PREDIKSI RISIKO POSTPARTUM PADA IBU PRIMIPARA BERDASARKAN FAKTOR PSIKOLOGIS MENGGUNAKAN ALGORITMA RANDOM FOREST DENGAN RANDOM SEARCH

Dengen, Angel Fourtuna (2025) PREDIKSI RISIKO POSTPARTUM PADA IBU PRIMIPARA BERDASARKAN FAKTOR PSIKOLOGIS MENGGUNAKAN ALGORITMA RANDOM FOREST DENGAN RANDOM SEARCH. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text (THESIS) 23.51.2489 Angel Fourtuna Dengen.pdf - Published Version Download (3MB)

Abstract

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.

Actions (login required)

View Item