Sistem Prediksi Kondisi Kelahiran Bayi menggunakan Klasifikasi Naïve Bayes

  • Handini Arga Damar Rani IKIP Veteran Jawa Tengah
  • Mohammad Burhan Hanif Universitas Semarang

Abstract

Dalam bidang kesehatan, data mining dapat dimanfaatkan untuk memprediksi suatu penyakit dari data rekam medis pasien. Dengan metode research and development klasifikasi pada data mining, data seperti umur, tekanan darah, berat badan, letak janin, tinggi fundus uterus dan atribut lainnya, dapat digunakan untuk memprediksi kemungkinan pasien terkena suatu penyakit. Oleh karena itu, peneliti membuat sistem prediksi kondisi kelahiran bayi mengunakan metode klasifikasi naïve bayes yang berfungsi untuk memprediksi kelahiran bayi. Teknik data mining yang diterapkan pada aplikasi yang dibangun adalah metode klasifikasi naïve bayes. Dengan menggunakan pengembangan sistem berbasis web yaitu akuisisi pengetahuan. Hasil dari penelitian ini adalah aplikasi untuk memprediksi seseorang akan melahirkan secara normal atau beresiko(cesar) berdasarkan hasil pemeriksaan dokter. Dari hasil prediksi tersebut dapat digunakan untuk menentukan hasil rata-rata kelahiran bayi setiap bulan. Data yang kami gunakan ada total 165 data ibu hamil diantaranya kami bagi 2 yaitu 110 data training dan 55 data testing/data uji, model prediksi dievaluasi menggunakan  x cross validation dalam proses evaluasi dan perhitungan nilai akurasi, precission, dan recall. Dengan nilai akurasi 92,73% dan precission 83,33% serta recall 100%.

References

1. Kusrini dan Emha Taufiq Luthfi. 2009. Algoritma Data Mining. Penerbit Andi. Yogyakarta.
2. Pramudiono, I. 2006. Apa itu Data Mining? Dalam http://datamining.japati.net/ cgibin/indodm.cgi. Diakses tanggal 26 November 2015.
3. Han J dan Kamber M. 2006. Data mining Concepts and Techniques 2nd Edition. The Morgan Kaufmann Publisher, San Fransisco.
4. H. Wiknjosastro, 2000. “Ilmu Kebidanan”, Jakarta:PT. Bina Pustaka Sarwono Prawirohardjo,
5. Tim Kajian AK. 2005.“Kajian kematian ibu dan anakdi Indonesia,” Badan Penelitian danPengembangan Kesehatan. Jakarta: Depkes RI,.
6. B. Max, 2007, Principles of Data Mining, Undergraduate Topics in Computer Science ISSN: 1863-7310, London: Springer,
7. Anastasia Hasni G. dan Setiadi Tedy, “Penerapan data mining untuk mengetahui factor-faktor yang mempengaruhi kelahiran bayi menggunakan association rules”, Jurnal Sarjana Teknik Informatika e-ISSN: 2338-5197 Volume 2 Nomor 3, Oktober 2014.
8. Muzakir Ari dan Wulandari Rika Anisa, "Model Data Mining sebagai Prediksi Penyakit Hipertensi Kehamilan dengan Teknik Decision Tree", Scientific Journal of Informatics , Vol. 3, No. 1, Mei 2016.
9. Amalia Hilda dan Evicienna, "Komparasi Metode Data Mining Untuk Penentuan Proses Persalinan Ibu Melahirkan", Jurnal Sistem Informasi (Journal of Information System), Volume 13, Issue 2, October 2017
10. F. Gorunescu, “Data mining Concept and Technique”, Verlag Berlin Heidelberg: Springer, 2011.
11. Indraswari, N. R., & Kurniawan, Y. I. (2018). Aplikasi Prediksi Usia Kelahiran Dengan Metode Naïve Bayes. Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer, 9(1), 129-138.
12. Kurniawan, Y. I. (2018). Perbandingan Algoritma Naive Bayes dan C. 45 dalam Klasifikasi Data Mining. Jurnal TeknologiInformasi dan Ilmu Komputer, 5(4), 455-464.
13. Indahsari Desy Kartika, Kurniawan Yogiek Indra, 2019, Aplikasi Prediksi Usia Kelahiran Dengan Metode K-Nearest Neighbor, Jurnal Kebidanan, Vol. XI, No. 01, Juni 2019.
14. Jefi, 2019, Prediksi Bayi Lahir Secara Prematur Dengan Menggunakan Metode C.45 Berbasis Particle Swarm Optimization Pada Klinik Umi, Indonesian Journal on Networking and Security - Volume 8 No 2 – 2019.
15. Alfironi Burhan, 2013, Implementasi Data Mining Dengan Naive Bayes Classifier Untuk Mendukung Strategi Pemasaran Di bagian Humas Stmik Amikom Yogyakarta, Yogyakarta.
Published
2020-12-27
How to Cite
DAMAR RANI, Handini Arga; HANIF, Mohammad Burhan. Sistem Prediksi Kondisi Kelahiran Bayi menggunakan Klasifikasi Naïve Bayes. Joined Journal (Journal of Informatics Education), [S.l.], v. 3, n. 2, p. 56-64, dec. 2020. ISSN 2620-8415. Available at: <http://e-journal.ivet.ac.id/index.php/jiptika/article/view/1432>. Date accessed: 20 apr. 2021. doi: https://doi.org/10.31331/joined.v3i2.1432.

Most read articles by the same author(s)

Obs.: This plugin requires at least one statistics/report plugin to be enabled. If your statistics plugins provide more than one metric then please also select a main metric on the admin's site settings page and/or on the journal manager's settings pages.