KLASIFIKASI KEHAMILAN BERESIKO DENGAN MENGGUNAKAN METODE K-NEAREST NEIGHBOR (STUDI KASUS DINAS KESEHATAN KABUPATEN MALANG)

  • Diina Itsna Annisa Jurusan Teknologi Informasi Politeknik Negeri Malang
  • Rudy Ariyanto Jurusan Teknologi Informasi Politeknik Negeri Malang
  • Ariadi Tri Retno Hayati Ririd Jurusan Teknologi Informasi Politeknik Negeri Malang

Abstract

Masing-masing kehamilan pasti  memiliki resiko  yang berbeda-beda. Di Kabupaten Malang tingkat  kehamilan berisiko ditargetkan hanya 20% dari total ibu hamil yang ada pada masing-masing wilayah, akan tetapi angka yang  ditargetkan  tidak  selalu  sesuai  dengan  hasil  yang  ada  di  lapangan.  Di  wilayah  kerja  Dinas  Kesehatan Kabupaten Malang tepatnya di bagian selatan, keberadaan dokter spesialis kandungan sangatlah minim sehingga pemeriksaan kehamilan hanya sebatas di puskesmas maupun bidan praktek mandiri saja. Dengan kondisi seperti itu, jika terjadi permasalahan terhadap kondisi kehamilan seseorang akan memerlukan waktu untuk berkonsultasi terhadap dokter yang ada di pusat kota. Dalam penelitian  ini akan  membahas  mengenai klasifikasi  kehamilan beresiko dengan  menggunakan  metode K-Nearest Neighbor, dengan adanya klasifikasi ini diharapkan  mampu mendeteksi sejak dini dan mengurangi angka kematian ibu, janin dan bayi akibat kehamilan beresiko. Hasil uji dalam mengukur akurasi metode ini menggunakan metode validasi dengan membandingkan data yang diperoleh dari dinas kesehatan (puskesmas)  dengan sistem dan  menghasilkan  tingkat akurasi nilai sebesar 93 % dengan menggunakan nilai K = 5, maka metode ini dapat dikategorikan baik dalam mengklasifikasi kehamilan beresiko ini.

Downloads

Download data is not yet available.

References

Hermawati, Fajar Astuti., 2013. Data Mining.

Yogyakarta : Andi Publisher

JNPKKR-POGI., 2005. Buku Acuan Nasional

Pelayanan Kesehatan Maternal dan Neonatal.

Jakarta : Yayasan Bina Pustaka Sarwono

Prawirohardjo.

Leidiyana, Henny., 2013. “Penerapan Algoritma KNearest Neighbor untuk Penentuan Resiko

Kredit Kepemilikan Kendaraan Bermotor”.

Jurnal Penelitian Ilmu Komputer, System

Embedded & Logic1(1) : 65-76

Madcoms. 2009. Mengusai XHTML, CSS, PHP, &

MySQL melalui DREAMWEAVER. Yogyakarta

: Penerbit Andi.

Nugroho, Bunafit. 2008. Panduan Lengkap

Menguasai Perintah SQL. Jakarta : Media

Kita.

Nugroho, Bunafit. 2009. Latihan Membuat Aplikasi

Web PHP dan MySQL dengan Dreamweaver.

Yogyakarta : Penerbit Gava Media.

Prawirohardjo, Sarwono., 2010. Ilmu Kebidanan

Edisi Keempat. Jakarta : PT Bina Pustaka

Sarwono Prawirohardjo

Rochijati, Poedji., 2003. Skrining Antenatal pada

Ibu Hamil. Surabaya : Airlangga University

Press.

Ridok, Achmad dan Muhammad Tanzil Furqon.,

“Pengelompokan Dokumen Berbahasa

Indonesia Mengunakan Metode K-NN”. Jurnal

Program Studi Ilmu Komputer Universitas

Brawijaya Malang.

Septian, Gugun., 2011. Trik Pintar Menguasai

Code Igniter. Jakarta: Elek Media Komputindo

Suparyanto, dr. 2011. Kehamilan Normal dan

Resiko Tinggi. [Online] Tersedia: http://drsuparyanto.blogspot.co.id/2011/07/kehamilannormal-dan-risiko-tinggi.html [30 November

Teknomo, Kardi., 2012. Algoritma K-Nearest

Neighbor. [Online] Tersedia:

http://people.revoledu.com/kardi/tutorial/KNN/

index.html. [7 Desember 2015]

Wahana Komputer. 2010. Panduan Belajar MySQL

Database Server. Jakarta: Media Kita.

Yepriyanto, Rizal., et all., 2015. “Sistem Diagnosa

Kesuburan Sperma Dengan Menggunakan

Metode K-Nearest Neighbor (KNN)”. Jurnal

Ilmiah STIMIK Sinar Nusantara Surakarta.

ISSN : 1693 – 1173.

How to Cite
Annisa, D. I., Ariyanto, R., & Hayati Ririd, A. T. R. (2016). KLASIFIKASI KEHAMILAN BERESIKO DENGAN MENGGUNAKAN METODE K-NEAREST NEIGHBOR (STUDI KASUS DINAS KESEHATAN KABUPATEN MALANG). Jurnal Informatika Polinema, 3(1), 34. https://doi.org/10.33795/jip.v3i1.20
Section
Articles