Jurnal
Perbandingan Metode Tree Based Classification untuk Masalah Klasifikasi Data Body Mass Index
Indonesian Journal of Mathematics and Natural Sciences · Vol. 47 No. 1 (2024) · hlm. 49–65
- ISSN
- 2774-7832
- Terbit
- 2024-05-09
- Penerbit
- Universitas Negeri Semarang
- Bahasa
- eng
Abstrak
Body mass index (BMI) atau indeks massa tubuh merupakan salah satu indikator yang dapat mengawasi dan menjelaskan status gizi seseorang. Penelitian ini bertujuan untuk mengklasifikasikan BMI berdasarkan gender, tinggi badan, dan berat badan dengan menggunakan metode Tree Based Classification yang terdiri atas model Decision Tree Classifier, Random Forest Classifier, Gradient Boosting Classifier, dan XGBoost menggunakan bahasa pemrograman python. Model Tree Based classification tersebut akan mengklasifikasikan BMI kedalam 6 kelas indeks. Hasil penelitian menunjukkan model klasifikasi XGBoost memiliki akurasi terbaik setelah dilakukan tuning hyperparameter dengan nilai akurasi data test 83.7%. Performa model terbaik sebelum tuning hyperparameter dihasilkan model Random Forest dengan nilai F1-score (macro) untuk data test sebesar 88%. Sementara itu, performa model terbaik setelah tuning hyperparameter dihasilkan model XGBoost dengan nilai F1-score (macro) untuk data test dan data train masing-masing sebesar 79% dan 85%. Berdasarkan model XGBoost, variabel prediktor yang paling berkontribusi terhadap BMI adalah berat badan dengan nilai permutation importance 68.1%.
Kata kunci
Jaringan kolaborasi para penulis
32 penulis · 88 tautan kepenulisan bersama · 4 lintas organisasi
Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.
- IPB University
- Universitas Gadjah Mada
- Pakuan University
- Afiliasi tidak diketahui
- Organisasi berbeda
- Organisasi sama
- Afiliasi tidak diketahui
- Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
| Rekan penulis | Organisasi | Artikel bersama |
|---|---|---|
| Fahren Bukhari | IPB University | 4 |
| Mohamad Khoirun Najib | IPB University | 3 |
| Fitra Nuvus Salsabila | IPB University | 2 |
| Sri T. Hartati | Universitas Gadjah Mada | 1 |
| Muhammad Nurwegiono | IPB University | 1 |
| Sony Hartono Wijaya | IPB University | 1 |
| Agus Buono | IPB University | 1 |
| Fajar Delli Wihartiko | Pakuan University | 1 |
| Edi Santosa | IPB University | 1 |
| Refi Revina | IPB University | 1 |
| Muhammad Fakhri Jauhari | IPB University | 1 |
| Dewi Rahmawati | IPB University | 1 |
| Teduh Wulandari MAS’OED | IPB University | 1 |
| Lilis Sriwahyuni | IPB University | 1 |
| Endar Hasafah Nugrahani | IPB University | 1 |
| Ihwan Sukmana | IPB University | 1 |
| Endar Hasafah Nugrahani | Afiliasi tidak diketahui | 1 |
| Mohamad Khoirun Najib | Afiliasi tidak diketahui | 1 |
| Denny Muliawan Sebastian | Afiliasi tidak diketahui | 1 |
| Putri Afia Nur Fallahi | Afiliasi tidak diketahui | 1 |
| Karlisa Priandana | IPB University | 1 |
| Mukhlis Mukhlis | Afiliasi tidak diketahui | 1 |
| Indra Jaya | Afiliasi tidak diketahui | 1 |
| Irman Hermadi | Afiliasi tidak diketahui | 1 |
Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.