IDENTIFIKASI HIPERTENSI DARI DATA GENOMIC MENGGUNAKAN HYBRID CNN-K MEAN CLUSTERING

Hipertensi merupakan penyakit degeneratif yang menjadi penyebab utama
kematian di seluruh dunia dan dikenal sebagai "Silent Killer" karena sering tidak
menunjukkan gejala awal. Deteksi dini dan pengelompokan pasien hipertensi
secara akurat sangat penting untuk penanganan yang efektif. Faktor genetik
berperan besar dalam risiko hipertensi, namun keterbatasan tenaga ahli di bidang
genetika menjadi kendala dalam diagnosis berbasis data genomic. Penelitian ini
bertujuan membangun model prediksi risiko hipertensi dari data SNP genomic
menggunakan pendekatan hybrid CNN dan K-Means clustering. Data genomic yang
digunakan berasal dari dataset SNP terkait hipertensi, diproses melalui tahap
preprocessing, encoding, serta ekstraksi fitur menggunakan CNN. Fitur yang
dihasilkan kemudian diklusterkan dengan algoritma K-Means untuk membedakan
individu berisiko hipertensi dan normal. Hasil penelitian menunjukkan bahwa
model mampu mencapai akurasi, precision, recall, dan F1-score sebesar 100%,
dalam mengelompokkan data pasien hipertensi dan normal.
Kata Kunci: Hipertensi, Data Genomic, CNN, K-Means.