Prediksi Perubahan Berat Badan Berdasarkan Pola Makan dan Aktivitas Fisik: Pendekatan Model Regresi

Abstract

Perubahan berat badan merupakan salah satu indikator penting dalam menilai status Kesehatan individu, yang dipengaruhi oleh berbagai faktor internal dan eksternal. Penelitian ini bertujuan untuk mengembangkan model prediksi perubahan berat badan dengan menggunakan metode neural network (NN) yang dioptimalkan melalui teknik cross-validation. Model ini mengintegrasikan berbagai variabel seperti data demografis, pola makan, tingkat aktivitas fisik, dan faktor kesehatan lainnya untuk memprediksi fluktuasi berat badan individu secara akurat. Proses cross-validation digunakan untuk meningkatkan keandalan model dengan mengurangi potensi overfitting dan memastikan generalisasi yang baik pada dataset yang belum pernah dilihat sebelumnya. Hasil penelitian menunjukkan bahwa model neural network yang dikombinasikan dengan cross-validation dapat memberikan prediksi yang lebih akurat dibandingkan dengan metode prediktif lainnya. Temuan ini dapat digunakan dalam pengembangan aplikasi kesehatan yang lebih personal dan efektif dalam memantau serta mengelola perubahan berat badan individu.