KOMPARASI METODE NAIVE BAYES DAN KOLMOGOROV ARNOLD NETWORKS (KAN) DALAM KLASIFIKASI TINGKAT KEMUNGKINAN OBESITAS
Author
Abstract
Obesitas merupakan salah satu permasalahan pada bidang kesehatan yang cukup signifikan di seluruh dunia, dengan peningkatan prevalensi yang terus terjadi setiap tahunnya. Berbagai permasalahan Kesehatan lainnya muncul setelah seseorang terkena obesitas. Memprediksi kemungkinan obesitas dengan mendeteksi sedini mungkin merupakan langkah yang sangat penting untuk mengurangi risiko komplikasi kesehatan yang terkait. Obesitas dapat dideteksi dengan sesegera mungkin dengan melihat beberapa faktor pemicu obesitas. Beberapa faktor tersebut adalah dengan mengukur tinggi badan, berat badan dan indeks masa tubuh. Tiga faktor tersebut merupakan pemicu utama pada penyakit obesitas. Dengan adanya penelitian ini, bertujuan untuk mengkaji performa dua metode klasifikasi, yaitu Naïve Bayes dan Kolmogorov Arnold Networks (KAN). Analisis yang dilakukan dengan membandingkan akurasi dari masing-masing metode. Data yang diolah, melalui proses pembersihan, pengujian serta evaluasi. Hasil menunjukan bahwa metode Naïve Bayes lebih unggul dari Kolmogorov Arnold Networks. Yaitu 96% untuk Naïve Bayes dan 71% untuk Kolmogorov Arnold Networks. Hal ini mengindikasikan bahwa Naïve Bayes lebih efektif dalam data yang diteliti. Naïve Bayes merupakan teori probabilitas yang cukup efektif meskipun menggunakan data yang sederhana. Sebaliknya untuk Kolmogorov Arnold Networks menunjukan keterbatasan pada dataset dikarenakan dibutuhkannya data yang kompleks, ditandai dengan banyak varibel dan jumlah data yang lebih banyak.