VOKASI NEWS – Sistem prediksi workout berbasis web dengan Random Forest membantu pemula memilih latihan sesuai kondisi fisik dan membuka peluang riset lanjut.
Banyak mahasiswa maupun masyarakat umum yang baru memulai aktivitas olahraga kerap mengalami kebingungan dalam menentukan jenis workout yang sesuai dengan kondisi fisiknya. Masalah ini cukup umum terjadi karena kebutuhan latihan setiap individu berbeda, tergantung pada faktor usia, jenis kelamin, berat badan, hingga tingkat pengalaman. Menjawab tantangan tersebut, sebuah penelitian di kampus menghadirkan inovasi berupa sistem prediksi tipe workout. Inovasi ini berbasis web yang dirancang untuk memberikan rekomendasi latihan secara lebih personal.
Penerapan Algoritma Random Forest dalam Sistem Rekomendasi Workout
Sistem ini dibangun dengan memanfaatkan algoritma Random Forest, salah satu metode machine learning yang dikenal efektif dalam melakukan klasifikasi data. Mekanisme kerjanya sederhana bagi pengguna: mereka cukup menginput data kondisi fisik ke dalam sistem, kemudian model akan memproses informasi tersebut untuk menghasilkan prediksi tipe workout yang paling sesuai. Harapannya, sistem ini dapat membantu pemula agar tidak salah memilih latihan yang justru berisiko bagi tubuh.
Dalam tahap pengembangan, tim peneliti terlebih dahulu melakukan pra-pemrosesan data. Langkah ini penting untuk memastikan data yang digunakan benar-benar bersih dan layak diolah. Proses ini mencakup penanganan data kosong, mendeteksi serta memperbaiki data yang tidak wajar, hingga normalisasi agar semua variabel berada dalam skala yang seimbang. Setelah itu, model Random Forest yang digunakan juga melalui hyperparameter tuning, yakni proses penyesuaian parameter agar kinerjanya bisa lebih optimal.
Tantangan dan Peluang Pengembangan Sistem Prediksi Workout
Hasil akhir menunjukkan bahwa sistem mampu mencapai akurasi prediksi sebesar 27%. Angka ini memang masih terbilang rendah, namun tetap memberikan gambaran awal tentang potensi sistem yang dikembangkan. Temuan ini juga menggarisbawahi satu hal penting: Kualitas dan karakteristik data ternyata menjadi faktor utama yang sangat menentukan performa model. Dengan kata lain, meskipun algoritma telah dioptimalkan, jika data yang digunakan tidak kaya dan representatif, maka hasil prediksi tetap terbatas.
Bagi dunia akademik, penelitian ini memberikan kontribusi awal yang berharga. Selain menunjukkan tantangan dalam penerapan kecerdasan buatan di bidang kesehatan dan kebugaran, proyek ini juga membuka peluang pengembangan lebih lanjut. Dengan pengumpulan data primer yang lebih baik dan keterlibatan pakar olahraga, sistem prediksi tipe workout berbasis web ini berpotensi menjadi panduan digital yang efektif bagi pemula dalam memulai perjalanan fitness mereka.
[BACA JUGA: Sistem Rekomendasi Parfum Berbasis Content-Based Filtering dan K-Means Clustering]
***
Penulis: Mahendy Arya Putra Airlangga
Editor: Habibah Khaliyah
