Klasifikasi Hipertensi Berbasis Photoplethysmography Menggunakan Kombinasi Fitur Domain Waktu dan Domain Frekuensi dengan Random Forest

Christian Dharmawan, Michael (2026) Klasifikasi Hipertensi Berbasis Photoplethysmography Menggunakan Kombinasi Fitur Domain Waktu dan Domain Frekuensi dengan Random Forest. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (528kB)
	PDF BAB_I.pdf Download (275kB)
	PDF BAB_II.pdf Download (641kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (466kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (764kB)
	PDF BAB_V.pdf Restricted to Registered users only Download (185kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (220kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)
	Archive (ZIP) 00000042678_2521_LembarPengesahan.pdf Restricted to Registered users only Download (64kB)

Abstract

Hipertensi merupakan salah satu penyakit tidak menular yang meningkatkan risiko penyakit kardiovaskular. Pengukuran tekanan darah menggunakan cuff masih bersifat periodik dan kurang praktis untuk pemantauan berkelanjutan. Penelitian ini bertujuan mengembangkan model klasifikasi hipertensi secara non-invasif menggunakan sinyal Photoplethysmography (PPG) melalui kombinasi fitur domain waktu dan domain frekuensi. Data yang digunakan berasal dari China PPG-BP Database. Tahapan penelitian meliputi preprocessing menggunakan bandpass filter pada rentang frekuensi 0,5­8 Hz, ekstraksi fitur domain waktu berupa systolic peak, diastolic peak, pulse width mean, pulse width standard deviation, dan pulse area mean, serta fitur domain frekuensi berupa Power Spectral Density (PSD) mean dan PSD max. Klasifikasi dilakukan menggunakan algoritma Random Forest melalui tiga skenario, yaitu fitur domain waktu, fitur domain frekuensi, dan kombinasi kedua domain. Data dibagi menjadi 80% data pelatihan dan 20% data pengujian, kemudian dievaluasi menggunakan accuracy, precision, recall, F1-score, dan confusion matrix. Hasil pengujian menunjukkan bahwa fitur domain waktu menghasilkan accuracy sebesar 67,42%, fitur domain frekuensi sebesar 64,39%, sedangkan kombinasi kedua domain menghasilkan performa terbaik dengan accuracy sebesar 68,94%, precision sebesar 64,61%, recall sebesar 68,94%, dan F1-score sebesar 63,32%. Hasil tersebut menunjukkan bahwa kombinasi fitur domain waktu dan domain frekuensi mampu meningkatkan performa klasifikasi dibandingkan penggunaan masing-masing domain secara terpisah serta berpotensi mendukung pengembangan sistem klasifikasi hipertensi berbasis PPG secara non-invasif.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Christian Dharmawan, Michael (00000042678)
Contributors:	Pratiwi, Monica
Keywords:	Hipertensi, Photoplethysmography (PPG), Ekstraksi Fitur, Power Spectral Density (PSD), Random Forest
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware
Divisions:	Faculty of Engineering & Informatics > Computer Engineering
Date Deposited:	22 Jul 2026 07:57
URI:	https://kc.umn.ac.id/id/eprint/47838

Actions (login required)

View Item