IMPLEMENTASI ALGORITMA RANDOM FOREST DAN K-NEAREST NEIGHBOR PADA APLIKASI DETEKSI RESIKO TINGGI PADA KEHAMILAN DI DESA BOLOPLERET KABUPATEN KLATEN

Triana, Triana (2024) IMPLEMENTASI ALGORITMA RANDOM FOREST DAN K-NEAREST NEIGHBOR PADA APLIKASI DETEKSI RESIKO TINGGI PADA KEHAMILAN DI DESA BOLOPLERET KABUPATEN KLATEN. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text (THESIS)
22.55.1200 Triana.pdf
Download (3MB)

Abstract

Peningkatan deteksi dini risiko tinggi pada kehamilan merupakan aspek penting dalam upaya peningkatan kesehatan maternal di wilayah pedesaan. Penelitian ini mengusulkan implementasi algoritma Random Forest dan K-Nearest Neighbor (KNN) sebagai metode untuk mendeteksi risiko tinggi pada kehamilan di Desa Bolopleter, Kabupaten Klaten. Data yang digunakan meliputi faktor-faktor risiko seperti usia ibu, riwayat kesehatan, dan kondisi lingkungan. Algoritma Random Forest digunakan untuk mengidentifikasi pola kompleks dan hubungan non-linear antara variabel, sementara KNN digunakan untuk mengklasifikasikan risiko berdasarkan kemiripan dengan data latih. Eksperimen dilakukan menggunakan dataset kehamilan di Desa Bolopleter. Hasil evaluasi menunjukkan bahwa model yang dihasilkan mampu memberikan prediksi risiko tinggi pada kehamilan dengan akurasi yang memuaskan. Implementasi ini dapat menjadi dasar bagi pengembangan aplikasi deteksi dini risiko tinggi pada kehamilan di wilayah pedesaan untuk meningkatkan kesehatan maternal dan neonatal.

Item Type:

Thesis (S2 - Magister)

Contributor: