RANCANG BANGUN SISTEM INFORMASI KLASIFIKASI TINGKAT RESIKO KEHAMILAN MENGGUNAKAN ALGORITMA NBC DAN K-NN PADA POSYANDU DESA PLOSO
Total View This Week0
Total View This Week0
Institusion
Universitas Nusantara PGRI Kediri
Author
Setyawan, Salsabilla Atasyaputri
SANJAYA, ARDI
UTOMO, WAHYU CAHYO
SANJAYA, ARDI
UTOMO, WAHYU CAHYO
Subject
274 Obstetrics and gynecology
Datestamp
2023-08-13 09:34:45
Abstract :
Penelitian ini dilatarbelakangi hasil pengamatan dan pengalaman peneliti, bahwa Pos Pelayanan Terpadu (Posyandu) memiliki peran penting dalam program pelayanan kesehatan bagi ibu dan bayi. Pada studi kasus kali ini dilakukan di Posyandu yang terletak di Desa Ploso, Kabupaten Nganjuk, Jawa Timur. Pada Posyandu Desa Ploso menyediakan pelayanan pemeriksaan kesehatan ibu hamil dan janin yang akan membantu mengetahui gejala dini dari resiko kehamilan, akan tetapi permasalahan penelitian ini adalah pada proses pendataan dan pengelompokan jenis resiko kehamilan pada ibu hamil masih dilakukan manual. Sehingga Posyandu Desa Ploso membutuhkan sistem bantu berbasis website yang digunakan untuk melakukan pendataan dan mengelompokkan jenis resiko kehamilan sesuai dengan gejala dini yang dirasakan saat proses kehamilan menggunakan metode Naive Bayes Classifier dan K-Nearest Neighbor. Berdasarkan hasil pengujian menggunakan 200 data gejala ibu hamil didapatkan hasil dengan Naive Bayes Classifier mendapatkan akurasi 78,26% sedangkan dengan K-Nearest Neighbor didapatkan akurasi 86,95%. Hasil penelitian ini menunjukkan Naive Bayes Classifier mempunyai kelebihan dapat mencapai nilai akurasi yang tinggi dengan sedikitnya data latih. Sedangkan untuk K-Nearest Neighbor mempunyai kelebihan karena dapat bekerja dengan maksimal terhadap data yang mempunyai kesalahan acak (noise). Sehingga penerapan metode Naive Bayes Classifier dan K-Nearest Neighbor untuk menentukan tingkat resiko kehamilan pada penelitian ini menghasilkan nilai keakuratan yang cukup baik dan optimal. Sistem klasifikasi ini dapat menampilkan hasil klasifikasi resiko kehamilan dengan tujuan untuk mempermudah dalam pelayanan kesehatan ibu dan bayi.
Penelitian ini dilatarbelakangi hasil pengamatan dan pengalaman peneliti, bahwa Pos Pelayanan Terpadu (Posyandu) memiliki peran penting dalam program pelayanan kesehatan bagi ibu dan bayi. Pada studi kasus kali ini dilakukan di Posyandu yang terletak di Desa Ploso, Kabupaten Nganjuk, Jawa Timur. Pada Posyandu Desa Ploso menyediakan pelayanan pemeriksaan kesehatan ibu hamil dan janin yang akan membantu mengetahui gejala dini dari resiko kehamilan, akan tetapi permasalahan penelitian ini adalah pada proses pendataan dan pengelompokan jenis resiko kehamilan pada ibu hamil masih dilakukan manual. Sehingga Posyandu Desa Ploso membutuhkan sistem bantu berbasis website yang digunakan untuk melakukan pendataan dan mengelompokkan jenis resiko kehamilan sesuai dengan gejala dini yang dirasakan saat proses kehamilan menggunakan metode Naive Bayes Classifier dan K-Nearest Neighbor. Berdasarkan hasil pengujian menggunakan 200 data gejala ibu hamil didapatkan hasil dengan Naive Bayes Classifier mendapatkan akurasi 78,26% sedangkan dengan K-Nearest Neighbor didapatkan akurasi 86,95%. Hasil penelitian ini menunjukkan Naive Bayes Classifier mempunyai kelebihan dapat mencapai nilai akurasi yang tinggi dengan sedikitnya data latih. Sedangkan untuk K-Nearest Neighbor mempunyai kelebihan karena dapat bekerja dengan maksimal terhadap data yang mempunyai kesalahan acak (noise). Sehingga penerapan metode Naive Bayes Classifier dan K-Nearest Neighbor untuk menentukan tingkat resiko kehamilan pada penelitian ini menghasilkan nilai keakuratan yang cukup baik dan optimal. Sistem klasifikasi ini dapat menampilkan hasil klasifikasi resiko kehamilan dengan tujuan untuk mempermudah dalam pelayanan kesehatan ibu dan bayi.
File :
RAMA_55201_19103020051.pdf
RAMA_55201_19103020051_SIMILARITY.pdf
RAMA_55201_19103020051_0706118101_0713059502_01_front_ref.pdf
RAMA_55201_19103020051_0706118101_0713059502_02.pdf
RAMA_55201_19103020051_0706118101_0713059502_03.pdf
RAMA_55201_19103020051_0706118101_0713059502_04.pdf
RAMA_55201_19103020051_0706118101_0713059502_05.pdf
RAMA_55201_19103020051_0706118101_0713059502_06_ref.pdf
RAMA_55201_19103020051_0706118101_0713059502_07_lamp.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
