Klasterisasi Individu Berdasarkan Pola Konsumsi Makanan dan Aktivitas Fisik untuk Penentuan Profil Risiko Obesitas Menggunakan Algoritma K-Means
Article Sidebar
Main Article Content
Abstract
This study aims to identify patterns of obesity risk based on eating habits and physical condition by applying the K-Means clustering method to the Estimation of Obesity Levels Based on Eating Habits and Physical Condition dataset obtained from the UCI Machine Learning Repository. The research is motivated by the increasing prevalence of obesity and the need for analytical approaches to systematically map its risk factors. The research stages include data preprocessing, BMI attribute construction, feature selection, and categorical data encoding using one-hot encoding and label encoding. The optimal number of clusters was determined using the elbow method prior to implementing the K-Means algorithm. The results indicate that k = 3 provides the best clustering quality, forming three clusters that represent low, moderate, and high obesity risk levels. The resulting clusters show clear differences in dietary patterns and physical activity intensity. These findings demonstrate the effectiveness of clustering analysis in obesity risk mapping and highlight its potential contribution to the development of preventive health decision support systems.
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
References
Aghniya, R., & Prasetyowati, P. (2024). Deteksi Dini dan Pencegahan Penyakit Tidak Menular Melalui Aktivitas Fisik, Edukasi dan Promosi Kesehatan Di UPTD Yosomulyo Kota Metro. Jurnal Pengabdian Sosial, 1(6), 408–413. https://doi.org/10.59837/tpmh3j73
Agus Mulyana, Dela Lestari, Dhilla Pratiwi, Nabila Mufidah Rohmah, Nabila Tri, Neng Nisa Audina Agustina, & Salma Hefty. (2024). Menumbuhkan Gaya Hidup Sehat Sejak Dini Melalui Pendidikan Jasmani, Olahraga, Dan Kesehatan. Jurnal Bintang Pendidikan Indonesia, 2(2), 321–333. https://doi.org/10.55606/jubpi.v2i2.2998
Elsa Sari Saputri, & Samsudi. (2024). Hubungan Pola Makan Dan Aktivitas Fisik Dengan Kejadian Obesitas Pada Remaja di SMA Negeri 1 Abuki . Jurnal Penelitian Sains Dan Kesehatan Avicenna, 3(2 SE-Artikel), 156–164. https://doi.org/10.69677/avicenna.v3i2.86
Fadilah, Z. R., & Wijayanto, A. W. (2023). Perbandingan Metode Klasterisasi Data Bertipe Campuran: One-Hot-Encoding, Gower Distance, dan K-Prototype Berdasarkan Akurasi (Studi Kasus: Chronic Kidney Disease Dataset). Journal of Applied Informatics and Computing, 7(1), 57–67. https://doi.org/10.30871/jaic.v7i1.5857
Fajar, M., Adam, S., Putra, B., Puteri, S. I., Fajrissiddiq, A., & Sani, L. (2025). Eksplorasi dan Analisis Data Mining untuk Prediksi Pola Konsumen Menggunakan Teknik Klasifikasi dan Clustering. SENTIMETER (Seminar Nasional Teknologi Informasi, Mekatronika Dan Ilmu Komputer) Universitas Nusa Putra, 17 Mei 2025 Eksplorasi.
Halawa, H., Jaya Harmaja, O., Hulu, W. sandi, & Loi, seriani. (2023). Implementasi Algoritma K-Means Clustering Untuk Pengelompokkan Penyakit Pasien Pada Puskesmas Pulo Brayan. Jurnal Sains Dan Teknologi, 5(1 SE-), 150–157. http://ejournal.sisfokomtek.org/index.php/saintek/article/view/1306
Murni, A. P., Sekolah, A. P., Kelulusan, A., Sekolah, J., Pendahuluan, I., Siswa, J., Kasar, A. P., Partisipasi, A., Sekolah, A. P., Kelulusan, A., Melanjutkan, A., & Sekolah, J. (2018). APLIKASI PEMETAAN KUALITAS PENDIDIKAN DI INDONESIA MENGGUNAKAN METODE K-MEANS Analisis perancangan yang digunakan dalam pembuatan sistem ini menggunakan UML ( Unified Modeling Language ) dimana setiap aktivitas pada sistem akan dikelompokkan secara sendir. Aplikasi Pemetaan Kualitas Pendidikan Di Indonesia Menggunakan Metode K-Means, 17(2), 13–23.
Mutia, A., Jumiyati, J., & Kusdalinah, K. (2022). Pola makan dan aktivitas fisik terhadap kejadian obesias remaja. Journal of Nutrition College, 11(1), 26–34. http://ejournal3.undip.ac.id/index.php/jnc/
Ni Komang Sri Julyantari, Budiarta, I. K., & Putri, N. M. D. K. (2021). Implementasi K-Means Untuk Pengelompokan Status Gizi Balita (Studi Kasus Banjar Titih). Jurnal Janitra Informatika Dan Sistem Informasi, 1(2), 92–101. https://doi.org/10.25008/janitra.v1i2.134
Octaviani, P., Dody Izhar, M., & Amir, A. (2018). Relation Between Dietary Habit and Physical Activity With Nutritional Status Of Elementary School Students in SD Negeri 47/IV Jambi City. Jurnal Kesmas Jambi, 2(2), 56–66.
Refialy, L. P., Maitimu, H., & Pesulima, M. S. (2021). Perbaikan Kinerja Clustering K-Means pada Data Ekonomi Nelayan dengan Perhitungan Sum of Square Error (SSE) dan Optimasi nilai K cluster. Techno.Com, 20(2), 321–329. https://doi.org/10.33633/tc.v20i2.4572
Rosidah, N., Prathivi, R., & Susanto, S. (2025). OPTIMASI METODE RANDOM FOREST UNTUK KLASIFIKASI RISIKO OBESITAS BERDASARKAN POLA MAKAN. Jurnal Informatika Teknologi Dan Sains (Jinteks), 7(1 SE-Articles), 56–62. https://doi.org/10.51401/jinteks.v7i1.5065
Saqila, S. E., Ferina, I. P., & Iskandar, A. (2023). Analisis Perbandingan Kinerja Clustering Data Mining Untuk Normalisasi Dataset. Jurnal Sistem Komputer Dan Informatika (JSON), 5(2), 356. https://doi.org/10.30865/json.v5i2.6919
Setiawati, E., Fernanda, U. D., & Agesti, S. (2024). Implementation of K-Means , K-Medoid and DBSCAN Algorithms In Obesity Data Clustering. 1(February), 23–29.
Vredizon, P. A., Firmansyah, H., Salsabila, N. S., & Nugroho, W. E. (2024). Penerapan Algoritma K- Means untuk Mengelompokkan Makanan Berdasarkan Nilai Nutrisi. 5(2). https://doi.org/10.37802/joti.v5i2.577