FAZLA, AINA (2026) KLASIFIKASI FAKTOR RISIKO HIPERTENSI BERDASARKAN DATA RIWAYAT KESEHATAN MENGGUNAKAN ALGORITMA C4.5 DI PUSKESMAS KECAMATAN PEUDAWA. S1 thesis, Universitas Malikussaleh.

	Text COVER AINA FAZLA.pdf Download (55kB)
	Text ABSTRAK AINA FAZLA.pdf Download (98kB)
	Text BAB 1 AINA FAZLA.pdf Download (93kB)
	Text DAPUS AINA FAZLA.pdf Download (167kB)
	Text skripsi Aina Fazla_210170068 Sidang.pdf Restricted to Registered users only Download (1MB)

Abstract

Hipertensi merupakan salah satu penyakit tidak menular yang banyak terjadi pada masyarakat dewasa hingga lansia dan berpotensi menimbulkan komplikasi serius apabila tidak terdeteksi sejak dini. Permasalahan yang sering ditemukan di fasilitas pelayanan kesehatan adalah proses identifikasi risiko hipertensi yang masih dilakukan secara manual sehingga kurang efisien dan tidak terstruktur. Di Puskesmas Kecamatan Peudawa, pengelolaan data pasien juga masih dilakukan secara manual sehingga menghambat proses pencarian serta pemantauan data pasien. Oleh karena itu, diperlukan suatu metode yang dapat membantu dalam mengklasifikasikan tingkat risiko hipertensi secara lebih cepat dan akurat. Penelitian ini bertujuan untuk mengklasifikasikan risiko hipertensi berdasarkan data riwayat kesehatan pasien menggunakan algoritma C4.5 di Puskesmas Kecamatan Peudawa. Dataset yang digunakan berjumlah 600 data pasien dengan beberapa atribut, yaitu jenis kelamin, umur, berat badan, tinggi badan, lingkar perut, tekanan darah, riwayat merokok, serta pola makan. Data kemudian dibagi menjadi 80% training dan 20% testing. Proses pembentukan model dilakukan dengan membangun Decision Tree melalui tahapan perhitungan entropy, information gain, split information, dan Gain Ratio untuk menentukan atribut terbaik. Hasil perhitungan menunjukkan bahwa atribut lingkar perut memiliki nilai Gain Ratio tertinggi sehingga dipilih sebagai root node. Hasil menunjukkan bahwa sebanyak 37 pasien termasuk dalam kategori risiko rendah, 269 pasien kategori risiko sedang, dan 294 pasien kategori risiko tinggi. Evaluasi model menggunakan Confusion matrix menunjukkan bahwa model yang dihasilkan memiliki tingkat akurasi sebesar 85%, precision sebesar 82%, recall sebesar 89%, serta F1-score sebesar 84%. Selain itu, penelitian ini juga menghasilkan sistem klasifikasi berbasis web yang mampu mengolah data riwayat kesehatan pasien secara otomatis dan menampilkan hasil klasifikasi risiko hipertensi secara langsung. Sistem ini tidak digunakan sebagai alat diagnosis medis, melainkan sebagai alat bantu klasifikasi risiko hipertensi untuk mendukung deteksi dini dan tindak lanjut pasien.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	aina fazla
Date Deposited:	04 Sep 2026 04:54
Last Modified:	04 Sep 2026 04:54
URI:	https://rama.unimal.ac.id/id/eprint/22406

Actions (login required)

View Item