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.