SmartDine: Website Meal-Planning Berbasis Status Gizi Dengan Metode Klasifikasi K-nearest neighbors (KNN) Untuk Pasien Obesitas
SmartDine: Meal-Planning Website Based on Nutritional Status Using the K-nearest Neighbors (KNN) Classification Method For Obese Patients
Dengan perkembangan teknologi yang semakin pesat dalam berbagai bidang, terutama pada bidang kesehatan. Memberikan kemudahan bagi pasien untuk mendapatkan akses layanan dengan menggunakan website. Salah satu permasalahan kesehatan yang dapat dipermudah dengan website yaitu obesitas. Obesitas merupakan keadaan tubuh dimana kalori yang masuk lebih banyak daripada kalori yang dikeluarkan, sehingga terjadi penumpukan kalori pada tubuh. Faktor penyebab obesitas tidak hanya berasal dari makanan, dan aktivitas fisik, tetapi factor penyebab obesitas bersifat multifactorial. Obesitas dapat diatasi dengan pengaturan makan (diet).
Namun, banyak pasien yang melakukan diet ketat tanpa memperhitungkan kebutuhan kalori pada tubuh, sehingga mengakibatkan gangguan makan seperti anoreksia nervosa (AN) dan bulimia nervosa (BN). Oleh karena itu, pada penelitian ini, akan mengimplementasikan pengklasifikasian tingkat obesitas dengan metode K-nearest neighbors (KNN). Kemudian, akan dilanjutkan pengkategorian status gizi dari hasil klasifikasi untuk mengetahui kondisi tubuh pasien. Dilanjutkan perhitungan BMR, TDEE, dan defisit/surplus. Hasil kalori harian akan dibuat menjadi meal-planning selama 1 minggu.
Berdasarkan penelitian yang telah dilakuakan, mendapatkan hasil akurasi tertinggi dengan menggunakan 16 atribut yaitu FAVC, FCVC, NCP, CAEC, CH20, CALC, SCC, FAF, TUE, MTRANS, AGE, Height, Weight, Gender, SMOKE, Family_history_with_overweight, menggunakan k=1 dan 7-fold mendapatkan nilai 90.05%. Pengujian klasifikasi pada website dengan Confusion Matrix dan 8 data uji penghasilkan nilai 100%. Meal-planning akan dilakukan dengan pengaturan 3 kali makan dalam 1 hari, dengan tiap kali makan terdapat 3 menu yaitu makanan pokok, sayuran, dan lauk yang porsinya telah disesuaikan dengan kalori harian pasien.
Kata Kunci: knn, obesitas, meal-planning, website.
With increasingly rapid technological developments in various fields, especially in the health sector. Make it easy for patients to get access to services by using the website. One health problem that can be made easier with a website is obesity. Obesity is a condition of the body where the calories taken in are more than the calories expended, resulting in an accumulation of calories in the body. The factors that cause obesity do not only come from food and physical activity, but the factors that cause obesity are multifactorial. Obesity can be overcome by eating (diet).
However, many patients follow strict diets without taking into account the body's calorie needs, resulting in eating disorders such as anorexia nervosa (AN) and bulimia nervosa (BN). Therefore, in this research, we will implement classification of obesity levels using the K-nearest neighbors (KNN) method. Then, we will continue to categorize nutritional status from the classification results to determine the patient's body condition. Continue calculating BMR, TDEE, and deficit/surplus. The daily calorie results will be converted into meal planning for 1 week.
Based on research that has been carried out, we obtained the highest accuracy results using 16 attributes, namely FAVC, FCVC, NCP, CAEC, CH20, CALC, SCC, FAF, TUE, MTRANS, AGE, Height, Weight, Gender, SMOKE, Family_history_with_overweight, using k= 1 and 7-fold get a value of 90.05%. Classification testing on websites with the Confusion Matrix and 8 test data produces a score of 100%. Meal planning will be carried out by setting 3 meals in 1 day, with each meal having 3 menus, namely staple food, vegetables and side dishes whose portions have been adjusted to the patient's daily calories.
Keywords: knn, obesity, meal-planning, website.