Penerapan Algoritma C4.5 Dan Naive Bayes Untuk Klasifikasi Tindakan Persalinan Di Tpmb Lilik Faiqoh
Keywords:
C4.5, Naïve Bayes, Persalinan, Data MiningAbstract
Dalam menentukan metode persalinan yang tepat memang tidak mudah karena memerlukan penilaian menyeluruh dan dipengaruhi oleh berbagai faktor antara lain usia kehamilan, Posisi Janin, dan lainnya. Di sisi lain, pasien dan keluarganya perlu mengetahui detail prosedur persalinan agar lebih menerima dan memahami rekomendasi dari petugas medis sehingga tidak melakukan kesalahan dalam pengambilan keputusan. dalam bidang kesehatan, data mining berfungsi menganalisis data kesehatan pasien dengan tujuan mengidentifikasi pola dan pengambilan keputusan. adapun algoritma yang digunakan dalam penelitian ini untuk menentukan tindakan persalinan yaitu dengan menggunakan algoritma C4.5 dengan teknik pohon keputusan (Decision Tree) dan Naïve Bayes Berdasarkan dataset yang telah diimplementasikan menggunakan algoritma C4.5 menunjukkan nilai akurasi sebesar 95,50% dan algoritma Naïve Bayes sebesar 93,50%. Karena nilai akurasi terbesar ditunjukkan pada algoritma C4.5 maka algoritma C4.5 direkomendasikan untuk digunakan dalam menyelesaikan masalah tindakan persalinan di TPMB Lilik Faiqoh dan pohon keputusan hasil penerapan algoritma C4.5 dapat disimpulkan bahwa kategori yang berpengaruh dalam tindakan persalinan di TPMB Lilik Faiqoh adalah posisi janin.
References
Asyraf, H. and Prasetya, E. (2023) ‘Implementasi Metode CRISP DM dan Algoritma Decision Tree Untuk Strategi Produksi Kerajinan Tangan pada UMKM A’, Jurnal Media Informatika Budidarma, 8, pp. 94–105. Available at: https://doi.org/10.30865/mib.v8i1.7050.
Fitra Arkamil, R. and Jambak, M.I. (2023) ‘Klasifikasi Tindakan Persalinan Pada Pasien Ibu Bersalin Menggunakan Metode Decision Tree C4.5’, Media Online), 4(1), pp. 513–523. Available at:https://doi.org/10.30865/klik.v4i1.1168.
Hakim, A.R. (2024) ‘Pelatihan Penggunaan Aplikasi Mobile Untuk Klasifikasi Metode Persalinan Pada Ibu Hamil’, Jurnal ilmiah pengabdian kepada masyarakat, 8(2).
Hidayah, N. et al. (2023) ‘Jurnal Keperawatan Muhammadiyah Bengkulu’, Sereal Untuk, 8(1), p. 51.
M. Afriansyah et al. (2024) ‘Algoritma Naive Bayes Yang Efisien Untuk Klasifikasi Buah Pisang Raja Berdasarkan Fitur Warna’, Journal of Information Systems Management and Digital Business, 1(2), pp. 236–248. Availableat:https://doi.org/10.59407/jismdb.v1i2.438.
Nurzaman, A. and Suharsono, T.N. (2023) ‘Implementasi Metode Algoritma C4.5 Untuk Prediksi Gejala Autisme Pada Anak’, INNOVATIVE: Journal Of Social Science Research, 3(5), pp. 848–863.
Oktha Pratiwi, N.W., Widya Utami, N. and Gede Juliana Eka Putra, I. (2022) ‘Klasifikasi Penentuan Penerima Bantuan Sosial Tunai (BST) Menggunakan Algoritma C4.5 Di Desa Keramas, Gianyar, Bali’, Jurnal Informatika, Teknologi dan Sains, 4(3), pp. 101–107. Available at: https://doi.org/10.51401/jinteks.v4i3.1667.
Paul, H., Sartika Wiguna, A. and Santoso, H. (2023) ‘Penerapan Algoritma Support Vector Machine Dan Naive Bayes Untuk Klasifikasi Jenis Mobil Terlaris Berdasarkan Produksi Di Indonesia’, JATI (Jurnal Mahasiswa Teknik Informatika), 7(1), pp. 39–44. Available at: https://doi.org/10.36040/jati.v7i1.5555.
Pradhana, A.H. et al. (2024) ‘Penerapan Regresi Linear Menggunakan RapidMiner Untuk Memprediksi Penjualan dan Persediaan’, 8, pp. 291–297.
Prasetyaningrum, E. and Susanti, P. (2023) ‘Analisa Tingkat Kepuasan Pelanggan Pada Percetakan Cv. Mega Media Menggunakan Algoritma C4.5’, Sisfotenika, 13(1), pp. 65–75.
Pujiono, S., Astuti, R. and Muhamad Basysyar, F. (2024) ‘Implementasi Data Mining Untuk Menentukan Pola Penjualan Produk Menggunakan Algoritma K-Means Clustering’, JATI (Jurnal Mahasiswa Teknik Informatika), 8(1), pp. 615–620. Available at: https://doi.org/10.36040/jati.v8i1.8360.
Pusadan, M.Y., Ghifari, A. and Anshori, Y. (2023) ‘Implementasi Data Mining untuk Prediksi Status Proses Persalinan pada Ibu Hamil Menggunakan Algoritma Naive Bayes’, Technomedia Journal, 8(1 Juni), pp. 137–153. Available at: https://doi.org/10.33050/tmj.v8i1.1980.
Putra, I.M.A.A.D., Sunarya, I.M.G. and Gunadi, I.G.A. (2024) ‘Perbandingan Algoritma Naive Bayes Berbasis Feature Selection Gain Ratio dengan Naive Bayes Kovensional dalam Prediksi Komplikasi Hipertensi’, JTIM : Jurnal Teknologi Informasi dan Multimedia, 6(1), pp. 37–49. Available at: https://doi.org/10.35746/jtim.v6i1.488.
Wulandari, V., Sari, W.J. and Alfian, Z. (2024) ‘Implementation of Naïve Bayes Classifier and K-Nearest Neighbor Algorithms for Chronic Kidney Disease Classification Implementasi Algoritma Naïve Bayes Classifier dan K-Nearest Neighbor untuk Klasifikasi Penyakit Ginjal Kronik’, 4(April), pp. 710–718.
Zafira, F., Irawan, B. and Bahtiar, A. (2024) ‘Penerapan Data Mining Untuk Estimasi Stok Barang Dengan Metode K-Means Clustering’, JATI (Jurnal Mahasiswa Teknik Informatika), 8(1), pp. 156–161. Availableat:https://doi.org/10.36040/jati.v8i1.8319.
Downloads
Published
Issue
Section
License
Copyright (c) 2024 Rosiana Dewi (Author)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
