IVETIVET

Joined Journal (Journal of Informatics Education)Joined Journal (Journal of Informatics Education)

Tujuan dari penelitian ini adalah mengklasifikasikan jenis persalinan normal atau caesar menggunakan algoritma K-NN dan Naïve Bayes. Data yang digunakan adalah data tentang usia ibu, hemoglobin, usia kehamilan, masalah kehamilan. Hasil dari penelitian ini menunjukkan bahwa algoritma Naïve Bayes mampu mengklasifikasikan jenis persalinan normal atau caesar. Dengan metode validasi K-Fold Cross Validation dan Confusion Matrix untuk perhitungan missclassifikasi dimana akan membuat kita mengetahui seberapa buruk model kita dalam melakukan prediksi, untuk menghitung tingkat akurasi dari metode klasifikasi yang kita gunakan. Hasil menunjukan bahwa Dalam perhitungan validasi Cross Validation didapat nilai presentasi akurasi sebesar 63,57% untuk data training dan 95,48% untuk data testing dan pada Confusion Matrix didapat nilai presentasi akurasi sebesar 66,2% untuk data training dan 96,18% untuk data testing.

Berdasarkan seluruh hasil tahapan penelitian dan pembahasan, diperoleh kesimpulan sebagai berikut.Dalam metode K-NN menghasilkan data layak sebanyak 71 untuk proses training dan 419 untuk proses testing.Dalam metode Naïve Bayes dihasilkan nilai presentase akurasi pada penentuan jenis persalinan menurut sample yang sudah ada.Pada data training dihasilkan presentase sebesar 75% untuk normal dan pada data testing dihasilkan sebesar 69% untuk caesar.Dalam pengujian validasi menggunakan Cross Validation didapatkan nilai persentase untuk data training sebesar 63,57% sedangkan nilai persentase optimal untuk data testing sebesar 95,48%.Dalam pengujian validasi Confusion Matrix didapatkan nilai persentase untuk data training sebesar 66,2% sedangkan nilai persentase optimal untuk data testing sebesar 96,18%.Dalam uji manfaat dalam penelitian ini didapatkan tingkat pemahaman dari pengguna mengenai analisis data pelanggan potensial menggunakan metode KNN dan Naïve Bayes sebesar 83,333%.

Penelitian ini dapat dikembangkan lebih lanjut dengan mempertimbangkan faktor-faktor lain yang mungkin mempengaruhi jenis persalinan, seperti kondisi kesehatan ibu, riwayat medis, dan faktor-faktor sosial-ekonomi. Selain itu, penelitian lanjutan dapat fokus pada perbandingan akurasi antara metode K-NN dan Naïve Bayes dengan metode klasifikasi lainnya, seperti algoritma C4.5 atau Random Forest, untuk menentukan metode yang paling efektif dalam memprediksi jenis persalinan. Terakhir, penelitian ini dapat dieksplorasi lebih dalam dengan menganalisis dampak penggunaan algoritma ini dalam pengambilan keputusan klinis dan implikasinya terhadap kesehatan ibu dan bayi.

Read online
File size540.35 KB
Pages18
DMCAReport

Related /

ads-block-test