<![CDATA[Hipertensi adalah masalah kesehatan serius yang mempengaruhi sebagian besar populasi global. Deteksi dini dan pengelolaan yang tepat sangat penting untuk mencegah komplikasi serius, seperti penyakit kardiovaskular yang dapat berujung pada kematian. Penelitian ini menggunakan pendekatan machine learning dengan algoritma regresi logistik untuk mengidentifikasi hipertensi berdasarkan data klinis, termasuk informasi demografis, faktor gaya hidup, dan riwayat medis pasien. Melalui seleksi fitur dan pelatihan model, regresi logistik terbukti efektif dalam memprediksi hipertensi. Hasil penelitian menunjukkan bahwa regresi logistik mencapai akurasi 91% pada data uji dan F1-score sebesar 0.934, menandakan keseimbangan yang baik antara presisi dan recall. Model ini memberikan manfaat signifikan bagi klinisi dalam merancang intervensi dini dan strategi pengobatan yang lebih personal. Selain itu, penggunaan machine learning dalam konteks ini dapat mempercepat proses diagnosis dan meningkatkan akurasi penanganan. Penelitian lebih lanjut diharapkan memanfaatkan dataset yang lebih luas dan mengembangkan algoritma machine learning yang lebih canggih untuk meningkatkan akurasi prediksi dan memperluas aplikasi klinis, sehingga membantu lebih banyak pasien mendapatkan perawatan tepat waktu dan efektif.]]>
Copyrights © 2024
