Klasifikasi Tingkat Obesitas menggunakan Metode Ensemble Voting dengan Optimasi Hyperparameter Grid Search

Abstract

Obesitas merupakan kondisi ketidakseimbangan antara energi yang masuk dan energi yang dikeluarkan, sehingga tubuh menimbun jaringan lemak secara berlebihan. Kondisi ini menjadi faktor risiko utama berbagai penyakit kronis seperti diabetes dan kanker. Faktor penyebab obesitas dapat dikategorikan ke dalam faktor perilaku seperti kebiasaan makan dan aktivitas fisik serta faktor genetik. Namun, analisis keterkaitan antar faktor tersebut sering kali kompleks, sehingga machine learning mulai diimplementasikan dalam memprediksi faktor risiko obesitas. Penelitian ini menggunakan dataset obesitas individu dari negara Meksiko, Peru, dan Kolombia yang diperoleh dari UCI Machine Learning Repository, berdasarkan informasi pola makan dan kondisi fisik responden. Tahapan penelitian meliputi: pengumpulan data, data preprocessing, data splitting, pembangunan model klasifikasi menggunakan metode ensemble voting, evaluasi model, hingga analisis faktor risiko. Pada tahap data preprocessing, dilakukan pengecekan duplikasi, deteksi outlier, normalisasi data, transformasi data, feature engineering, dan feature selection. Model klasifikasi dikembangkan menggunakan metode ensemble voting yang menggabungkan tiga algoritma yaitu decision tree, random forest, dan logistic regression, dengan optimasi hyperparameter menggunakan Grid Search. Tiga eksperimen dilakukan, mencakup model dasar dan model hasil optimasi. Setelah di peroleh kombinasi hyperparameter terbaik model terbaik selanjutnya diuji menggunakan dua pendekatan voting yaitu hard voting dan soft voting. Hasil terbaik diperoleh hard voting dengan akurasi sebesar 99,00%, precision 98,96%, recall 98,85%, dan F1-score 98,89%. Individu yang mengalami obesitas ditemukan pada perempuan dan cenderung meningkat seiring pertambahan usia. Faktor-faktor yang mempengaruhi secara linear dengan tingkat obesitas seperti konsumsi makanan tinggi kalori, snacking, dan konsumsi sayuran. Hubungan antara berbagai faktor dengan tingkat obesitas sering kali bersifat non linear, seperti pada jumlah makanan utama, konsumsi alkohol, dan pengukuran kalori harian.