Literature Review: Klasifikasi Penyakit Hipertensi Dengan Pendekatan Neural Network
Keywords:
Hipertensi, Neural Network, Klasifikasi, Artificial Neural Network, Convolutional Neural Network, Optimasi Hyperparameter, Preprocessing Data, Deteksi DiniAbstract
Tinjauan pustaka ini mengkaji penyakit hipertensi dengan menggunakan metode Artificial Neural Network. Tinjauan literatur dilakukan dengan mengumpulkan dan menganalisis artikel relevan yang diterbitkan dalam jangka waktu tertentu. Model Artificial Neural Network (ANN) dengan optimasi hyperparameter mencapai akurasi 85%, dan JST propagasi mundur feedforward mencapai akurasi 96% setelah pemrosesan data intensif. ModelConvolutional Neural Network (CNN)digunakan untuk mendeteksi retinopati hipertensi dari gambar fundus dengan akurasi 67%. Penelitian lain menunjukkan bahwa pengoptimalan fitur dapat meningkatkan akurasi hingga 94,6%, dan teknik oversampling dapat membantu menyeimbangkan kumpulan data dan meningkatkan akurasi. Pendekatan jaringan saraf telah menjanjikan dalam diagnosis dan deteksi dini hipertensi dan sangat penting untuk intervensi medis yang tepat waktu.
References
Nurhafifah Matondang, Mayanda Mega Santoni, Nurul Chamidah. (2019). Deteksi Hipertensi Dengan Metode Artificial Neural Network.
Purwono Purwono, Pramesti Dewi, Sony Kartika Wibisono, Bala Putra Dewa. (2022). Model Prediksi Otomatis Jenis Penyakit Hipertensi dengan Pemanfaatan Algoritma Machine Learning Artificial Neural Network. Vol.7No.2.
Hilda Zaqya Elnaz Putri, Hisyam Fahmi. (2024). Implementasi Metode Support Vector Machine Pada Klasifikasi Diagnosis Penyakit Hipertensi. Volume 3(5), Pages 241-249.
Nurul Chamidah, Mayanda Mega Santoni, Nurhafifah Matondang. (2020). Pengaruh Oversampling pada Klasifikasi Hipertensi dengan Algoritma Naïve Bayes, Decision Tree, dan Artificial Neural Network (ANN). Vol. 4 No. 4, 635-641.
Annisa Septiani. (2020). KLASIFIKASI PENYAKIT JANTUNG MENGGUNAKAN METODE RECURRENT NEURAL NETWORK (RNN).
Sutrisno, Jupron. (2024). Analisa Klasifikasi Penyakit Diabetes dengan Algoritma Neural Network. Vol.6, No.3.
Fingki Marwati, Rizky Fauzi. PREDIKSI PENYAKIT DIABETES MELITUS MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN METODE BACKPROPAGATION. Hal. 26-34.
Syahrul Al Fadil Syahputra, Nur Mita Azizah, Jannibatu Aiman, Dinar Ainun Nikmah, Perani Rosyani. (2024). IDENTIFIKASI DAN PREDIKSI UMUR BERDASARKAN CITRA WAJAH MENGGUNAKAN DEEP LEARNINGALGORITMA Convolutional Neural Network(CNN). Volume2, No. 1 Hal 87-95.
Fazha Regina Pramushela, Maulidiya Alifiany, Tiara Octavia, Asninda Sari, Perani Rosyani. (2024). Studi Kasus Penerapan Multi-Task Cascaded Convolutional Neural Network Untuk Deteksi Banyak Wajah. Volume 2, No. 1 Hal 108-111.
Hazmy Auza’i, Mas Bagus Arisila Putra, Muhammad Azril Saputra, Rudi Hartono, Perani Rosyani. (2024). Implementasi Deep Learning untuk Deteksi Wajah dan Ekspresi menggunakan Algoritma Convolutional Neural Network (CNN) dengan OpenCV. Volume 1, No. 4 Hal261-265.
