KLASIFIKASI DIAGNOSIS MELAHIRKAN DENGAN METODE SESAR MENGGUNAKAN NEURAL NETWORK

  • Muhammad Ja'far Shidiq STMIK Nusa Mandiri Jakarta
  • Sri Rahayu Ilmu Komputer STMIK Nusa Mandiri
  • Fitra Septia Nugraha Ilmu Komputer STMIK Nusa Mandiri
DOI: https://doi.org/10.33480/pilar.v15i2.602
Keywords: Sesar, Klasifikasi, Neural Network

Abstract

Memiliki keturunan yang sehat, normal dan tidak beresiko bukan hal mudah didapatkan, pada kondisi tertentu melahirkan secara normal bukan solusi terbaik, operasi sesar bisa menjadi salah satu opsi yang dianggap relatif aman sejauh ini. Namun, karena sesar merupakan operasi besar, besar pula risikonya. Maka perlu pertimbangan yang matang mengenai metode melahirkan dengan normal atau operasi sesar. Penelitian ini bertujuan untuk mengklasifikasi harus menggunakan metode sesar atau tidak dengan memperhitungkan parameter yang ada yaitu diantaranya Age, Delivery Time, Delivery, Blood, Heart sehingga dapat memprediksi keselamatan ibu dan bayi dalam proses lahiran dengan menggunakan metode Neural Network dengan 80 dataset caesarian, training cycles 200, learning rate 0.01 dan momentum 0.9 dan menghasilkan akurasi sebesar 71,25% dan dengan nilai AUC (Area Under Curve) sebesar 0,721 yang artinya mendapat status fair classification.

Downloads

Download data is not yet available.

References

Adrian, K. (2017). Operasi Caesar Tidak Seper yang Anda Bayangkan. 13 September 2017, pp. 1–5. Retrieved from https://www.alodokter.com/operasi-caesar-tidak-seperti-yang-anda-bayangkan

Cynthia, E. P., & Ismanto, E. (2017). Jaringan Syaraf Tiruan Algoritma Backpropagation Dalam Memprediksi Ketersediaan Komoditi Pangan Provinsi Riau. Seminar Nasional Teknologi Informasi, Komunikasi Dan Industri (SNTIKI) 9 Fakultas Sains Dan Teknologi, UIN Sultan Syarif Kasim Riau Pekanbaru, 18-19 Mei 2017, ISSN (Prin, 18–19.

Huang, M., & Hsu, Y. (2012). Fetal distress prediction using discriminant analysis , decision tree , and artificial neural network. J. Biomedical Science and Engineering, 2012, 5, 526-533, 2012(September), 526–533.

Indriani, A. (2014). Klasifikasi Data Forum dengan menggunakan Metode Naïve Bayes Classifier. Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Yogyakarta, 21 Juni 2014, ISSN: 1907, 5–10.

Lin, C., Ou, Y., Chen, S., Liu, Y., & Lin, J. (2010). Comparison of artificial neural network and logistic regression models for predicting mortality in elderly patients with hip fracture. Injury, 41(8), 869–873. https://doi.org/10.1016/j.injury.2010.04.023

Milovic, B., & Milovic, M. (2012). Prediction and Decision Making in Health Care using Data Mining Corresponding Author : International Journal of Public Health Science (IJPHS), Vol. 1, No(2), 69–76.

Oktaviani, D. (2010). Neural Network Implementation in Foreign Exchange Kurs Prediction. Gunadarma Repository, 1–19.

Ratnasari, E. D. (2017). Tiap Minggu Ada 300 Ibu Meninggal Usai Melahirkan. Seminar Nasional Teknologi Informasi, Komunikasi Dan Industri (SNTIKI) 9 Fakultas Sains Dan Teknologi, UIN Sultan Syarif Kasim Riau Pekanbaru, 18-19 Mei 2017, ISSN (Prin, 1–4.

Septiani, W. D. (2017). KOMPARASI METODE KLASIFIKASI DATA MINING ALGORITMA C4.5 DAN NAIVE BAYES UNTUK PREDIKSI PENYAKIT HEPATITIS. Jurnal Pilar Nusa Mandiri, Volume 13(1), 76–84.

Shidiq, M. J., Rahayu, S., & Nugraha, F. S. (2019). KLASIFIKASI DIAGNOSIS MELAHIRKAN DENGAN METODE SESAR MENGGUNAKAN NEURAL NETWORK. Jurnal Pilar Nusa Mandiri, 14(2), 1–4.

Sucipto, A. (2012). CREDIT PREDICTION WITH NEURAL NETWORK ALGORITHM Ir . Adi Sucipto , M . Kom . Sains and Technology Faculty Universitas Islam Nahdlatul Ulama Jepara. PROSIDING SEMINAR NASIONAL MULTI DISIPLIN ILMU & CALL FOR PAPERS UNISBANK (SENDI_U), ISBN: 978-(15), 978–979.

Suryati, T. (2012). PERSENTASE OPERASI CAESARIA DI INDONESIA MELEBIHI STANDARD MAKSIMAL , APAKAH SESUAI INDIKASI MEDIS ? ( Percentage of Sectio Caesaria in Indonesia is Passad the Maximum Standard , is it in accordance to Medical Indication). Buletin Penelitian Sistem Kesehatan, Vol. 15 No, 331–338.

Published
2019-09-05
How to Cite
Shidiq, M., Rahayu, S., & Nugraha, F. (2019). KLASIFIKASI DIAGNOSIS MELAHIRKAN DENGAN METODE SESAR MENGGUNAKAN NEURAL NETWORK. Jurnal Pilar Nusa Mandiri, 15(2), 157-162. https://doi.org/10.33480/pilar.v15i2.602
Issue
Vol 15 No 2 (2019): Pilar Nusa Mandiri : Journal of Computing and Information System Periode September 2019
Section
Articles

Copyright (c) 2019 Muhammad Ja'far Shidiq, Sri Rahayu, Fitra Septia Nugraha

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

An author who publishes in the Pilar Nusa Mandiri: Journal of Computing and Information System agrees to the following terms:

  1. Author retains the copyright and grants the journal the right of first publication of the work simultaneously licensed under the Creative Commons Attribution-NonCommercial 4.0 License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal
  2. Author is able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book) with the acknowledgement of its initial publication in this journal.
  3. Author is permitted and encouraged to post his/her work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of the published work (See The Effect of Open Access).
    Read more about the Creative Commons Attribution-NonCommercial 4.0 Licence here: https://creativecommons.org/licenses/by-nc/4.0/.