Implementasi Data Mining untuk Prediksi Status Proses Persalinan pada Ibu Hamil Menggunakan Algoritma Naive Bayes

Mohammad Yazdi Pusadan; Ari Ghifari; Yusuf Anshori

doi:10.33050/tmj.v8i1.1980

Penulis

Mohammad Yazdi Pusadan Universitas Tadulako
Ari Ghifari Universitas Tadulako
Yusuf Anshori Universitas Tadulako

DOI:

https://doi.org/10.33050/tmj.v8i1.1980

Abstrak

Persalinan merupakan proses mengeluarkan janin setelah kehamilan 20 minggu atau lebih untuk dapat hidup di luar kandungan melalui jalan lahir atau jalan lain, dengan atau tanpa bantuan. Angka Kematian Ibu di Indonesia masih cukup tinggi berdasarkan Buku Putih Reformasi Sistem Kesehatan Nasional pada Maret 2022, sebesar 305 per 100.000 kelahiran. Penyebab banyaknya Angka Kematian Ibu ialah proses persalinan berisiko bagi ibu dan janin. Prediksi klinis berkembang dengan mengadopsi ilmu komputer dan teknologi informasi dalam pengolahan datanya, disertai dengan metode data mining untuk teknik pengolahannya. Permasalahan ibu hamil dapat diantisipasi dengan menggunakan sistem prediksi status proses persalinan dengan implementasi data mining dan algoritma Naïve Bayes, dengan tujuan untuk membantu penurunan Angka Kematian Ibu, terutama diakibatkan proses persalinan berisiko. Penelitian ini menggunakan 600 data latih, lalu diuji menggunakan metode Confusion Matrix pada 100 data uji. Diperoleh nilai Precision sebesar 82.4%, nilai Recall sebesar 94%, nilai F-Measure sebesar 88.7%, nilai Accuracy sebesar 92%.

Referensi

A. Ardiyansyah, P. A. Rahayuningsih, and R. Maulana, “Analisis Perbandingan Algoritma Klasifikasi Data Mining Untuk Dataset Blogger Dengan Rapid Miner,” Jurnal Khatulistiwa Informatika, vol. 6, no. 1, 2018.

F. F. Nugraha and C. Juliane, “Penerapan Data Mining Dengan Metode Klasifikasi Menggunakan Algoritma C4. 5,” JATISI (Jurnal Teknik Informatika dan Sistem Informasi), vol. 9, no. 4, pp. 2862–2869, 2022.

M. J. Zaki, W. Meira Jr, and W. Meira, Data mining and analysis: fundamental concepts and algorithms. Cambridge University Press, 2014.

I. B. A. Peling, I. N. Arnawan, I. P. A. Arthawan, and I. G. N. Janardana, “Implementation of Data Mining To Predict Period of Students Study Using Naive Bayes Algorithm,” Int. J. Eng. Emerg. Technol, vol. 2, no. 1, p. 53, 2017.

L. M. N. Bernita, Klasifikasi Persalinan Normal Atau Caesar Menggunakan Algoritma C4.5, vol. 13, no. 3. 2017.

P. L. Kumalasari, Sistem Pengambilan Keputusan Untuk Menentukan Proses Persalinan Dengan Metode Naïve Bayes Dan Forward Chaining. 2020.

R. R. Andarista and A. Jananto, “Penerapan Data Mining Algoritma C4. 5 Untuk Klasifikasi Hasil Pengujian Kendaraan Bermotor,” Jurnal Tekno Kompak, vol. 16, no. 2, pp. 29–43, 2022.

M. P. S. D. Ningsih and B. Noranita, “Status Proses Persalinan Menggunakan Algoritma C4.5,” Jurnal Masyarakat Informatika, vol. 9, no. 1, pp. 1–13, 2018.

H. A. Damar Rani and S. Zuhri, “Sistem Prediksi Kondisi Kelahiran Bayi menggunakan Klasifikasi Naïve Bayes,” Joined Journal (Journal of Informatics Education), vol. 3, no. 2, p. 48, 2020, doi: 10.31331/joined.v3i2.1432.

U. Rahardja, T. Hariguna, and W. M. Baihaqi, “Opinion mining on e-commerce data using sentiment analysis and k-medoid clustering,” Proceedings - 2019 12th International Conference on Ubi-Media Computing, Ubi-Media 2019, pp. 168–170, 2019, doi: 10.1109/Ubi-Media.2019.00040.

H. Amalia, A. B. Pohan, and S. Masripah, “Penerapan Feature Weighting Optimized Pada Naïve Bayes Untuk Prediksi Proses Persalinan,” Jurnal Pilar Nusa Mandiri, vol. 15, no. 1, pp. 15–20, 2019, doi: 10.33480/pilar.v15i1.3.

S. Watini, “Development of Java Hands Startup Business Idea Model by Lean Startup Approach,” Startupreneur Bisnis Digital (SABDA Journal), vol. 2, no. 1, pp. 43–50, 2023.

Samsu, Metode Penelitian : Teori dan Aplikasi Penelitian Kualitatif, Kuantittif, dan Mix Method serta Research and Development, no. June. 2017.

S. Purnama, Q. Aini, U. Rahardja, N. P. L. Santoso, and S. Millah, “Design of Educational Learning Management Cloud Process with Blockchain 4.0 based E-Portfolio,” Journal of Education Technology, vol. 5, no. 4, pp. 628–635, 2021.

D. Pascalina, R. Widhiastono, and C. Juliane, “Pengukuran Kesiapan Transformasi Digital Smart City Menggunakan Aplikasi Rapid Miner,” Technomedia Journal, vol. 7, no. 3, pp. 293–302, 2023.

A. Pratama and A. Wijaya, “Implementasi Sistem Good Corporate Governance Pada Perangkat Lunak Berbasis Website PT. Pusaka Bumi Transportasi,” Technomedia Journal, vol. 7, no. 3, pp. 340–353, 2023.

L. Meria, A. N. Bintoro, and D. Prastyani, “Peran Ethical Leadership Dalam Mengurangi Stres Kerja Dan Meningkatkan Kualitas Kinerja,” Technomedia Journal, vol. 7, no. 3, pp. 208–292, 2023.

E. Arif, E. Julianti, and I. P. Soko, “Penerapan Konsep Internet of Things pada Pengembangan Aplikasi Portal Alumni di Universitas Terbuka,” Technomedia Journal, vol. 7, no. 3, pp. 303–313, 2023.

N. Lutfiani, P. A. Sunarya, S. Millah, and S. A. Anjani, “Penerapan Gamifikasi Blockchain dalam Pendidikan iLearning,” Technomedia Journal, vol. 7, no. 3, pp. 399–407, 2023.

M. Sheshikala, D. R. Rao, and M. A. Kadampur, “An Improved Approximation Algorithm for Co-location Mining in Uncertain Data Sets using Probabilistic Approach,” Aptikom Journal on Computer Science and Information Technologies, vol. 2, no. 1, pp. 1–7, 2017.

L. Meria, Q. Aini, N. P. Lestari Santoso, U. Raharja, and S. Millah, “Management of Access Control for Decentralized Online Educations using Blockchain Technology,” in 2021 Sixth International Conference on Informatics and Computing (ICIC), IEEE, Nov. 2021, pp. 1–6. doi: 10.1109/ICIC54025.2021.9632999.

V. Febrian, M. R. Ramadhan, M. Faisal, and A. Saifudin, “Pengujian pada Aplikasi Penggajian Pegawai dengan menggunakan Metode Blackbox,” Jurnal Informatika Universitas Pamulang, vol. 5, no. 1, p. 61, 2020, doi: 10.32493/informatika.v5i1.4340.

Y. Ramesh and K. K. Reddi, “RK algorithm: stochastic parallel methodology for symmetric key cryptography,” Aptikom Journal on Computer Science and Information Technologies, vol. 2, no. 3, pp. 137–144, 2017.

M. Faid, M. Jasri, and T. Rahmawati, “Perbandingan Kinerja Tool Data Mining Weka dan Rapidminer Dalam Algoritma Klasifikasi. Teknika, 8 (1), 11–16.” 2019.

M. A. Rahman, N. Hidayat, and A. A. Supianto, “Komparasi Metode Data Mining K-Nearest Neighbor Dengan Naïve Bayes Untuk Klasifikasi Kualitas Air Bersih (Studi Kasus PDAM Tirta Kencana Kabupaten Jombang),” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN, vol. 2548, p. 964X, 2018.

U. Rahardja, “Penerapan Teknologi Blockchain Dalam Pendidikan Kooperatif Berbasis E-Portfolio,” Technomedia Journal, vol. 7, no. 3, pp. 354–363, 2023.

D. Visa Sofia, “Confusion Matrix-based Feature Selection Sofia Visa,” ConfusionMatrix-based Feature Selection Sofia, vol. 710, no. January, p. 8, 2011.

S. Masripah and L. Ramayanti, “Penerapan Pengujian Alpha Dan Beta Pada Aplikasi Penerimaan Siswa Baru,” Swabumi, vol. 8, no. 1, pp. 100–105, 2020, doi: 10.31294/swabumi.v8i1.7448.

C.-M. Chen and M.-C. Chen, “Mobile formative assessment tool based on data mining techniques for supporting web-based learning,” Comput Educ, vol. 52, no. 1, pp. 256–273, Jan. 2009, doi: 10.1016/j.compedu.2008.08.005.

D. Susilawati and D. Riana, “Optimization the Naive Bayes Classifier Method to diagnose diabetes Mellitus,” IAIC Transactions on Sustainable Digital Innovation, vol. 1, no. 1, pp. 78–86, 2019.