KLASIFIKASI RESIKO KEHAMILAN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE

Sherly Ika Savitri, 201469040068 (2018) KLASIFIKASI RESIKO KEHAMILAN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE. Sarjana thesis, Universitas Yudharta.

	Text (BAB I.pdf) BAB I.pdf Download (71kB)
	Text (BAB II.pdf) BAB II.pdf Restricted to Registered users only Download (172kB) | Request a copy
	Text (BAB III.pdf) BAB III.pdf Restricted to Registered users only Download (137kB) | Request a copy
	Text (BAB IV.pdf) BAB IV.pdf Restricted to Registered users only Download (478kB) | Request a copy
	Text (BAB V.pdf) BAB V.pdf Restricted to Registered users only Download (72kB) | Request a copy
	Text (Cover.pdf) Cover.pdf Download (266kB)
	Text (DAFTAR PUSTAKA.pdf) DAFTAR PUSTAKA.pdf Download (124kB)
	Text (Lampiran.pdf) Lampiran.pdf Download (512kB)

Abstract

Angka kematian ibu (AKI) di Indonesia masih cukup tinggi ketimbang negara-negara lain dikawasan ASEAN. Berdasarkan Survei Penduduk Antar Sensus (SUPAS) tahun 2015, AKI di Indonesia berapa pada angka 305 per 100.000 kelahiran hidup. Walaupun pelayanan ante al dan pertolongan persalinan oleh tenaga kesehatan terlatih cukup tinggi, beberapa faktor seperti resiko tinggi pada kehamilan dan aborsi perlu mendapat perhatian. Resiko tinggi adalah keadaan yang berbahaya dan mungkin terjadi penyebab langsung kematian ibu. Metode Support Vector Machine (SVM) termasuk dalam kategori metode klasifikari yang baik, yang mana memberikan suatu pendekatan statistic dalam pengenalan pola dan merupakan metode yang bersifat linier. Support Vector Machine merupakan suatu metode baru yang memiliki tingkat performasi baik dibandingkan dengan metode klasifikasi lainnya. Pada data kehamilan resiko tinggi, SVM dapat diimplementasikan dengan 2 jenis tingkat resiko, yaitu normal dan tinggi. Penyelesaian dari penelitian ini langkah pertama yaitu pengumpulan data pasien ibu hamil. Langkah selanjutnya menentukan data latih dan data uji sesuai rasio perbandingan data dengan sistem secara acak, Kemudian data tersebut dilakukan proses perhitungan normalisasi, ke el dan perhitungan SVM. Setelah diproses akan didapatkan nilai α dan nilai b (bias). Hasil dari sistem klasifikasi kehamilan resiko tinggi dengan menerapkan SVM didapatkan nilai procision sebesar 0,923, nilai recall sebesar 1, nilai F-Measure sebesar 0,960 dan nilai akurasi terbaik sebesar 92,3077%.

Item Type:	Thesis (Sarjana)
Identification Number:	005.12 SAV K
Contributors:	Contribution Contributors Email Thesis advisor Rahmad Zainul Abidin, M.Kom, ã…¤ UNSPECIFIED
Subjects:	Karya Umum > Ilmu Umum dan Komputer
Divisions:	Fakultas Teknik > Teknik Informatika
Date Deposited:	30 Aug 2018 10:24
Last Modified:	02 Mar 2022 06:26
URI:	https://repository.yudharta.ac.id/id/eprint/349

Actions (login required)

View Item