ABSTRAK

Obesitas remaja di Indonesia sedang meningkat, karena kebiasaan makan yang
buruk dan gaya hidup yang kurang gerak. Obesitas meningkatkan risiko masalah
kesehatan yang serius seperti penyakit jantung, stroke, diabetes, dan lain-lain yang
memerlukan tindakan segera. Menurut Survei Kesehatan dan Morbiditas Nasional,
wanita 29,6% lebih mungkin mengalami obesitas dibandingkan pria, dibandingkan
dengan 25% pria. Maka dari itu penelitian ini bertujuan untuk mengetahui performa
akurasi dari algoritma Random Forest dalam mengklasifikakan penyakit obesitas
dan mengetahui peningkatan performa akurasi algoritma Random Forest dengan
meggunakan Optimasi Fitur berbasis Forward Selection. Setelah pegumpulan data,
data dibagi menjadi data training dan testing menggunakan Split Validation
digunakan untuk membandingkan algoritma untuk memilihalgoritma Random
Forest sebagai model terbaik berdasarkan nilai akurasi. Hasil evaluasi
menunjukkan algoritma Random Forest mencapai tingkat akurasi yang sangat
tinggi(94,56%), Selain itu Analisis T-Test Paired Two Sample juga mengungkapkan
perbedaan signifikan antara akurasi sebelum dan sesudah optimasi. Sebagai
kesimpulan, penelitian ini memberikan kontribusi terhadap penggunaan algoritma
dan metode. Dengan hasil yang diperoleh, penelitian ini memberikan kontribusi
penting dalam meningkatkan pengenalan fitur-fitur yang relevan dalam estimasi
tingkat obesitas menggunakan algoritma klasifikasi Random Forest. Hal ini
membuka peluang baru untuk pengembangan lebih lanjut dalam teknologi optimasi
fitur dengan metode forward selection pada analisis obesitas.