Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Informatika Teknologi dan Sains (Jinteks)
Hilda Sukma Pertiwi
Universitas Mercu Buana Yogyakarta
Computer Science & IT Control & Systems Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
KLASIFIKASI RISIKO HIPERTENSI LANSIA BERBASIS DATA KESEHATAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK Hilda Sukma Pertiwi; Mutaqin Akbar
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 2 (2026): EDISI 28
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i2.7573

Abstract

Hipertensi merupakan penyakit tidak menular dan kerap dijuluki "silent killer" karena dapat merusak berbagai organ tubuh tanpa menunjukkan gejala yang jelas. Pada lansia, risiko hipertensi bertambah seiring penurunan elastisitas pembuluh darah sehingga diperlukan metode yang mampu mengklasifikasikan tingkat risiko secara akurat berbasis data kesehatan. Penelitian ini bertujuan mengklasifikasikan risiko hipertensi pada pasien lansia menggunakan Artificial Neural Network (ANN) berdasarkan data rekam medis RSUD KRT. Setjonegoro Wonosobo dengan jumlah 400 pasien lansia. Variabel yang digunakan terdiri dari sembilan fitur, yaitu umur, jenis kelamin, berat badan, tinggi badan, denyut nadi, sistolik, diastolik, kolesterol, dan gula darah. Tahap penelitian meliputi pembersihan data menggunakan fungsi dropna(), normalisasi dengan MinMaxScaler, penetapan label empat kelas (Normal, Pra-hipertensi, Hipertensi Grade 1, Hipertensi Grade 2), serta pembagian data 70% pelatihan dan 30% pengujian. Arsitektur terbaik yang diperoleh adalah ANN dengan dua hidden layer yang masing-masing terdiri dari 128 neuron, fungsi aktivasi ReLU dan Softmax, optimizer Adam, serta loss categorical cross-entropy. Model mencapai akurasi sebesar 98,33%, presisi 98,43%, recall 98,33%, dan skor F1 98,34%. Hasil penelitian menunjukkan bahwa ANN efektif digunakan untuk klasifikasi risiko hipertensi pada pasien lansia dengan tingkat kesalahan yang sangat minimal.
Co-Authors Mutaqin Akbar