian ini, algoritma Random Forest (RF) dan K-Nearest
Neighbor (KNN) diuji dan dibandingkan untuk mengevaluasi kinerja dan
akurasinya dalam memprediksi obesitas. Evaluasi dilakukan dengan fokus pada
metrik evaluasi utama, yaitu akurasi, presisi, Recall, dan F1-score guna
memberikan gambaran menyeluruh terhadap performa masing-masing model. Data
yang digunakan berasal dari dua sumber utama, yaitu kuisioner yang dibagikan
kepada responden serta dataset obesitas (Obesity dataset) yang tersedia secara
publik. Model prediksi yang dibangun kemudian diimplementasikan dalam bentuk
aplikasi berbasis web dengan menggunakan PHP dan framework CodeIgniter untuk
sisi web, serta Python sebagai bahasa pemrograman utama dalam pengolahan
algoritma machine learning. Hasil dari penelitian ini menunjukkan bahwa
algoritma Random Forest memberikan performa yang lebih unggul dibandingkan
KNN dalam memprediksi obesitas, ditinjau dari seluruh metrik evaluasi yang
digunakan, khususnya pada data uji. Temuan ini menunjukkan bahwa pemilihan
algoritma machine learning yang tepat sangat berpengaruh terhadap akurasi dan
efektivitas sistem prediksi obesitas yang dikembangkan.</note>
<subject authority=""><topic>Prediksi Obesitas</topic></subject>
<subject authority=""><topic>Random Forest</topic></subject>
<subject authority=""><topic>Sistem berbasis web</topic></subject>
<subject authority=""><topic>K-Nearest Neighbor</topic></subject>
<subject authority=""><topic>Data Mining</topic></subject>
<subject authority=""><topic>Machine Learning</topic></subject>
<classification>NONE</classification><identifier type="isbn"></identifier><location>
<physicalLocation>Repository Fakultas Teknik Sistem Repository Elektronik Skripsi dan Penelitian Dosen Fakultas Teknik</physicalLocation>
<shelfLocator>005	SUN	a</shelfLocator>
</location>
<slims:digitals>
<slims:digital_item id="10741" url="" path="/Cover - Nanda Marta Sunarya.pdf" mimetype="application/pdf">COVER</slims:digital_item>
<slims:digital_item id="10742" url="" path="/lembar Pengesahan  - Nanda Marta Sunarya.pdf" mimetype="application/pdf">Lembar Pengesahan</slims:digital_item>
<slims:digital_item id="10743" url="" path="/Lembar Pernyataan  - Nanda Marta Sunarya.pdf" mimetype="application/pdf">Lembar Pernyataan</slims:digital_item>
<slims:digital_item id="10744" url="" path="/Abstrak - Nanda Marta Sunarya.pdf" mimetype="application/pdf">Abstrak</slims:digital_item>
<slims:digital_item id="10745" url="" path="/Kata Pengantar (1) - Nanda Marta Sunarya.pdf" mimetype="application/pdf">Kata Pengantar</slims:digital_item>
<slims:digital_item id="10746" url="" path="/Daftar ISI - Nanda Marta Sunarya.pdf" mimetype="application/pdf">Daftar Isi</slims:digital_item>
<slims:digital_item id="10747" url="" path="/Daftar Gambar - Nanda Marta Sunarya.pdf" mimetype="application/pdf">Daftar Gambar</slims:digital_item>
<slims:digital_item id="10748" url="" path="/BAB 1 - Nanda Marta Sunarya.pdf" mimetype="application/pdf">Bab I</slims:digital_item>
<slims:digital_item id="10749" url="" path="/BAB 2 - Nanda Marta Sunarya.pdf" mimetype="application/pdf">Bab II</slims:digital_item>
<slims:digital_item id="10751" url="" path="/BAB 5 - Nanda Marta Sunarya.pdf" mimetype="application/pdf">Bab V</slims:digital_item>
<slims:digital_item id="10916" url="" path="/Daftar Pustaka - Nanda Marta Sunarya.pdf" mimetype="application/pdf">Daftar Pustaka</slims:digital_item>
<slims:digital_item id="10917" url="" path="/Lampiran - Nanda Marta Sunarya.pdf" mimetype="application/pdf">Lampiran</slims:digital_item>
</slims:digitals><slims:image>Cover_-_Nanda_Marta_Sunarya.jpg.jpg</slims:image>
<recordInfo>
<recordIdentifier>1432</recordIdentifier>
<recordCreationDate encoding="w3cdtf">2026-01-08 13:28:17</recordCreationDate>
<recordChangeDate encoding="w3cdtf">2026-01-14 09:30:57</recordChangeDate>
<recordOrigin>machine generated</recordOrigin>
</recordInfo></mods></modsCollection>