Berbagai macam penyakit degeneratif seperti penyakit jantung dan stroke, dapat muncul akibatdari obesitas. Oleh karena itu, penting adanya pengetahuan dalam kasus tingkatobesitas sehingga dapat dilakukan penanganan dini, caranya yaitu dengan teknikklasifikasi. ELM merupakan metode pembelajaran baru darijaringan syaraf tiruan dengan single hidden layer atau biasa disebut single hiddenlayer feedforward neural network. Data obesitas yang digunakan dalam penelitian ini merupakan data tidak seimbang, pada beberapa kasus hal ini dapat berpengaruh terhadap hasil klasifikasi. SMOTE merupakan metode oversampling yang sudahterbukti dapat menangani data tidak seimbang. Tujuan penelitian ini adalah untuk mengetahui seberapa besar pengaruh SMOTE dalam klasifikasi tingkat kemungkinan obesitas menggunakan ELM. Dari pegujian yang telah dilakukan didapatkan bahwa kinerja paling tinggi pada data tanpa penambahan SMOTE didapat pada jumlah 100 hidden neuron dengan akurasi 67% dan AUC 0,81. Sedangkan untuk data dengan penambahan SMOTE diperoleh hasil paling tinggi pada 500 hidden neuron dengan akurasi 84% dan AUC 0,93.