Evaluasi Kinerja Algoritma AdaBoost dan XGBoost Menggunakan Dataset Penyakit Obesitas Pada Populasi Dewasa

Cici Emilia Sukmawati, Anis Fitri Nur Masruriyah, Ayu Ratna Juwita, Rigger Damaiarta Tejayanda, Trisya Nurmayanti

Abstract


Penelitian ini membahas terkait evaluasi kinerja AdaBoost dan XGBoost pada penyakit obesitas . Penelitian tersebut menggunakan dataset yang diperoleh dari sumber kaggle dengan jumlah data 2111 dengan 17 atribut. Selanjutnya, data tersebut dilakukkan preprocessing data sehingga berkurang menjadi 591 data. Kemudian, data tersebut dilakukan split data dengan perbandingan 70:30 dengan rincian data uji 119 dan data training sebanyak 472. Pengujian dilakukan menggunakan accuracy, precision dan recall. Berdasarkan hasil penelitian yang telah dilakukan, bahwa metode XGBoost terbukti lebih unggul dibandingkan dengan AdaBoost. Adapun accuracy, precision dan recall sebesar 92%. Sedangkan untuk accuracy dan recall untuk metode AdaBoost sebesar 40% sertaa precision 39%.

Keywords


Obesity; AdaBoost; XGBoost

Full Text:

PDF

References


Alnur, B., Mulyono, Fitri Amillia, & Sutoyo, S. (2023). JITE (Journal of Informatics andTelecommunication Engineering). Journal of Informatics and Telecommunication Engineering, 7(1), 102–111. https://www.researchgate.net/publication/335117624_Malang_City_Polytechnic_Web_Based_Student_Attendance_Information_System_Telecommunications_Engineering_Study_Program_Using_Fingerprint/fulltext/5d515fe34585153e594ef214/Malang-City-Polytechnic-Web-Based-S

Amrynia, S. U., & Prameswari, G. N. (2022). Hubungan Pola Makan, Sedentary Lifestyle, dan Durasi Tidur dengan Kejadian Gizi Lebih Pada Remaja (Studi Kasus di SMA Negeri 1 Demak). Indonesian Journal of Public Health and Nutrition, 2(1), 112–121. https://doi.org/10.15294/ijphn.v2i1.52044

De Guia, J. D., Concepcion, R. S., Bandala, A. A., & Dadios, E. P. (2019). Performance Comparison of Classification Algorithms for Diagnosing Chronic Kidney Disease. 2019 IEEE 11th International Conference on Humanoid, Nanotechnology, Information Technology, Communication and Control, Environment, and Management, HNICEM 2019, 1(August), 68–74. https://doi.org/10.1109/HNICEM48295.2019.9073568

Dwi, E., Aini, N., Khasanah, R. A., Ristyawan, A., & Neighbors, K. (2024). Penggunaan Data Mining untuk Prediksi tingkat Obesitas di Meksiko Menggunakan Metode Random. 8, 1256–1265.

Ella, Y., Noor, I., Sugiarto, E., Fatimah, A. S., Kesehatan, F., Universitas, M., & Surabaya, A. (2022). The Description of Obesity Among Housewifes in The World (Vol. 14, Nomor 1).

Erwis, F., Suherdi, D., Pranata, A., & Nasyuha, A. H. (2022). Penerapan Metode Hybrid Case Base Pada Sistem Pakar Diagnosa Penyakit Obesitas. Jurnal Media Informatika Budidarma, 6(1), 378. https://doi.org/10.30865/mib.v6i1.3491

Febianto, R. T., Suranti, D., & Alinse, R. T. (2024). Penerapan Algoritma AdaBoost Dalam Mengetahui Pola Pengguna Kb Di Puskesmas Tanjung Harapan. Journal of Science and Social Research, 4307(1), 145–155. http://jurnal.goretanpena.com/index.php/JSSR

Gede Iwan Sudipa, I., Andi Putra, T. E., Jurnaidi Wahidin, A., Alfa Syukrilla, W., Khrisna Wardhani, A., Heryana, N., Indriyani, T., Willyanto Santoso Tutuk Indriyani, L., & Willyanto Santoso, L. (2023). DATA MINING. www.globaleksekutifteknologi.co.id

Givari, M. R., Sulaeman, M. R., & Umaidah, Y. (2022). Perbandingan Algoritma SVM, Random Forest Dan XGBoost Untuk Penentuan Persetujuan Pengajuan Kredit. Nuansa Informatika, 16(1), 141–149. https://doi.org/10.25134/nuansa.v16i1.5406

Hamza, R. Z., & Alsolami, K. (2023). Ameliorative effects of Orlistat and metformin either alone or in combination on liver functions, structure, immunoreactivity and antioxidant enzymes in experimentally induced obesity in male rats. Heliyon, 9(8). https://doi.org/10.1016/j.heliyon.2023.e18724

Hanani, R., Badrah, S., & Noviasty, R. (2021). Pola Makan, Aktivitas Fisik dan Genetik Mempengaruhi Kejadian Obesitas Pada Remaja di SMK Wilayah Kerja Puskesmas Segiri. Jurnal Kesehatan Metro Sai Wawai, 14(2), 120–129. https://doi.org/10.26630/jkm.v14i2.2665

Masruriyah, A. F. N., Sukmawati, C. E., & Dermawan, B. A. (2024). Memahami data mining dengan Python : implementasi praktis. CV. Eureka Media Aksara.

Musu, W., Ibrahim, A., & Heriadi. (2021). Pengaruh Komposisi Data Training dan Testing terhadap Akurasi Algoritma C4.5Musu, W., Ibrahim, A., & Heriadi. (2021). Pengaruh Komposisi Data Training dan Testing terhadap Akurasi Algoritma C4.5. Prosiding Seminar Ilmiah Sistem Informasi Dan Teknologi Inf. Prosiding Seminar Ilmiah Sistem Informasi Dan Teknologi Informasi, X(1), 186–195.

Nikmah, T. L., Syafei, R. M., Muzayanah, R., & Salsabila, A. (2023). Prediction Of Used Car Prices Using K-Nearest Neighbour, Random Forest And Adaptive Boosting Algorithm. Indonesian Community on Optimization and Computer Application, 1(1), 17–22. https://e-journal.ptti.info/index.php/icoca/article/view/68

Prabowo, T. T. (2021). Efektivitas Sistem Temu Kembali Informasi Perpustakaan Digital Institut Seni Indonesia (ISI) Yogyakarta dalam Tinjauan Recall dan Precision. Media Pustakawan, 28(1), 37–48. https://doi.org/10.37014/medpus.v28i1.1087

Safitri, D. E., & Rahayu, S. (2020). Determinan Status Gizi Obesitas pada Orang Dewasa di Perkotaan: Tinjauan Sistematis The Determinants of Urban Adults’ Obesity : Systematic review.

Sanjaya, J., Renata, E., Budiman, V. E., Anderson, F., & Ayub, M. (2020). Prediksi Kelalaian Pinjaman Bank Menggunakan Random Forest dan Adaptive Boosting. Jurnal Teknik Informatika dan Sistem Informasi, 6(1), 50–60. https://doi.org/10.28932/jutisi.v6i1.2313

Siddik Hasibuan, M., & Harahap, H. (2024). Penerapan Metode Haar-Like Feature Dan Algoritma AdaBoost Dalam Penentuan Klasifikasi Hama Tanaman Kopi. Journal of Science and Social Research, 4307(1), 87–93. http://jurnal.goretanpena.com/index.php/JSSR

Syifa, E. D. A., & Djuwita, R. (2023). Factors Associated with Overweight/Obesity in Adolescent High School Students in Pekanbaru City. Jurnal Kesehatan Komunitas, 9(2), 368–378. https://doi.org/10.25311/keskom.vol9.iss2.1579

Wie, J. V., & Siddik, M. (2022). Penerapan Metode Naïve Bayes Dalam Mengklasifikasi Tingkat Obesitas Pada Pria. JOISIE Journal Of Information System And Informatics Engineering, 6(Desember), 69–77. https://ejournal.pelitaindonesia.ac.id/ojs32/index.php/JOISIE/article/view/2467/1009




DOI: https://doi.org/10.37905/jji.v6i2.27342

Refbacks

  • There are currently no refbacks.


JJIhas been indexed by:
Sinta Crossref Scholar Garuda
Base Dimension ROAD SIS
ASCI







Editorial Office
Department of Informatics Engineering, Universitas Negeri Gorontalo
Engineering Faculty Building, 1st Floor
Jl. Prof. Dr. Ing. B. J. Habibie, Bone Bolango, Gorontalo, 96119, Indonesia. Whatsapp: +6281314270499Email: jji.ft@ung.ac.id
Creative Commons Licence
Jambura Journal of Informatics (JJi), is licensed under a Lisensi Creative Commons Atribusi 4.0 Internasional.