KLASIFIKASI FAKTOR YANG BERPENGARUH DALAM KEHAMILAN TIDAK DIINGINKAN MENGGUNAKAN METODE ALGORITMA DECISION TREE
Total View This Week0
Total View This Week0
Institusion
Universitas Nahdlatul Ulama Surabaya
Author
PRATIWI, ULA MIRAATUNNAS
Subject
RA Public aspects of medicine
Datestamp
2024-01-16 07:15:49
Abstract :
Kehamilan tidak diinginkan (KTD) di Indonesia mengalami peningkatan setiap tahunnya. Kehamilan tidak diinginkan menjadi salah satu faktor penyebab keguguran, aborsi, berat badan lahir rendah dan kelahiran prematur. Tentunya hal ini juga berdampak pada peningkatan risiko kematian ibu dan anak. Penelitian ini bertujuan untuk menganalisis klasifikasi faktor yang berpengaruh dalam kehamilan tidak diinginkan menggunakan metode algoritma decision tree. Penelitian ini merupakan penelitian non reaktif atau unobstrusive. Desain penelitian yang digunakan adalah cross-sectional dengan menggunakan data sekunder Survei Kinerja dan Akuntabilitas Program (SKAP) KKBPK tahun 2019. Populasi dalam penelitian ini adalah Pasangan Usia Subur (PUS) di Indonesia dengan sampel 46.220 wanita berstatus kawin usia 15-49 tahun. Analisis data yang digunakan dalam penelitian ini menggunakan metode algoritma decision tree CART. Hasil penelitian ini menunjukkan bahwa pohon klasifikasi terbentuk dengan tingkat akurasi pada data training sebesar 84,5%, dan data testing sebesar 84,6%. Kontruksi pohon yang terbentuk menghasilkan 13 klasifikasi faktor yang berhubungan dengan KTD dengan klasifikasi paling tinggi (94%) yaitu PUS yang memiliki anak masih hidup ? 2, tinggal di perkotaan, usia menikah pertama ibu ? 25 tahun, serta saat pengambilan keputusan KB ditentukan oleh diri sendiri (Ibu), penyedia pelayanan, pasangan (suami). Simpulan pada penelitian ini adalah model pohon klasifikasi terbentuk dengan baik dan tingkat akurasi tinggi sehingga mampu mengklasifikasikan atau mengelompokkan data baru, sehingga hasil penelitian ini dapat digunakan untuk membantu dalam perencanaan program pemerintah serta strategi penguatan penanggulangan dan pencegahan kejadian KTD di Indonesia.
Kehamilan tidak diinginkan (KTD) di Indonesia mengalami peningkatan setiap tahunnya. Kehamilan tidak diinginkan menjadi salah satu faktor penyebab keguguran, aborsi, berat badan lahir rendah dan kelahiran prematur. Tentunya hal ini juga berdampak pada peningkatan risiko kematian ibu dan anak. Penelitian ini bertujuan untuk menganalisis klasifikasi faktor yang berpengaruh dalam kehamilan tidak diinginkan menggunakan metode algoritma decision tree. Penelitian ini merupakan penelitian non reaktif atau unobstrusive. Desain penelitian yang digunakan adalah cross-sectional dengan menggunakan data sekunder Survei Kinerja dan Akuntabilitas Program (SKAP) KKBPK tahun 2019. Populasi dalam penelitian ini adalah Pasangan Usia Subur (PUS) di Indonesia dengan sampel 46.220 wanita berstatus kawin usia 15-49 tahun. Analisis data yang digunakan dalam penelitian ini menggunakan metode algoritma decision tree CART. Hasil penelitian ini menunjukkan bahwa pohon klasifikasi terbentuk dengan tingkat akurasi pada data training sebesar 84,5%, dan data testing sebesar 84,6%. Kontruksi pohon yang terbentuk menghasilkan 13 klasifikasi faktor yang berhubungan dengan KTD dengan klasifikasi paling tinggi (94%) yaitu PUS yang memiliki anak masih hidup ? 2, tinggal di perkotaan, usia menikah pertama ibu ? 25 tahun, serta saat pengambilan keputusan KB ditentukan oleh diri sendiri (Ibu), penyedia pelayanan, pasangan (suami). Simpulan pada penelitian ini adalah model pohon klasifikasi terbentuk dengan baik dan tingkat akurasi tinggi sehingga mampu mengklasifikasikan atau mengelompokkan data baru, sehingga hasil penelitian ini dapat digunakan untuk membantu dalam perencanaan program pemerintah serta strategi penguatan penanggulangan dan pencegahan kejadian KTD di Indonesia.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
