ETD - UIR

Electronic Thesis and Dissertation

  • Home
  • Information
  • News
  • Help
  • Librarian
  • Member Area
    Member Login Online Registration
  • Select Language :
    Arabic Bengali Brazilian Portuguese English Espanol German Indonesian Japanese Malay Persian Russian Thai Turkish Urdu

Search by :

ALL Author Subject NPM Advanced Search

Last search:

{{tmpObj[k].text}}
Image of PREDIKSI DAN ANALISIS FAKTOR RISIKO EATING DISORDER MENGGUNAKAN METODE ENSEMBLE PADA MAHASISWA UNIVERSITAS ISLAM RIAU
Bookmark Share

Text

PREDIKSI DAN ANALISIS FAKTOR RISIKO EATING DISORDER MENGGUNAKAN METODE ENSEMBLE PADA MAHASISWA UNIVERSITAS ISLAM RIAU

NADIA FADILA - Personal Name; Mutia Fadhilla - Personal Name;

Eating disorder merupakan gangguan perilaku makan yang dapat berdampak pada kesehatan fisik maupun psikologis seseorang. Mahasiswa termasuk kelompok yang rentan mengalami risiko eating disorder akibat berbagai faktor, seperti pola makan yang tidak teratur, tekanan akademik, dan persepsi terhadap bentuk tubuh. Penelitian ini bertujuan untuk mengklasifikasikan risiko eating disorder pada mahasiswa Universitas Islam Riau menggunakan algoritma Random Forest dan Gradient Boosting serta menentukan model dengan performa terbaik. Data yang digunakan berasal dari kuesioner Eating Attitudes Test-26 (EAT-26), Body Mass Index (BMI), dan jenis kelamin. Proses pemodelan dilakukan menggunakan Randomized Search dan Stratified K-Fold Cross Validation untuk memperoleh kombinasi hyperparameter terbaik. Hasil pengujian menunjukkan bahwa model Random Forest memperoleh nilai accuracy sebesar 0.758, precision sebesar 0.676, recall sebesar 0.893, F1-score sebesar 0.769, dan AUC-ROC sebesar 0.861. Sementara itu, model Gradient Boosting memperoleh nilai accuracy sebesar 0.774, precision sebesar 0.706, recall sebesar 0.857, F1-score sebesar 0.774, dan AUC-ROC sebesar 0.868. Berdasarkan hasil perbandingan, model Gradient Boosting memiliki performa yang lebih baik dibandingkan Random Forest. Analisis feature importance menunjukkan bahwa perilaku makan berlebihan yang sulit dikendalikan, kondisi indeks massa tubuh (BMI), dan perilaku berolahraga untuk mengontrol berat badan merupakan faktor yang paling berpengaruh dalam proses klasifikasi. Hasil penelitian menunjukkan bahwa algoritma Gradient Boosting dapat digunakan sebagai alternatif yang baik dalam membantu mengidentifikasi risiko eating disorder pada mahasiswa.


Availability
#
Teknik Informatika (Fakultas Teknik) Informatika 003.1 Nad P
ETD6034II
Available but not for loan - ETD
Detail Information
Call Number
Informatika 003.1 Nad P
Language
Indonesia
NPM
223510892
Publisher
Teknik Informatika : Universitas Islam Riau., 2026
Keyword(s)
Klasifikasi
Random Forest
eating disorder
Gradient Boosting
feature importanc
Other Information
Petugas
Budi Santoso
Other version/related

No other version available

File Attachment
  • Please login to see this attachment
Comments

You must be logged in to post a comment

ETD - UIR
  • Information
  • Services
  • Librarian
  • Member Area

About Us

As a complete Library Management System, SLiMS (Senayan Library Management System) has many features that will help libraries and librarians to do their job easily and quickly. Follow this link to show some features provided by SLiMS.

Search

start it by typing one or more keywords for title, author or subject

Keep SLiMS Alive Want to Contribute?

© 2026 — Senayan Developer Community

Powered by SLiMS
Select the topic you are interested in
  • Computer Science, Information & General Works
  • Philosophy & Psychology
  • Religion
  • Social Sciences
  • Language
  • Pure Science
  • Applied Sciences
  • Art & Recreation
  • Literature
  • History & Geography
Icons made by Freepik from www.flaticon.com
Advanced Search
Where do you want to share?