Putri Khairunnisa, - (2025) KLASIFIKASI PENYAKIT HIPERTENSI MENGGUNAKAN ALGORITMA BACKPROPAGATION BERDASARKAN DATA REKAM MEDIS. Skripsi thesis, UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM RIAU.

Preview	Text File lengkap sampai lampiran kecuali hasil penelitian (Bab IV).pdf Download (10MB) | Preview
	Text File Hasil Penelitian (Bab IV).pdf Restricted to Repository staff only Download (2MB)

Abstract

Hipertensi merupakan kondisi medis yang dapat meningkatkan risiko penyakit kardiovaskular dan kematian, serta sering disebut sebagai “silent killer” karena gejalanya yang tidak terlihat. Penelitian ini bertujuan untuk mengembangkan model klasifikasi hipertensi menggunakan Algoritma Backpropagation Neural Network (BPNN) dengan mempertimbangkan faktor risiko seperti kebiasaan merokok dan riwayat keluarga hipertensi. Data sekunder yang digunakan berasal dari RSUD Kota Dumai dengan 974 sampel rekam medis yang mencakup atribut usia, jenis kelamin, riwayat keluarga hipertensi, tekanan darah sistolik, tekanan darah diastolik, berat badan, dan status merokok. Proses penelitian mencakup integrasi data, preprocessing (pembersihan, transformasi, dan normalisasi), serta pembagian data latih dan data uji. Pengujian dilakukan dengan berbagai konfigurasi hyperparameter BPNN, seperti jumlah neuron, fungsi aktivasi, optimizer, dan learning rate. Hasil penelitian menunjukkan bahwa Algoritma BPNN dengan kombinasi fungsi aktivasi Tanh, optimizer Adamax, learning rate 0,01, dan 50 hidden neuron dengan pembagian data 80:20 menghasilkan akurasi pengujian 100%, yang lebih tinggi dibandingkan dengan model sebelumnya seperti C4.5 Decision Tree dan Random Forest. Faktor merokok dan riwayat keluarga hipertensi ditemukan memiliki pengaruh signifikan terhadap risiko hipertensi. Dengan akurasi tinggi dan stabilitas model yang baik, hasil penelitian ini membuka peluang pengembangan sistem prediksi berbasis kecerdasan buatan untuk diagnosis dini dan pengelolaan hipertensi secara lebih efektif.

Actions (login required)

View Item