Deteksi Hipotensi Dengan Metode Artificial Neural Network
Main Article Content
Abstract
Hipotensi atau tekanan darah rendah merupakan suatu kondisi di mana angka tekanan darah anda berada di bawah angka normal. Tekanan darah rendah menandakan bahwa jantung, otak, dan beberapa bagian tubuh lainya tidak mendapatkan darah sesuai dengan kebutuhanya. Umumnya prang yang rutin berolahraga memiliki tekanan darah lebih rendah disbanding orang yang jarang melakukan aktivitas fisik, Jika tekanan darah terlalu rendah akan mengalami pusing pada kepala, bahkan hingga pingsan, meski penyakit ini tergolong wajar tetapi apabila kondisinya sudah parah kondisi ini harus segera mendapatkan penanganan. Penelitian ini menggunakan motode Artificial Neural Network (ANN) Feed Forward Backpropagation untuk mendeteksi hipotensi berdasarkan ciri-ciri dan atau kebiasaan seseorang. Data hipotensi diperoleh dengan kuesioner kemudian dipraproses dengan melakukan imputasi pada missing value serta transformasi data untuk mengubah data pada range yang sama. hasi praproses digunakan untuk melatih model ANN dengan 25 input, 3 hidden neuron serta 1 output. Dengan learning rate 0.25 serta eporch sebanyak 1000, hasil percobaan menunjukkan akurasi hingga 96% dengan pembagian data latih sebesar 80% dan data uji sebesar 20%.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
References
C. Winarto, I. N. S. Negara, H. Aryanto, and U. K. Petra, “Perancangan Buku Edukasi Tentang,” pp. 2–6, 2016.
Y. Armiyati, “Hipotensi dan hipertensi intradialisis pada pasien Chronic Kidney Disease ( CKD ) saat menjalani hemodialisis di RS PKU Muhammadiyah Yogyakarta,” Semin. hasil-hasil penelitian-LPPM UNIMUS, no. ISBN: 978-602018809-0-6, pp. 126–135, 2012, [Online]. Available: http://jurnal.unimus.ac.id.
S. S. Priyo, A. W. Helmie, W. Indra, B. Nurdin, and T. W. K, “Chapter 7 Backpropagation dan Aplikasinya,” pp. 135–146, 2016.
N. C. Nurhafifah Matondang, Mayanda Mega Santoni, “Deteksi Hipertensi Dengan Metode Artificial Neural Network Nurhafifah Matondang , Mayanda Mega Santoni , Nurul Chamidah,” vol. 2, no. 1, pp. 24–25, 2019.