Prediksi Kelahiran Prematur Menggunakan Algoritma Neural Network

Kresna Ramanda - STMIK Nusa Mandiri Jakarta

Abstract


ABSTRACT - Preterm labor, defined as delivery in pregnant women with 20-36 weeks' gestation. Research related to preterm birth has been done by researcher that is by using method of neural network. However, the study only presents the results of sensitivity and specificity. The results of research using neural network method in predicting preterm birth have accuracy value that resulted is still less accurate and only limited to present about result of sensitivity and spesifisitas. In this research, the model of neural network algorithm is used to get the architecture in predicting the preterm birth and give accurate accuracy value on the data set of RS Sumber Waras patient and the data set of RS Cipto Mangunkusumo. After testing, the result is neural network algorithm yield 94,60% accuracy for data set Rs Cipto mangunkusumo, 96,40% for Sources data set of sane, 91,33% for whole set data and AUC value equal to 0,973 For data set Rs Cipto mangunkusumo, 0.982 for Sources data set of sane, 0.953 for the whole set data.

Keywords: Premature Birth, Neural network, Algorithm.

 

ABSTRAK - Persalinan prematur, didefinisikan sebagai persalinan pada wanita hamil dengan usia kehamilan 20 – 36 minggu. Penelitian yang berhubungan dengan kelahiran prematur sudah pernah dilakukan oleh peneliti yaitu dengan menggunakan metode neural network. Namun penelitian tersebut hanya manyajikan tentang hasil sensitivitas dan spesifisitas. Hasil Penelitian yang menggunakan metode neural network dalam memprediksi kelahiran prematur mempunyai nilai akurasi yang dihasilkan masih kurang akurat dan hanya sebatas menyajikan tentang hasil sensitivitas dan spesifisitas. Dalam penelitian ini dibuatkan model algoritma neural network untuk mendapatkan arsitektur dalam memprediksi kelahiran prematur dan memberikan nilai akurasi yang lebih akurat pada data set pasien RS Sumber Waras dan data set RS Cipto Mangunkusumo. Setelah dilakukan pengujian maka hasil yang didapat adalah algoritma neural network menghasilkan nilai akurasi sebesar 94,60% untuk data set Rs Cipto mangunkusumo , 96,40% untuk data set RS Sumber waras , 91,33% untuk data set keseluruhan   dan nilai AUC sebesar 0,973 untuk data set Rs Cipto mangunkusumo , 0,982 untuk data set RS Sumber waras , 0,953 untuk data set keseluruhan. 

Kata Kunci : Kelahiran Prematur, Neural network,Algoritma.


Full Text:

PDF

References


. Health Technology Assessment Indonesia,.(2009). Prediksi Persalinan Preterm. Dirjen Bina Pelayanan Medik Kemenetrian Kesehatan Republik Indonesia.

. Catley,C.,Frize,M.,Walker,R.,Petriu,C.(2006). Predicting High-Risk Preterm Birth Using Artificial Neural Networks. IEEE TRANSACTIONS ON INFORMATION TECHNOLOGY IN BIOMEDICINE, VOL. 10, NO. 3, JULY 2006.540-549.

. Santosa, B,. (2007). Data mining teknik pemanfaatan data untuk keperluan bisnis. Yogyakarta: Graha ilmu

. Witten, I. H., Frank, E., & Hall, M. A. (2011).Data Mining: Practical Machine Learning and Tools. Burlington: Morgan Kaufmann Publisher.

. Astuti, E. D. (2009). Pengantar Jaringan Saraf Tiruan. Wonosobo: Star Publishing.

. Shukla, A., Tiwari, R., & Kala, R. (2010). Real Life Application of Soft Computing. CRC Press.

. Han, J., & Kamber, M. (2007). Data Mining Concepts and Technique. Morgan Kaufmann publisher.

. Dawson, C. W. (2009). Projects in Computing and Information System A Student's Guide. England: Addison-Wesley.

. Berndtssom, M., Hansson, J., Olsson, B., & Lundell, B. (2008). A Guide for Students in Computer Science and Information Systems. London: Springer.

. Vercellis, C. (2009). Business Intelligence : Data Mining and Optimization for Decision Making. John Wiley & Sons, Ltd




DOI: https://doi.org/10.31294/bi.v5i1.791

DOI (PDF): https://doi.org/10.31294/bi.v5i1.791.g643

ISSN2338-9761 (media online), 2338-8145 (media cetak)

Dipublikasikan oleh LPPM Universitas Bina Sarana Informatika

Jl. Kramat Raya No.98, Kwitang, Kec. Senen, Kota Jakarta Pusat, DKI Jakarta 10450
Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License