Obesitas merupakan gangguan kesehatan yang disebabkan karena
ketidakseimbangan antara energi yang masuk dan energi yang dikeluarkan oleh tubuh yang dipengaruhi oleh berbagai faktor seperti pola makan tidak sehat dan kurangnya aktivitas fisik. Penelitian ini bertujuan membangun aplikasi berbasis android untuk mengestimasi tingkat obesitas seseorang berdasarkan aktivitas fisik dan pola makan dengan memanfaatkan machine learning. Dua algoritma klasifikasi, yaitu Naive Bayes dan K-Nearest Neighbors (KNN), dibandingkan performanya dengan menggunakan dataset dari UC Irvine Machine Learning Repository yang terdiri atas 2111 data dengan 7 kategori tingkat obesitas. Hasil dari training model algoritma klasifikasi menunjukkan kalau model K-Nearest Neighbors (KNN) memperoleh akurasi sebesar 88,04%, jauh lebih unggul dibandingkan model Naive Bayes yang hanya mencapai akurasi 55,50%, sehingga model K-Nearest Neighbors (KNN) yang dipilih untuk diimplementasikan ke dalam aplikasi. Aplikasi dikembangkan menggunakan framework Flutter dengan Flask API sebagai penghubung antara aplikasi dan model machine learning. Dilakukan beberapa pengujian yakni Blackbox Testing yang menunjukkan seluruh fitur utama aplikasi berjalan sesuai fungsinya, sedangkan User Acceptance Test memperoleh rata-rata skor 80,25% yang tergolong dalam kategori sangat layak, meskipun masih ditemukan catatan perbaikan pada penyajian informasi gizi di fitur rekomendasi makanan. Aplikasi ini membantu masyarakat melakukan deteksi dini risiko obesitas secara mandiri dan cepat, sekaligus memberikan kontribusi pada bidang teknologi kesehatan melalui pendekatan data science.