Prediksi Risiko Hipertensi menggunakan Hybrid Deep Neural Network dan Random Forest [IAU, NII]

Abstract

Hipertensi yang umum dikenal sebagai tekanan darah tinggi, merupakan kondisi kesehatan yang sangat umum dengan dampak besar karena membahayakan dan dapat menyebabkan kematian. Keterlambatan dalam mendeteksi hipertensi adalah salah satu masalah utama saat ini. Untuk mempermudah pendeteksian secara dini, diperlukan sistem untuk memprediksi penyakit hipertensi. Penelitian ini bertujuan untuk membuat prediksi risiko hipertensi menggunakan Hybrid Deep Neural Network dan Random Forest. Permasalahan yang diangkat pada penelitian ini adalah bagaimana meningkatkan akurasi prediksi dan mempertahankan inpretabilitas model dalam prediksi risiko hipertensi. Metode yang digunakan adalah pra-pemrosesan, pelatihan model hybrid Deep Neural Network dan Random Forest untuk pembelajaran fitur kompleks, serta penggabungan hasil keluaran algoritma Random Forest untuk pengambilan keputusan akhir. Penelitian ini hanya memfokuskan proses prediksi menggunakan dataset yang tersedia tanpa melakukan interpretasi medis secara mendalam.