Rosyid, Muhammad Dzakwan Ar (2023) {JALUR SCIENTIST} KLASIFIKASI TINGKAT RISIKO KESEHATAN IBU HAMIL MENGGUNAKAN ALGORITMA SUPPORT VECTORE MACHINE. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (416kB) |
|
Text (ISI)
ISI.pdf Restricted to Registered users only Download (757kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Jalur Scientist Sourcecode - Muhammad Dzakwan Ar Rosyid.zip Restricted to Repository staff only Download (72kB) |
Abstract
Kehamilan merupakan salah satu tahap prokreasi manusia. Di negara berkembang, tingkat ketersediaan perawatan untuk ibu hamil masih rendah dan kurangnya literasi kesehatan dapat berdampak pada kesehatan ibu hamil. Kementerian Kesehatan RI mengungkapkan bahwa di kawasan ASEAN angka kematian ibu dan bayi masih sangat tinggi. Banyak faktor yang mempengaruhi kesehatan ibu hamil saat ini antara lain depresi, diabetes dan hipertensi. Tujuan dari penelitian ini adalah untuk memprediksi apakah ibu hamil memiliki risiko kematian yang tinggi, sedang atau rendah. Metode yang digunakan adalah metode kuantitatif dengan menggunakan algoritma klasifikasi support vector machine (SVM) untuk menentukan tingkat risiko kesehatan pada ibu hamil. Dengan menggunakan algoritma klasifikasi support vector machine (SVM) dapat memprediksi ibu hamil beresiko terkena penyakit atau tidak. Tingkat akurasi data sebelum tahap preprocessing adalah 60%. Setelah data memasuki tahap preprocessing, akurasi data yang diperoleh adalah 71%. Hal ini terjadi karena dataset awal mengandung data yang tidak seimbang. Setelah dilakukan preprocessing dan penyeimbangan data, peningkatan akurasi menjadi 11% lebih tinggi. Hasil dari penelitian ini diharapkan dapat membantu tenaga kesehatan dalam menurunkan angka kematian ibu dengan mendeteksi secara dini tingkat resiko ibu hamil terkena suatu penyakit dengan parameter tertentu. Penelitian ini menggunakan dataset yang berasal dari dataset UCI. Dataset tersebut memiliki beberapa parameter seperti uisa, tekanan darah sistolik, tekanan darah diastolik, kadar glukosa, detak jantung dan parameter risiko. Dataset tersebut memiliki 1014 data.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Support Vector Machine, Risiko Kesehatan Ibu Hamil, Imbalance Data. | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data |
||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 21 Feb 2024 02:18 | ||
| Last Modified: | 24 Apr 2024 06:44 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/23902 |
Actions (login required)
 |
View Item |