Analisis Klasifikasi Kelahiran Caesar Menggunakan Algoritma Naive Bayes

Ginanjar Abdurrahman, Johan Taruna Wijaya

Abstract


Angka kematian Ibu (AKI) merupakan jumlah kematian ibu selama masa kehamilan hingga pasca melahirkan yang disebabkan kehamilan, persalinan atau pengelolaannya dan tidak disebabkan kecelakaan di setiap 100.000 kelahiran hidup. Kelahiran Caesar adalah alternatif terakhir dalam persalinan, dikarenakan faktor resiko yang tinggi. Walaupun resikonya tinggi, angka kelahiran Caesar mengalami peningkatan signifikan, khususnya di Indonesia. WHO menetapkan standar persalinan Caesar suatu negara berkisar 5-15 persen per seribu kelahiran di dunia. Machine learning merupakan cara mesin belajar dari data. Terdapat beberapa aplikasi machine learning yang telah dikembangkan. Salah satunya adalah machine learning WEKA. Weka merupakan software untuk data mining yang dilengkapi dengan algoritma standar machine learning termasuk klasifikasi. Pada penelitian ini dilakukan klasifikasi kelahiran Caesar menggunakan algoritma Naïve Bayes untuk menentukan apakah kelahiran akan diberikan tindakan operasi Caesar atau melahirkan secara normal. Dataset yang digunakan terdiri dari 80 data ibu hamil dengan 5 atribut, yakni: umur, jumlah tenaga medis, waktu melahirkan, tekanan darah, masalah hati. Hasil penelitian ini diharapkan dapat membantu dunia kesehatan khusunya untuk menentukan proses kelahiran perlu diberi tindakan operasi Caesar ataukah tidak dengan menyediakan model klasifikasi untuk melakukan prediksi secara medis. Hasil dari penelitian ini diharapkan dapat menunjang dunia kesehatan khususnya pada kasus ibu melahirkan dengan menyediakan model klasifikasi yang dapat digunakan untuk melakukan prediksi maupun pengambilan keputusan medis lainnya.


Kata kunci: Kelahiran, Caesar, Klasifikasi, Naïve Bayes, Weka


References


Andayasari, L., Muljati, S., Sihombing, M., Arlinda, D., Opitasari, C., Fajar, D., & Widianto, M. (2015). Proporsi Seksio Sesarea dan Faktor yang Berhubungan dengan Seksio Sesarea di Jakarta THE PROPORTION OF CAESAREAN SECTION AND ASSOCIATED FACTORS IN HOSPITAL OF JAKARTA. Buletin Penelitian Kesehatan, 43(2), 105–116. https://doi.org/http://dx.doi.org/10.22435/bpk.v43i2.4144.105-116

Anggorowati, & Sudiharjani, N. (2010). Mobilisasi Dini dan Penyembuhan Luka Operasi Pada Ibu Post Sectio Caesarea (SC) di Ruang Dahlia Rumah Sakit Umum Daerah Kota Salatiga. Prosiding Seminar Nasional Dan Internasional Universitas Muhammadiyah Semarang, 30–35.

Kemenkes. (2017). Profil Kesehatan Indonesia Tahun 2016. https://doi.org/10.1111/evo.12990

Lukman, A., & Marwana. (2015). Machine Learning Multi Klasifikasi. Konferensi Nasional Ilmu Komputer (KONIK) 2014, (December 2014).

Sihombing, N., Saptarini, I., & Putri, D. S. K. (2010). Determinan Persalinan Sectio Caesarea Di Indonesia (Analisis Lanjut Data

Riskesdas 2013). Jurnal Kesehatan Reproduksi, 8(1), 63–75. https://doi.org/10.22435/kespro.v8i1.6641.63-75




DOI: https://doi.org/10.32528/justindo.v4i2.2616

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

View My Stats