Risiko Kesehatan Bagi Pasien Hamil Menggunakan Metode KNN


Miftahul Haq(1*); Harlinda Harlinda(2); A.Ulfah Tenripada Sahar(3);

(1) Universitas Muslim Indonesia
(2) Universitas Muslim Indonesia
(3) Universitas Muslim Indonesia
(*) Corresponding Author

  

Abstract


Kematian ibu hamil dalam melahirkan merupakan permasalahan kesehatan yang sudah lama terjadi. Ibu hamil memerlukan pemantauan terus menerus selama kehamilan hingga proses melahirkan agar dapat diketahui faktor risiko yang dialami. Ibu hamil perlu mengetahui penyakit yang mungkin bisa diderita, dan untuk mendapatkan pengetahuan serta melakukan diagnosa dini penyakit kehamilan, diperlukan sistem yang dapat membantu. Untuk mengatasi hal ini, pemantauan selama kehamilan penting untuk perkembangan janin yang sehat dan memastikan persalinan yang aman. Oleh karena itu, klasifikasi risiko kesehatan ibu hamil menjadi sangat penting untuk mencegah dan mengurangi risiko kesehatan yang serius bagi ibu dan bayi yang dikandungnya. Klasifikasi merupakan proses menemukan model untuk menggambarkan data dengan tujuan model tersebut dapat digunakan prediksi yang belum diketahui dari suatu objek. Salah satu metode dalam klasifikasi data adalah metode K-Nearest Neighbor (KNN), teknik ini menggunakan algoritma terawasi untuk mengklasifikasikan hasil query instance yang berdasar pada mayoritas dalam kategori KNN. Tujuan dari karya ilmiah ini yaitu mengklasifikasikan resiko kesehatan ibu hamil ke dalam kategori resiko tinggi seperti resiko menengah dan resiko rendah seperti resiko kesehatan yang dapat menganggu kesehatan ibu hamil yang dapat mengakibatkan adanya keguguran. Pada karya ilmiah ini mengklasikasikan data berdasarkan dari usia, tekanan darah sistolik, tekanan darah diastolik, gula darah, dan denyut jantung berdasarkan nilai K-Nearest yang di inputkan. Berdasarkan hasil klasifikasi KNN dengan menggunakan nilai K yang berbeda yaitu K=3, K=5, K=9 dan K=11 didapatkan hasil dengan nilai akurasi, presisi, recall, f1-score paling tinggi yaitu nilai K=11 dengan nilai 80%

Keywords


Hamil, Klasifikasi; Kesehatan; K-Nearest Neighbor; Resiko

  
  

Full Text:

PDF
  

Article Metrics

Abstract view: 0 times
PDF view: 1 times 		     

Digital Object Identifier

doi  https://doi.org/10.33096/linier.v1i4.2532 		  

Cite

How to cite item

References


R. Aryanti, T. Misriati, and R. Hidayat, “Klasifikasi Risiko Kesehatan Ibu Hamil Menggunakan Random Oversampling Untuk Mengatasi Ketidakseimbangan Data,” KLIK: Kajian Ilmiah Informatika dan Komputer , vol. 3, no. 5, pp. 409–416, 2023, [Online]. Available: https://djournals.com/klik

Yunita Permatasari, Umi Salamah, and Ristu Saptono, “Klasifikasi Risiko Bahaya Kehamilan dengan Metode Fuzzy C-Means,” JURNAL ITSMART , vol. 2, no. 1, pp. 8–15, 2023.

R. Aryanti, T. Misriati, and R. Hidayat, “Klasifikasi Risiko Kesehatan Ibu Hamil Menggunakan Random Oversampling Untuk Mengatasi Ketidakseimbangan Data,” KLIK: Kajian Ilmiah Informatika dan Komputer, vol. 3, no. 5, pp. 409–416, Apr. 2023, [Online]. Available: https://djournals.com/klik

M. Ahmed, M. A. Kashem, M. Rahman, and S. Khatun, “Review and Analysis of Risk Factor of Maternal Health in Remote Area Using the Internet of Things (IoT),” in Lecture Notes in Electrical Engineering, Springer, 2020, pp. 357–365. doi: 10.1007/978-981-15-2317-5_30.

Aprilia Manganti, Saifulloh, and Andria, “SISTEM PAKAR DIAGNOSA PENYEBAB KEGUGURAN PADA IBU HAMIL MENGGUNAKAN METODE FORWARD CHAINING,” Jurnal Sistem Informasi dan Sains Teknologi, vol. 3, no. 2, pp. 1–13, 2021.

Y. Pinanda, W. Firdaus Mahmudy, and E. Santoso, “Klasifikasi Risiko Penyakit pada Ibu Hamil menggunakan Metode Modified K-Nearest Neighbor (MKNN),” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 6, no. 5, pp. 2116–2121, 2022, [Online]. Available: http://j-ptiik.ub.ac.id

P. R. Sihombing and I. F. Yuliati, “Penerapan Metode Machine Learning dalam Klasifikasi Risiko Kejadian Berat Badan Lahir Rendah di Indonesia,” MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer, vol. 20, no. 2, pp. 417–426, May 2021, doi: 10.30812/matrik.v20i2.1174.

Amaliah Faradibah, Dewi Widyawati, A Ulfah Tenripada Syahar, and Sitti Rahmah Jabir, “Comparison Analysis of Random Forest Classifier, Support Vector Machine, and Artificial Neural Network Performance in Multiclass Brain Tumor Classification,” Indonesian Journal of Data and Science, vol. 4, no. 2, pp. 54–63, Jul. 2023, doi: 10.56705/ijodas.v4i2.73.

A. W. Widodo, D. Hernando, and W. F. Mahmudy, “Mangrove Forest Classification in Drone Images Using HSV Color Moment and Haralick Features Extraction with K-Nearest Neighbor,” Signal and Image Processing Letters, vol. 1, no. 3, pp. 1–12, Nov. 2019, doi: 10.31763/simple.v1i3.6.

Y. Pinanda, W. Firdaus Mahmudy, and E. Santoso, “Klasifikasi Risiko Penyakit pada Ibu Hamil menggunakan Metode Modified K-Nearest Neighbor (MKNN),” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 6, no. 5, pp. 2116–2121, May 2022, [Online]. Available: http://j-ptiik.ub.ac.id

A. Deharja, M. W. Santi, M. Yunus, and E. Rachmawati, “Sistem Prototype Klasifikasi Risiko Kehamilan Dengan Algoritma k-Nearest Neighbor (k-NN),” JTIM : Jurnal Teknologi Informasi dan Multimedia, vol. 4, no. 1, pp. 66–72, May 2022, doi: 10.35746/jtim.v4i1.229.

D. Itsna Annisa, R. Ariyanto, and A. Tri Retno Hayati Ririd, “Klasifikasi Kehamilan Beresiko Dengan Menggunakan Metode K-Nearest Neighbor (STUDI KASUS DINAS Kesehatan Kabupaten Malang),” Jurnal Informatika Polinema , vol. 3, no. 1, pp. 34–39, 2019.

S. R. Cholil, T. Handayani, R. Prathivi, and T. Ardianita, “Implementasi Algoritma Klasifikasi K-Nearest Neighbor (KNN) Untuk Klasifikasi Seleksi Penerima Beasiswa,” IJCIT (Indonesian Journal on Computer and Information Technology), vol. 6, no. 2, pp. 118–127, 2021.

Nefa Mutiara Shandhini Maylita, Hani Zulfia Zahro, and Nurlaily Vendyansyah, “Penerapan Metode K-Nearest Neighbor (KNN) Umtuk Menentukan Status Gizi Balita,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 6, no. 2, pp. 953–956, 2022.

U. Muldayawati Asmudi, Harlinda, and N. Kurniati, “Penentuan Tingkat Kelulusan Mahasiswa di Fakultas Ekonomi dan Bisnis Universitas Muslim Indonesia Berbasis Web,” Buletin Sistem Informasi dan Teknologi Islam, vol. 2, no. 3, pp. 208–212, 2021.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2025 Miftahul Haq, Harlinda Harlinda, A.Ulfah Tenripada Sahar

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



Literatur Informatika dan Komputer

Diterbitkan oleh  Fakultas Ilmu Komputer
Website :  https://jurnal.fikom.umi.ac.id/index.php/LINIER/
Email : linier@umi.ac.id

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