Nur Fitrianti Fahrudin, S.Kom., M.T. Dosen Pembimbing 1 Kurnia Ramadhan Putra, S.Kom., M.T Dosen Pembimbing 2 GAMAS BLOORY LAUTAN/162018002 Penulis

Obesitas atau yang lebih sering disebut dengan kegemukan merupakan salah satu masalah kesehatan yang ada dan salah satu masalah kesehatan terbesar di masyarakat saat ini. Prevalensi obesitas di Negara – negara maju maupun berkembang mengalami peningkatan. Banyak faktor yang bisa menyebabkan terjadinya obesitas, namun obesitas sebagian besar disebabkan oleh gaya hidup yang tidak sehat dimana penderitanya mengkonsumsi kalori dengan jumlah berlebih, terlalu sedikit beraktivitas atau juga bisa disebabkan keduanya. Obesitas seharusnya tidak hanya dianggap sebagai konsekuensi dari gaya hidup yang tidak sehat. Obesitas harus dipertimbangkan sebagai penyakit yang dapat menimbulkan faktor resiko penyakit lain. Oleh karena itu, pendeteksian dini tingkat obesitas itu penting dilakukan untuk menghindari faktor resiko penyakit lainnya. Oleh karena itu pada penelitian ini, peneliti berusaha untuk melakukan klasifikasi dengan menggunakan data mining terhadap data penderita obesitas yang berasal beberapa negara. Metode data mining yang digunakan adalah algoritma LightGBM. Algoritma LightGBM menggunakan teknik unik yang disebut dengan Gradient-Based One-Side Sampling (GOSS) untuk memfilter data sampel dan menemukan nilai pemisah terbaik. Hasil yang diperoleh menunjukan bahwa model LightGBM dapat dengan baik mengklasifikasikan level obesitas pada data yang ada dengan tingkat akurasi sebesar 96,6%.