Implementasi Algoritma Support Vector Machine (SVM) dan Random Forest Untuk Klasifikasi Penyakit Hipertensi Berdasarkan Data Kesehatan

Hipertensi merupakan penyakit tidak menular yang menjadi penyebab utama kematian di Indonesia. Di Puskesmas Anggadita, prevalensi hipertensi cukup tinggi dengan kurang lebih dari 1.000 pasien terdiagnosis setiap tahun. Permasalahan yang dihadapi menurut kepala puskesmas yaitu, belum tersedia klasifikasi data pasien hipertensi dan normal yang terstruktur. Karena datanya masih tercampur antara pasien hipertensi, normal, dan diabetes. Penelitian ini bertujuan mengembangkan model klasifikasi hipertensi menggunakan algoritma Support Vector Machine (SVM) dan Random Forest (RF). Data sebanyak 3.230 pasien digunakan, melalui tahapan preprocessing seperti penanganan missing values, penghapusan duplikat, label encoding, normalisasi, dan pemilihan fitur dengan analisis korelasi, serta pembagian data menjadi training dan testing. Model SVM menggunakan kernel Radial Basis Function (RBF), sementara RF menggunakan 100 pohon keputusan. Evaluasi dilakukan menggunakan confusion matrix dengan metrik akurasi presisi, recall, dan f1-score. Hasil menunjukkan model SVM memperoleh akurasi 97%, presisi 0.98 (Normal) dan 0.96 (Hipertensi), serta f1-score 0.98 dan 0.96. Sedangkan model RF menunjukkan performa lebih baik dengan akurasi 98%, presisi 1.00 (Normal) dan 0.97 (Hipertensi), serta f1-score masing-masing 0.99. Dengan demikian, algoritma Random Forest dinilai lebih unggul dan berpotensi diimplementasikan sebagai alat bantu dalam pengelolaan data pasien hipertensi di fasilitas kesehatan.

Kata Kunci: Hipertensi, Klasifikasi, Random Forest, Support Vector Machine