ZAELANI, Cholid Machfudz (2026) Klasifikasi Hipertensi Menggunakan Metode Random Forest. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Other (FULL TEXT) 24060119140141_Cholid Machfudz Zaelani_Bebas Perpus FSM.rar Restricted to Repository staff only Download (3MB) | Request a copy
	Text 1. COVER.pdf Download (57kB)
	Text 3. HALAMAN PENGESAHAN.pdf Download (461kB)
	Text 4. KATA PENGANTAR.pdf Download (570kB)
	Text 6. ABSTRAK.pdf Download (29kB)
	Text 7. ABSTRACT.pdf Download (28kB)
	Text 8. DAFTAR ISI.pdf Download (268kB)
	Text 11. BAB I PENDAHULUAN.pdf Download (45kB)
	Text 16. DAFTAR PUSTAKA.pdf Download (101kB)

Abstract

Hipertensi merupakan salah satu penyakit kronis dengan prevalensi tinggi yang menjadi faktor
risiko utama penyakit kardiovaskular secara global. Klasifikasi status hipertensi yang akurat
sangat penting untuk mendukung penegakan diagnosis dan mencegah komplikasi fatal.
Penelitian ini bertujuan untuk mengklasifikasikan status hipertensi menggunakan algoritma
Random Forest berdasarkan parameter data klinis pasien. Dataset yang digunakan bersumber
dari repositori publik Kaggle dan melalui tahapan preprocessing, seleksi fitur menggunakan
Pearson Correlation, serta pemodelan klasifikasi menggunakan algoritma Random Forest..
Pemodelan dilakukan dengan proporsi 80% data latih dan 20% data uji. Hasil evaluasi
menunjukkan bahwa Random Forest memberikan performa sangat baik dengan tingkat akurasi
mencapai 99%. Selain itu, analisis Feature Importance membuktikan bahwa variabel tipe nyeri
dada (chest pain), denyut jantung maksimum (thalach), dan jumlah pembuluh darah utama (ca)
memiliki kontribusi paling dominan dalam klasifikasi. Penelitian ini diharapkan dapat menjadi
landasan sistem pendukung keputusan medis guna memfasilitasi proses skrining dan klasifikasi
hipertensi yang lebih otomatis, akurat, dan efisien.
Kata kunci: Hipertensi, Random Forest, Klasifikasi, Pearson Correlation, Pembelajaran
Mesin

Actions (login required)

View Item