ABSTRAK
RISKI RISITA, Penerapan Algoritma Random Forest Untuk Klasifikasi Penyakit Hipertensi (dibimbing Oleh Syahrullah Disa dan Randy Angriawan).
Permasalahan yang muncul terkait dengan meningkatnya jumlah kasus hipertensi setiap tahun adalah bertambahnya data pasien yang kurang dikelola dengan baik, sehingga menimbulkan kendala dalam penanganan kasus hipertensi. Untuk mengatasi hal ini, penelitian ini menawarkan solusi melalui klasifikasi penyakit hipertensi menggunakan Algoritma Random Forest, yang diusulkan untuk mengatasi kelemahan Decision Tree. Oleh karena itu, peneliti menawarkan solusi dari permasalahan dengan menerapkan Algoritma Random Forest untuk Klasifikasi Penyakit Hipertensi. Penelitian ini bertujuan untuk melakukan klasifikasi hipertensi menggunakan Random Forest. Data ini diperoleh melalui penelitian lapangan dan penelitian pustaka. Hasil penelitian menunjukkan bahwa tingkat akurasi, presisi, recall, dan f1-score tertinggi pada split dataset 90:10 menggunakan Random Forest, berturut-turut sebesar 93%, 89%, 91%, dan 90%. Sementara dengan Decision Tree diperoleh akurasi, presisi, recall, dan f1-score masing-masing sebesar 87%, 83%, 80%, dan 82%. Berdasarkan hasil ini, disimpulkan bahwa Random Forest lebih unggul dibandingkan Decision Tree dalam klasifikasi penyakit hipertensi.

Kata Kunci: Hipertensi, Random Forest, Decision Tree, Perbandingan,klasifikasi