Klasifikasi Pasien Hipertensi Menggunakan K-Means dan SVM pada data Sindrom Metabolik

Abstract

Hipertensi merupakan faktor utama dalam sindrom metabolik yang berisiko menyebabkan penyakit kardiovaskular. Penelitian ini bertujuan mengembangkan model klasifikasi hipertensi berbasis machine learning menggunakan Support Vector Machine (SVM) dan K-Means Clustering. Metode yang digunakan meliputi pengolahan data, pengelompokan pasien dengan K-Means, serta klasifikasi menggunakan SVM. Evaluasi model dilakukan menggunakan akurasi, precision, recall, F1-score, confusion matrix, dan ROC Curve. Hasil penelitian menunjukkan akurasi sebesar 99.05%, dengan precision, recall, dan F1-score hampir sempurna. ROC Curve menunjukkan AUC = 1.00 untuk semua kelas, menandakan model memiliki performa optimal. Kesimpulannya, model ini mampu mengklasifikasikan hipertensi secara akurat dan dapat digunakan sebagai sistem pendukung keputusan medis.