Penerapan Klasifikasi Dengan Algoritma C4.5 Pada Antenatal Care Terhadap Status Risiko Preeklamsia Ibu Hamil Di Tempat Praktik Mandiri Bidan (TPMB) Lilik Faiqoh Jakarta Timur

Authors

  • Suhartini Suhartini Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika Jakarta Author
  • Sugiono Sugiono Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika Jakarta Author
  • Rasiban Rasiban Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika Jakarta Author
  • Untung Suropati Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika Jakarta Author

Keywords:

Algoritma C4.5, CRISP-DM, Data Mining, Klasifikasi, Risiko Preeklamsia

Abstract

Perawatan kehamilan atau antenatal care adalah serangkaian layanan medis penting yang dirancang untuk menjamin kesehatan  ibu dan janin selama masa kehamilan. Preeklamsia merupakan komplikasi yang menyerang ibu dan janin selama kehamilan. Preeklamsia dibagi menjadi dua kategori, preeklamsia berat dan preeklamsia ringan. Data pemeriksaan kehamilan atau kunjungan antenatal ibu hamil yang tercatat di Tempat Praktik Bidan Mandiri  (TPMB) Lilik Faiqoh digunakan untuk mengklasifikasikan faktor risiko terjadinya preeklamsia. Gejala preeklamsia pada ibu hamil ditandai dengan tekanan darah tinggi, kelebihan protein dalam urin, dan ada tidaknya edema. Penyebab terjadinya preeklamsia adalah kurangnya kesadaran terhadap status kesehatan ibu hamil, tidak mengetahui faktor penyebab terjadinya preeklamsia, dan tidak menyadari gejala awal risiko kehamilan. Untuk mengatasi masalah ini, kita perlu meningkatkan kualitas pelayanan terhadap ibu hamil. Teknologi data mining dengan metode algoritma C4.5 digunakan untuk pengolahan data pada penelitian ini. Tujuan penelitian ini adalah mengembangkan model klasifikasi algoritma C4.5 untuk deteksi dini status preeklamsia pada ibu hamil. Penerapan penelitian ini menggunakan metode CRISP-DM yang melalui tahapan pemahaman bisnis, pemahaman data, penyiapan data, pemodelan, evaluasi, serta pengembangan. Pengolahan dataset menggunakan  Rapidminer untuk mengklasifikasikan status risiko preeklamsia ibu hamil menghasilkan akurasi sebesar 95,00%.

References

Ain Banyal, N., Doktor Husni Ingratubun Papua, U. and Raya Abepura Kotaraja Jayapura Papua, J. (2023) ‘IMPLEMENTASI DATA MINING UNTUK PREDIKSI PENYAKIT MALARIA TROPIKA DENGAN ALGORITMA C4.5’, Jurnal Ilmiah MATRIK, 25(3), p. 2023.

Algoritma, P.C. et al. (2023) ‘Penerapan Algoritma C.45 Pada Klasifikasi Status Gizi Balita di Posyandu Desa Sukalilah Cibatu Kabupaten Garut Jawa Barat’, Jurnal Sains dan Teknologi, 5(1), pp. 177–182. Available at: https://doi.org/10.55338/saintek.v5i1.1375.

Badriah, S. et al. (2021) ‘JIP (Jurnal Informatika Polinema) Klasifikasi Algoritma C4.5 dalam Menentukan Penerima Bantuan Covid-19 (Studi Kasus: Desa di Karawang)’.

Hamzah, S.T.R. et al. (2021) ‘Antenatal care parameters that are the risk factors in the event of preeclampsia in primigravida’, Gaceta Sanitaria, 35, pp. S263–S267. Available at: https://doi.org/10.1016/j.gaceta.2021.10.073.

Hasanah, M.A., Soim, S. and Handayani, A.S. (2021) Implementasi CRISP-DM Model Menggunakan Metode Decision Tree dengan Algoritma CART untuk Prediksi Curah Hujan Berpotensi Banjir, Journal of Applied Informatics and Computing (JAIC). Available at: http://jurnal.polibatam.ac.id/index.php/JAIC.

Haslan, H. and Trisutrisno, I. (2022) ‘Dampak Kejadian Preeklamsia dalam Kehamilan Terhadap Pertumbuhan Janin Intrauterine’, Jurnal Ilmiah Kesehatan Sandi Husada, pp. 445–454. Available at: https://doi.org/10.35816/jiskh.v11i2.810.

Islam, H.I. et al. (2022) ‘Penerapan Algoritma C4.5 dalam Klasifikasi Status Gizi Balita’, Jurnal Ilmiah Wahana Pendidikan, 8(10), pp. 116–125. Available at: https://doi.org/10.5281/zenodo.6791722.

Kebidanan, P. et al. (2020) Faktor Risiko Kejadian Preeklampsia Berat/Eklampsia pada Ibu Hamil Sutiati Bardja.

Kemenkes. Pentingnya Pemeriksaan Kehamilan di Fasilitas Kesehatan atau Puskesmas. ayosehat.kemkes.go.id. Diakses : 7 Juli 2024, jam 14.20.

Kemenkes. Peringatan Hari Preeklamsia Sedunia 2021. ayosehat.kemkes.go.id. Diakses : 7 Juli 2024, jam 14.27.

Kemenkes. Mengenal Preeklamsia. yankes.kemkes.go.id. Diakses : 7 Juli 2024, jam 14.35.

Medika, A. et al. (2022) ANALISIS ANTENATAL CARE (ANC) PADA IBU HAMIL. Available at: https://doi.org/10.36729.

Mir’aatunnas Pratiwi, U. et al. (2022) ‘KLASIFIKASI FAKTOR YANG BERPENGARUH DALAM KEHAMILAN TIDAK DIINGINKAN MENGGUNAKAN METODE ALGORITMA DECISION TREE’, 3(2). Available at: https://doi.org/10.46306/lb.v3i2.

Nurul Selviana Dewi, I. et al. (2024) FAKTOR-FAKTOR YANG BERHUBUNGAN DENGAN KEJADIAN REEKLAMPSIA. Available at: http://journal.stikeskendal.ac.id/index.php/PSKM.

Retnaningtyas, E., Manila No, J. and Kota Kediri Jawa Timur, S. (2021) PREEKLAMPSI & ASUHAN KEBIDANAN PADA PREEKLAMPSI STRADA PRESS.

Satria Tambunan, H. et al. (2022) Penerapan Data Mining Klasifikasi Gizi Bayi Dengan Algoritma Decision Tree C4.5. Available at: https://ejurnal.pdsi.or.id/index.php/zahra/index.

Widiastari, A. (2021) ‘(media cetak) Analisa Datamining dengan Metode Klasifikasi C4.5 Sebagai Faktor Penyebab Tanah Longsor’, Journal of Computer System and Informatics (JoSYC), 2(3).

Downloads

Published

2024-12-11

Issue

Vol. 17 No. 1 (2024): Cki On Spot 1-2024

Section

Articles

License

Copyright (c) 2024 Suhartini Suhartini (Author)

Creative Commons License

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