PENGGUNAAN METODE XGBOOST UNTUK KLASIFIKASI STATUS OBESITAS DI INDONESIA

Obesitas adalah suatu keadaan dimana terjadi penumpukan lemak tubuh yang berlebih, sehingga dapat membahayakan kesehatan. Beberapa faktor risiko yang menyebabkan obesitas diantaranya status perkawinan, pendapatan rumah tangga, wilayah domisili, aktivitas fisik serta asupan energi dan karbohidrat. Selain itu, faktor genetik, faktor psikologis, pola hidup yang kurang tepat, kebiasaan makan yang salah, stres dan faktor pemicu lain. Besarnya ketersediaan data serta pengetahuan di bidang medis yang terus meningkat berkontribusi pada pesatnya perkembangan di bidang ini. Machine learning yang tangguh dibutuhkan untuk memenuhi kebutuhan pengenalan pola data medis, termasuk data obesitas. Tujuan dari penelitian ini adalah untuk menentukan faktor-faktor yang mempengaruhi status obesitas di Indonesia. XGBoost (Extreme Gradient Boosting) merupakan metode klasifikasi yang sering digunakan, karena memiliki banyak keunggulan dibandingkan metode klasifikasi klasik. Algoritma Adaptive Synthetic Nominal (ADASYN-N) dapat digunakan untuk meningkatkan akurasi prediksi dari data yang tidak seimbang. Kedua metode itu akan diaplikasikan pada data Obesitas dari Riset Kesehatan Dasar Indonesia 2013. Hasil yang diperoleh menunjukkan bahwa jenis kelamin (perempuan) merupakan variabel atau fitur yang memiliki nilai gain tertinggi (37%). Hal ini menyimpulkan bahwa jenis kelamin (perempuan) memiliki pengaruh paling tinggi terhadap model dalam melakukan klasifikasi status obesitas di Indonesia.