MEILIA, Anisa (2025) Analisis Keterkaitan Pola Makan dan Gaya Hidup dalam Memprediksi Risiko Penyakit Menggunakan Algoritma Apriori dan Random Forest. Skripsi thesis, Universitas Jenderal Soedirman.
![[img]](http://repository.unsoed.ac.id/style/images/fileicons/other.png) |
PDF (Cover)
COVER-Anisa Meilia-H1D021003-Skripsi-2025.pdf Download (226kB) |
|
PDF (Legalitas)
LEGALITAS-Anisa Meilia-H1D021003-Skripsi-2025.pdf Restricted to Repository staff only Download (879kB) |
|
PDF (Abstrak)
ABSTRAK-Anisa Meilia-H1D021003-Skripsi-2025.pdf Download (268kB) |
|
PDF (BabI)
BAB-I-Anisa Meilia-H1D021003-Skripsi-2025.pdf Restricted to Repository staff only until 4 August 2026. Download (278kB) |
|
PDF (BabII)
BAB-II-Anisa Meilia-H1D021003-Skripsi-2025.pdf Restricted to Repository staff only until 4 August 2026. Download (458kB) |
|
PDF (BabIII)
BAB-III-Anisa Meilia-H1D021003-Skripsi-2025.pdf Restricted to Repository staff only until 4 August 2026. Download (380kB) |
|
PDF (BabIV)
BAB-IV-Anisa Meilia-H1D021003-Skripsi-2025.pdf Restricted to Repository staff only Download (1MB) |
|
PDF (BabV)
BAB-V-Anisa Meilia-H1D021003-Skripsi-2025.pdf Download (254kB) |
|
PDF (DaftarPustaka)
DAFTAR PUSTAKA-Anisa Meilia-H1D021003-Skripsi-2025.pdf Download (239kB) |
Abstract
Pola makan dan gaya hidup merupakan faktor penting yang memengaruhi risiko penyakit kronis seperti jantung, obesitas, hipertensi, dan diabetes. Penelitian ini bertujuan untuk menganalisis keterkaitan antara pola makan dan gaya hidup terhadap risiko penyakit serta membangun sistem prediksi berbasis data. Metode yang digunakan adalah algoritma Apriori untuk menemukan aturan asosiasi dan algoritma Random Forest untuk membangun model prediksi. Dataset yang digunakan mencakup data demografi, data pola makan, data gaya hidup, dan risiko penyakit, yang diperoleh dari platform Kaggle. Hasil analisis menunjukkan bahwa algoritma Apriori mampu mengidentifikasi aturan keterkaitan yang cukup kuat dengan nilai confidence 30% antara variabel pola makan dan gaya hidup terhadap risiko penyakit. Sementara itu, model Random Forest menunjukkan performa akurasi tinggi, yaitu 93% untuk risiko hipertensi dan obesitas, 99% untuk risiko jantung, serta 94% untuk risiko diabetes dalam memprediksi masing-masing risiko penyakit. Penelitian ini juga menghasilkan aplikasi berbasis website menggunakan framework Streamlit yang menampilkan hasil analisis dan prediksi secara interaktif.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Nomor Inventaris: | H25199 |
| Uncontrolled Keywords: | Apriori, Gaya Hidup, Pola Makan, Prediksi, Random Forest, Risiko Penyakit |
| Subjects: | C > C690 Computer programming L > L230 Lifestyles |
| Divisions: | Fakultas Teknik > S1 Teknik Informatika |
| Depositing User: | Mrs. Anisa Meilia |
| Date Deposited: | 04 Aug 2025 08:38 |
| Last Modified: | 04 Aug 2025 08:38 |
| URI: | http://repository.unsoed.ac.id/id/eprint/35427 |
Actions (login required)
 |
View Item |