Klasifikasi Metode Persalinan pada Ibu Hamil Menggunakan Algoritma Random Forest Berbasis Mobile
Abstract
Tren angka kematian ibu pada saat melahirkan masih tinggi di Indonesia, yakni sekitar 300 per 100.000 kelahiran. Pemerintah Indonesia berencana untuk menurunkan angka tersebut menjadi 183 per 100.000 kelahiran pada tahun 2024 mendatang. Salah satu faktor penyebab kematian ibu hamil di Indonesia disebabkan oleh hipertensi dan terjadinya pendarahan pada saat melahirkan dan dibutuhkannya metode penanganan dalam persalinan. Adapun metode persalinan ibu hamil secara garis besar terbagi menjadi dua metode yaitu normal dan Caesar. Caesar adalah alternatif terakhir dalam persalinan, dikarenakan faktor risiko yang cukup tinggi, meskipun demikian, jumlah ibu yang menggunakan metode Caesar pada saat persalinan mengalami peningkatan yang cukup signifikan, khususnya di Indonesia. Metode persalinan pada ibu hamil dapat diklasifikasikan sesuai dengan kondisi ibu untuk menghindari risiko kematian ibu akibat pemilihan metode persalinan yang tidak tepat. Permasalahan tersebut dapat diselesaikan dengan memanfaatkan teknologi Machine Learning menggunakan algoritma random forest, dengan tujuan untuk membangun sebuah sistem yang dapat mengklasifikasi metode persalinan yang tepat berdasarkan kumpulan data persalinan ibu hamil yang telah disediakan. Dengan adanya sistem ini diharapkan dapat membantu para ibu hamil dalam melakukan screening awal untuk menentukan tindakan yang harus dilakukan agar proses persalinan berjalan dengan lancar dan meminimalisir risiko kematian ibu.
Keywords
References
Abdurrahman, G., & Wijaya, J. T. (2019). Analisis Klasifikasi Kelahiran Caesar Menggunakan Algoritma Naive Bayes. JUSTINDO (Jurnal Sistem Dan Teknologi Informasi Indonesia), 4(2), 46. https://doi.org/10.32528/justindo.v4i2.2616
Apriliah, W., Kurniawan, I., Baydhowi, M., & Haryati, T. (2021). Prediksi Kemungkinan Diabetes pada Tahap Awal Menggunakan Algoritma Klasifikasi Random Forest. Sistemasi, 10(1), 163. https://doi.org/10.32520/stmsi.v10i1.1129
Ardhiyanti, Y., & Susanti, S. (2016). Faktor Ibu yang Berhubungan dengan Kejadian Persalinan Lama di RSUD Arifin Achmad Pekanbaru. Jurnal Kesehatan Komunitas, 3(2), 83–87. https://doi.org/10.25311/keskom.vol3.iss2.108
Arga, H., Rani, D., & Zuhri, S. (2020). Klasifikasi Naïve Bayes. 3.
Baru, K. (2022). Penerapan K-Means Clustering Pada Penerimaan. 1(November), 403–408.
Celena, A., Kirana, K., Furqon, M. T., & Ridok, A. (2022). Klasifikasi Berat Badan Lahir Rendah ( BBLR ) menggunakan Metode Support Vector Machine dengan Teknik SMOTE. 6(7), 3442–3451.
Hikmatulloh, H., Rahmawati, A., Wintana, D., & Ambarsari, D. A. (2019). Penerapan Algoritma Iterative Dichotomiser Three (Id3) Dalam Mendiagnosa Kesehatan Kehamilan. Klik - Kumpulan Jurnal Ilmu Komputer, 6(2), 116. https://doi.org/10.20527/klik.v6i2.189
Ningsih, M. P. S. D., & Noranita, B. (2018). Status Proses Persalinan Menggunakan Algoritma C4.5. Jurnal Masyarakat Informatika, 9(1), 1–13.
Primajaya, A., & Sari, B. N. (2018). Random Forest Algorithm for Prediction of Precipitation. Indonesian Journal of Artificial Intelligence and Data Mining, 1(1), 27. https://doi.org/10.24014/ijaidm.v1i1.4903
Sari, C. A., Sari, W. S., Nilawati, F. E., Doheir, M., & Sari, C. A. (2022). Analysis of Childbirth Methods Using Random Forest Algorithms. 1(1). https://doi.org/10.12487/AMRI.v1i1.xxxxx
Setia, I. C., & Arifin, T. (2021). Penentuan Penanganan Persalinan Caesar dengan Neural Network dan Particle Swarm Optimization. Sistemasi, 10(2), 346. https://doi.org/10.32520/stmsi.v10i2.1235
Sihombing, P. R., & Yuliati, I. F. (2021). Penerapan Metode Machine Learning dalam Klasifikasi Risiko Kejadian Berat Badan Lahir Rendah di Indonesia. MATRIK : Jurnal Manajemen, Teknik Informatika Dan Rekayasa Komputer, 20(2), 417–426. https://doi.org/10.30812/matrik.v20i2.1174
Wibowo, A., Darwati, I., & Irnawati, O. (2020). Prediksi Operasi Sesar Dengan Machine Learning. J I M P - Jurnal Informatika Merdeka Pasuruan, 4(3), 25–29. https://doi.org/10.37438/jimp.v4i3.228
DOI: 10.30595/jrst.v7i2.16705
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
ISSN: 2549-9750