PENINGKATAN KINERJA KLASIFIKASI TINGKAT OBESITAS MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE BERBASIS RADIAL BASIS FUNCTION DAN OPTIMASI GRIDSEARCH CROSS VALIDATION (Studi Kasus: Klinik Hakasari Medika)

Obesitas merupakan masalah kesehatan dunia yang terus meningkat dan dapat memicu timbulnya penyakit yang lainnya. Oleh karena itu, klasifikasi tingkat obesitas perlu dilakukan untuk mengetahui level obesitas seseorang. Penelitian ini bertujuan untuk mengkombinasikan algoritma Support Vector Machine ( SVM ) dan kernel Radial Basis Function ( RBF ) dengan optimasi parameter GridSearchCV. Dataset yang digunakan dalam penelitian ini adalah “Obesity DataSet raw and data sinthetic.csv”, yang mencakup berbagai variabel relevan seperti usia, tinggi badan, berat badan, pola makan, dan aktivitas fisik. Model SVM dipilih karena kemampuannya dalam menangani data dengan jumlah besar dan klasifikasi yang kompleks. Teknik optimasi parameter GridSearchCV digunakan untuk mencari parameter terbaik yang dapat meningkatkan performa model. Evaluasi model dilakukan menggunakan beberapa metrik seperti akurasi, precision, recall, dan F1-score untuk memberikan gambaran menyeluruh terkait kinerja model dalam klasifikasi tingkat obesitas. Selain itu, penelitian ini juga merepresentasikan model dalam bentuk aplikasi web sederhana yang digunakan sebagai media pengujian, sehingga pengguna dapat melakukan input data dan memperoleh hasil klasifikasi secara langsung. Penelitian ini diharapkan dapat berkontribusi dalam peningkatan sistem deteksi obesitas, yang dapat digunakan dalam strategi pencegahan dan penanganan obesitas yang lebih efektif.