APLIKASI SISTEM PENUNJANG KEPUTUSAN UNTUK PREDIKSI IBU MELAHIRKAN

Hilda Amalia, Evicienna Evicienna

Abstract Views : 276 Times | Views : 207 Times

Abstract


Kesalahan diagnosa merupakan hal yang tidak dinginkan. Untuk itu diperlukan suatu sistem penunjang keputusan klinik yang dapat digunakan sebagai pilihan dalam proses pengambilan keputusan dan juga sebagai pendapat ahli kedua yang bisa didengarkan pendapatnya sehingga kesalahan diagnosa dapat dihindari dan pemilihan cara penanganan yang tepat bagi pasien sehingga menghidari resiko-resiko dalam penanganan medis. Tindakan persalinan sesar adalah tindakan kebidanan yang diambil oleh penolong untuk menyelesaikan masalah yang terjadi pada proses persalinan yang tidak bisa diselesaikan secara normal. Setiap persalinan mempunyai risiko baik pada ibu mapun janin, yaitu resiko komplikasi sampai resiko kematian. Sistem penunjang keputusan bisa berfungsi sebagai pendapat ahli kedua yang bisa digunakan oleh pasien.  Tujuan  penelitian adalah menghasilkan suatu aplikasi sistem penunjang keputusan yang digunakan sebagai prediksi proses ibu melahirkan yaitu secara normal atau sesar. Pengolahan data ibu melahirkan dilakukan dengan menggunakan metode data mining yaitu algortima C4.5. Metode algortima C4.5 karena dapat menghasilkan pohon keputusan yang digunakan sebagai aturan dalam pembuatan program aplikasi sistem penunjang keputusan ibu melahirkan. Hasil pengolahan data ibu melahirkan dengan algoritm c4.5 menghasilkan nilai akurasi 91%.


View Counter: Abstract | 276 | times, Article PDF | PDF | 207 | times

Full Text:

PDF

References


Abdullah, A. L., Albeladi, K. S., & AlCattan, R. F. (2014). Clinical decision support system in healthcare industry success and risk factors. International Journal of Computer Trends and Technology, 11(4), 188-192.

Declercq, E., Menacker, F., & MacDorman, M. (2005). Rise in “no indicated risk” primary caesareans in the United States, 1991-2001: cross sectional analysis. Bmj, 330(7482), 71-72.

Harista, R. A., & Lisiswanti, R. (2015). Depresi pada Penderita Diabetes Mellitus Tipe 2. Jurnal Majority, 4(9), 73-77.

Kumar, A. (2015). Stakeholder’s Perspective of Clinical Decision Support System. Open Journal of Business and Management, 4(01), 45.

Janghel, R. R., Shukla, A., & Tiwari, R. (2009, November). Decision Support system for fetal delivery using Soft Computing Techniques. In Computer Sciences and Convergence Information Technology, 2009. ICCIT'09. Fourth International Conference on (pp. 1514-1519). IEEE.

Larose, D. T. (2005). Discovering Knowledge in Databases. New Jersey: John Willey & Sons Inc.

Mahmudah, U., Cahyati, W. H., & Wahyuningsih, A. S. (2011). Faktor ibu dan Bayi yang berhubungan dengan Kejadian Kematian Perinatal. Jurnal Kesehatan Masyarakat, 7(1), 41-50.

Osheroff, J. A., Teich, J. M., Middleton, B., Steen, E. B., Wright, A., & Detmer, D. E. (2007). A roadmap for national action on clinical decision support. Journal of the American medical informatics association, 14(2), 141-145.

Sana, A., Razzaq, S., & Ferzund, J. (2012). Automated Diagnosis and Cause Analysis of Cesarean Section Using Machine Learning Techniques. International Journal of Machine Learning and Computing, 2(5), 677.

Vercellis, C. (2011). Business intelligence: data mining and optimization for decision making. John Wiley & Sons.

Wiknjosastro, H. (2000). Ilmu Bedah Kebidanan, edisi pertama. Yayasan Bina Pustaka Sarwono Prawirohardjo, Jakarta


Article Metrics

Abstract view : 276 times
PDF - 207 times

Refbacks

  • There are currently no refbacks.