TY  - THES
ID  - universitasamikomyogyakarta31756
N2  - Postpartum merupakan periode kritis bagi ibu setelah melahirkan yang 
rentan terhadap gangguan psikologis, terutama pada ibu primipara yang mengalami
kehamilan dan persalinan untuk pertama kalinya. Deteksi dini terhadap risiko
postpartum sangat penting untuk mengurangi dampak negatif terhadap kesehatan
ibu dan bayi. Penelitian ini bertujuan untuk memprediksi risiko postpartum pada
ibu primipara dengan memanfaatkan algoritma Random Forest yang dioptimasi
menggunakan metode Random Search untuk tuning hyperparameter. Dataset yang
digunakan terdiri dari data psikologis ibu hamil, termasuk tingkat kecemasan,
depresi, dukungan sosial, dan faktor lainnya. Proses penelitian mencakup
preprocessing data, seleksi fitur, pelatihan model, dan evaluasi performa
menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian
menunjukkan bahwa algoritma Random Forest dengan tuning Random Search
menghasilkan akurasi tertinggi sebesar 90%, mengungguli model pembanding
seperti Naive Bayes 74% dan Support Vector Machine yang masing-masing
menghasilkan akurasi sebesar 89%. Dengan demikian, model ini dapat dijadikan
sebagai alat bantu dalam mendeteksi potensi risiko postpartum secara lebih akurat
dan efisien. Temuan ini diharapkan dapat memberikan kontribusi dalam bidang
kesehatan ibu dan anak, khususnya dalam upaya pencegahan gangguan psikologis
pascapersalinan.
KW  - postpartum
KW  -  ibu primipara
KW  -  Random Forest
KW  -  Random Search
KW  -  prediksi
risiko
KW  -  primiparous mothers
KW  -  Random Forest
KW  -  Random Search
KW  - 
risk prediction
UR  - https://eprints.amikom.ac.id/id/eprint/31756/
AV  - public
M1  - masters
Y1  - 2025/11/03/
PB  - Universitas AMIKOM Yogyakarta
TI  - PREDIKSI RISIKO POSTPARTUM PADA IBU PRIMIPARA
BERDASARKAN FAKTOR PSIKOLOGIS MENGGUNAKAN
ALGORITMA RANDOM FOREST DENGAN RANDOM
SEARCH
A1  - Dengen, Angel Fourtuna
ER  -