DIAGNOSIS DINI PENYAKIT PREEKLAMSIA PADA IBU HAMIL DENGAN METODE K-NEAREST NEIGHBOR (KNN)
Abstract
Pre-eklamsia salah satu permasalahan kesehatan di Indonesia yang sering terjadi pada ibu hamil yang disebabkan oleh peningkatan tekanan darah yang diikuti dengan tanda gejala hipertensi dan peningkatan protein urin. Gejala Pre-eklamsia biasanya muncul pada usia kehamilan 20 minggu atau paling umum di usia 24-26 minggu. Tingginya angka kematian ibu serta banyaknya dampak terhadap kesehatan ibu memerlukan upaya pencegahan dan penanganan kasus-kasus preeklamsia serta melakukan analisis penyebab peningkatan hipertensi terhadap kematian ibu hamil disetiap tahun. Penelitian menggunakan metode K- Nearest Neighbor(KNN) yang memiliki kelebihan mudah diterapkan dan efisien dengan data yang banyak. Objek penelitian merupakan data rekam medis ibu hamil di RSUD Ratu Zalecha berjumlah 100 data dengan atribut pekerjaan, pendidikan, umur, usia kehamilan, tekanan darah, riwayat kehamilan hingga sekarang(G), paritas, riwayat abortus, riwayat persalinan, riwayat penyakit, proteinuria dan kelas yang berisi Pre-eklampsia atau tidak Pre-eklampsia. Penelitian ini menghasilkan sistem yang dapat mendiagnosis dini penyakit Pre-eklampsia pada ibu hamil. Pengujian pada metode K-Nearest Neighbor(KNN) menggunakan confusion matrix mendapatkan hasil akurasi 88%, precision 85,7%, recall 89% dan f1- score 85,4%. Hasil pengujian sistem menggunakan blackbox menunjukkan bahwa sistem baik secara fungsionalitas sedangkan dengan metode system usability scale nilai yang diperoleh sebesar 81,64 mendapat Grade B berarti sistem yang dibuat sudah cukup bagus dan layak untuk digunakan.
References
[2] C. H. Transyah, “Hubungan Umur Dan Paritas Ibu Bersalin Dengan Kejadian Pre-Eklampsia,” Hum. Care J., vol. 3, no. 1, 2018.
[3] R. A. Pramunendar, I. N. Dewi, and H. Asari, “Penentuan Prediksi Awal Penyakit Jantung Menggunakan Algoritma Back Propagation Neural Network dengan Metode Adaboost,” vol. 2013, no. November, pp. 298–304, 2013.
[4] D. Normawati and S. Winarti, “Feature selection with combination classifier use rules-based data mining for diagnosis of coronary heart disease,” Proceeding 2018 12th Int. Conf. Telecommun. Syst. Serv. Appl. TSSA 2018, pp. 2–7, 2019.
[5] I. Septiani and N. Rijiati, “Abstrak,” 2016.
[6] D. I. Annisa, R. Ariyanto, and A. T. R. H. Ririd, “KLASIFIKASI KEHAMILAN BERESIKO DENGAN MENGGUNAKAN METODE K-NEAREST NEIGHBOR,” vol. 3, no. November, pp. 34–39, 2016.
[7] A. Muzakir and R. Anisa Wulandari, “Model Data Mining sebagai Prediksi Penyakit Hipertensi Kehamilan dengan Teknik Decision Tree Model Data Mining sebagai Prediksi Penyakit Hipertensi Kehamilan dengan Teknik Decision Tree,” no. May, 2016.
[8] D. T. Purwanti, “ANALISIS POLA ASOSIASI DATA PENYAKIT HIPERTENSI PADA IBU HAMIL MENGGUNAKAN ALGORITMA APRIORI,” vol. 01, no. 04, 2017.
[9] Y. Kustiyahningsih, Mula’ab, and N. Hasanah, “Metode Fuzzy ID3 Untuk Klasifikasi Status Preeklamsi Ibu Hamil,” Teknika, vol. 9, no. 1, pp. 74–80, 2020.
[10] “Tampilan Komparasi Performansi Algoritma Pengklasifikasi KNN, Bagging Dan Random Forest Untuk Prediksi Kanker Payudara.pdf.” .
[11] R. Hidayat and T. Astuti, “Diagnosis Preeklamsia pada Ibu Hamil Berdasarkan Algoritme K- Nearest Neighbour,” vol. 14, no. 2, 2020.
Copyright (c) 2021 Dwi Normawati
This work is licensed under a Creative Commons Attribution 4.0 International License.
