Sistem Pakar Prediksi Resiko Kesehatan Ibu Hamil Menggunakan Algoritma k-Nearest Neighbor
Article Sidebar
Main Article Content
Abstract
Kehamilan pada dasarnya merupakan proses mekanisme yang normal dari reproduksi, akan tetapi tetap diperlukan penangangn dan pengawasan awal yang intensif agar kesehatan ibu dan calon bayi dapat terus terpantau hingga dapat melahirkan dalam kondisi yang sehat. Resiko tersebut dapat menyebabkan kematian pada ibu hamil. Salah satu resiko tersebut ialah faktor hipertensi. Sehingga pengawasan terhadap kondisi tekanan darah ibu hamil perlu dilakukan selama masa kehamilan untuk dapat mengetahui resiko pada ibu hamil. Sehingga, dibutuhkan aplikasi yang dapat memprediksi dan merekomendasi bagi ibu hamil tentang resiko kesehatan selama masa kehamilan. Sistem pakar dipilih karena dapat menyimpan bahkan mengimplementasikan artificial intelligence dalam melakukan pemeriksaan. Artificial intelligence akan menganalisis pengetahan serta pola yang diperoleh dari serangkaian data. Mengolah dataset tersebut dibutuhkan algoritma yang akan digunakan untuk melatih data tersebut untuk mendapatkan pengetahuan yang diperlukan untuk memprediksi resiko kesehatan ibu hamil. Algortima k-nearest neighbor akan digunakan pada penelitian ini. Sistem pakar dapat memprediksi resiko kesehatan ibu hamil berdasarkan tekanan darah, denyut jantung dan kadar gula darah yang diambil dari dataset maternal health risk. Sistem pakar dapat memprediksi resiko kehamilan menjadi tiga golongan yakni resiko rendah, resiko sedang dan resiko tinggi.
Article Details
References
B. Gunadi, “Angka Kematian Ibu Hamil Masih Tinggi, Ini Upaya Kemenkes RI,” 19 Agustus 2021. [Online]. Available: https://mediaindonesia.com/humaniora/426546/angka-kematian-ibu-hamil-masih-tinggi-ini-upaya-kemenkes-ri#:~:text=MENTERI%20Kesehatan%20RI%20Budi%20Gunadi,kematian%20per%20100%20ribu%20penduduk.
D. Wiyono, Manajemen Kesehatan Ibu dan Anak, Surabaya: Duta Prima Airlangga, 2018.
J. McCharty dan D. A. Maine, “Framework for analysis the determinants of maternal mortality,” Studies in Family Planing, vol. 23, no. 1, pp. 23-33, 2018.
I. Herawati, “Analisis kematian ibu di Indonesia tahun 2020 berdasarkan data SDKI,” Departemen Kesehatan Republik Indonesia, Jakarta, 2021.
M. Ikhtiar dan Y. Yasir, “Analysis of Maternal Mortality Determinants in Gowa District South Sulawesi Province, Indonesia,” American Journal of Public Health Research, 2015.
A. I. Fibriana, “Faktor-faktor resiko yang mempengaruhi kematian maternal,” Jurnal Universitas Diponegoro, 2017.
K. Jayanti, “Indeks Prediktif Resiko Kematian Ibu di Kota Surabaya,” Jurnal Epidomologi, 2016.
M. Ahmed, M. A. Kashem, M. Rahman dan S. Khatun, “Review and Analysis of Risk Factor of Maternal Health in Remote Area Using the Internet of Things (IoT),” Lecture Notes in Electrical Engineering, 2020.
N. L. S. R. Rahayu dan V. A. Sandi, “SISTEM PAKAR DIAGNOSA ERROR SISTEM PADA “PT. DANACO GLOBAL SOLUSI-OXY SYSTEM" MENGGUNAKAN METODE CERTAINTY FACTOR BERBASIS WEB,” Sintech Journal, pp. 61-69, 2018.
H. Sa'diah, F. Indriani dan D. T. Nugrahadi, “METODE NAIVE BAYES GAUSSIAN DALAM PEMILIHAN PENGOBATAN KUTIL,” Seminar Nasional Ilmu Komputer (SOLITER), pp. 24-36, 2019.
N. Paramitha, E. Junianto dan S. Susanti, “Penerapan Teorema Bayes Untuk Diagnosis Penyakit Pada Ibu Hamil Berbasis Android,” Jurnal Informatika, vol. 6, no. 1, pp. 53-61, 2019.
A. Supriyatna dan W. P. Mustika, “KOMPARASI ALGORITMA NAIVE BAYES DAN SVM UNTUK MEMPREDIKSI KEBERHASILAN IMUNOTERAPI PADA PENYAKIT KUTIL,” Jurnal Sains Komputer dan Informatika, 2018.
R. T. Prasetio dan D. Riana, “A Comparison of Classification Methods in Vertebral Column Disorder with the Application of Genetic Algorithm and Bagging,” dalam 2015 4th International Conference on Instrumentation, Communications, Information Technology, and Biomedical Engineering (ICICI-BME), Bandung, 2015.
F. Gorunescu, Data Mining: Concepts, Models and Techniques, New York: Springer, 2011.
D. T. Larose, Data Mining Methods and Model, New Jersey: John Willey & Sons, Inc, 2007.
R. T. Prasetio, A. A. Rismayadi dan I. F. Anshori, “Implementasi Algoritma Genetika pada k-nearest neighbours untuk klasifikasi kerusakan tulang belakang,” Jurnal Informatika, vol. 5, no. 2, pp. 186-194, 2018.
Y. Ramdhani dan D. Riana, “Hierarchical Decision Approach based on Neural Network and Genetic Algorithm method for single image classification of Pap smear,” dalam 2017 Second International Conference on Informatics and Computing (ICIC), 2017.
X. Wu, V. Kumar, Q. J. Ross, J. Ghosh dan Q. Yang, “Top 10 algorithms in data mining,” Knowledge and Information, 2008.
Sugiyono, Metode Penelitian Kuantitatif, Kualitatif dan R&D, Bandung: Alfabeta, 2017.
D. Satori dan A. Komariah, Metodologi Penelitian Kualitatif, Bandung: Alfabeta, 2019.