Apakah hasil prediksi ini diagnosis medis?

Tidak. Hasil berasal dari model machine learning dan tidak boleh digunakan sebagai diagnosis atau saran medis.

Model apa yang digunakan aplikasi ini?

Aplikasi menggunakan model Decision Tree melalui API AutoTrain dengan lima fitur input: usia, tinggi, berat, riwayat keluarga, dan moda transportasi.

Aplikasi interaktif · API aktif

Deteksi Obesitas dengan Machine Learning

Masukkan lima fitur yang digunakan model, jalankan prediksi, lalu lihat kelas, confidence, dan probabilitas hasil Decision Tree secara langsung.

02 · Output

Hasil klasifikasi

Hasil langsung dari Decision Tree API.

Prediksi kelasBelum dijalankan0/100

Menunggu data

Isi data lalu jalankan prediksi.

BMI–Belum dihitung

Confidence–Probabilitas kelas tertinggi

Model–AutoTrain API

Probabilitas kelas

Catatan: hasil model bukan diagnosis kesehatan, kalkulator klinis, atau rekomendasi diet personal.

Dari input menuju prediksi yang bisa dibaca.

Lima fitur dikirim ke model Decision Tree, diproses oleh pipeline AutoTrain, lalu dikembalikan sebagai kelas, confidence, dan probabilitas tujuh kategori.

Fitur

Usia, tinggi, berat, riwayat keluarga, dan moda transportasi menjadi input mentah model.

Preprocessing

Fitur kategori dikodekan dengan OneHotEncoder, sedangkan fitur numerik diteruskan ke estimator.

Klasifikasi

Decision Tree memilih satu dari tujuh kelas dan mengembalikan probabilitas setiap kelas.

Bagaimana aplikasi ini bekerja?

Form mengirim lima fitur sesuai schema API AutoTrain. Pipeline model memproses fitur numerik dan kategori, lalu Decision Tree menghasilkan kelas prediksi beserta confidence dan probabilitasnya. BMI dihitung di browser hanya sebagai konteks tambahan dan bukan bagian dari output model. Endpoint tidak menyediakan feature importance per prediksi, sehingga halaman menampilkan nilai input yang benar-benar diproses tanpa mengarang kontribusi fitur.