NARESWARA, Rendra Fadhila (2025) Klasifikasi Penderita Hipertensi Di Puskesmas Padangsari Dengan Regresi Logistik Biner Dan Algoritma Naive Bayes. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. Cover.pdf Download (244kB)
	Text 3. Halaman Pengesahan I.pdf Download (2MB)
	Text 4. Halaman Pengesahan II.pdf Download (2MB)
	Text 5. Kata Pengantar.pdf Restricted to Repository staff only Download (204kB) | Request a copy
	Text 6. Abstrak.pdf Download (240kB)
	Text 7. Abstract.pdf Download (240kB)
	Text 8. Daftar Isi.pdf Download (272kB)
	Text 12. BAB I.pdf Download (298kB)

Abstract

ABSTRAK
Hipertensi merupakan salah satu penyakit tidak menular dengan prevalensi
tinggi yang menjadi penyebab utama kematian global, sehingga deteksi dini dan
klasifikasi status hipertensi menjadi hal yang penting. Penelitian ini bertujuan untuk
membandingkan kinerja dua metode klasifikasi, yaitu Regresi Logistik Biner dan
algoritma Naïve Bayes, dalam mengklasifikasikan status hipertensi pada pasien di
Puskesmas Padangsari Kota Semarang. Kedua metode merupakan pendekatan
supervised learning yang populer dalam data mining adalah Regresi Logistik Biner
yang digunakan untuk mengidentifikasi pengaruh variabel independen terhadap
status hipertensi, dan Naïve Bayes menghitung probabilitas klasifikasi berdasarkan
asumsi independensi antar fitur. Penelitian dilakukan terhadap 600 data pasien
tahun 2024 dengan berbagai proporsi data training dan testing, serta evaluasi
menggunakan confusion matrix, sensitivitas, dan nilai AUC. Hasil penelitian
menunjukkan bahwa pada proporsi 70%:30%, Regresi Logistik Biner memiliki
kinerja terbaik dibandingkan proporsi lainnya, dengan akurasi pada data testing
sebesar 67,39% dan AUC sebesar 72,4%, serta akurasi pada data training sebesar
67,57% dan AUC sebesar 70,8%. Selisih sensitivitas yang kecil antara data training
dan testing (0,18%) menunjukkan kestabilan model dan ketidaktergantungan
terhadap overfitting. Oleh karena itu, metode Regresi Logistik Biner dinilai lebih
optimal dalam mengklasifikasikan status hipertensi pasien dibandingkan Algoritma
Naive Bayes.
Kata Kunci: Hipertensi, Regresi Logistik Biner, Naïve Bayes, Klasifikasi,
Akurasi, AUC

Actions (login required)

View Item