<![CDATA[Hipertensi merupakan salah satu penyakit tidakmenular yang berpotensi menimbulkan komplikasi serius danmenunjukkan tren peningkatan prevalensi baik secara globalmaupun nasional. Deteksi dini terhadap kondisi ini sangatpenting guna mencegah dampak kesehatan yang berbahaya.Penelitian ini bertujuan untuk membandingkan kinerja duaalgoritma machine learning, yaitu Support Vector Machine(SVM) dan Random Forest (RF), dalam memprediksi hipertensimenggunakan data rekam medis dari Puskesmas PurwokertoTimur I. Karena data hipertensi biasanya memiliki distribusikelas yang tidak seimbang, penelitian ini menerapkan teknikOversampling untuk menyeimbangkan data. Tahapanpenelitian mencakup preprocessing data, pembangunan modelmenggunakan algoritma SVM dan RF, serta evaluasi modeldengan metrik akurasi, presisi, recall, dan F1-score. Hasilpengujian menunjukkan bahwa algoritma RF memberikanhasil terbaik dengan akurasi mencapai 98,92%, sementaraSVM menghasilkan akurasi tertinggi sebesar 83,91%.Berdasarkan temuan tersebut, dapat disimpulkan bahwaalgoritma RF lebih efektif dalam melakukan prediksi hipertensipada data yang tidak seimbang, dan penerapan teknikOversampling secara signifikan dapat meningkatkan performamodel. Penelitian ini diharapkan dapat berkontribusi dalampengembangan sistem prediksi hipertensi yang lebih akuratuntuk mendukung upaya pencegahan dan pengelolaankesehatan masyarakat.Kata kunci—hipertensi, Prediksi, Oversampling, RandomForest, Support Vector Machine]]>
