Prediksi Penyakit Hipertensi Menggunakan Metode Decison Tree dan Random Forest

Abstract

Hipertensi merupakan isu kesehatan masyarakat yang penting dimana jarang menyebabkan gejala nyata pada kesehatan fungsional pasien. Hipertensi merupakan faktor resiko utama pada penyakit jantung coroner, gagal jantung serta stroke. Faktor penyebab terjadinya hipertensi adalah umur, jenis kelamin, Riwayat keluarga, genetic, kebiasaan merokok, obesitas, kurang aktivitas fisik, stress, dan penggunaan esterogen. Saat ini teknologi semakin berkembang. Dalam konteks perkembangan teknologi, komunitas medis diberikan kemudahan dengan adanya solusi berbasis teknologi. Salah satu di antaranya adalah program yang memanfaatkan kecerdasan buatan untuk deteksi penyakit hipertensi, dengan implementasi dalam bidang kecerdasan mesin (machine learning). Penelitian ini bertujuan memberikan kontribusi terhadap pengembangan aplikasi yang dapat membantu para profesional medis, terutama dokter dan rumah sakit, dalam mendiagnosis penyakit hipertensi dengan tingkat akurasi yang optimal. metode yang digunakan dalam penelitian ini yaitu decision tree dan random forest. tTahapannya meliputi pemrosesan ulang data hingga evaluasi. Metode decision tree menghasilkan akurasi mencapai 100%, dan hasil yang sama juga diperoleh dari metode random forest. Dengan keduanya meraih akurasi maksimal, penelitian ini memperkuat kemampuan kedua metode tersebut dalam mendiagnosis serta mengelola penyakit hipertensi secara efektif