PERANCANGAN APLIKASI BMI CALCULATOR UNTUK MEMPREDIKSI TINGKAT OBESITAS PADA MAHASISWA DENGAN METODE K-NEAREST NEIGHBOR

PERANCANGAN APLIKASI BMI CALCULATOR UNTUK MEMPREDIKSI TINGKAT OBESITAS PADA MAHASISWA DENGAN METODE K-NEAREST NEIGHBOR

Authors

  • Intan oktaviani universitas duta bangsa surakarta
  • Triana Triana Universitas Duta Bangsa Surakarta

DOI:

https://doi.org/10.47701/infokes.v13i2.2790

Keywords:

BMI, K-Nearest Neighbor, Obesitas, Calculator, Mahasiswa

Abstract

Obesitas menjadi salah satu permasalah kesehatan global yang dapat terjadi baik di negara berkembang maupun negara maju. Berdasarkan data Riskesdas, prevalensi penderita overweight dan obesitas pada orang dewasa (>18 tahun) menunjukkan peningkatan dari tahun 2013-2018. Obesitas dapat dipengaruhi oleh asupan energi yang berlebih, pola makan tidak sehat, dan kurangnya aktivitas fisik. Oleh karena itu diperlukan adanya pengetahuan dan pencegahan terutama pada mahasiswa agar senantiasa menjaga kesehatan tubuh. Pada penelitian ini menerapkan metode yang terdiri dari 6 tahap, yaitu menetapkan metode, melakukan studi pendahuluan, merumuskan masalah, mengumpulkan data (sumber data yang digunakan pada penulisan jurnal ini diperoleh dari kaggle.com dengan judul dataset Health Habits of Student, mengolah data (dengan Ms. Excel dan aplikasi Orange), dan kesimpulan. Tampilan user interface aplikasi mobile untuk pola hidup sehat dengan judul “BMI Calculator” khususnya pada tampilan infografis dan insight. Desain yang dirancang menggunakan aplikasi figma ini menampilkan rancangan infografis dan insight aplikasi BMI Calculator. Apabila aplikasi ini bisa diimplementasikan maka peneliti berharap dapat membantu masyarakat dalam pemantauan BMInya, sehingga dapat mengurangi persentase obesitas di Indonesia khususnya untuk kalangan mahasiswa.

Downloads

Download data is not yet available.

References

H. Masdar, P. Ayu Saputri, D. Rosdiana, and F. Chandra, “Depresi, ansietas, dan stres serta hubungannya dengan obesitas pada remaja Relationship of depression, anxiety and stress with obesity in adolescent,” J. Gizi Klin. Indones., vol. 12, no. 4, pp. 138–143, 2016, [Online]. Available: https://jurnal.ugm.ac.id/jgki

J. A. Praditasari and S. Sumarmik, “Asupan Lemak, Aktivitas Fisik Dan Kegemukan Pada Remaja Putri Di Smp Bina Insani Surabaya,” Media Gizi Indones., vol. 13, no. 2, p. 117, 2018, doi: 10.20473/mgi.v13i2.117-122.

I. F. Kristiana, F. Fajrianthi, and U. Purwono, “Analisis Rasch Dalam Utrecht Work Engagement Scale-9 (Uwes-9) Versi Bahasa Indonesia,” J. Psikol., vol. 17, no. 2, p. 204, 2019, doi: 10.14710/jp.17.2.204-217.

A. Firdaningrum, R. Rokhmaniyah, and T. S. Susiani, “Analisis Penerapan Media Pembelajaran Berbasis Smartphone dalam Pembelajaran Daring Kelas V (Studi Kasus di SD Negeri Podosoko 2 Kecamatan Sawangan Kabupaten Magelang Tahun Ajaran 2020/2021),” Kalam Cendekia J. Ilm. Kependidikan, vol. 9, no. 3, 2021, doi: 10.20961/jkc.v9i3.53558.

Yuli Mardi, “Data Mining : Klasifikasi Menggunakan Algoritma C4 . 5 Data mining merupakan bagian dari tahapan proses Knowledge Discovery in Database ( KDD ) . Jurnal Edik Informatika,” J. Edik Inform., vol. 2, no. 2, pp. 213–219, 2019.

S. Hanadwiputra, G. Tyas, and D. A. Puspitawati, “Pembuatan Aplikasi Mobile Learning Dengan Interface Moodle,” J. Gerbang STMIK Bani Saleh, vol. 12, no. 2, pp. 6–17, 2022.

J. Budiman, R. Nopianti, and S. D. Lestari, “Karakteristik Bioplastik dari Pati Buah Lindur (Bruguiera gymnorrizha),” J. FishtecH, vol. 7, no. 1, pp. 49–59, 2018, doi: 10.36706/fishtech.v7i1.5980.

T. Rismawan and D. S. Kusumadewi, “Aplikasi K-Means Untuk Pengelompokkan Mahasiswa Berdasarkan Nilai Body Mass Index (Bmi) & Ukuran Kerangka,” Semin. Nas. Apl. Teknol. Inf., vol. 21, no. 01, pp. 1907–5022, 2008.

T. Kristiana, D. Hermawan, U. Febriani, and A. Farich, “Hubungan Antara Pola Tidur Dan Kebiasaan Makan Junk Food Dengan Kejadian Obesitas Pada Mahasiswa Universitas Malahayati Tahun 2019,” Hum. Care J., vol. 5, no. 3, p. 750, 2020, doi: 10.32883/hcj.v5i3.758.

A. M. S. I. Dewi and I. B. G. Dwidasmara, “Implementation Of The K-Nearest Neighbor (KNN) Algorithm For Classification Of Obesity Levels,” JELIKU (Jurnal Elektron. Ilmu Komput. Udayana), vol. 9, no. 2, p. 277, 2020, doi: 10.24843/jlk.2020.v09.i02.p15.

Downloads

Published

2023-09-27

How to Cite

oktaviani, I., & Triana, T. (2023). PERANCANGAN APLIKASI BMI CALCULATOR UNTUK MEMPREDIKSI TINGKAT OBESITAS PADA MAHASISWA DENGAN METODE K-NEAREST NEIGHBOR: PERANCANGAN APLIKASI BMI CALCULATOR UNTUK MEMPREDIKSI TINGKAT OBESITAS PADA MAHASISWA DENGAN METODE K-NEAREST NEIGHBOR. Infokes: Jurnal Ilmiah Rekam Medis Dan Informatika Kesehatan, 13(2), 83–89. https://doi.org/10.47701/infokes.v13i2.2790