Keywords
Resiko Kehamilan
Naïve Bayes Classifier
K-Nearest Neighbor
Website
How to Cite
Abstract
Pos Pelayanan Terpadu (Posyandu) memiliki peran penting dalam program pelayanan kesehatan bagi ibu dan bayi. Pada Posyandu Desa Ploso menyediakan pelayanan pemeriksaan kesehatan ibu hamil dan janin yang akan membantu mengetahui gejala dini dari resiko kehamilan, akan tetapi pada proses pendataan dan pengelompokan jenis resiko kehamilan pada ibu hamil masih dilakukan manual. Sehingga Posyandu Desa Ploso membutuhkan sistem bantu berbasis website yang digunakan untuk mendata dan mengelompokkan jenis resiko kehamilan sesuai dengan gejala dini yang dirasakan saat proses kehamilan menggunakan metode Naïve Bayes Classifier dan K-Nearest Neighbor. Berdasarkan hasil pengujian menggunakan 200 data gejala ibu hamil didapatkan hasil dengan Naïve Bayes Classifier mendapatkan akurasi 78,26% sedangkan dengan K-Nearest Neighbor didapatkan akurasi 86,95%. Sistem ini dapat menampilkan hasil klasifikasi resiko kehamilan untuk mempermudah dalam pelayanan kesehatan ibu hamil.
References
Poedji Rochjati, 2011. Skrining Antenatal pada Ibu Hamil Edisi 2 Pengenalan Factor Risiko. Airlangga university press.
Siswanto. 2002. Faktor-Faktor Yang Mempengaruhi Peran Serta Kader Dalam Deteksi Dini Risiko Kehamilan.
Depkes, R. (2011). Pedoman Umum Pengelolaan Posyandu. Jakarta: Kementerian Kesehatan RI.
Rochjati, Poedji. 2003. Skrining Antenatal Pada Ibu Hamil, Pengenalan Factor Risiko. Yogyakarta: Airlangga university press.
Manuaba, Ida Bagus Gede. 2013. Ilmu Kebidanan, Penyakit Kandungan dan KB. Jakarta: EGC.
Abdullah, Vicky Ridwan. (2012). Pengertian Penelitian Deskriptif. Medan: Sofmedia.
Widatiningsih, S. and Dewi, C. H. T. (2017) Praktik Terbaik Asuhan Kehamilan, in Yogyakarta: Trans Media.
Kurniawan, Afif. 2013. Sitem Pakar Untuk Mendiagnosa Penyakit Tuna Grahita Dengan Metode Naive Bayes. Jurnal Ilmiah SINUS.
Nugroho, A., & Subanar. (2013). Klasifikasi Naïve Bayes untuk Prediksi Kelahiran pada Data Ibu Hamil. Berkala Ilmiah MIPA UGM, 297.
Nobertus Krisandi, et., al., 2013. Algoritma K-Nearest Neighbor Dalam Klasifikasi Data Hasil Produksi Kelapa Sawit Pada Pt. Minamas Kecamatan Parindu. Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster, Vol. 02, No. 1, pp.pp.33 - 38.
Naufal, M. A., dkk. (2017). Implementasi metode klasifikasi k-nearest neighbor (knn) untuk pengenalan pola batik motif lampung.
Indrajani. (2011). Perancangan Basis Data Dalam All in 1. Jakarta: PT ELex Media Komputindo
A Hall, James. 2011.Sistem Informasi Akuntansi, Edisi 4, Jakarta:Salemba Empa
S. Fajariati, T. Matulatan, A. Uperiati. 2021. Klasifikasi Status Gizi Terhadap Pertumbuhan Balita Menggunakan Metode Naïve Bayes. Jurnal Teknik Informatika. No.1. Vol.2. 2746 – 8461.
R. Wahyudi, M. Orisa, N. Vendyansyah. 2021. Penerapan Algoritma K-Nearest Neighbors Pada Klasifikasi Penentuan Gizi Balita (Studi Kasus Di Posyandu Desa Bluto). Jurnal Mahasiswa Teknik Informatika. No.2. Vol.5. 750 – 757.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2023 Salsabilla Atasyaputri Setyawan, Ardi Sanjaya, Wahyu Cahyo Utomo