Perancangan Aplikasi Prediksi Perubahan Berat Badan Berdasarkan Pola Latihan dan Nutrisi Harian ( Studi Kasus: Ladiva Gym )
DOI:
https://doi.org/10.54895/intech.v7i2.3704Keywords:
Naïve Bayes, Perancangan Aplikasi, Pola Latihan, Asupan Nutrisi, Rekomendasi Kebugaran, Sistem Berbasis WebAbstract
Kesehatan dan kebugaran tubuh dipengaruhi oleh pola latihan dan asupan nutrisi yang dilakukan secara teratur. Pemantauan terhadap kedua aspek tersebut diperlukan untuk mengetahui perkembangan berat badan dan menentukan program latihan serta pola makan yang sesuai. Pada Ladiva Gym, proses pemantauan dan evaluasi perkembangan fisik member masih dilakukan secara manual dan tertulis, sehingga kurang efisien dalam mengolah data serta menyulitkan pelatih dalam mengetahui hubungan antara pola latihan, asupan nutrisi, dan perubahan berat badan member secara terukur. Penelitian ini bertujuan untuk merancang dan membangun aplikasi berbasis web yang dapat menganalisis pola latihan dan asupan nutrisi harian untuk memprediksi perubahan berat badan member Ladiva Gym menggunakan metode Naïve Bayes. Metode Naïve Bayes diterapkan untuk melakukan klasifikasi berdasarkan beberapa atribut (usia, jenis kelamin, BMI, asupan kalori, protein, karbohidrat, lemak, frekuensi latihan, durasi latihan, dan jenis latihan). Hasil klasifikasi dibagi menjadi tiga kategori perubahan berat badan, yaitu Naik, Stabil, dan Turun. Hasil pengujian fungsionalitas menggunakan Black Box Testing menunjukkan bahwa aplikasi berbasis web ini berhasil dirancang, dibangun, dan dapat memfasilitasi monitoring perkembangan berat badan member secara terstruktur.
Downloads
References
S. Muhammad, A. Nazhiif, H. Sarwoto, and W. A. Firmansyah, “Penerapan Metode Naive Bayes untuk Klasifikasi Nilai Gizi Makanan,” Jejak Digital: Jurnal Ilmiah Multidisiplin, vol. 2, no. 1, pp. 337–347, 2025, doi: 10.63822/jd3nvf12.
A. P. Wijaya, * Penulis, and K. Diajukan, “Perbandingan Algoritma Klasifikasi Random Foresst dengan Naïve Bayes Classifier pada Studi Penyakit Berdasarkan Pola Nutrisi,” Remik: Riset dan E-Jurnal Manajemen Informatika Komputer, vol. 9, no. 1, 2025, doi: 10.33395/remik.v9i1.14652.
K. Kartarina, A. A. Hatina, R. Rismayati, B. F. Rahmiati, F. Fatimatuzzahra, and R. A. Husaini, “Klasifikasi Gizi Lansia Menggunakan Metode Naïve Bayes Classifier,” JTIM : Jurnal Teknologi Informasi dan Multimedia, vol. 6, no. 2, pp. 84–96, Jun. 2024, doi: 10.35746/jtim.v6i2.502.
M. H. Naveed, O. Bin Samin, M. Bilal, and M. Waseem, “IoT Based Health Monitoring with Diet, Exercise and Calories recommendation Using Machine Learning,” Human-Centric Intelligent Systems, vol. 5, no. 2, pp. 246–258, Jun. 2025, doi: 10.1007/s44230-025-00096-4.
A. Zubair and M. Muksin, “PENERAPAN METODE NAIVE BAYES UNTUK KLASIFIKASI STATUS GIZI (STUDI KASUS DI KLINIK BROMO MALANG),” Seminar Nasional Sistem Informasi, vol. 9, 2018.
J. V. Wie and M. Siddik, “PENERAPAN METODE NAÏVE BAYES DALAM MENGKLASIFIKASI TINGKAT OBESITAS PADA PRIA,” JOISIE Journal Of Information System And Informatics Engineering, vol. 6, no. Desember, pp. 69–77, 2022, [Online]. Available: https://www.kaggle.com/,
S. Hamdi et al., “PENERAPAN METODE WATERFALL DALAM PENGEMBANGAN WEBSITE USAHA MIKRO, KECIL DAN MENENGAH (STUDI KASUS : UMKM PENGRAJIN PANDAN LANJI BERSATU),” 2025.
R. A. Pradipta, P. B. Wintoro, and D. Budiyanto, “PERANCANGAN PEMODELAN BASIS DATA SISTEM INFORMASI SECARA KONSEPTUAL DAN LOGIKAL,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 10, no. 2, May 2022, doi: 10.23960/jitet.v10i2.2541.
K. ’ Afiifah, Z. Fira Azzahra, A. D. Anggoro, D. Redaksi, R. Akhir, and D. Online, “Universitas Negeri Jakarta; Jl. Rawamangun Muka Raya No.11 RW.14 Rawamangun,” JURNAL INTECH, vol. 3, no. 1, pp. 8–11, 2022.
Additional Files
Published
Issue
Section
Categories
License
Copyright (c) 2026 Vadista Cahya Maharani, Mochammad Adhari Adiguna (Author)
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
