Text
PREDIKSI DAN ANALISIS FAKTOR RISIKO EATING DISORDER MENGGUNAKAN METODE ENSEMBLE PADA MAHASISWA UNIVERSITAS ISLAM RIAU
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.
No other version available