Abstract:
Objektif kajian ini ialah untuk membina model Regresi Logistik dan model
Rangkaian Neural, untuk membandingkan dan mengenalpasti model ramalan
terbaik (model Regresi Logistik dan model Rangkaian Neural) untuk
meramalkan obesiti dan untuk mengenalpasti pembolehubah penting (faktor-
faktor) yang mempengaruhi obesiti. Data primer dikumpulkan daripada klinik
kencing manis di HUSM, Kota Bharu (KB), Kelantan. Kajian ini menggunakan
perisian SPSS Clementine versi 12.0 untuk membina model. Daripada kajian ini,
model terakhir yang digunakan untuk meramalkan obesiti adalah kaedah Prun
di dalam model Rangkaian Neural, kerana ia mempunyai nilai kadar ralat
terendah iaitu 0.1094 (10.94%), nilai kepekaan tertinggi iaitu 0.9298 (92.98%)
dan nilai ketentuan tertinggi iaitu 0.5714 (57.14%); manakala pembolehubah
penting/faktor yang mempengaruhi obesiti ialah berat badan.
