PREDIKSI PROSES PERSALINAN MENGGUNAKAN ALGORITMA KNN BERBOBOT PADA MONITORING ELEKTRONIK PERSONAL HEALTH RECORD IBU HAMIL
DOI:
https://doi.org/10.36595/misi.v5i1.600Keywords:
Prediksi Proses Persanilan, K-Nearest Neigbors, Klasifikasi, Euclidean DistanceAbstract
Proses persalinan seringkali mengalami resiko, yaitu mengalami kematian. Berdasarkan survei Kesehatan Rumah Tangga di Indonesia tahun 2001 diperoleh data sebanyak 89,5% ibu hamil mengalami kematian yang disebabkan karena komplikasi persalinan. Untuk itu perlu adanya aplikasi yang dapat membantu memprediksi proses persalinan yang tepat dan memudahkan petugas medis memonitoring kondisi kesehatan bagi ibu hamil. Tujuan dari penelitian ini adalah memprediksi jenis persalinan normal atau caesar menggunakan metode K-Nearest Neighbor algoritma dapat digunakan untuk melakukan klasifikasi suatu data berdasarkan data training, yang diambil dari K tetangga terdekatnya (Nearest Neighbors). Data yang digunakan adalah data usia ibu, usia kandungan, berat badan, tinggi badan, hemoglobin, hematokrit, lekosit, trombosit, eritrosit, glukosa, protein, hepatitis B, pinggul sempit, kehamilan ganda, posisi, presentasi, riwayat partus, riwayat abortus, diabetes, ginjal, hipertensi, jantung, kanker, taksiran berat bayi, ketuban pecah dini dan partus. Dengan data tersebut maka penulis menggunakan rumus perhitungan jarak Euclidean Distance karena memiliki variabel lebih dari 2
References
H. Sehat, Medium,10 Juli 2019. [daring]. Tersedia pada:https://medium.com/@hubsehat/rekam-medis-pribadi-personal-health-record-phr-merubah-kesehatan-keluarga-85e3d3ab17a8[Diakses 28 Desember 2021].
A.L. Kurniawan dan A. Setiawan,Perlindungan Data Rekam Medis SebagaiBentuk Perlindungan Data PribadiPasien Selama Pandemi Covid-19,Jurnal Hukum dan Pembangunan Ekonomi, Volume 9, No. 1, 2021.
A. Wibowo,Perancangan Aplikasi Konsultasi Ibu Hamilberbasis Cloud Computing,ULTIMAInfoSys,Juni, Volume 9, No. 1, 2018.
R. W. Mohamad,Pemanfaatan System Informasi MobileBagi Kesehatan Ibu Hamil dan Anak,Jambura Nursing Journal,Januari, Volume 3, No. 1, 2021.
Tominanto dan T.P. Sari,Aplikasi Rekam Medis Elektronik Ibu Hamil,Jurnal INFORMA Politeknik Indonusa Surakarta, Volume 5, No. 4, 2019.
D. K. Indahsari dan Y. I. Kurniawan, Aplikasi Prediksi Usia Kelahiran Dengan MetodeK-Nearest Neighbor, Jurnal Kebidanan,Februari, Volume 11, No. 1, hal. 651-659, 2020.
M. Chikam dan M. Rizal,Purwarupa Perahu untuk Monitoringdan Klasifikasi Kualitas Air Bendungan dengan Metode K-Nearest Neighbor (KNN), J-PTIIK,FebruariVolume 4, No. 2, hal. 651-659, 2020
Y. Wibisono, danD. Wismarini,Case Based Reasoning Penyakit Itik Petelur Menggunakan Algoritma Similaritas Sorgenfrei K-N-N,Jurnal Manajemen Informatika dan Sistem Informasi,Juni, Volume 4, No. 2, 2021.
A. S. Sunge, danA.A. Aditasari,Penerapan Algoritma C4.5 Pada Klasifikasi Kelahiran Bayi Prematur DiDesa Setia Mekar,Jurnal Teknologi Pelita Bangsa,Maret, Volume 8, No. 2, 2018.
F.Erawantini, dan I. Nurmawati,Perancangan Aplikasi Personal Medical Record (PMR) Pasien Diabetes Tipe Ii,Seminar Nasional Hasil Penelitian,2017.
H. Risa, S. Rochana, dan R.A. Ramadhani, Perancangan Sistem Diagonosa Penyakit Hepatitis Menggunakan Metode KNN,Jurnal Ilmiah ILKOM,Agustus, Volume 9, No. 2, 2017.
Tursina,Prediksi Proses Persalinan MenggunakanCase Based Reasoning,Jurnal Edukasi dan Penelitian Informatika (JEPIN),Juni, Volume 2, No. 1, 2016.
T. Cover and P. Hart, Nearest Neighbor Pattern Classification, IEEE Transactions on Information Theory, Vol. 13, Ed. 1, 1967.
A. M. Ismail, Medium,17 Agustus 2010. [daring]. Tersedia pada:https://medium.com/bee-solution-partners/cara-kerja-algoritma-k-nearest-neighbor-k-nn-389297de543e[Diakses 25 Desember 2021]
M. Patoni, danS.Fadhil,Implementasi System Development Life Cycledalam Perancangan Penyebaran Informasipada Madrasah Aliyah NW Puyung,Jurnal Manajemen Informatika dan Sistem Informasi,Januari, Volume 4, No.1, 2019.
Imtihan, K., Bagye, W., Asri, Z. M. T., Fadli, S., & Ashari, M. (2021, February). Image capture device based on Internet of Thing (IoT) technology. In IOP Conference Series: Materials Science and Engineering (Vol. 1088, No. 1, p. 012065). IOP Publishing
Bagye, W., Imtihan, K., Ashari, M., Fadli, S., Zaen, M. T., Zulkarnaen, M. F., ... & Tantoni, A. (2021, February). The potential of hand tractor controller to reduce the risk of Hand-Arm Vibration Syndrome (HAVS). In IOP Conference Series: Materials Science and Engineering (Vol. 1088, No. 1, p. 012077). IOP Publishing.
Downloads
Published
How to Cite
Issue
Section
License
Semua tulisan pada jurnal ini menjadi tanggungjawab penuh penulis.
