Perbandingan Kinerja Metode Support Vector Regression dan Metode Regresi Linier Berganda dalam Memprediksi BMI pada Dataset ASTHMA

Abstrak

Body Mass Index (BMI) merupakan metode untuk mengevaluasi apakah seseorang memiliki berat badan ideal, yang berperan penting dalam mengidentifikasi risiko kesehatan seperti penyakit jantung dan diabetes. Dalam penelitian ini, BMI digunakan sebagai variabel prediktor untuk menentukan kemungkinan seseorang menderita asma, yaitu penyakit kronis yang memengaruhi saluran pernapasan. Untuk memprediksi BMI berdasarkan variabel-variabel lain dalam dataset Asthma, penelitian ini membandingkan dua metode regresi, yaitu regresi linier berganda dan Support Vector Regression (SVR). Evaluasi akurasi model dilakukan menggunakan Mean Absolute Percentage Error (MAPE), yang mengukur kesalahan prediksi dalam bentuk persentase, di mana nilai MAPE yang lebih rendah menunjukkan tingkat akurasi prediksi yang lebih baik. Data uji dibagi menjadi empat skenario, yaitu 10%, 20%, 30%, dan 40% dari keseluruhan data. Hasil perhitungan menunjukkan bahwa metode regresi linier berganda menghasilkan nilai MAPE sebesar 15,42%; 15,44%; 15,51%; dan 15,63% secara berturut-turut. Sementara itu, metode SVR menghasilkan nilai MAPE sebesar 15,77%; 15,74%; 15,77%; dan 15,81%. Berdasarkan hasil tersebut, regresi linier berganda terbukti memberikan prediksi yang lebih akurat dibandingkan SVR dalam konteks dataset Asthma. Dengan demikian, regresi linier berganda lebih efektif dalam memodelkan BMI dibandingkan SVR dan dapat menjadi pertimbangan penting dalam pengembangan model prediktif untuk mendukung pengambilan keputusan terkait risiko penyakit pernapasan seperti asma.