<![CDATA[Hipertensi tampaknya menjadi faktor utama dalam perkembangan penyakit seperti stroke, gagal jantung, infark miokard, fibrilasi atrium, penyakit arteri perifer, dan diseksi aorta. Prediksi dini jenis hipertensi dari riwayat kesehatan merupakan hal yang penting agar kita dapat mengetahui penyakit yang disebabkan olehnya. Prediksi ini dapat diperoleh dengan memanfaatkan teknologi machine learning untuk menemukan pengetahuan baru dari data dasar sehingga menemukan pola yang valid, berguna, dan mudah dipelajari. Model klasifikasi random forest diusulkan dalam penelitian ini. Kontribusi kami dalam penelitian ini adalah membuat model klasifikasi random forest dengan teknik baru yaitu perbaikan data untuk melakukan tuning hyperparameter. Kami melihat peneliti sebelumnya hanya mengejar nilai akurasi yang tinggi semata. Berbeda dengan penelitian sebelumnya, kami menggunakan teknik optimasi hyperparameter gridsearch cv pada model klasifikasi random forest. Parameter terbaik untuk model random forest yaitu max_depth = 80, max_features = 3, min_samples_leaf = 3, min_samples_split = 8, dan n_estimators = 1000 yang direkomendasikan dari teknik gridsearch cv. Akurasi sebelum optimasi adalah 72,3%, sedangkan setelah optimasi adalah 86,1%. Hal ini menunjukkan peningkatan akurasi sebesar 13,7% setelah menerapkan metode grid search cv pada klasifikasi jenis hipertensi menggunakan model random forest]]>
Copyrights © 2022
